Ekonomi Agen AI Menantang Model Makanan Percuma Internet

Pada 29 April 2026, Andrej Karpathy dalam perbincangan api unggun di Red杉 AI Ascent mengemukakan satu penilaian: ekonomi baharu yang berasaskan agen asli sedang muncul, dan semua perisian, dokumen, dan proses yang ditulis untuk manusia hari ini perlu ditulis semula sebagai “ditulis untuk Agen”. Beliau membincangkan semula rekabentuk teknikal di sisi penawaran, tetapi meninggalkan satu soalan yang tidak terjawab: jika segalanya perlu ditulis semula, siapakah yang membayar penulisan semula ini, dan bagaimana nilai tersebut akan dibahagikan.

Isu ekonomi agen bermula daripada persoalan ini. Artikel pertama, "Persimpangan Komersialisasi AI: Mengapa Iklan dan Langganan Sukar Berjaya Secara Berasingan?", membincangkan bagaimana AI boleh menghasilkan pendapatan, dengan kesimpulan bahawa iklan dan langganan sukar berjaya secara berasingan, dan fokus komersialisasi berpindah dari "menjual akses" kepada "menjual hasil". Artikel ini menggali lebih dalam: mengapa model perniagaan mesti berubah. Jawapannya perlu dicari dalam struktur kos—pengalaman internet bahawa "menghidangkan pengguna tambahan hampir tidak menambah kos" sedang kehilangan keberkesanannya, dan cara pembahagian keuntungan yang dibina berdasarkan pengalaman ini perlu dikira semula. Selama dua dekad, kepercayaan perniagaan paling penting bagi syarikat internet ialah: semakin ramai pengguna, semakin rendah kos, semakin tinggi keuntungan.

Enjin pencarian, media sosial, video pendek, platform kandungan, dan platform e-dagang pada dasarnya dibina atas satu prinsip yang sama: selepas infrastruktur dibina, melayani seorang pengguna tambahan, memaparkan halaman tambahan, atau mengagihkan kandungan tambahan, kos marjinal hampir sifar. Batasan sebenar syarikat internet sering bukan “samada setiap perkhidmatan merugikan wang”, tetapi sama ada ia mampu mendapatkan masa pengguna, data, pengiklan, dan skenario transaksi yang mencukupi.

Iklan juga menjadi salah satu model perniagaan paling penting di internet berdasarkan premis ini.

Kerana apabila kandungan dan laman web boleh diedarkan dengan kos hampir sifar, platform boleh memecahkan perjalanan pengguna—seperti carian, pelayaran, klik, masa tinggal, dan laluan pembelian—menjadi tempat iklan yang boleh dijual. Semakin panjang perjalanan pengguna, semakin banyak titik komersial yang boleh ditanamkan oleh platform; semakin lama pengguna membandingkan, semakin tinggi nilai iklan, cadangan, kandungan jenama, dan susunan carian.

Tetapi Agen AI sedang menggoyahkan kepercayaan ini.

Agen AI bukan sekadar menyebarkan maklumat yang sudah ada, tetapi menjalankan tugas atas nama pengguna. Setiap perbualan, setiap penalaran, setiap pembacaan fail, setiap panggilan alat, dan setiap pengesahan hasil, semuanya berkaitan dengan kuasa GPU, penggunaan tenaga, penyusutan cip, dan kos penjadualan sistem.

Lebih penting lagi, AI bukan sahaja mengubah struktur kos syarikat internet, tetapi juga mengubah rantai pengguna yang menjadi asas iklan. Dahulu, pengguna perlu mencari dan membandingkan berulang kali di antara beberapa halaman, platform, dan jenama; pada masa depan, pengguna mungkin hanya perlu menyerahkan keperluan mereka kepada Agen, yang akan menyaring, menilai, mengurut, membuat tempahan, atau bahkan menyelesaikan transaksi.

