افزایش هوش مصنوعی برای محصولات هسته باز: افزودن استفاده بدون تغییر قیمت

شارژهای اضافی هوش مصنوعی برای هسته باز قیمت‌گذاری زمانی کار می‌کند که محصول شما یک هسته رایگان مفید، یک لایه تجاری، و چند ویژگی هوش مصنوعی داشته باشد که استفاده از آن‌ها به شدت توسط مشتری متفاوت است. اشتباه این است که با هر کاربر طوری رفتار شود که گویی همه به یک میزان از استنتاج استفاده خواهند کرد.

اگر یک مشتری چند خلاصه در ماه اجرا کند و دیگری هزاران تحلیل سند انجام دهد، یک طرح ثابت می‌تواند یا ناعادلانه یا غیرسودآور شود. افزایش قیمت هر طرح باعث می‌شود کاربران سبک هزینه کاربران پرمصرف را بپردازند. ارائه هوش مصنوعی نامحدود هزینه‌های متغیر مدل را به تیم محصول بازمی‌گرداند. یک مدل شارژ اضافی به هر طرح یک سهمیه مشخص می‌دهد و سپس به کاربران سنگین‌تر اجازه می‌دهد در صورت نیاز استفاده بیشتری از هوش مصنوعی خریداری کنند.

برای تیم‌های هسته باز، این به‌ویژه مفید است. هسته رایگان می‌تواند ارزشمند و در دسترس باقی بماند، در حالی که اقدامات هوش مصنوعی ممتاز به یک سطح استفاده پولی در اطراف محصول تبدیل می‌شوند. ShareAI Builder برای آن لایه طراحی شده است: تیم‌ها درخواست‌های هوش مصنوعی انتخاب‌شده را از محصول خود از طریق ShareAI هدایت می‌کنند، یک حاشیه یا هزینه اضافی تعیین می‌کنند، به مشتریان اجازه می‌دهند برای استفاده از هوش مصنوعی هدایت‌شده پرداخت کنند و پرداخت‌های ماهانه را بر اساس استفاده‌ای که ایجاد می‌کنند دریافت می‌کنند.

زمانی که شارژهای اضافی هوش مصنوعی منطقی هستند

شارژهای اضافی هوش مصنوعی یک ترفند قیمت‌گذاری برای هر محصول نیستند. آن‌ها زمانی بهترین کارایی را دارند که مشتری بتواند درک کند چرا یک ویژگی هزینه متغیر دارد و زمانی که ویژگی در لحظه استفاده ارزش ایجاد می‌کند.

بهترین تناسب یک اقدام هوش مصنوعی ممتاز با استفاده نابرابر است: استخراج سند، جستجوی RAG، تولید تصویر، بازبینی کد، پاسخ‌های دستیار پشتیبانی، خلاصه‌سازی دسته‌ای، غنی‌سازی داده، ترجمه، یا توصیه‌های جریان کاری. این اقدامات در پشت صحنه هزینه واقعی دارند، اما کاربران معمولاً می‌توانند هزینه را به نتیجه‌ای که درخواست کرده‌اند متصل کنند.

شارژهای اضافی زمانی ضعیف‌تر هستند که ویژگی هوش مصنوعی عمدتاً تزئینی باشد، هزینه هر کاربر بسیار کم باشد، یا کاربر نتواند پیش‌بینی کند چه چیزی اعتبارها را مصرف خواهد کرد. اگر توضیح ارزش دشوار باشد، یک تعادل شارژ اضافی مانند اصطکاک احساس خواهد شد. اگر ارزش واضح باشد، می‌تواند مانند کنترل احساس شود.

