Monetisering av AI kräver organisatorisk samordning

I den artificiella intelligensens värld förändras mjukvaruprissättning och monetiseringsbehov snabbt. Företag kämpar med att mäta data, för att inte tala om hur de ska ta betalt för den. De lanserar funktioner och produkter som innehåller AI-funktionalitet, ofta utan att vara säkra på de faktiska kostnaderna eller hur dessa kostnader påverkar deras vinst. De anpassar sig till den plötsliga ”SaaSpocalypse”, och försöker avgöra om påverkan på användarbaserad licensiering och förlust av licensplatser är eller inte dödar värdet på företagsprogramvara.

Något saknas: organisatorisk samordning kring hur man monetiserar AI, AI-förbättrade funktioner och värde som AI levererar. De flesta AI-monetiseringsinitiativ misslyckas innan fakturering eftersom ingen kommer överens, i tid, om vad kunden köper. 

AI-drivna funktioner eller kapabiliteter lanseras innan prissättningen är definierad. Intäkterna är oförutsägbara på grund av okontrollerad användning. Platsbaserade modeller kollapsar med AI-agenter. Omäterade AI-kostnader skapar marginalpress.

Dessa resultat är inte hållbara. AI har inte förstört mjukvaruprissättningen. Det blottlade organisatoriska meningsskiljaktigheter som redan fanns. Nu, mer än någonsin, kräver den snabba förändringstakten att tvärfunktionell samordning stödjer organisationens fokus på vad som är bra för kunderna och för verksamheten, inte bara för varje enskilt system.

AI-monetisering är mer än ett faktureringsproblem: det är en utmaning kring rättigheter och användningskontroll. För att en AI-monetiseringsstrategi ska fungera överallt där den införs, till exempel för intelligent enhetsmonetisering, måste hela organisationen vara samordnad kring gemensamma mål. Den praktiska utmaningen är att koppla ihop tre beslut som alltför ofta fattas separat: vilket värde kunden får, hur det värdet mäts och hur verksamheten fångar intäkterna från det. Så här kan man få det att ske.

Stäng klyftan mellan teknik och affärsverksamhet

Allt eftersom kundernas användning av mjukvarulicenser och rättigheter förändras, förändras också sättet att ta betalt för dem. Monetiseringsmodeller —med hänsyn till licensiering, prissättning och paketering—måste anpassas för att återspegla inte bara kostnaderna för att erbjuda AI, utan även de potentiella förändringarna i hur licenser köps och används. Modeller som håller på att dyka upp för AI inkluderar:

• Kombinerad prenumeration + användning (grundåtkomst + konsumtion),
• Kreditbaserade modeller, och
• AI inkluderat vs tillägg vs fristående.

Det vi ser idag är att teknikdelen ofta ligger före affärsmodellen, utan infrastruktur för att överbrygga klyftan. VDC Strategy rapporterade nyligen att 41 % av organisationerna säger att de fortfarande experimenterar med monetiseringsmetoder för AI. Dessa organisationer har lanserat sina produkter och initiativ men har ännu inte bestämt hur de ska ta betalt för dem på ett konsekvent sätt. I kundsamtal är mönstret ofta detsamma: produktteam kan beskriva AI-funktionen, ingenjörsteam kan beskriva konsumtionsdrivaren, finansavdelning kan se kostnadsexponeringen, och säljteam vill ha en enkel berättelse. Problemet är att dessa perspektiv inte alltid förenas innan lansering.

Samordna teamen

En effektiv strategi kräver att alla team är med ombord för att nå affärsmålen. Att leverera värde till kunderna kräver att en organisation först säkerställer att alla interna intressenter är samordnade kring de interna behoven för prissättning (kostnad, prisnivå, rabatter) och monetiseringsmodeller (såsom evig licens, prenumeration och förbetald, efterbetald eller hybrid användningsbaserad). En effektiv AI-monetiseringsstrategi kan inte bara förbättra kundrelationen, utan i slutändan skapa en positiv inverkan på värderingen när kunderna tydligt förstår värdet av de produkter de köper.

The AI Monetization Cube, publicerad av Tiffany McCormick, IDC:s forskningsdirektör för AI-monetisering, prissättningsstrategier och affärsmodeller, ger ett utmärkt sätt att föreställa sig de element som måste beaktas för ett systematiskt tillvägagångssätt för att monetisera AI. AI Monetization Cube är “ett sexdimensionellt ramverk, utformat för att hjälpa organisationer att hantera komplexiteten och ömsesidiga beroenden i AI-prisbeslut när de rör sig genom olika stadier av AI-mognad.” Detta tillvägagångssätt kräver en utvärdering av mjukvaruföretagets prismetrik (vad kunder betalar för), intäktsmodell (monetiseringsmodeller), go-to-market-strategi, kundstrategi, servicelöfte och teknisk grund (inklusive AI-funktioner).

Framgång mäts av hur väl ett företag anpassar sig till kundernas behov och köppreferenser, levererar kundvärde och stärker kundrelationer som säkrar återkommande årliga intäkter (ARR). Framgång handlar inte om nyanserna i er organisationsstruktur, mål för ett enskilt system eller silos i verksamheten. 

Ett användbart test är enkelt: kan varje team förklara, på samma språk, vad kunden betalar för, hur användning förändrar kostnaden för att leverera, och vilket beteende som bör öka intäkterna?

