تحقيق الدخل من الذكاء الاصطناعي: إطار حديث لكيفية تمكين الشركات من تعظيم النمو التجاري

الذكاء الاصطناعي انتقل بسرعة من ميزة تنافسية إلى توقع أساسي لشركات البرمجيات. ومع ذلك، أصبح أيضاً أغلى “ميزة مجانية” في تاريخ البرمجيات عبر جميع قطاعات الصناعة. لماذا ذلك؟  تقوم شركات البرمجيات التي تبني قدرات الذكاء الاصطناعي في منتجاتها بـ إنفاق 12–23٪ من الإيرادات على البنية التحتية والتطوير المطلوب لتقديمها، ومع ذلك 71٪ من البائعين الذين يقدمون وظائف الذكاء الاصطناعي لا يزالون لا يفرضون رسوماً عليها، مما يعني أن 29٪ فقط يحصلون على أجر مقابل هذا الاستثمار. هذه ليست نتيجة مشكلة في المنتج؛ بل هي نتيجة مشكلة في تحقيق الدخل. في الواقع، رأيت عن قرب كيف تدمج الشركات قدرات الذكاء الاصطناعي مجاناً ثم تكافح لاستعادة الهوامش. 

الحقيقة هي أن كل شركة تبني قدرات الذكاء الاصطناعي في برامجها تكافح لتسعير القيم غير الملموسة التي تجلبها التقنية، مثل تحسين النتائج أو الحصول على رؤى أفضل. نتيجة لذلك، رفع الذكاء الاصطناعي توقعات العملاء لكنه أيضاً أضعف هوامش الربح. نحن الآن ندخل مرحلة يكون فيها الفائزون في مجال الذكاء الاصطناعي ليسوا فقط من يمتلكون القدرات، بل من يملكون التصميم الاقتصادي الذكي. التحدي الآن هو كيفية تحقيق الدخل من التقنية بأفضل طريقة. ومع ذلك، وفقاً لتجربتي، أسرع طريقة لإبطاء زخم الذكاء الاصطناعي هي محاولة تحقيق الدخل مبكراً قبل أن يثق العملاء بالقيمة. تحتاج الشركات إلى ضمان فهم العملاء للقيمة حتى لا تكون نقطة احتكاك. 

داخل هذا التحدي تكمن فرصة غير مسبوقة، لأن الشركات التي تحل مسألة تحقيق الدخل من الذكاء الاصطناعي أولاً ستحصل على ميزة تنافسية كبيرة عندما يتعلق الأمر بالتسعير المميز، وبناء علاقات أعمق مع العملاء، وتحقيق إيرادات أكبر. علاوة على ذلك، عندما يتماشى تحقيق الدخل مع الثقة والقيمة القابلة للقياس، يتحول من مركز تكلفة إلى محرك نمو. 

في هذه المقالة أقدم إطاراً عملياً لكيفية تحويل الذكاء الاصطناعي من مصرف تكلفة إلى محرك إيرادات قابل للتوسع، سواء كنت تبدأ فقط في دمج الذكاء الاصطناعي في عروضك أو تدمجه في منصات تقنية قائمة. المفتاح هو الالتزام المستمر بهذه المبادئ: مواءمة التسعير مع تقديم القيمة، مطابقة نماذج الأعمال مع هياكل التكلفة، وبناء بنية تحتية تمكّن من التجربة السريعة. 

المشكلة هي أن تسعير كل مقعد يفترض أن المزيد من المستخدمين يعني قيمة أكبر. الذكاء الاصطناعي يقلب هذا الافتراض رأساً على عقب، مما يعني أن دليل التسعير القديم لم يعد يعمل.

ثورة هيكل تكلفة الذكاء الاصطناعي

الذكاء الاصطناعي كسر جوهرياً الافتراضات الاقتصادية التي بُنيت عليها نماذج تسعير البرمجيات التقليدية. اقتصادات SaaS التقليدية كانت مبنية على تكلفة هامشية شبه صفرية. يعيد الذكاء الاصطناعي إدخال التكلفة الهامشية إلى المعادلة. ذلك لأن الذكاء الاصطناعي يضيف تعقيد تكلفة متغيرة عبر الاستدلال، البنية التحتية، والعبء التشغيلي، إلى جانب التوسع غير الخطي حيث أن الضعف في الاستخدام غالباً ما يتطلب ثلاثة أضعاف الموارد. كما يخلق فئات جديدة من الإنفاق، بما في ذلك أنظمة السلامة والجودة، سير عمل الحوكمة والامتثال، والأشخاص اللازمين لتشغيلها.