مدل پایه شارژ اضافی هسته باز

تمیزترین مدل پنج بخش دارد:

1. محصول شامل یک سهمیه هوش مصنوعی تعریف‌شده در یک طرح پولی، آزمایشی، یا نسخه تجاری است.
2. تیم درخواست‌های هوش مصنوعی انتخاب‌شده را به‌عنوان اندازه‌گیری‌شده علامت‌گذاری می‌کند، در حالی که هسته رایگان را خارج از لایه هوش مصنوعی پولی نگه می‌دارد.
3. وقتی مشتری به سهمیه شامل‌شده می‌رسد، محصول به جای مسدود کردن کل جریان کاری، یک شارژ اضافی ارائه می‌دهد.
4. برنامه درخواست‌های هوش مصنوعی پولی را از طریق ShareAI با استفاده از رابط برنامه‌نویسی ShareAI یا تنظیمات Builder هدایت می‌کند.
5. مشتری برای استفاده از هوش مصنوعی مسیریابی شده به ShareAI پرداخت می‌کند و سازنده از حاشیه مرتبط با آن استفاده، پرداخت ماهانه دریافت می‌کند.

این موضوع سطح تجاری هوش مصنوعی را از وعده منبع باز جدا نگه می‌دارد. شما مجوز را تغییر نمی‌دهید. شما محصول را به ShareAI منتقل نمی‌کنید. شما یک لایه کسب درآمد مبتنی بر استفاده را به اقدامات خاصی که توسط هوش مصنوعی در داخل یک برنامه که قبلاً مالک آن هستید، اضافه می‌کنید.

این جداسازی اهمیت دارد. خریداران منبع باز اغلب ویژگی‌های سازمانی پولی، خدمات میزبانی شده، پشتیبانی و اتوماسیون پیشرفته را می‌پذیرند. آن‌ها کمتر بخشنده هستند وقتی یک تیم به‌طور مخفیانه عملکرد اصلی را پشت هزینه‌های استفاده قرار می‌دهد. با اندازه‌گیری ویژگی‌های هوش مصنوعی که به‌وضوح به تجربه اصلی محصول افزوده می‌شوند، شروع کنید.

اگر هنوز در حال تعریف معماری قیمت‌گذاری بزرگ‌تر هستید، مدل هسته رایگان، ویژگی‌های هوش مصنوعی پولی و رویکرد افزودنی‌های هوش مصنوعی سازمانی مسیرهای همراه مفیدی هستند. این مقاله به‌طور خاص بر لایه شارژ اضافی تمرکز دارد.

مرحله ۱: واحدهای استفاده‌ای را انتخاب کنید که مشتریان آن را درک کنند

توکن‌های خام به‌صورت داخلی مفید هستند، اما همیشه بهترین واحد برای مشتری نیستند. یک واحد استفاده خوب با کاری که کاربر سعی در انجام آن دارد، همخوانی دارد.

ویژگی AI	واحد مشتری‌محور	چرا کار می‌کند
تحلیل اسناد	صفحات، فایل‌ها یا تحلیل‌ها	کاربران به اسناد فکر می‌کنند، نه توکن‌ها.
دستیار پشتیبانی	پاسخ‌های حل‌شده یا مکالمات دستیار	واحد به یک تعامل مشتری متصل می‌شود.
جستجوی RAG	پاسخ‌ها، جستجوها، یا اسناد فهرست‌شده	واحد از جریان کاری بازیابی پیروی می‌کند.
تولید تصویر	تصاویر یا وظایف تولید	خروجی قابل مشاهده و قابل شمارش است.
بازبینی کد	اجراها، فایل‌های بازبینی‌شده، یا درخواست‌های ادغام	واحد با جریان کاری توسعه‌دهنده مطابقت دارد.

شما همچنان می‌توانید هزینه ارائه‌دهنده، توکن‌ها، تأخیر، و استفاده از مدل را در پشت صحنه پیگیری کنید. بسته‌ای که مشتری می‌بیند باید ساده‌تر باشد. یک اعتبار می‌تواند نمایانگر مجموعه‌ای از کارهای داخلی باشد، به شرطی که محصول آن را به طور مداوم توضیح دهد.

این همچنین جایی است که قیمت‌گذاری هوش مصنوعی با صندلی‌های معمولی SaaS متفاوت است. هزینه هوش مصنوعی اغلب با تماس‌ها، انتخاب مدل، توکن‌ها، یا خروجی تولیدشده مقیاس می‌گیرد. Bessemer’s کتاب راهنمای قیمت‌گذاری هوش مصنوعی Bessemer و OpenView’s قیمت‌گذاری مبتنی بر استفاده هر دو به یک درس عملی مشابه اشاره می‌کنند: وقتی هزینه و ارزش بر اساس استفاده متغیر است، مدل قیمت‌گذاری نیاز به یک مؤلفه آگاه از استفاده دارد.

