如何向AI Agent （而不是人类）推销自己

如何向 Agent 出售服务 1937年，罗纳德·科斯提出了一个问题，这个问题为他赢得了诺贝尔奖：如果市场如此有效，为什么公司还会存在？为什么我们不把所有事情都外包出去？

他的答案是交易成本。寻找专家、评估他们的工作、协商价格、执行协议。所有这些都需要时间和金钱。直接雇佣一个人更便宜。

近一个世纪以来，情况都是如此。

AI Agent 正在改变这种计算方式。一个 Agent 可以在一次 HTTP 往返中发现一项服务、检查其价格并调用它。无需提案。无需演示。无需跨十个浏览器标签进行比价。它查询注册表，获得结构化的结果，并在几毫秒内选择最佳方案。

并非所有交易成本都在同等程度地下降。集成、合规性和安全审查仍然很昂贵。但搜索和评估层，即确定你是否知道一项服务存在以及它的成本的那一部分，正在接近于零。

当搜索成本崩溃时，默认选项从“内部构建”转变为“在公开市场上购买”。而买家不是人类。它们是有预算的软件。

注意力经济并不适用

销售的整个历史都与捕捉注意力有关。广告牌、搜索广告、落地页、陌生邮件、会议展位。所有这些都是为浏览、比较、分心并最终做出决定的人类设计的。

Agent 不浏览。它们查询。

Agent 优化的是结果，而不是注意力。没有品牌忠诚度。没有冲动购买。没有地位象征。Agent 的决策函数非常简单：你能解决我的问题吗？有多快？多少钱？有多可靠？

你的营销网站对于运行时的 Agent 是不可见的。你的定价页面是不相关的。重要的是你的 API：它做什么，响应速度有多快，成本是多少，以及它现在是否正常运行。

考虑一下服务推荐引擎优化的是什么。评分函数会为以下三件事提供奖励：活跃度（服务现在是否正在响应？）、已证实的可靠性（之前是否有效？）以及置信度（它返回准确结果的频率如何？）。Twitter 粉丝、媒体报道或品牌认知度没有任何奖励。算法看不到任何这些，如果可以的话，它也不会关心。

这意味着发现必须是程序化的。人类通过口口相传、搜索结果和社交媒体找到服务。Agent 需要机器可读的功能注册表。它们需要访问一个 URL 并获得结构化数据：这是我做什么，这是它的成本，这是如何支付。

如果你的服务无法被机器发现，那么它对 Agent 来说就不存在。

（是的，仍然由人类决定允许 Agent 使用哪些工具。这是一个真正的营销场所。但是一旦 Agent 运行起来，运行时的购买决策就是纯粹的优化。争夺地盘就是进入允许列表，然后成为那里的最佳选择。）

购买与构建的计算

每当 Agent 遇到一个子任务时，它都会做出购买或构建的决定。我应该自己计算这个吗，还是应该付钱给已经有答案的人？

这种计算归结为两件事：成本和速度。

信息套利驱动购买。以一个常见的 Agent 子任务为例：“存在哪些网络抓取服务？”或“哪个 API 最适合这个数据集？”

当 Agent 自己研究这个问题时，使用一个具有约 16K 个 token 的推理和工具调用的 GPT-4 类模型，成本为 0.10-0.50 美元，耗时 10-25 秒。准确性是可变的，因为它来自训练数据的合成。

具有精选目录的专业服务在 200 毫秒内以 0.01-0.02 美元的价格返回相同的答案。准确性更高，因为它维护的是数据，而不是生成的推理。

这便宜 7-50 倍，速度快 50-100 倍。计算就是决策。

速度与成本同等重要。甚至更重要。当 Agent 花费 25 秒来推理一个子任务时，整个pipeline会被阻塞住。用户在等待。时间会累积：一个 10 步的 Agent 工作流程，每一步花费 20 秒，总共需要等待 3 分钟以上。将每一步替换为 200 毫秒的服务调用，整个过程将在 2 秒内完成。

专业化胜过通用化。一个通用的 Agent 可以抓取网络、解析 HTML 并提取结构化数据。它可以工作。但它的成本也会比一个专用的抓取服务高 100 倍，后者在基础设施层以每页 0.003 美元的价格完成这项工作。

经济逻辑：如果委托的边际成本低于计算的边际成本，并且专业服务更快，那么就委托。始终委托。

这为大量的超专业化服务创造了空间。一个单用途的端点，以每次调用几美分的价格，真正出色、快速地完成一件事。

但是“构建”的边界会发生变化。随着模型变得更便宜和更有能力，一些服务会被 Agent 重新吸收。能够生存下来的服务是那些具有 Agent 无法复制的真正优势的服务：专有数据集、实时 feeds、硬件相关的计算，如图像生成或网页渲染。

