当AI agent不错在毫秒内发现、评估并购买劳动时，交往本钱正在归零。驻防力经济闭幕，品牌变为可机器评估的可靠性分数。从'自建'到'购买'的默许选项切换，正在重写贸易交往的底层逻辑。

你有莫得想过，企业为什么存在这个问题？1937 年，经济学家 Ronald Coase 建议了一个看似浅显却潜入的疑问：既然市集这样高效，为什么咱们还需要公司？为什么不把悉数事情皆外包出去？他的谜底是交往本钱（transaction costs）。寻找专科东说念主士、评估他们的责任、谈判价钱、扩充条约，这一切皆需要时期和钞票。是以雇佣职工反而更低廉。这个表面赞成了近一个世纪的贸易逻辑。但当今，AI agent 正在从根柢上改变这个等式。Brian Flynn 最近发表的一篇著述让我启动重新想考通盘贸易交往的底层逻辑。他指出，当一个 AI agent 不错在一次 HTTP 申请中发现劳动、查抄价钱并完成调用时，那些也曾上流的交往本钱正在赶紧归零。不需要提案，不需要演示，不需要在十个浏览器标签页之间对比购物。它查询一个注册表（registry），获取结构化末端，然后在毫秒内聘请最好选项。

这让我剖析到一个更深层的变化：当搜索和评估的本钱接近零时，默许选项从”我方构建”造成了”去绽放市集购买”。而且买家不再是东说念主类，而是领有预算的软件。这种变调的影响范围远超咱们的瞎想，它不仅改变了企业何如购买劳动，更从根柢上重新界说了什么是”销售”，什么是”市集营销”，以至什么是”品牌”。我花了许多时期想考这个问题，而且深入征询了 Brian Flynn 建议的不雅点。我发现咱们正处在一个贸易范式透顶变调的临界点，而大多数企业以至还莫得剖析到这个变化的到来。

交往本钱的垮塌与市集结构的重构

Brian Flynn 在著述中指出，并非悉数交往本钱皆在对等地下落。集成、合规和安全审查仍然上流。但搜索和评估层，也即是决定你是否知说念某个劳动存在以及它的本钱是若干的那部分，正在接近零。我认为这个不雅察收拢了问题的中枢。想想传统的企业采购进程：你需要一个特定的劳动，起始要花几天时期征询市集上有哪些供应商，然后逐个相干他们提真金不怕火报价，安排练示会议，评估各家的优劣，再进行漫长的商务谈判。通盘过程可能需要几周以至几个月。但对于 AI agent 来说，这个过程被压缩到了几毫秒。

我最近在想考这种变化对不同范围企业的影响。对于大型企业来说，他们有专门的采购部门，有复杂的供应商管束进程，这些进程在短期内可能不会全皆隐藏。但对于中小企业和初创公司来说，这种变化是颠覆性的。当你的 AI agent 不错自动发现、评估和购买劳动时，你不再需要雇佣专门的采购东说念主员，不需要建立复杂的供应商关系。这本体上镌汰了企业运营的门槛，让更小的团队不错获取更刚劲的才能。

Flynn 提到的另一个要道点是，当搜索本钱垮塌时，默许选项从”自建”造成了”购买”。我对这少许深有体会。在我我方的责任中，我经常濒临这样的聘请：是花时期我方开采一个功能，照旧使用第三方劳动？在昔时，即使第三方劳动可能更好，但只是是发现和评估这些劳动的本钱，就足以让我聘请我方动手。但当今，如果 AI agent 不错在几秒钟内找到最好劳动并完成集成，那么自建的情理就大大收缩了。这不单是是末端的擢升，更是一种想维方式的变调：从”咱们能作念什么”变调为”市集上有什么不错用”。

这种变调还有一个更深层的含义，即是专科化单干的进一步深化。当交往本钱填塞低时，那些只作念一件事但作念得终点好的超专科化劳动（hyper-specialized services）就变得可行了。Flynn 在著述中提到，一个单一用途的端点（endpoint），只作念一件事但作念得终点快、终点低廉，每次调用只需几分之一好意思分，这样的劳动在传统订阅模式下是无法活命的。没东说念主会为一个只好单一功能的劳动支付每月 29 好意思元的订阅费。但在按申请付费的模式下，如果 AI agent 每天调用这个劳动几千次，这个生意就成立了。我认为这会催生一个全新的劳动生态系统，一个由无数袖珍、超专科化劳动构成的长尾市集。

