结果计价如何切分AI与人工的贡献

结果计价真正难的地方，不在定价，而在切分。当一笔业务成果由AI、人工和既有系统共同完成时，把功劳按比例分配到各方头上，直接决定了谁拿到钱、谁承担责任。归因规则一旦模糊，结果计价就会从价值定价退化成争议定价。

归因的三种切法

实践中，贡献切分大体沿三条路径展开，各自的适用边界并不相同。

按独立完成切分，是最干净的一种。只有当AI在无人工介入的情况下闭环完成任务，该结果才计入AI贡献。某AI客服智能体每解决一个工单计费，其可计费口径正是建立在这种独立性之上——解决率、工单量、单工单价值都能被独立验证，人工没有插手，归因也就没有争议。代价是适用范围窄，一旦流程中有人工兜底，这条线就失效了。

按辅助折算切分，承认AI参与了结果，但按介入深度打折。这种方式更贴近真实业务，却最难标准化。折扣系数怎么定、由谁定，往往取决于双方在合同层面的约定，而非任何客观度量。系数谈不拢，切分就变成了博弈。

按增量归因切分，比较的是有AI和没AI两种情况下的结果差异。理论上最严谨，实践中最昂贵，因为它要求采购方有能力构造对照。对于低频、长周期的业务，这种切分几乎没有可操作性。

切分之前先定义结果

归因规则之所以容易失控，根源往往在更前面一步：结果本身没有被定义清楚。“提升效率”无法切分，“每月处理两千张工单、解决率百分之六十八”才能切分。计量单位、数据源、验证周期三件事必须在合同阶段锁定，否则后续所有比例讨论都缺少锚点。

这也解释了为什么结果计价对采购方的要求其实高于对供应商的要求。供应商只需要证明自己产出了结果，采购方却要证明这个结果里有多少属于AI。前者是能力问题，后者是治理问题。

责任边界必须与贡献比例对称

一个常被忽略的对称性：贡献切分决定了收益分配，也应当决定责任分配。如果AI在信贷审批中给出建议、人工最终拍板，那么错误决策的责任就不该由AI一方独担。反过来，如果AI独立完成了任务并产生了负向结果，供应商也无法以“只是工具”为由完全免责。

价值定价方法强调定价应锚定客户获得的业务成果，但对成果为负时的分配讨论不足。这恰恰是结果计价模式中最容易产生争议的部分。切分规则如果只覆盖正收益，不覆盖负结果，合同就是不完整的。

切分能力的现实边界

并非所有环节都值得追求精确切分。验证成本本身是一个硬约束——如果需要人工逐条审核才能确认AI贡献，验证成本可能高于结果本身的价值，此时精确归因在经济上就不成立。品牌影响力提升、复杂决策中的辅助建议、长期战略咨询效果，都属于这类难以切分的场景。

对这些环节，更现实的做法是退回混合模式：基础订阅覆盖参与本身，按结果计费的增量部分只针对可切分的那一段。这既保留了结果计价的激励方向，又避开了无法验证的归因泥潭。

切分AI与人工的贡献，本质上是在回答一个治理问题而非技术问题。技术能提供数据，但比例、边界和例外，只能由合同来定。谁掌握决策接口，谁就在事实上掌握了定义“什么算结果”的权力；而采购方能否守住自己的份额，取决于它在谈判前是否已经把计量单位、归因规则和责任对称性想清楚。