Ini bermakna, pengguna percuma di era Agen AI mungkin merugi setiap kali melayani satu permintaan, dan iklan tradisional juga akan kehilangan sebahagian ruang rantai panjang yang menjadi asas pendapatan mereka.

Jika kata kunci ekonomi internet adalah "aliran", maka kata kunci ekonomi AI Agent ialah "tugasan". Aliran boleh didistribusikan dengan murah, tetapi tugasan mesti dilaksanakan secara nyata. Iklan dahulu menjual perhatian pengguna di mana ia melalui, tetapi soalan yang lebih penting di era AI kini ialah: siapa yang memahami tugasan, siapa yang mengatur, siapa yang menyelesaikannya, dan merek mana yang boleh masuk ke dalam senarai calon Agent serta kriteria pengambilan keputusan.

Oleh itu, ekonomi AI Agent bukanlah lanjutan semula jadi kepada model perniagaan internet, tetapi merupakan koreksi berlawanan terhadap mitos pertumbuhan internet dan logik iklan.

Logik asas model perniagaan internet (termasuk perisian) boleh difahami menggunakan formula paling asas ekonomi:

TC = FC + MC × Q (kos total = kos tetap + kos marjinal × kuantiti)

Pada era internet tradisional, sama ada membangunkan sebuah aplikasi, menulis artikel, atau merekam video, kos utama terletak pada peringkat awal pembangunan dan penghasilan, iaitu kos tetap yang tinggi (FC). Namun, sekali produk dilancarkan, kos pelayan dan lebar pita yang ditambahkan untuk melayani pengguna pertama atau seratus ribu pengguna sering kali hampir tidak signifikan, dengan MC mendekati 0.

Kos marjinal yang sangat rendah ini menjadikan model perniagaan yang berkaitan secara semula jadi mempunyai kesan skala yang sangat kuat. Ciri utama produk digital ialah boleh disalin tanpa had, dengan kos penyalinan hampir sifar. Setelah pembangunan perisian selesai dan pemasangan pelayan siap, kos marjinal untuk menambah seorang pengguna baru hampir boleh diabaikan, hanya menambah beberapa KB ruang penyimpanan dan beberapa KB aliran bandwidth.

Ciri ini memudahkan platform ekonomi untuk membentuk kelebihan skala: siapa yang terlebih dahulu mencapai titik kritikal skala, pendapatan tambahan akan dapat ditukar menjadi keuntungan dengan kadar yang lebih tinggi, seterusnya membentuk tuas perniagaan yang kuat.

Di atas dasar ini, internet telah berkembang menjadi tiga model perniagaan klasik.

Model langganan: Kos salinan perisian sangat rendah, pertumbuhan pengguna langganan secara langsung sejajar dengan pertumbuhan pendapatan. Inilah sebabnya mengapa pasaran modal secara berterusan bersedia memberikan penilaian tinggi kepada syarikat SaaS: sekali melampaui titik impas, kelajuan pertumbuhan keuntungan seringkali jauh melebihi kelajuan pertumbuhan pendapatan.

Model komisen: Membina infrastruktur perdagangan, pembayaran, dan pemenuhan, dengan mengambil komisen tetap untuk setiap transaksi tambahan.

Model iklan: Perkhidmatan percuma menarik pengguna dalam jumlah besar, lalu menjual perhatian mereka kepada pengiklan. Sebagai contoh, iklan carian, apabila algoritma carian dan sistem iklan telah dilaksanakan, kos pelayan tambahan bagi setiap permintaan carian tambahan adalah relatif terhad, manakala setiap klik iklan tambahan membawa pendapatan tambahan.

Model iklan boleh bertahan dalam jangka panjang bukan semata-mata kerana bilangan pengguna yang banyak, tetapi lebih kerana perjalanan pengguna yang panjang. Seorang pengguna biasanya melalui pelbagai peringkat, seperti mencari, melihat, membandingkan, menyimpan, bertanya, berpindah, dan membuat pesanan, dari saat mempunyai keperluan hingga menyelesaikan pembelian. Platform boleh menjual iklan di halaman keputusan carian, menyuntik minat dalam aliran maklumat, memperkuat konversi di halaman butiran, atau terus mempengaruhi keputusan pengguna dalam fasa retargeting. Nilai iklan pada dasarnya datang daripada campur tangan bertahap terhadap perjalanan pengguna.