مرحله ۲: تصمیم‌گیری درباره آنچه شامل می‌شود

سهمیه شامل‌شده بخشی است که مشتریان ابتدا آن را قضاوت خواهند کرد. اگر خیلی کوچک باشد، پیام افزایش اعتبار قبل از اینکه کاربران به ویژگی اعتماد کنند ظاهر می‌شود. اگر خیلی بزرگ باشد، کاربران سنگین می‌توانند فشار حاشیه‌ای ایجاد کنند قبل از اینکه شما اقتصاد آن را بیاموزید.

یک نقطه شروع عملی این است که استفاده کافی برای مشتری متوسط را برای تکمیل یک جریان کاری واقعی شامل کنید، سپس افزایش اعتبار را برای مشتریانی که به وضوح بالاتر از استفاده معمول هستند، رزرو کنید. هدف این نیست که هر کاربر را در اسرع وقت شارژ کنید. هدف این است که از یارانه دادن مصرف سنگین هوش مصنوعی با یک قیمت ثابت جلوگیری شود.

برای تیم‌های متن باز، سطح رایگان باید همچنان ارزش اصلی محصول را اثبات کند. استفاده جامعه را مفید نگه دارید. ویژگی‌های هوش مصنوعی پیشرفته‌ای که راحتی، اتوماسیون، سرعت یا مقیاس را اضافه می‌کنند، اندازه‌گیری کنید. این می‌تواند به معنای تعداد محدودی از اجراهای کمک‌شده توسط هوش مصنوعی در نسخه رایگان، تخصیص‌های بزرگ‌تر در سطوح پرداختی و افزایش اعتبار برای مشتریانی باشد که از این تخصیص‌ها فراتر می‌روند.

مرحله 3: اضافه کردن محرک‌های افزایش اعتبار و محافظ‌ها

جریان افزایش اعتبار باید قبل از اینکه تجاری به نظر برسد، قابل پیش‌بینی باشد. محصول باید به کاربر نشان دهد که چه چیزی شامل می‌شود، چه چیزی استفاده شده است، چه اتفاقی می‌افتد بعد، و افزایش اعتبار چه چیزی را خریداری می‌کند.

• اعتبار یا استفاده باقی‌مانده هوش مصنوعی را نزدیک به ویژگی نشان دهید، نه فقط در صفحه صورتحساب.
• کاربران را قبل از اینکه اعتبارشان تمام شود، مانند در 75 درصد و 90 درصد تخصیص، هشدار دهید.
• از محدودیت‌های سخت برای تیم‌هایی که نیاز به کنترل هزینه دارند استفاده کنید.
• از هشدارهای نرم برای تیم‌هایی که اولویتشان تداوم است و روش پرداخت تأیید شده توسط مدیر دارند استفاده کنید.
• از شارژ کردن برای درخواست‌های ناموفق یا تلاش‌های مجدد نامرئی سیستم خودداری کنید.
• کنترل‌های مدیر را جدا از کنترل‌های ویژگی‌های کاربر نهایی نگه دارید.

اصل طراحی مهم ساده است: مشتری را غافلگیر نکنید. اگر کاربر یک اقدام هوش مصنوعی را ارزشمند ببیند و موجودی باقی‌مانده را درک کند، درخواست افزایش اعتبار بسیار آسان‌تر پذیرفته می‌شود.

مرحله 4: هدایت استفاده پرداختی هوش مصنوعی از طریق ShareAI Builder

هنگامی که محصول یک سطح پرداختی هوش مصنوعی واضح داشته باشد، ShareAI Builder می‌تواند پشت آن استفاده قرار گیرد. محصول همچنان محصول شما باقی می‌ماند. ShareAI لایه مسیریابی و کسب درآمد برای درخواست‌های هوش مصنوعی انتخاب‌شده را مدیریت می‌کند.

