Почему продажа AI через токены — тупиковый путь для бизнеса

Не продавайте AI в токенах Увидел хороший тезис про AI pricing от a16z, который, мне кажется, на самом деле не столько про pricing, сколько про то, где в AI-экономике останется маржа. Токены появились как правильная единица для model layer. OpenAI продаёт inference: отправил токены, получил токены, заплатил за compute. Проблема начинается, когда эту же модель переносят на AI-приложения и агентов. Если агент изучил компанию, прочитал данные CRM, нашёл новости и подготовил account brief, клиент покупает не 184 тысячи токенов. Он покупает готовый account brief. Если coding agent исправил баг, клиенту не особенно интересно, сколько было model calls, retries и context window. Он покупает исправленный баг. Поэтому логика вроде простая: — продаёшь модель → продавай tokens; — продаёшь работу → продавай credits за понятную единицу работы; — можешь доказать результат → продавай outcome. С последним, правда, всё сложнее. Agentforce хорошо показал проблему outcome pricing. На презентации красиво звучит «платите за resolved case». На практике компании не очень хотят делиться частью созданной прибыли, а платить одинаково за каждый case resolution или назначенную встречу тоже не всегда кажется им справедливым. Один case мог закрыться сам за 20 секунд, другой потребовал сложной работы. Более острый вопрос это Что будет защищать вашу маржу, когда сами модели становятся commodity? Claude, Codex и open-source модели становятся всё сильнее. GPU можно арендовать. Fine-tuning и обучение специализированных моделей становятся доступнее на порядки. Самое сложное всё чаще не модель. Самое сложное — dataset. каждой компании сейчас стоит провести инвентаризацию не только своих databases, но вообще всех данных, которые рождаются в процессе её жизни. Код и история его изменений. Tickets. Customer conversations. Requirements. Contracts. Decisions. Исправления ошибок. Код, видео хирургических операций, лабораторные анализы, данные с приборов. Рассуждения почему один проект получился, а другой нет. можно ли на этом чему-то научить модель? Недавно услышал ещё более интересную вещь: frontier labs в некоторых закрытых программах уже платят скомпаниями за доступ к специализированным данным, включая анонимизированный код, потому что качественные proprietary datasets становятся одним из ограничений дальнейшего обучения моделей. На поверхности стратегический риск. Если у вас 10–20 лет накапливался уникальный dataset и вы просто отдаёте его frontier lab, завтра часть вашего преимущества может оказаться внутри следующего поколения модели. Теперь ренту с ваших данных будет собирать уже не ваша компания, а владелец модели. Поэтому AI strategy сегодня — это уже не только «какие модели и агентов нам внедрить». Возможно, гораздо более важный вопрос: какие уникальные данные мы производим каждый день, кому они принадлежат и как сделать так, чтобы именно мы капитализировали то, чему на них можно научить? Я бы именно этот тезис сделал центральным: models commoditize, proprietary datasets становятся капиталом. Он сильнее и менее очевиден, чем очередная дискуссия про tokens vs outcomes.