Platform tidak perlu menanggung kos perkhidmatan penuh untuk setiap keputusan pengguna. Enjin carian mengarahkan pengguna ke laman web tertentu, platform media sosial mengarahkan pengguna ke akaun jenama tertentu, platform video pendek mengarahkan pengguna ke siaran langsung tertentu, dan platform e-dagang mengarahkan pengguna ke halaman butiran produk tertentu. Platform lebih banyak berperan dalam “mencocokkan maklumat dengan perhatian”.

Internet mendistribusikan maklumat yang sudah ada, manakala AI menghasilkan maklumat secara masa nyata. Perubahan kualitatif daripada “salinan” kepada “penghasilan” ini membawa struktur kos dan logik perniagaan yang sama sekali berbeza.

Pertama, kos penghujahan AI adalah eksplisit, dan kos marjinal yang digunakan oleh AI jelas lebih besar daripada sifar (MC > 0).

Setiap kali model besar menerima atau mengeluarkan satu Token, GPU beroperasi pada kelajuan tinggi, menghabiskan tenaga dan kos penyusutan cip yang sebenar. Semakin besar parameter model, semakin panjang konteks, dan semakin kompleks tugas, semakin tinggi kos inferensianya. Kos untuk satu soal jawab ringkas, satu penyelidikan mendalam, satu pembangunan kod, atau satu operasi lintas perisian, mungkin berbeza sehingga puluhan hingga ratusan kali ganda. Ekonomi AI Agent tidak hanya mempunyai kos marjinal bukan sifar, tetapi kos marjinalnya sendiri sangat heterogen.

Walaupun harga token tunggal sedang menurun dengan cepat, ini tidak bermakna kos marjinal akan terus mendekati sifar: seiring peningkatan kemampuan agen, jumlah token yang digunakan untuk setiap tugas sedang meningkat dengan cepat dari ratusan ke puluhan ribu — perancangan, penggunaan alat, membaca fail, pengesahan sendiri, dan percubaan semula kegagalan semuanya menghabiskan banyak kuasa komputasi. Token tunggal mengalami deflasi, tetapi setiap tugas mengalami inflasi; perbezaan antara dua lengkung ini membentuk inti ekonomi AI: semakin murah token, semakin berani orang meminta AI melakukan tugas yang lebih berat, sehingga jumlah bil akhir menjadi lebih besar — inilah "Paradoks Jevons" dalam bidang AI.

Penurunan harga token tunggal bukanlah pergerakan satu arah ke bawah. Menurut statistik Morgan Stanley, harga rata-rata output API model besar buatan domestik pada Q2 2026 meningkat sekitar 80% dibandingkan Q1 2025, menunjukkan industri sedang beralih dari perang harga ke penetapan harga berdasarkan nilai. Harga itu sendiri kini tersegmentasi: model komoditas terus menurun, sementara model mutakhir justru menaikkan harganya. Model mutakhir ditetapkan harganya berdasarkan nilai, dan biayanya tidak turun sejalan dengan komoditisasi.

Walaupun kos unit boleh dikurangkan melalui kaedah seperti peningkatan penggunaan GPU secara berpukul, cache KV, pengumpulan inferens sendiri, dan cip buatan sendiri, penurunan kos marginal jauh lebih kecil berbanding ekonomi internet dan akan diimbangi oleh peningkatan kedalaman penggunaan. Ini juga merupakan sebab utama mengapa ChatGPT segera melancarkan versi berbayar setelah penggunaannya meledak.