یک پیاده‌سازی تمیز باید هر درخواست اندازه‌گیری‌شده را با مشتری، فضای کاری، طرح، ویژگی، نوع درخواست و واحد استفاده داخلی برچسب‌گذاری کند. این به تیم شما دیدی می‌دهد تا تخصیص‌های مشتری، خریدهای افزایش اعتبار، استفاده واقعی مدل و حاشیه را مقایسه کند.

داخل کنسول ShareAI Builder, تیم‌ها می‌توانند بخش Builder تنظیمات را پیکربندی کنند و حاشیه متصل به استفاده مسیریابی‌شده را تنظیم کنند. سپس برنامه درخواست‌های انتخاب‌شده هوش مصنوعی را از طریق ShareAI ارسال می‌کند، مشتریان برای آن استفاده مسیریابی‌شده پرداخت می‌کنند، و Builder پرداخت‌های ماهانه دریافت می‌کند زمانی که استفاده درآمد ایجاد کند.

اگر هنوز پوشش مدل را انتخاب نکرده‌اید، صفحه مدل‌های ShareAI می‌تواند کمک کند تا مشخص شود کدام اقدامات هوش مصنوعی در لایه پولی قرار می‌گیرند. بهترین گزینه‌ها معمولاً اقدامات با ارزش بالا هستند که کیفیت مدل، تأخیر و هزینه تأثیر مستقیم بر محصول دارند.

مرحله ۵: مدل را به‌وضوح توضیح دهید

پیام‌رسانی به مشتری باید به بهترین شکل خسته‌کننده باشد: دقیق، کوتاه و قبل از وقوع هزینه قابل مشاهده.

از زبانی مانند این استفاده کنید:

طرح شما شامل ۱,۰۰۰ اعتبار هوش مصنوعی در هر ماه است. اعتبارها برای اقدامات پیشرفته هوش مصنوعی مانند تحلیل اسناد و پاسخ‌های تولیدشده توسط دستیار استفاده می‌شوند. اگر تیم شما به اعتبار بیشتری نیاز دارد، یک مدیر می‌تواند اعتبار اضافه کند بدون اینکه کل طرح تغییر کند.

این متن سه کار انجام می‌دهد. به مشتری می‌گوید چه چیزی شامل می‌شود. استفاده را به ویژگی‌های قابل مشاهده متصل می‌کند. افزایش اعتبار را به یک مسیر توسعه تبدیل می‌کند، نه یک جریمه.

از عبارات مبهمی مانند هوش مصنوعی نامحدود، استفاده منصفانه اعمال می‌شود، یا ممکن است استفاده پیشرفته هزینه‌هایی داشته باشد، اجتناب کنید. این عبارات باعث ایجاد درخواست‌های پشتیبانی می‌شوند. یک مدل افزایش اعتبار خوب باید سردرگمی در صورتحساب را کاهش دهد، نه اینکه آن را به صندوق ورودی منتقل کند.

اشتباهات رایج برای اجتناب.

اولین اشتباه، اندازه‌گیری چیز اشتباه است. برای هر تماس داخلی مدل هزینه نگیرید اگر کاربر فقط یک پاسخ نهایی را می‌بیند. تا حد امکان بر اساس نتیجه قابل مشاهده بسته‌بندی کنید.

اشتباه دوم این است که هسته رایگان را بدتر جلوه دهید. اعتماد به هسته باز به یک پایه رایگان مفید بستگی دارد. محصول اصلی را معتبر نگه دارید، سپس شتاب‌دهی هوش مصنوعی پیشرفته را در اطراف آن کسب درآمد کنید.

اشتباه سوم این است که محدودیت‌ها را تا لحظه شکست پنهان کنید. اگر یک تیم فقط پس از خراب شدن یک جریان کاری متوجه شود که به افزایش اعتبار نیاز دارد، مدل قیمت‌گذاری خصمانه به نظر خواهد رسید. استفاده را زودتر نشان دهید.

اشتباه چهارم این است که بازبینی حاشیه را نادیده بگیرید. یک بسته افزایش اعتبار باید با هزینه‌های واقعی ارائه‌دهنده هوش مصنوعی، انتخاب مدل، رفتار تکرار و الگوهای کاربران سنگین بررسی شود. یک تخصیص سخاوتمندانه زمانی خوب است که عمدی باشد. خطرناک است وقتی که نامرئی باشد.