驻防力经济的闭幕

通盘销售史皆是对于拿获驻防力的。告白牌、搜索告白、落地页、冷邮件、会议展位，悉数这些皆是为会浏览、比拟、分神然后最终作念出决定的东说念主类遐想的。但 Flynn 说得对：AI agent 不浏览，它们查询（query）。这个分裂看似浅显，但影响是改进性的。

我一直在想考这对营销行业意味着什么。传统营销的通盘逻辑链条是建立在东说念主类豪情学之上的：何如招引驻防力、何如建立心境诱骗、何如创造品牌贯通、何如影响购买有筹画。但当买家是 AI agent 时，这些皆不再起作用。AI agent 不会被漂亮的遐想招引，不会因为品牌故事而感动，不会冲动购物，不会为了彰显身份而聘请上流的选项。它的有筹画函数极其浅显：你能处分我的问题吗？多快？若干钱？多可靠？

Flynn 提到了一个劳动保举引擎的评分函数例子。这个函数给三件事加分：存活性（liveness，劳动当今是否在反映）、可靠性（proven reliability，它以前是否责任过）和置信度（confidence，它复返准确末端的频率）。莫得 Twitter 粉丝数目的加分，莫得媒体报说念的加分，莫得品牌贯通度的加分。算法看不到这些，即使能看到也不会在乎。这让我预料，咱们可能需要重新界说什么是”品牌”。在 AI agent 的寰球里，品牌不再是视觉识别和心境空想，而是可机器评估的可靠性分数。

这个变调对我来说最真义真义的处所在于，它本体上让市集变得愈加感性和高效。东说念主类买家会受到多样贯通偏见的影响，会因为营销话术而作念出非最优有筹画，会因为品牌诚心度而残暴更好的替代品。但 AI agent 的有筹画是基于客不雅数据的优化过程。这意味着真实有价值的劳动会被发现和使用，而那些只是营销作念得好但本体才能一般的劳动会被淘汰。从某种真义上说，这是市集末端的雄壮擢升。

但这也带来了一个新的挑战：何如让你的劳动对 AI agent 可发现（discoverable）？Flynn 说得很直白：如果你的劳动无法被机器发现，那么对 AI agent 来说它就不存在。这意味着发现必须是智商化的（programmatic）。东说念主类通过口碑、搜索末端和支吾媒体发现劳动，但 AI agent 需要机器可读的才能注册表（capability registries）。它们需要探望一个 URL，然后获取结构化数据：这是我作念的事情，这是本钱，这是付款方式。你的漂亮营销网站在 AI agent 运行时是不可见的，你的订价页面是不足轻重的。真实垂死的是你的 API：它作念什么，反映有多快，本钱若干，以及它当今是否在线。

买与建的新盘算逻辑

每次 AI agent 遭遇一个子任务时，它皆会作念一个买照旧建（buy vs. build）的决定。我应该我方盘算这个，照旧应该付钱给依然有谜底的东说念主？Flynn 指出，这个盘算归结为两件事：本钱和速率。而驱动购买有筹画的是信息套利（information arbitrage）。

他举了一个很好的例子。假定一个 AI agent 的子任务是”有哪些网页握取劳动存在”或”这个数据集最好的 API 是什么”。当 agent 我方征询这个问题时，使用 GPT-4 级别的模子，约莫 16K tokens 的推理和器具调用，本钱是 0.10-0.50 好意思元，需要 10-25 秒。准确性是可变的，因为它是从查考数据中合成的。而一个专门的劳动，领有效心计划的目次，不错在 200 毫秒内以 0.01-0.02 好意思元的价钱复返相通的谜底。准确性更高，因为它是爱护的数据，而不是生成的推理。这低廉 7-50 倍，快 50-100 倍。数学决定了聘请。

我认为这个例子揭示了一个更深层的旨趣：在 AI 期间，专科化校服泛化（specialization beats generalization）。一个通用的 AI agent 不错握取网页、解析 HTML 并提取结构化数据。它能责任，但本钱是专门握取劳动的 100 倍，后者在基础设施层面以每页 0.003 好意思元的价钱完成雷同的责任。经济逻辑很浅显：如果托福的边缘本钱低于盘算的边缘本钱，而且专科劳动更快，那就托福，老是托福。

