Расчет стоимости доступа AI-приложений с биллингом по факту использования

В прошлом году мы стали свидетелями бума приложений на основе искусственного интеллекта после широкомасштабного внедрения ChatGPT. Крупный бизнес, как и компании поменьше, вовсю вводят ИИ в корпоративные процессы. Многие из ИИ-решений поставляются в виде API, а не традиционных приложений на основе пользовательского интерфейса, и предназначены для разработчиков.

Однако, расчет предоставления API на основе ИИ требует иного подхода. Такой подход должен гарантировать, что стоимость доступа к API отражает ценность, предоставляемую своим клиентам. Важно снизить вероятность нецелевого использования, простоя, и в целом обеспечить приницип "win-win" - соответствие ценообразования ожиданиям обеих сторон, учитывая собственные затраты на инфраструктуру, которые могут быть существенными для поддержки этих API.
В результате традиционная модель ценообразования SaaS, предлагающая неограниченный доступ к API, не подходит для доступа по API на основе искусственного интеллекта. В этой статье рассмотрим потенциальные методы монетизации API на основе ИИ.

API на основе искусственного интеллекта использующие расширенные (большие) языковые модели (LLM), обычно являются контекстными и генерируют ответ на основе некоторых входных данных (промтов). Однако разные исходные данные могут привести к совершенно разным результатам.

Одиночный сложный запрос, генерирующий большой объем информации, вероятно, гораздо более ценен для клиента, чем запрос, который предоставляет очень мало информации или не предоставляет ее вообще. Конечно, клиент может сделать большое количество мелких запросов, чтобы получить результат, аналогичный одному большому запросу.

Поэтому, для клиента, имеет смысл соотнести цены с результатами, а не с вызовами API. Для LLM, таких как ChatGPT, один из способов сделать это — основывать цену на количестве входных и выходных токенов. С другой стороны, для аудио API это может означать просмотр продолжительности аудиоклипа в минутах, поскольку не имеет значения, сделал ли клиент один вызов API или стопятьсот вызовов API для получения необходимого результата.

Также важно учитывать точность и достоверность результата. Если полученный результат имеет низкую достоверность (возможно, из-за пока еще несовершенного ИИ), то он не так ценен для клиента, как точный и полный результат.

Один из способов сделать это — выставление счетов с оплатой по мере использования (по мере потребления).

В отличие от традиционных приложений SaaS, затраты на инфраструктуру для приложений на основе искусственного интеллекта обычно составляют больший процент от общего бюджета. Сюда могут входить, помимо прочего, вычислительные затраты на обучение новой модели, стоимость использования других API, таких как OpenAI, а также стоимость хостинга для обслуживания вашего API.

По мере того, как клиент потребляет больше ваших API, ваши прямые затраты также растут. Однако не все вызовы API стоят одинаково. Различные запросы могут иметь разную юнит-экономику в зависимости от входных данных запроса, используемой модели и т. п.

Разные модели и контексты имеют очень разные цены. Использование контекста GPT-4 Turbo 128 КБ стоит дороже, чем использование GPT-3.5 Turbo с контекстом 16 КБ. По этой причине вам также нужно не забыть включить эту разницу в цену вашего API, предоставляемую клиенту.

Выставление счетов по предоплате – самый верный способ снизить риск неплатежей или прочих проблем.

Стоит подумать о внедрении кредитной системы, где использование происходит за виртуальную валюту (кредиты) со сценариями начисления и списания под клиента. Такая система идеальна, когда норма потребления более-менее предсказуема и понятна. Однако, клиенты, использующие API на основе нейронок, могут использовать их неравномерно - потратить чуть-чуть кредитов в течение января и огромное количество кредитов в феврале.

Сложности предоплаты заключаются в том, что вы просите клиента купить что-то до того, как он вообще поймет, подходит ли ему это, даст ли вообще какой-то результат. Потом полностью освоится с API и прикинет свою норму потребления и тариф.

Один из способов придти к соглашению — это сочетание постоплатного выставления счета на основе пороговых значений. Счет отправляется, как только достигается пороговое значение. Например, если порог составляет условные 100 долларов, то счет отправляется и оплата производится, как только средства будут израсходованы,не дожидаясь первого числа выставления счета (или что там в договоре). Эта модель популярна в рекламной индустрии, поскольку кредит, предоставляемый клиенту, ограничен пороговым значением.

В заключение стоит отметить, что ценообразование за использование искусственного интеллекта в приложениях зависит от множества переменных и требует четкого бюджетирования. В зависимости от подходов к оплате – будь то подписка, оплата за транзакции или за использованные вычислительные ресурсы – компании сами могут выбирать наиболее подходящий для них вариант. Задачи у обеих сторон одни и те же- улучшить операционную эффективность бизнес-процессов и ускорить само внедрение.

Больше материалов на тему digital и технологий читайте на Digitbin.ru