لهذا السبب قد يسبب تسعير كل مقعد عواقب سلبية. إذا كان سير عمل الذكاء الاصطناعي ي automatis عملية كانت تتطلب بشراً، فإن فرض رسوم على كل مستخدم قد يصبح غير منتج. لقد رأيت هذه الاستراتيجية بنفسي حيث تتبنى الشركات الذكاء الاصطناعي لتقليل عدد المقاعد وزيادة الأتمتة، بينما يحاول البائعون تحقيق الدخل بإضافة احتكاك قائم على المقاعد مرة أخرى إلى التجربة. يجب على الشركات أن تتذكر أن القيمة يجب أن تتوسع مع النتائج، لا مع عدد الأشخاص الذين ينقرون على الأداة.

بالإضافة إلى ذلك، لا تكون هياكل الرسوم الثابتة فعّالة لأن توصيل قيمة الذكاء الاصطناعي يتوسع مع الاستخدام. إذا كانت كل من القيمة والتكلفة تتوسع مع الاستخدام، يجب أن يتوسع السعر أيضاً مع الاستخدام. على سبيل المثال، العميل الذي يستخدم الذكاء الاصطناعي لمعالجة 1,000 مستند مقارنةً بـ 100,000 مستند يحصل على قيمة مختلفة تماماً، ولا تلتقط الرسوم الاشتراكية الثابتة هذا الاختلاف. 

الخلاصة الرئيسية هنا هي أنه إذا كان استخدام الذكاء الاصطناعي يدفع القيمة والتكلفة، يجب أن يُصمم نموذج تحقيق الدخل ليتوسع مع كليهما. يجب أن يصبح تحقيق الدخل الآن جزءاً من استراتيجية المنتج الأساسية. 

تحديد قيمة الذكاء الاصطناعي بطرق يمكن للعملاء فهمها

كما ذكرت سابقاً، من الصعب تقريباً قياس الفوائد المجردة العامة للذكاء الاصطناعي. كيف يمكنك وضع علامة سعر على “الذكاء”؟ في النهاية، يركز العملاء على شراء النتائج التي يمكن قياسها وتلمسها، مثل توفير الوقت، زيادة الإيرادات، تقليل المخاطر، وتحسين الرضا. 

الجسر بين قدرات الذكاء الاصطناعي والقيمة التجارية يجب أن يكون قابلاً للقياس ويشمل مؤشرات يمكن لعملائك تتبعها وفريق المالية الدفاع عنها. تشمل الأمثلة طلبات API، المستندات المعالجة، الدقائق التي تم تحليلها، سير العمل المكتمل، الأتمتة المشغلة، والمهام التي تم حلها والتي ترتبط مباشرة بالإنتاجية.

مع تحسن نضج القياس، ستقرب هذه القيم من النتائج التجارية، بما في ذلك العملاء المحتملين المؤهلين، الحلول الناجحة، التنبؤ الدقيق، اكتشاف المخاطر، منع الاحتيال وتقليل وقت إغلاق الصفقات. في هذه الأثناء، يجب على الشركات إعطاء الأولوية لاختيار مؤشرات القيمة التي تتطابق مباشرة مع مؤشرات الأداء الرئيسية للعميل وتكون مرئية داخل المنتج. تذكر، إذا لم يتمكن عملاؤك من رؤية أو الثقة في القيمة التي سيحصلون عليها، فلن يدفعوا مقابلها أبداً. 

أحد الأسباب التي تجعل الشركات عالقة هو افتراضها أن التسعير يجب أن يكون “صحيحاً” من اليوم الأول. في الواقع، تحقيق الدخل الفعّال للذكاء الاصطناعي هو عملية تطورية.