Sementara itu, kos tetap berubah daripada “sekali sahaja” kepada “berterusan”. Kos latihan tidak lagi merupakan perbelanjaan tetap sekali jadi, tetapi merupakan perbelanjaan modal berterusan yang perlu diulang setiap enam bulan hingga setahun sekali untuk mengembangkan model generasi baru. Model besar kini berubah menjadi “aset habis pakai” dengan “masa simpan” 6–12 bulan; jika tidak dilatih semula dan diperbaharui, ia akan cepat ditinggalkan, dengan kos satu sesi latihan mencapai puluhan juta hingga ratusan juta dolar AS. Sebagai contoh, OpenAI memperoleh pendapatan sebanyak US$13.07 bilion pada tahun 2025, dengan margin kasar sekitar 43% (pengiraan ini hanya mengurangkan kos penghujahan, manakala kos latihan paling mahal dicatatkan sebagai perbelanjaan penyelidikan dan pembangunan), tetapi perbelanjaan penyelidikan dan pembangunannya mencapai US$19.18 bilion, di mana sekitar US$10.6 bilion digunakan untuk membayar kos latihan kepada Microsoft—ini juga merupakan punca utama kerugian mereka.

Oleh itu, ekonomi Agen AI menunjukkan ciri-ciri berikut: kos penghujahan (kos berubah) meningkat secara linear mengikut penggunaan dan sangat berbeza; kos infrastruktur dan tenaga kerja (kos separa tetap) meningkat secara “tahap” seiring dengan pertumbuhan pengguna — apabila jumlah pengguna melepasi ambang tertentu, perlu menambahkan satu set mesin GPU; sementara itu, kos penyelidikan dan pembangunan (iaitu kos latihan model) adalah sangat besar. Kos-kos ini bertindih satu sama lain, menyebabkan syarikat AI sentiasa berada di landasan di mana semua keuntungan semula diinjeksi semula, tanpa titik manis seperti dalam industri internet di mana keuntungan meningkat secara eksponen selepas melintasi titik impas.

Logik kos ini juga membentuk semula sumber parit pertahanan industri: penghalang utama internet adalah efek rangkaian, semakin ramai pengguna, semakin mudah produk digunakan; manakala penghalang agen berubah daripada efek rangkaian hubungan kepada roda data dan kos peralihan, dengan penghalang baharu datang dari konteks yang terkumpul — ingatan pengguna, kesukaan, fail, alur kerja, dan data yang diberikan kuasa. Semakin lama digunakan, semakin tinggi keupayaan agen untuk menyesuaikan diri dengan pengguna, dan semakin tinggi kos migrasi untuk menukar penyedia perkhidmatan. Internet mengunci rangkaian hubungan pengguna, manakala agen mengunci konteks kerja pengguna; inilah sebab utama industri bersaing untuk menguasai titik masuk: yang diperebutkan bukan sahaja trafik, tetapi juga akumulasi asas konteks.

Jelas, kita perlu melihat ekonomi AI Agent dengan logik yang berbeza: platform internet merebut "entrance pengguna", manakala platform AI Agent merebut "entrance tugas".

Jika unit asas ekonomi internet ialah "paparan/klik", maka unit asas ekonomi AI Agent ialah "tugasan". Klik hanya mewakili pengguna memasuki suatu halaman, manakala tugasan mewakili pengguna mempercayakan AI untuk menyelesaikan suatu matlamat — Agent perlu memahami matlamat tersebut, menguraikan tugasan, memanggil alat, membaca fail, mengendalikan perisian, mengesahkan keputusan berulang kali, dan sewajarnya meminta kebenaran daripada pengguna. Ini menjadikan struktur kos AI Agent lebih serupa dengan "pekerja digital" berbanding "media digital".

