Imagine que um analista inovador da sua organização cria um agente de IA que atua como um assistente de RFP turbinado. No instante em que a liderança tenta escalar isso para a equipe de vendas de 100 pessoas, duas grandes questões surgem: quem está autorizado a consultá-lo e quanto custará escalá-lo?
A maioria dos modelos de precificação de IA foi criada para medir máquinas, não para atender pessoas. Eles monitoram tokens, chamadas de API, ciclos de computação — a mecânica do que está acontecendo em um servidor em algum lugar. Na Alteryx, partimos de um ponto diferente ao precificar o analytics baseado em IA: o que realmente gera valor para uma empresa e como precificamos para maximizar esse valor para nossos clientes?
Comece por quem vai usar
Muitas implementações de IA estagnam silenciosamente na questão do acesso. Alguém em finanças ou TI acaba decidindo quais equipes ganham uma estação, quais casos de uso “valem” o investimento e quem precisa esperar. Esse é um lugar estranho para colocar o gargalo, já que o principal objetivo do analytics orientado por IA é disponibilizar insights para mais pessoas, não menos.
A Alteryx parte do pressuposto oposto: de que analytics, dados e agentes de IA devem estar disponíveis para o grupo mais amplo possível de colaboradores em uma organização. O modelo comercial não deve ser o motivo para uma equipe ficar de fora.
Deixe que nós nos preocupemos com o modelo, não você
Existe uma versão de precificação de IA em que os clientes efetivamente pagam por quão boa — ou quão ineficiente — é a engenharia subjacente. Execute um modelo caro para uma tarefa simples, e o cliente arca com esse custo.
Achamos que isso está ao contrário. O Alteryx usa lógica de negócios governada, fluxos de trabalho reutilizáveis e seleção de modelos nos bastidores para associar a ferramenta certa à tarefa certa. Os clientes pagam pelos resultados: o insight, a automação, o fluxo de trabalho concluído.
No fim das contas: o trabalho de extrair mais valor de cada fração de computação de IA fica por nossa conta, e não é algo que nossos clientes precisem auditar ou gerenciar por conta própria.
Um número para basear o planejamento
Enquanto os analistas que criam ativos analíticos no Alteryx pagam o preço por estação, o grupo muito maior de usuários dentro da organização que acessa esses ativos não paga. Para esses usuários, em vez de cobrar por estações individuais, por consulta ou por consumo de token, o Alteryx não cobra para que eles obtenham insights a partir dos ativos de dados pré-criados.
O Alteryx só cobra se esses conjuntos de dados forem atualizados usando um fluxo de trabalho automatizado. Isso também significa que o preço cotado para você não varia com base em qual modelo respondeu a uma determinada pergunta ou em quanto processamento de back-end isso exigiu. O que você paga está atrelado ao valor entregue, e não a decisões de infraestrutura que acontecem em algum lugar que você não pode ver.
Nada que apareça como uma surpresa
Pergunte a qualquer equipe financeira do que ela menos gosta em softwares baseados no uso, e “a fatura imprevisível” geralmente fica perto do topo. A abordagem padrão do Alteryx é a capacidade pré-paga que é consumida ao longo do tempo — você sabe o número antes de o trimestre começar, não depois.
Isso só se sustenta se os clientes puderem realmente ver seu uso conforme ele acontece. Assim, a visibilidade já vem incorporada: quanta capacidade resta, como ela está Em alta e tempo suficiente para tomar uma decisão antes que um limite se torne um problema, e não depois.
Um fluxo de trabalho que dez pessoas usavam em janeiro pode ser fundamental para duzentas pessoas até o verão. O Alteryx foi projetado para sinalizar essa mudança com antecedência — tanto para o cliente quanto internamente — bem antes que a capacidade contratada seja excedida.
Quando isso acontece, a resposta não é cortar o acesso. A não ser em casos evidentes de mau uso, as equipes continuam executando as cargas de trabalho das quais dependem, enquanto a conversa se volta para o ajuste da assinatura para corresponder à forma como a empresa realmente a está usando. O aumento no uso deve motivar uma conversa comercial, e não uma interrupção.
A aposta por trás de tudo isso
Nada disso é o modelo de preços mais fácil de criar. Medir tokens e repassar os custos diretamente é mais simples do ponto de vista da engenharia. A Alteryx escolheu o caminho mais difícil porque o mais fácil cria os incentivos errados: ele faz os clientes limitarem a própria curiosidade e transforma cada interação com a IA em uma decisão de custo.
A precificação baseada em capacidade é uma aposta de que a IA conquista seu espaço em uma empresa ao ser usada de forma constante, ampla e sem atrito — e não por ser medida com tanto cuidado que as pessoas aprendam a usá-la menos.