تطور تحقيق الدخل من الذكاء الاصطناعي على أربع مراحل

لتحصيل فوائد تحقيق الدخل الناجح من الذكاء الاصطناعي، يجب على الشركات أولاً التأكد من أن لديها بنية تحتية للفوترة وقدرات تقنية جاهزة، بما في ذلك معالجة الاستخدام في الوقت الفعلي، الفوترة متعددة الأبعاد على نطاق عالمي وأداء، والقدرة على تعديل التسعير دون الحاجة إلى أشهر من التطوير.

بمجرد أن تكون هذه العناصر جاهزة، يجب على الشركات بعدها اتباع مسار استراتيجي يوازن بين توقعات الإيرادات وتوافق القيمة. 

بمجرد وضع هذا الأساس، هناك تقدم طبيعي يجب اتباعه – وهو ما يوازن بين توقعات الإيرادات ومدى تقارب السعر مع القيمة. عادةً ما ينتقل هذا التقدم عبر أربع مراحل مع نضوج قدرات الذكاء الاصطناعي وتسهيل تحديد التكاليف.

المرحلة 1: أساس الاشتراك لتثبيت توقعات الإيرادات

يعمل هذا بشكل أفضل في ثلاث حالات: ميزات الذكاء الاصطناعي في مراحلها الأولية حيث لا يزال من الصعب قياس القيمة، شركات SaaS التقليدية التي تضيف الذكاء الاصطناعي إلى منتج موجود للمرة الأولى، والأسواق التي يرغب العملاء فيها في توقع التكلفة فوق كل شيء تقريباً.

عملياً، يعني ذلك تسعير الذكاء الاصطناعي كاشتراك شهري وتحديد ما يحصل عليه العملاء بالضبط – وصول محسّن إلى النماذج، توليد فيديو، أو أي ميزة فعلية – بدلاً من دمجه كترقية غامضة. من هناك، يصبح تقسيم الأسعار حسب قدرة الذكاء الاصطناعي خطوة طبيعية إذا كان المنتج يدعم ذلك.

الفائدة واضحة: إيرادات متوقعة يسهل الإبلاغ عنها ومنحدر بسيط للعميل مع تعقيد تنفيذ منخفض. العيب هو أن تسعير الاشتراك لا يتوسع مع قيمة العميل. يدفع المستخدمون الخفيفون والثقيلون نفس السعر، مما يترك إيرادات على الطاولة مع زيادة الاستخدام.

المرحلة 2: التحول القائم على الاستخدام لتسعير القيمة

بالنسبة لمعظم الشركات، هذا هو المكان الذي يستقر فيه تحقيق الدخل من الذكاء الاصطناعي في النهاية.

في الواقع، أبحاث OpenView تشير إلى أن 61٪ من شركات SaaS اعتمدت التسعير القائم على الاستخدام في 2023، مقارنةً بـ 27٪ في 2018. 

نماذج التسعير القائم على الاستخدام هي تطابق طبيعي للذكاء الاصطناعي لأنها تتوسع مع الاستهلاك. أكثر الأمثلة وضوحاً على الذكاء الاصطناعي المدفوع بصفقة لكل استخدام هي نماذج تسعير LLM القائمة على الرموز التي تستخدمها شركات مثل OpenAI لـ GPT و Anthropic لـ Claude.

نهج عملي شائع هو استخدام نموذج هجين يجمع بين الاشتراك والاستخدام لتعظيم التوقع. مع هذا النهج، يمكن للشركات فرض رسوم على الاستخدام فوق الحدود المشمولة، مثل 99 دولاراً شهرياً بالإضافة إلى 0.002 دولار لكل طلب API فوق 50,000. 

المزايا الأساسية لهذا النموذج هي أن العملاء يدفعون أكثر عندما يحصلون على قيمة أكبر ويمكن أن تنمو الإيرادات مع زيادة استخدام الذكاء الاصطناعي بمرور الوقت. بالإضافة إلى ذلك، هذا النموذج قابل للتوسع عالمياً ويوفر عائقاً منخفضاً للدخول لنمو العملاء العضوي. 

