Paul Bland 是 Revenera 的产品管理与创新副总裁，他帮助软件供应商提升收入和盈利能力。
他的变现重点涵盖隔离和联网环境、设备软件和桌面应用，以及现代 SaaS 平台。创新尤其聚焦于使用量变现（包括代币/积分模型）、实用的 AI 变现——在公平回收可变成本的同时最大化 AI 为客户创造的价值，以及多维度的方法，反映技术的实际使用方式——通过设备、指定用户或代理。
在人工智能领域，软件定价和变现需求正迅速变化。企业正努力对数据进行计量，更别提如何对其收费。他们正在部署包含 AI 功能的特性和产品，却常常不确定实际成本或这些成本对利润的影响。他们正适应“SaaSpocalypse”的剧烈冲击，试图判断对基于用户的授权和许可证席位流失的影响是否是或并未削弱企业软件的价值。缺少了什么：关于如何变现 AI、AI 增强的功能以及 AI 带来的价值的组织对齐。大多数 AI 变现计划在计费之前就失败，因为没有人在足够早的阶段就达成共识，明确客户购买的内容。AI 驱动的功能或能力在定价确定之前就已推出。由于使用量不受控制，收入难以预测。基于席位的模型在 AI 代理面前失效。未计量的 AI 成本导致利润率压力。这些结果不可持续。AI 并未打破软件定价，而是暴露了原本就存在的组织分歧。如今，变化的频率前所未有，这要求跨部门对齐，以支持组织关注对客户和业务都有利的方向，而非仅仅关注各自的系统。AI 变现不仅是计费问题：它还是一种权益和使用控制的挑战。要让 AI 变现策略在所有应用场景（例如智能设备变现）中都能奏效，整个组织必须围绕共同目标保持一致。实际挑战在于将三项常常各自独立的决策联系起来：客户获得的价值、该价值的衡量方式以及业务从中获取收入的方式。下面介绍实现路径。弥合技术与业务之间的鸿沟随着客户对软件许可证和权益的使用方式变化，收费方式也随之改变。变现模型——考虑许可证、定价和包装——需要适应，不仅要反映提供 AI 所涉及的成本，还要考虑许可证购买和使用方式可能出现的转变。正在出现的 AI 模型包括： 组合订阅+使用（核心访问+消耗）， 基于积分的模型， AI 包含、附加或独立模式。...