Verklig samordning kräver att alla som arbetar inom dessa fokusområden samlas. Två viktiga vägledande principer inkluderar:

Identifiera en stark prisledare. En chef för prissättning (eller någon i en liknande roll) kan hjälpa till att säkerställa att alla team är samordnade kring målen för prissättning och AI-monetisering på ett sätt som gynnar både kunderna och företaget. Produkt-, finans-, ingenjörs-, go-to-market- och säljteam måste alla anpassa sig till gemensamma mål. En enhetlig syn, inte avdelningssilosade initiativ, stödjer en organisationsstrategi som beaktar faktorer inklusive:

• vad kunderna lovas och betalar för,
• hur väl er infrastruktur mäter data för att ta betalt för det,
• hur effektivt serviceavtal efterlevs,
• vilken inverkan snabba förändringar i licensieringsmetoder har,
• hur väl er organisation integrerar och erbjuder AI-funktionalitet, och
• hur exakt den tar betalt för funktionaliteten (vilket många företag fortfarande inte har adresserat).

Anta inte. Få klar information om vad som händer uppströms och nedströms från er, för att måla en tydlig bild av alla AI-initiativ i organisationen och hur dessa påverkar kundupplevelsen. Jag lånar lite råd från min kollega Shinie Shaw, som nyligen betonade den kritiska betydelsen av att samordna människor, produkt och verksamhet när det gäller prissättning av AI. Som hon sammanfattade: “Anta inte att någon annan äger det. Utmana status quo. Ställ frågorna.”

Skapa infrastrukturen för att stödja samordning

Organisatorisk samordning för AI-initiativ måste stödjas av effektiv infrastruktur. Annars förblir ”samordning” en aspiration snarare än en operativ modell. Följande element är väsentliga för varje teams arbete och för verksamheten som helhet:

• Monetiseringsdata: Monetiseringsdata visar hur kunder köper produkter och funktioner, inklusive under provperioder, adoption, försäljning, konvertering, onboarding och förnyelse. Användarcentrerad monetisering gör det möjligt för ett teknikföretag att: rapportera vem som använder vad, var och när (inklusive säsongs- eller projektbaserade användningstoppar); länka licenser till användare; skala användarlicenser och ge åtkomst per funktion, produkt och svit; samt kombinera användaråtkomst med enhets-, delade- och användningsbaserade modeller.
• Insikter om användning: Förmågan att mäta och analysera AI-användning och konsumtion är kärnan i AI-monetiserings- och rättighetsstrategi, vilket möjliggör flexibla taxa-definitioner för alla AI-applikationer (både online och offline, eller luftgapade miljöer). Budgetkontroll behövs av kunder som vill styra och mäta sin konsumtion. Korrekt data måste levereras för fakturering, rapportering och intäktsredovisning.
• Flexibel paketering: Genom att låta köparna själva konfigurera och paketera produkter flexibelt kan leverantörer möta kundernas varierande behov när de anpassar sig till sina AI-behov. En kreditbaserad modell, med priser knutna till en taxa‑tabell, ger kunderna flexibla konsumtionsval, med möjlighet att skala upp användningen efter behov.
• Effektiv offert‑till‑kontantprocess: Hela QTC‑processen måste strömlinjeformas för att hantera och validera rättigheter, licensöverensstämmelse och användning, med en enda sanningskälla för vad som ägs kontra vad som används. Instrumentering och integration bör spåra licensiering och användning, tillhandahålla verkställighet av rättigheter i anslutna SaaS‑applikationer och AI‑lösningar, med effektiv API‑driven efterlevnad och verkställighet som integreras i CRM‑ och faktureringssystem.
• Säljincitament: En tydlig, okomplicerad ersättningsstruktur för försäljning som engagerar säljpersonal och belönar dem för att förstå kundernas föränderliga mjukvarubehov – och leverera den funktionalitet och de paket som kunderna vill ha.

Tillsammans bildar dessa element den operativa ryggraden för AI-monetisering: definiera värdet, mäta konsumtionen, kontrollera rättigheterna och koppla resultatet till kommersiella system.

AI-monetiseringsberedskapskontroll

Ingen AI-funktion bör levereras utan en monetiseringsberedskapskontroll som bekräftar att:

• AI‑värdemetriken har definierats,
• Produkt-, finans-, ingenjörs-, sälj- och driftteamen är överens om den metriska,
• Debiterbar och icke‑debiterbar användning kan mätas,
• Användning kopplas till rättigheter och budgetkontroller,
• Paketering och prissättning återspeglar kundvärde och kostnad att leverera,
• Offert‑till‑kontant‑ och intäktsarbetsflöden är sammankopplade, och
• Kundbevis finns för att validera prisantaganden.

Samordna nu för framtida AI-monetiseringsframgång

Drivet för AI‑innovation är tydligt. Affärsstrategier måste komma ikapp teknologiska möjligheter. Detta kräver organisatorisk samordning. För att komma igång:

• Definiera er värdemetrik,
• Mäta användning tidigt,
• Samordna prissättningen före lansering, och
• Validera med kunder.

Att samla team gör det möjligt för teknikföretag att fokusera på innovation, monetisera sin mjukvara effektivt, effektivisera verksamheten och påskynda affärerna som helhet. Företag tävlar om att mäta AI‑användning. Vinnarna blir de som först kommer överens om vilket värde som monetiseras, och sedan bygger den kommersiella och tekniska infrastrukturen för att fånga det rättvist.