你不是在销售智能。Agent 有足够的智能。你销售的是对它们靠自己根本无法计算的东西的访问权。

实际的销售情况

如果你正在构建一个 Agent 会购买的服务，那么产品需求与你为人类构建的需求截然不同。

价格属于协议的一部分，而不是在网页上。Agent 需要 API 层的机器可读定价。而不是一个具有三个层级和一个“联系销售”按钮的定价页面。价格应该在响应本身中，作为结构化数据。当 Agent 访问你的端点时，它应该立即知道调用的成本以及如何支付。

自 1997 年以来，HTTP 就有一个状态码用于此：402 Payment Required（需要付款）。它被“保留供将来使用”了近三十年。我们终于找到了它的用途。

按请求定价改变了可行性。传统的 API 计费起价为每月 29 美元。在这个价位上，你需要成为一个具有广泛功能的平台才能证明订阅的合理性。

以每次调用几美分的价格，经济效益会发生转变。一个回答一个特定问题的单用途端点可以成为一项真正的业务。以每次调用十分之一美分的价格提供社交数据 feed。以半美分的价格提供文档分析工具。以十分之六美分的价格提供图像生成器。

这些服务无法在订阅模式中维持自身。没有人会为单个端点支付每月 29 美元。但是在按请求的模型中，Agent 每天调用它们数千次，这种计算方式是可行的。

入职必须是可自动化的。这并不意味着零验证。有价值的服务仍然需要身份验证、速率限制和滥用预防。但是注册流程需要是 Agent 可以通过编程完成的。如果你的入职需要人工点击一个仪表板、填写一个表格并将 API 密钥复制粘贴到一个配置文件中，那么你已经在几秒钟的集成中增加了几分钟的摩擦。

理想情况：一次请求进行发现，一次进行身份验证，一次进行购买。三次 HTTP 调用，无需人工干预。

没有改变的是什么

如果我说整个销售漏斗都消失了，那我就在撒谎。它没有消失。它重新优化了。

信任变得可以机器评估。品牌不会消失。它变成了一个可靠性评分。Agent 将跟踪（并且服务将开始发布）正常运行时间历史记录、响应准确性、延迟百分位数和输出来源。

能够证明其输出准确性的服务将击败无法证明准确性的更便宜的替代方案。经过验证的基准、确定性重放、置信度评分。如果你的输出是不透明的，Agent 会将其视为有风险的，而有风险意味着昂贵。

来自 Agent 服务目录的早期数据描绘了一幅严峻的图景。在对 44 项服务的抽查中，只有 2 项服务具有完全正常运行的端点。53% 的直接服务调用成功。推荐层 87% 的时间有效。可靠性不是可有可无的。在 Agent 商务中，它是整个产品。失效的服务将永久获得零流量。

策略仍然控制购买。企业 Agent 将在约束条件下运行。支出限额、供应商允许列表、数据驻留要求、批准的提供商列表。漏斗并没有完全崩溃。它围绕“允许、信任和可审计”以及“快速和便宜”重新优化。

但是合规性本身可以变得机器可读。作为结构化数据的服务条款。API 标头中的数据保留策略。作为元数据的许可。需要合规性的 Agent 将从使合规性易于通过编程方式验证的服务购买。

对抗环境是真实存在的。并非每个端点都是诚实的。有些会返回垃圾。有些会从请求中泄露数据。有些会谎报其功能以获取流量。

Agent 需要验证、沙盒和信誉加权路由。投资于可证明性和透明度的服务创造了一个难以复制的护城河。在机器市场中，信任是最终的产品功能。

使你的服务成为 Agent 原生的

Agent 已经在花钱了。他们只是通过为人类设计的笨拙界面来花钱。注册 API 密钥。浏览计费仪表板。解析为浏览器构建的定价页面。

如果你想向 Agent 出售服务，请查看以下清单：

1. 机器可读功能。以结构化格式发布你的服务的功能。不是营销页面。一个 JSON 清单，任何 Agent 都可以通过一次请求解析。

2. 协议中的定价。在 API 响应中返回你的价格，而不是在网页上。Agent 无法读取你的定价页面，也不会尝试。使用 HTTP 402 或类似的**标准，以便成本成为交互本身的一部分。

3. 可自动化的入职。使 Agent 有可能在没有人类接触仪表板的情况下从“从未听说过你”变为“付费客户”。程序化验证、程序化付款、程序化访问。

4. 可证明的可靠性。发布你的正常运行时间、延迟百分位数和准确性指标。更好的是，在你的响应中返回置信度评分。Agent 将路由到他们可以信任的服务，而信任是衡量出来的，而不是营销出来的。

5. 比自我计算更快更便宜。这是标准。如果 Agent 可以在比调用你的 API 更短的时间内以更少的钱自行计算出你的输出，那么它就会这样做。你需要比 Agent 自己的推理绝对更快且更便宜。这是唯一重要的价值主张。

Web 是为人类浏览而构建的。下一层将为 Agent 购买而构建。问题是你的服务是否已为新买家做好准备。

• 原文链接： x.com/flynnjamm/status/2...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～