Dahulu, pengguna membuka enjin carian dan bertanya, "Syarikat perniagaan siapa yang baik?" Enjin carian akan mengembalikan hasil laman web, iklan, dan peta; sekarang, pengguna mungkin secara langsung berkata kepada Agen: "Tolong saring tiga syarikat perniagaan yang boleh dipercayai, bandingkan harga, reputasi, dan jaminan pembinaan, serta aturkan temu janji untuk berkomunikasi." Nilai perniagaan yang pertama datang daripada paparan dan klik, manakala nilai perniagaan yang kedua datang daripada penyelesaian tugas dan perwakilan pengambilan keputusan. Iklan tidak lagi hanya muncul sebagai maklumat di halaman, tetapi akan menjadi pilihan, sumber data, sumber tepercaya, atau antaramuka transaksi dalam proses pengambilan keputusan Agen, serta membantu pengguna menyelesaikan tugas akhir mereka.

Syarikat model bukan sekadar menyediakan kemampuan asas, tetapi akan menjadi sistem operasi tugas generasi baru. Sama ada pengilang asli AI atau syarikat besar serba ada, semuanya sedang bergerak dari "model besar" ke arah "platform Agent", dan seterusnya melancarkan serangkaian produk seperti Claude Cowork, Codex, Workbuddy — siapa yang menguasai pintu masuk tugas pengguna, dialah yang akan menentukan urutan pemanggilan alat, keutamaan sumber data, logik cadangan perniagaan, dan kitaran transaksi.

“Mengetahui bahawa ekonomi unit negatif, tetapi masih membakar wang untuk merebut akses” adalah permainan strategi paling penting dalam industri semasa, serta sumber perbezaan penilaian. Kerana di belakang akses bukan sahaja jumlah pengguna atau bilangan perbualan, tetapi juga kuasa mengawal pengagihan tugas masa depan, cadangan perniagaan, dan kitaran transaksi.

Perubahan logik ini juga pasti membawa kepada satu trend lain: pengelasan.

Produk internet mengejar standardisasi ekstrem, di mana satu set kod melayani semua pengguna, supaya kelebihan kos marjinal sifar dimaksimumkan. Sebaliknya, AI Agent secara semula jadi sesuai untuk penyediaan bertingkat—kos tugas dengan tahap kerumitan berbeza sangat besar, kos soal jawab ringkas berbanding penalaran kompleks mungkin berbeza puluhan hingga ratusan kali ganda. Oleh itu, syarikat AI akan melancarkan produk dalam pelbagai peringkat: versi percuma menggunakan model kecil dengan had penggunaan; versi bayar asas menggunakan model sederhana; versi lanjutan menggunakan model terkuat; dan versi disesuaikan perusahaan menyediakan pelaksanaan dan pengoptimuman eksklusif.

Harga bertingkat ini pada dasarnya menggredkan kos dan mengenakan bayaran berdasarkan nilai, di mana nilai berkorelasi positif dengan kos. Semakin kuat kemampuan yang diperoleh pengguna, semakin tinggi kos yang perlu dibayar. Oleh itu, ekosistem AI Agent akan berkembang menjadi "ekonomi dua laju": kecerdasan yang tertinggal separuh generasi harganya sangat rendah (sumber terbuka + subsidi syarikat besar, menjadi infrastruktur seperti air, elektrik, dan gas), manakala kecerdasan terkini sentiasa mahal (model terkuat sentiasa berada di hujung paling mahal pada lengkung kos). Kecerdasan percuma adalah kecerdasan "semalam", manakala kecerdasan berbayar adalah kecerdasan "hari ini".

Dampak paling mendalam terhadap ekonomi tradisional daripada ekonomi Agen AI bukanlah munculnya jenis produk AI baru di pasaran, tetapi titik masuk pengguna yang sebelumnya tersebar di laman web, aplikasi, dan perisian sedang diperjuangkan semula oleh lapisan agen tugas baru. Pengilang telefon bimbit, SuperApp, dan lain-lain masing-masing sedang membangun Agen mereka sendiri, tetapi titik masuk belum disatukan, malah menjadi lebih terpecah. Pada masa lalu, kolam keuntungan internet terbentuk berdasarkan “di mana lalu lintas melalui”, tetapi di masa depan, ia kemungkinan besar akan dialokasikan semula berdasarkan “siapa yang mengatur dan siapa yang menyelesaikan tugas”.