مسیر عملی برای راه‌اندازی

با یک اقدام هوش مصنوعی ممتاز شروع کنید. ویژگی‌ای را انتخاب کنید که کاربران قبلاً درخواست کرده‌اند، استفاده قابل اندازه‌گیری دارد و ارزش کافی برای توجیه مسیر گسترش پولی ایجاد می‌کند. سعی نکنید همه سطوح هوش مصنوعی را به‌طور همزمان اندازه‌گیری کنید.

1. اولین ویژگی ممتاز هوش مصنوعی را انتخاب کنید.
2. یک واحد مشتری‌محور مانند تحلیل، پاسخ، فایل یا اجرا را انتخاب کنید.
3. یک سهمیه شامل‌شده برای طرح پولی یا آزمایشی تعیین کنید.
4. قابلیت مشاهده استفاده و شارژهای اضافی کنترل‌شده توسط مدیر را اضافه کنید.
5. درخواست‌های پولی هوش مصنوعی را از طریق ShareAI هدایت کنید.
6. استفاده، هزینه مدل، تبدیل و حاشیه را پس از اولین چرخه صورتحساب بررسی کنید.

این راه‌اندازی را به اندازه کافی کوچک نگه می‌دارد تا ارسال شود و به اندازه کافی خاص باشد تا از آن یاد بگیرید. پس از موفقیت یک ویژگی، همان مدل می‌تواند به سایر اقدامات ممتاز هوش مصنوعی در محصول گسترش یابد.

سوالات متداول

شارژهای اضافی هوش مصنوعی در یک محصول هسته باز چیست؟

شارژهای اضافی هوش مصنوعی افزودنی‌های استفاده پولی برای ویژگی‌های ممتاز هوش مصنوعی هستند. یک محصول هسته باز می‌تواند شامل یک سهمیه ماهانه باشد و سپس به مشتریان اجازه دهد که اعتبار، تحلیل‌ها، پاسخ‌ها یا اجراهای بیشتری خریداری کنند وقتی استفاده آن‌ها از سهمیه فراتر رود.

شارژهای اضافی هوش مصنوعی چگونه با یک طرح پولی بالاتر متفاوت هستند؟

یک طرح بالاتر کل اشتراک مشتری را تغییر می‌دهد. یک شارژ اضافی استفاده هوش مصنوعی بیشتری اضافه می‌کند بدون اینکه مشتری را مجبور به تغییر طرح کند. این زمانی مفید است که مشتری طرح فعلی را دوست دارد اما گاهی اوقات افزایش مصرف هوش مصنوعی دارد.

چه زمانی شارژهای اضافی هوش مصنوعی بهتر از هوش مصنوعی نامحدود هستند؟

شارژهای اضافی زمانی بهتر هستند که استفاده به‌طور گسترده‌ای متفاوت باشد و هزینه‌های هوش مصنوعی قابل توجه باشد. هوش مصنوعی نامحدود می‌تواند در بازاریابی جذاب باشد، اما همچنین می‌تواند هزینه‌های کاربران سنگین را پنهان کند تا زمانی که حاشیه‌ها دردناک شوند.

آیا ShareAI جایگزین صورتحساب محصول ما می‌شود؟

خیر. ShareAI می‌تواند لایه استفاده از هوش مصنوعی و کسب درآمد را مدیریت کند. محصول شما می‌تواند مدل اشتراک، مجوز، قرارداد سازمانی یا مدل تجاری متن‌باز موجود خود را حفظ کند.

آیا ShareAI محصول متن‌باز را میزبانی یا ایجاد می‌کند؟

خیر. برنامه همچنان خارج از ShareAI ساخته، میزبانی و مدیریت می‌شود. ShareAI Builder برای مسیریابی و کسب درآمد از استفاده انتخابی هوش مصنوعی از محصول است، نه برای ایجاد یا میزبانی خود محصول.

