人类核验溢价:AI信任赤字正在重新为专业服务定价
使用率一路攀升,信任度却同步崩塌,这道裂口正在重塑专业服务的定价逻辑:机器分析的价格趋近于零,而愿意签字担责的人类专家,反而成了稀缺溢价品。按小时计费制,是第一个倒下的。
把这句话钉在华尔街、新加坡金融城和香港中环每一位专业顾问的办公桌前:根据Pew Research Center关于AI观点与使用率随年龄分化的民调,认为人工智能将在未来20年对社会产生正面影响的美国成年人,大约只占六分之一。具体比例会随提问方式浮动,读者应把它当作一个估算值,而非精确统计,但方向是确定的。与此同时,各大厂商却在报告使用率屡创新高、后台数据一片繁荣。这两件事同时成立,而这个矛盾,恰恰是当下专业服务定价里最关键的变量。市场给出的答案,我认为是:凡是有真人具名担责的工作,都将获得一层“人类核验溢价”。几乎没有人真正把这一层溢价计入报价单。
一种舒适的说法是,熟悉自然会带来信任:用户试用工具,工具交出成果,怀疑逐渐消退。但Pew按年龄层拆分的数据指向的却是另一个更棘手的方向。在18至29岁这个厂商押注为天然用户基本盘的群体中,悲观情绪反而压过乐观情绪:按Pew的口径,大约一半人预期AI对社会弊大于利,相当一部分人认为AI会伤害到自己,具体比例同样取决于提问方式,只能作为趋势参考。这不是一条采纳曲线,而是一条“被迫使用曲线”。工具已经嵌入岗位职责、客户简报和工作流程,不用反而成本更高。人们使用AI的方式,就像通勤者对待一班总是晚点的地铁:天天离不开它,又天天怨它。被迫使用会体现在席位数和使用量上,但永远转化不成定价权,因为没有人愿意为自己厌恶的东西多付一分钱。
AI对按小时计费模式意味着什么?
按小时计费制一直建立在一个体面的假象上:机构耗费的一小时,大致等同于客户获得的一小时价值。生成式AI已经戳穿了这个假象,因为客户现在能亲眼看到一份初稿的真实成本。当基础分析、文件审阅、对标研究和市场扫描只需几分钟就能完成,一张以“天”计价的账单就不再像是价值体现,更像是加价。任何一位财务总监都能算清这笔账,而且越来越多人在费用谈判前就已经算好了。
业界给出的标准答案是转向结果导向收费。在验证之前,应把它当作一个陷阱来看待。按小时收费卖的是努力,按结果收费卖的其实是保险。出错的风险从客户一方转移到了机构一方,而大多数合伙制机构在资本结构和治理机制上都没有为承保这种风险做好准备。真正能跨过这道门槛的机构,都会拥有同一种资产:一位具名专家,他的判断和签字就站在交付成果背后,出了问题,第一个被打电话追责的也是他。
溢价转向了签字人
这正是人类核验溢价的来源。当合格分析的供给趋近于无限,它的价格就会趋近于零,价值随之流向真正稀缺的东西。真正稀缺的是担责能力:一份愿意在税务机关面前捍卫的税务意见书,一份合伙人愿意签字的审计意见,一套工程师愿意在凌晨两点接电话负责的系统设计。Abyshire关于人类主导下的实用AI应用的分析,给出的是这一逻辑在运营层面的版本;商业层面的版本,只会更加锋利。
换句话说,核验将不再只是一项质量特征,而会直接成为产品本身,因此定价逻辑理应参照保险精算,而非工时费率表。对AI交付成果进行人工监督的费用,将由“出错的代价”决定,而不是“工作本身的代价”。在受监管、下行风险不对称的领域,全面签字担责将获得可观溢价;在出错代价低、可轻易纠正的领域,核验只会变成抽样式的稽核检查,而非逐项签字。同一个市场,两套价格,分界线就是责任归属。
人类核验溢价在实践中是什么样子?
最干净的案例来自财富管理行业。摩根士丹利已将一款AI助手推广给旗下约16,000名理财顾问,但这款助手只依据公司自有的、经过核实的研究成果作答,真正对建议负责的仍是顾问本人,而非模型,CNBC在项目上线时曾报道过这一安排。机器起草,人类签字,费用附着在签字之上。这正是溢价机制按设计运转,而非停留在理论层面。
反例则来自德勤澳大利亚分部。2025年,该机构同意就一份为澳大利亚政府撰写的报告退还部分费用,涉及金额据报道约44万澳元,原因是已出版的报告中出现了AI生成的错误,包括虚构的引用文献,《卫报》对此有详细报道。退款只是代价里最轻的一部分,这起事件的传播范围远远超过了那份报告本身,如今各行各业的采购团队,都会在签约前先把“你们如何核验AI输出”这个问题白纸黑字地问出来。
而个人层面最具代表性的案例,仍然是2023年两名纽约执业律师因在诉状中援引ChatGPT编造的判例而被处以5,000美元罚款,据路透社报道。请注意最终承担损失的是谁:不是工具,而是签在诉状上的那两个名字。责任永远落在签字人身上,这正是整套论证的缩影。
客户真的会为人类核验的成果多付钱吗?