Pertama kali yang ditulis semula ialah hak masuk dan pengagihan.

Di era internet, enjin carian, stor aplikasi, platform kandungan dan SuperApp menguasai titik masuk, dan perusahaan bersaing untuk kedudukan carian, tempat cadangan, dan masa pengguna. Namun, selepas Agent muncul, pengguna mungkin tidak perlu lagi membuka aplikasi satu per satu: memesan tiket pesawat, mencari pembekal, menganalisis data, dan membalas e-mel, semuanya boleh dimulakan daripada satu titik tugas yang sama. Laman web dan aplikasi tidak akan hilang, tetapi semakin banyak akan berubah menjadi sumber data, alat, dan antaramuka pelaksanaan di belakang Agent.

Ini bermakna kuasa platform baru tidak lagi hanya “mengarahkan pengguna ke mana”, tetapi menentukan bagaimana tugas diselesaikan: memanggil model mana, perisian mana, pedagang mana, dan set data mana. Sebahagian “cukai pengagihan” yang sebelumnya dikuasai oleh enjin carian, kedai aplikasi, dan platform trafik mungkin secara beransur-ansur berpindah ke platform Agent.

Terdapat kesan yang halus tetapi sangat penting: Agen AI sedang mengurangkan secara besar-besaran perjalanan pelanggan, seterusnya memampatkan ruang perniagaan iklan.

Dahulu, pengguna perlu mencari sepuluh kali, membandingkan beberapa laman web dan platform sebelum memasuki fasa transaksi; namun dalam skenario AI, pengguna mungkin hanya perlu bertanya secara berterusan 3-5 kali untuk menyelesaikan penyaringan maklumat, perbandingan penyelesaian, dan keputusan pembelian. Semakin tinggi niat, semakin kuat keputusan, dan semakin banyak perbandingan dalam industri tersebut, semakin mudah logik pengagihan diubah oleh AI. Pengguna tidak lagi perlu berpindah-pindah secara berulang-ulang antara keputusan carian, halaman kandungan, dan laman utama penjual, tetapi sebaliknya menyerahkan tugas keputusan kepada AI. Pada masa ini, titik di mana iklan boleh menyusup akan berkurang, dan kesan iklan tradisional juga akan melemah.

Yang sebenarnya sukar ialah iklan dalam jawapan AI mesti dinyatakan dengan jelas. Di masa lalu, iklan boleh disisipkan dalam perjalanan pengguna melalui pelbagai skenario seperti pengurutan carian, aliran maklumat asli, cadangan influencer, dan kandungan jenama. Namun, dalam jawapan AI, sebarang cadangan komersial yang lembut, tersembunyi, atau tidak dinyatakan secara jelas akan secara langsung merosakkan kepercayaan pengguna terhadap objektiviti platform. Semakin AI kelihatan seperti agen yang membuat keputusan untuk pengguna, semakin tidak boleh diterima pengguna jika ia dipengaruhi oleh kepentingan komersial tanpa kejelasan.

Dampak lapisan kedua akan berlaku dengan segera dalam platform dan ekonomi perantara.

Platform transaksi seperti belanja, perjalanan, makanan hantar, dan kehidupan tempatan pada dasarnya membantu pengguna mencari, membandingkan, dan menyelaraskan transaksi, dan inilah bahagian yang paling mudah untuk diotomatiskan oleh Agent. Lapisan perantara yang hanya menyediakan "senarai maklumat" akan ditekan, sementara yang benar-benar sukar untuk dielakkan akan menjadi bekalan eksklusif, pembayaran, kredit, logistik, selepas jualan, dan pelaksanaan secara fizikal.