المرحلة 3: تحسين الطبقات لإنشاء تقسيم العملاء ومسارات الترقية

بمجرد أن تفهم وتطبق أنماط الاستخدام، تُنشئ الطبقات مسارات ترقية واضحة. يمكن أن تكون هذه القائمة على الحجم (مزيد من الاستخدام، اقتصاديات وحدة أفضل) أو على التمييز القائم على المميزات، مثل نموذج قياسي بحدود معدلات، نموذج احترافي بميزات متقدمة، وحتى نموذج مؤسسي مخصص مع ضمانات SLA. 

مثال رئيسي على هذه الإستراتيجية هو Stability AI. النسخة المجانية هي 25 رصيداً شهرياً، النسخة الاحترافية هي 10 دولارات شهرياً بالإضافة إلى أرصدة مستندة إلى الاستخدام، بينما النسخة المؤسسية هي تسعير مخصص مع خصومات حجمية، حسب احتياجات أي شركة معينة. 

فوائد هذا النموذج هي أنه يحتوي على حوافز ترقية طبيعية، تقسيم العملاء حسب القيمة، وخصومات حجمية يمكن أن تساعد في تحسين اقتصاديات الوحدة. 

المرحلة 4: نموذج مميز قائم على النتيجة يفرض رسومًا على نتائج الأعمال

التسعير القائم على النتيجة هو أكثر نماذج تحقيق الدخل من الذكاء الاصطناعي تعقيداً لأن السعر يعتمد على نتائج أعمال قابلة للقياس، مثل العملاء المحتملين المؤهلين التي تم توليدها، تقليل وقت حل التذاكر، أو التكاليف التي تم توفيرها عبر الأتمتة، بدلاً من استهلاك الموارد. يتطلب ذلك قياساً قوياً وشراكات ناجحة مع العملاء. 

مثال قصة نجاح لهذا النموذج هو Talkdesk، منصة خدمة عملاء مدعومة بالذكاء الاصطناعي تفرض 2.50 دولاراً لكل تذكرة تم تحويلها بنجاح بواسطة الذكاء الاصطناعي، والتي حققت 23 مليون دولار من الإيرادات في السنة الأولى مع تقليل تكاليف العملاء بنسبة 34٪ في المتوسط. 

مع ذلك، يأتي هذا النموذج مع تعقيد في التنفيذ لأنه يتطلب أنظمة قياس متطورة وبنية تحتية لنجاح العملاء تُطبق عادةً بعد النجاح في المراحل السابقة. 

القوة الإستراتيجية لهذا النموذج، مع ذلك، هي أنه يحقق أعلى هوامش من خلال القيمة المثبتة، وشراكات أعمق مع العملاء تتماشى مع مؤشرات النجاح، وتفرد تنافسي يصعب تكراره. عندما يُطبق بنجاح، يغيّر هذا النهج الحوار بالكامل، لأنك لم تعد تبيع استخدام الذكاء الاصطناعي – بل تبيع تأثير الأعمال.

تحقيق الدخل من الذكاء الاصطناعي والمسار المستقبلي

الذكاء الاصطناعي يعيد كتابة اقتصاديات البرمجيات ويخلق أكبر تحول في المنصات منذ الحوسبة السحابية. الشركات التي ستنجح لن تكون بالضرورة الأكثر تكنولوجياً، بل الأكثر ذكاءً في نماذج الأعمال التي تساعدها على تحسين الاحتفاظ بالعملاء وتحقيق نمو إيرادات أعلى. ومن خلال ما تعلمته، فإن الشركات التي تُنشئ أفضل الفرق التي تفكر كمعماريين وتعمل بتناغم عندما يتعلق الأمر بالمنتج، التسعير، والبنية التحتية هي حقاً لا يمكن إيقافها.  

لأفضل مسار مستقبلي، يجب على الشركات تقييم وضعها الحالي لفهم هياكل تكلفتها وفجوات إيراداتها. يجب عليها أيضاً الاستثمار في البنية التحتية التي ستساعدها على بناء قدرات الفوترة التي تمكّن التجربة والتوسع، مما يسمح لها باختيار النماذج التي تتماشى بشكل أفضل مع احتياجات أعمالها. 

الوقت الآن للشركات لتتخذ خطوة نحو استراتيجية تحقيق دخل من الذكاء الاصطناعي ستساعدها على التقاط القيمة بدلاً من تقييدها.