מוכרי תוכנה מעצבים מחדש את מודלי התמחור בשל הבינה המלאכותית

במקביל, עלויות התפעול של מוכרי התוכנה השתנו. בניגוד לתוכנות מסורתיות עם עלות שולית נמוכה למשתמש נוסף, פתרונות בינה מלאכותית גנרטיבית יוצרים הוצאות משתנות התלויות בנפח השאילתות, במורכבות העיבוד ובצריכת האסימונים. למרות שהמחיר של אסימון בודד נוטה לרדת, קצב עליית הצריכה מהיר יותר מירידת המחירים, ולכן הירידה בעלות היחידה לא תמיד מפקידה את העלייה בשימוש.

התעשייה בוחנת ארבע גישות תמחור מרכזיות. הראשונה היא חיוב סוכן בינה מלאכותית כמשאב נוסף בדומה לעובד. השנייה היא תמחור לפי צריכה, שבו הלקוח משלם על מספר השאילתות, האסימונים או הפעולות. השלישית היא חיוב על פעולות ספציפיות שהושלמו, כגון טיפול בבקשת לקוח. הגישה הרביעית היא תמחור המבוסס על תוצאות או חיסכון שהושג, אם כי גישה זו נחשבת לקשה ליישום בטווח הקצר בשל קשיי המדידה.

נכון להיום, מודלים היברידיים הם הנפוצים ביותר ומהווים לפי הערכות בין 70 ל-80 אחוזים מהשוק. מודלים אלו משלבים מנוי בסיסי המבטיח רמת שירות מינימלית יחד עם חיוב משלים לפי צריכה. בנוסף, קיים עניין מחודש במערכות של קרדיטים בתשלום מראש, שבהן חברות רוכשות נפח משאבים מראש ומשתמשות בהם לפי הצורך.