Ketahanan platform perdagangan akan berpindah dari “berapa banyak trafik yang saya miliki” kepada “berapa banyak pasokan dan kemampuan pelaksanaan sejati yang tidak boleh digantikan oleh Agent yang saya kuasai”.

Bagi perusahaan besar yang memiliki rantai transaksi tertutup, AI pada jangka pendek memang akan memberi kesan terhadap periklanan dan perniagaan transaksi yang sedia ada, tetapi dalam jangka panjang, kehadiran AI Agent akan menjadi penguat perniagaan baharu. Dengan memahami permintaan pengguna serta mengetahui penawaran, transaksi, pembayaran, pemenuhan, dan selepas jualan daripada peniaga, platform boleh menyusun semula nilai perniagaan secara menyeluruh: peniaga membeli iklan di platform e-dagang → membawa kepada GMV yang lebih tinggi → AI mengutamakan paparan jenama dengan GMV tinggi, ulasan positif, dan pemenuhan stabil → jenama mendapat rantai transaksi tertutup dalam skenario AI → platform seterusnya meningkatkan nilai iklan, nilai transaksi, dan nilai pengagihan AI secara serentak.

Sempadan utama di sini ialah, AI tidak boleh menarik yuran iklan yang terlalu tinggi seperti platform iklan tradisional. Sekiranya AI menarik yuran terlalu tinggi, ia akan merosakkan aset paling pentingnya sendiri: objektiviti dan kepercayaan pengguna. Cara yang lebih munasabah ialah menarik yuran perkhidmatan teknikal pada kadar yang sepadan dengan tahap industri, biasanya antara 1%-10%, yang terutamanya digunakan untuk menutup kos pengiraan, panggilan, dan perkhidmatan.

Tahap ketiga, dan perubahan yang lebih mendalam, ialah sempadan antara ekonomi perisian dan ekonomi perkhidmatan mula kabur.

SaaS tradisional (termasuk perisian) pada dasarnya masih merupakan alat. Salesforce menyediakan sistem CRM, tetapi yang benar-benar memelihara hubungan pelanggan adalah penjual; Adobe menyediakan perisian reka bentuk, tetapi yang benar-benar menyelesaikan reka bentuk adalah reka bentuk; perisian kewangan bertanggungjawab merekod data, tetapi analisis dan pengambilan keputusan masih dilakukan oleh manusia. Oleh itu, model perniagaan SaaS secara jangka panjang berpusat pada "tempat duduk (Seat)": berapa ramai pekerja syarikat yang menggunakan perisian, sebanyak itulah akaun yang dibeli. Baru-baru ini, model penagihan berdasarkan penggunaan sedang timbul, dan penagihan campuran telah menjadi arus utama, tetapi model tempat duduk masih umum dalam perisian kolaboratif.

Agen AI mengubah prasyarat ini.

Apabila perisian mula mampu membaca data sendiri, menilai tindakan seterusnya, dan melaksanakan tugas, perusahaan bukan lagi membeli “perisian yang digunakan oleh seorang pekerja”, tetapi mungkin kemampuan langsung untuk menyelesaikan tugas. Sebuah Agen AI boleh mengendalikan CRM, ERP, BI, sistem e-mel, dan perkhidmatan pelanggan secara serentak, meringkaskan proses yang dahulu memerlukan ramai orang bekerja di antara pelbagai perisian menjadi satu panggilan tugas sahaja. Pada masa ini, logik pertumbuhan “semakin ramai pekerja, semakin banyak tempat duduk, pendapatan SaaS semakin tinggi” akan dicabar.

Lebih penting lagi, SaaS itu sendiri boleh mengalami pelapisan: lapisan bawah ialah “Sistem Pencatatan” (System of Record) yang menyimpan data penting seperti pelanggan, pesanan, kewangan, dan stok; sementara lapisan atas muncul dengan “Kemampuan” (System of Action) yang bertanggungjawab memahami keperluan, memanggil sistem, dan menyelesaikan tugas.