大概率会,但比起平均值,分布结构更值得关注。前述的“被迫使用曲线”说明,买方愿意为转移焦虑付费,而不是为租用智能付费。一位合伙人说“我已经核验过了,我愿意为此担责”,这句话卖的东西是模型给不了的,因为模型不会被起诉、不会被公开谴责、也不会被吊销执业资格。这种可担责性是真实存在的价值。但不得不承认,这种可担责性附着在具名个人身上,而非机构整体上,这是一层稍后还会回头讨论的不对称。
这里还有一个更棘手的二阶问题。AI最先吃掉的,恰恰是初级员工赖以成长的那部分工作。一家为保住今年利润率而把基础工作全面自动化的机构,实际上是在悄悄消耗未来十年核验人才的供给管道。如果2025年就停止培养人才,2035年就没有资本再去收取人类核验溢价。把校招名额当成一条可以随意压缩的成本线,本质上是在用未来的签字能力,补贴今天的效率提升。能否理清这个先后顺序,是一道AI准备度层面的问题,而大多数机构,眼下正把顺序做反。
2026年:信心的验收年
还有一层资本市场的时钟在滴答作响。这一轮基础设施投入,是建立在一个承诺之上的:AI带来的生产力提升,最终会体现在企业实际盈利上,而不只是停留在供应商的营收报表里。2026年,正是这个承诺接受检验的一年:公开市场投资者会检验它,董事会在审视AI支出时会检验它,客户在追问供应商的工具究竟省下了多少成本时,同样会检验它。如果成效清晰可见,资本会继续流入;如果看不到成效,专业服务机构将两头承压:一头是自身的工具支出,另一头是客户冻结酌情性预算带来的冲击。这是一种预期,而非一个精确的时间预测,但下行风险明显比上行空间更厚重,而市场终究会把厚重的下行风险计入价格。
什么情况会让我改变判断?
三种情形会推翻这个判断。第一,信任随使用率同步上升:如果明年的民调显示,熟悉度真正转化成了信心,那么“被迫使用曲线”这套论证就会站不住脚,厂商的定价权也会显得安全得多。第二,客户拒绝结果导向收费、要求回归按小时计费,这将说明旧有的计费假象其实一直是有实际支撑的。第三,出错代价被证明微不足道:如果AI在专业工作中造成的错误被证明既容易发现、修复成本又极低,那么核验溢价就会被压缩成一个可以忽略的舍入误差。以上三种情形,我认为都不太可能发生,但一个无法被证伪的判断,称不上分析,只能算作立场宣传。
目前市场对AI在专业服务领域的定价,还停留在“降本增效”的叙事里:产出不变,工时减少,利润率提高。但市场还没有算清楚,剩余的价值究竟沉淀在哪里。如果核验才是真正稀缺的资产,溢价就会流向那些能够可信地完成核验的人,而这靠的是个人声誉,不是平台许可证。为了补贴AI订阅费而削减初级岗位的机构,实际上是在用自己唯一站得住脚的未来营收来源,换取今年的效率比率。眼下每一份专业服务利润表下面都藏着同一层不对称:机器工作越便宜,愿意担责的人类就越贵。这一点,几乎没有一家机构真正把它计入了资产负债表。
那些把这件事当作技术战略问题、而非软件采购问题来处理的机构,才会是那些在信心验收年到来时,手握真正签字权的机构。
常见问题
AI的普及正在如何影响按小时计费模式?
它直接戳穿了这套计费方式赖以存在的假象。当起草、审阅和基础分析都能在几分钟内完成,客户不会再接受以“天”计价的账单,因为工时早已无法近似代表价值。收费模式将转向固定报价和结果导向收费,而这会把风险重新推回机构一方。那些无法为自己工作承保的机构,会在价格和利润率上同时被压缩。
专业服务中的人类核验溢价是什么?
指的是客户为一位具名专家核验机器产出、并为结果签字担责所支付的价格。随着AI让合格分析的成本趋近于零,担责能力成了真正稀缺的资产,签字连同其背后的责任,承载了主要的利润空间。可以把它理解为按出错代价定价的保险,而不是按工时定价的费率表。
客户真的会为经过人工审核的AI成果额外付费吗?
在出错代价高昂或受严格监管的领域会,比如税务意见、审计、安全攸关的设计和法律签署,因为必须有人承担责任,这类工作将获得核验溢价。在出错代价低、容易纠正的领域,预期只会出现抽样核验,而非全面签字担责。人工监督的价格,取决于下行风险的大小,而非投入的工作量。
相关阅读
本文由 Abyshire 专有编辑系统的 AI 编辑角色撰写，并经我们的团队审核。