چه چیزی باید به عنوان یک اعتبار شمارش شود؟

یک اعتبار باید به یک اقدام قابل مشاهده مشتری نگاشت شود. به عنوان مثال، یک تحلیل سند، یک تصویر تولید شده، یک پاسخ دستیار، یا یک اجرای بررسی کد. به صورت داخلی، همچنان می‌توانید اعتبارها را به توکن‌ها، هزینه مدل و رفتار مسیریابی نگاشت کنید.

تیم‌های متن‌باز چگونه باید کاربران رایگان را مدیریت کنند؟

هسته رایگان را مفید نگه دارید. اگر کاربران رایگان به هوش مصنوعی دسترسی پیدا کنند، از یک سهمیه کوچک یا محدودیت مناسب برای نمایش استفاده کنید. مدل پرداخت اضافی باید برای استفاده پریمیوم هوش مصنوعی اعمال شود، نه برای ارزش پایه‌ای که پروژه متن‌باز را معتبر می‌کند.

آیا پرداخت‌های اضافی هوش مصنوعی برای مشتریان خودمیزبان کار می‌کند؟

بله، زمانی که محصول خودمیزبان بتواند درخواست‌های انتخابی هوش مصنوعی را از طریق یک نقطه پایانی تجاری مسیریابی کند و مشتری آن معماری را بپذیرد. محصول باید ویژگی مسیریابی شده، شرایط استفاده و کنترل‌های مدیریتی را به وضوح مشخص کند.

پرداخت‌های Builder چگونه کار می‌کنند؟

در تنظیمات ShareAI Builder، Builder استفاده انتخابی هوش مصنوعی را از طریق ShareAI مسیریابی می‌کند و یک حاشیه یا هزینه اضافی تعیین می‌کند. مشتریان برای استفاده مسیریابی شده به ShareAI پرداخت می‌کنند و Builder پرداخت‌های ماهانه بر اساس استفاده تولید شده دریافت می‌کند.

Builder چگونه با Provider متفاوت است؟

Builder مالک برنامه، محصول، افزونه یا پلتفرمی است که کاربران را به استنتاج مسیریابی شده توسط ShareAI ارسال می‌کند. Provider ظرفیت محاسباتی را به شبکه ارائه می‌دهد. قیمت‌گذاری پرداخت اضافی متن‌باز عمدتاً یک جریان کاری Builder است، حتی اگر عرضه Provider به قدرت بخشیدن به بازار گسترده‌تر کمک کند.

چه داده‌های داخلی باید پیگیری شوند؟

ردیابی شناسه مشتری، شناسه فضای کاری، نام ویژگی، طرح، تعداد درخواست‌ها، واحد استفاده، مدل استفاده‌شده، نمایه هزینه، موجودی شارژ، درخواست‌های ناموفق و درآمد تولیدشده. بدون این داده‌ها، تنظیم مجوزها یا حاشیه سخت است.

امن‌ترین ویژگی اولیه برای راه‌اندازی با شارژ اضافی چیست؟

یک ویژگی هوش مصنوعی ممتاز انتخاب کنید که قبلاً تقاضا داشته باشد، ارزش آشکار برای مشتری داشته باشد و استفاده آن قابل اندازه‌گیری باشد. تحلیل اسناد، پاسخ‌های دستیار، غنی‌سازی دسته‌ای و وظایف تولید اغلب توضیح آن‌ها آسان‌تر از اتوماسیون پس‌زمینه است.

با یک اقدام هوش مصنوعی ممتاز شروع کنید.

بهترین مدل شارژ اضافی متن‌باز معمولاً در ابتدا کوچک است. یک ویژگی هوش مصنوعی انتخاب کنید، مجوز را تعریف کنید، استفاده را به‌وضوح نشان دهید و درخواست‌های پرداختی را از طریق ShareAI هدایت کنید. هنگامی که اقتصاد آن قابل مشاهده شد، می‌توانید مدل را بدون تغییر قیمت کل محصول گسترش دهید.

تیم‌هایی که آماده آزمایش تنظیمات Builder هستند می‌توانند در کنسول ShareAI Builder یا بررسی مستندات ShareAI قبل از سیم‌کشی اولین ویژگی هوش مصنوعی هدایت‌شده شروع کنند.