Dahulu, keduanya diwadahi dalam antaramuka perisian yang sama, tetapi di masa depan mungkin akan dipisahkan. Perisian yang menguasai data inti, kebenaran, kesesuaian, dan peraturan perniagaan masih memiliki rintangan yang kuat; manakala perisian yang nilai utamanya datang daripada antaramuka, proses, dan pengemasan fungsi menghadapi risiko besar—apabila Agent mengambil alih lapisan interaksi, ia boleh berkurang daripada perisian yang dibuka pengguna setiap hari menjadi antara muka yang dipanggil secara latar belakang oleh Agent.

Sebaliknya, ini juga akan menyebabkan pasaran perisian merasuk ke dalam perkhidmatan tradisional untuk kali pertama dalam skala besar. Sebelum ini, syarikat perisian bersaing untuk mendapatkan bajet IT korporat, tetapi di masa depan, syarikat agen AI akan menargetkan perbelanjaan tenaga kerja, bajet outsourching, dan bajet perkhidmatan profesional yang jauh lebih besar. Perkhidmatan pelanggan, penyelidikan asas, operasi jualan, penyaringan pekerjaan, pemprosesan kewangan, dan bahkan sebahagian pekerjaan konsultasi, semuanya mungkin berpindah dari “membeli masa manusia” kepada “membeli tugas yang diselesaikan mesin”. Sempadan pasaran perisian oleh itu beralih dari “perbelanjaan digital (Software Spend)” yang lama, bermula merosakkan “perbelanjaan tenaga kerja (Labor Spend)”.

Ekonomi internet dua dekad lalu: lebih banyak pengguna bermaksud lebih banyak trafik, lebih banyak trafik bermaksud lebih banyak pendapatan iklan, transaksi, dan langgan, sementara kos tambahan pengguna baru tidak meningkat secara signifikan. "Fokus pada pertumbuhan skala pengguna terlebih dahulu, kemudian cari cara untuk menghasilkan pendapatan" menjadi formula pertumbuhan paling klasik di era internet.

Agen AI sedang mengakhiri hubungan linear yang mudah ini.

Kerana apa yang disediakan oleh Agen AI bukan lagi sekadar maklumat, tetapi benar-benar menghabiskan sumber pengiraan, memanggil alat luar, dan menyelesaikan tugas. Semakin ramai pengguna, tidak semestinya bermakna keuntungan lebih tinggi; semakin kompleks tugas, ia bahkan mungkin bermakna kos meningkat lebih cepat. Apa yang sebenarnya perlu dihitung oleh perusahaan bukan lagi hanya DAU, kadar pengekalan, dan tempoh pengguna, tetapi berapa banyak kos yang diperlukan untuk menyelesaikan satu tugas, berapa banyak yang bersedia dibayar pengguna untuk hasil tersebut, dan berapa banyak nilai yang boleh dikekalkan oleh platform.

Benda yang benar-benar langka di era AI sedang berubah.

Pada era internet, yang langka adalah trafik, jadi perusahaan bersaing untuk menarik perhatian pengguna; pada era AI Agent, yang mungkin benar-benar langka adalah tugas bernilai tinggi, serta data, keizinan, alat, dan kemampuan pelaksanaan yang diperlukan untuk menyelesaikan tugas-tugas tersebut.

Agen AI bukan bentuk produk seterusnya di internet, tetapi sedang mengubah unit transaksi paling asas dalam ekonomi digital. Agen menjual keupayaan untuk menyelesaikan tugas.

Apabila unit asas ekonomi berubah daripada "klik" kepada "tugasan", dan daripada "menggunakan alat" kepada "menyerahkan hasil", model perniagaan, kuasa platform, dan pembahagian keuntungan yang dibina selama dua dekad lalu berdasarkan trafik pasti akan mengalami penyesuaian semula.

Artikel ini berasal daripada akaun微信公众号 "Institut Penyelidikan Tencent" (ID: cyberlawrc), penulis: Kumpulan Penyelidikan Ekonomi AI