但这里有一个玄妙的均衡。Flynn 提到，跟着模子变得更低廉、更刚劲，一些劳动会被重新接收回 agent。不祥活命下来的劳动是那些领有 agent 无法复制的真实上风的：专罕有据集（proprietary datasets）、及时数据源（real-time feeds）、依赖硬件的盘算如图像生成或网页渲染。你不是在销售智能，AI agent 有填塞的智能。你销售的是它们本体上无法我方盘算的东西的探望权。

我花了许多时期想考这个”建”的范围在那里。在我看来，跟着基础模子才能的擢升，这个范围会连续迁徙。今天需要专门劳动才能完成的任务，翌日可能就能被更刚劲的模子径直处理。这意味着劳动提供商需要连续创新，连续寻找新的价值点。你不成只是作念 AI agent 也能作念的事情，你需要作念它们作念不了或者作念起来不经济的事情。这可能是探望特有的数据源，可能是需要寥落硬件的盘算，也可能是需要及时更新的信息。

速率和本钱的量度也很真义真义。Flynn 说速率和本钱一样垂死，以至可能更垂死。当一个 agent 破钞 25 秒推理一个子任务时，通盘管说念皆被窒碍了，用户在恭候。时期会复合：一个 10 步的 agent 责任流，每步需要 20 秒，即是 3 分钟以上的恭候。用 200 毫秒的劳动调用替换每一步，通盘进程在 2 秒内完成。这不单是是用户体验的改善，更是竞争力的要道。在一个由 AI agent 驱动的寰球里，速率可能比本钱更垂死，因为速率径直影响用户逍遥度和系统轮廓量。

向 AI Agent 销售的新法例

如果你正在构建一个 AI agent 会购买的劳动，居品需求看起来和你为东说念主类构建的全皆不同。Flynn 列出了几个要道点，我以为每一个皆值得深入想考。

订价应该在条约中，而不是在网页上。AI agent 需要在 API 层面有机器可读的订价。不是带有三个层级和”相干销售”按钮的订价页面。价钱应该在反映自身中，行为结构化数据。当一个 agent 探望你的端点时，它应该立即知说念调用的本钱以及何如付款。Flynn 提到 HTTP 自 1997 年以来就有一个景色码：402 Payment Required（需要付款）。它被”保留供改日使用”了近三十年。咱们终于找到了阿谁用途。

我认为这个不雅点揭示了一个根人道的变调。在传统贸易中，订价是一个复杂的豪情博弈。企业特意让订价平淡不清，成立多个层级，使用”相干咱们”的按钮，因为他们想笔据客户的支付才能息兵判技能来变调价钱。但这一切在 AI agent 的寰球里皆行欠亨。Agent 需要即时、透明的订价信息。如果它无法立即知说念本钱，它就会转向下一个选项。这本体上迫使市集变得愈加透明和高效。

按申请订价改变了什么是可行的。传统的 API 计费从每月 29 好意思元起步。在这个价钱点上，你需要成为一个具有平日功能的平台才能讲解订阅的合感性。但在每次调用几分之一好意思分的情况下，经济学就翻转了。一个只回应一个特定问题的单一用途端点不错成为一个真实的生意。支吾数据源每次调用十分之一好意思分，文档分析器具半好意思分，图像生成器六分之一好意思分。这些劳动在订阅模式下无法保管我方。没东说念主会为单个端点支付每月 29 好意思元。但在按申请模式下，如果 agent 每天调用它们数千次，数学就成立了。

这让我预料了一个更平日的趋势：微劳动化和按使用付费模式的兴起。在云盘算期间，咱们依然看到了从购买劳动器到按需使用盘算资源的变调。当今雷同的逻辑正在诓骗到软件劳动层面。你不再需要购打通盘软件包，你只需为你本体使用的功能付费。而 AI agent 行为消费者，会天然地鼓动这种模式，因为它们只会为完成任务所需简直切功能付费。

初学必须是可自动化的（automatable）。这不料味着零授权（zero auth）。有价值的劳动仍然需要身份考据、速率为止和败坏防护。但注册进程需如果 agent 不错智商化完成的。如果你的初学需要东说念主类点击姿色板、填写表单并将 API 密钥复制粘贴到配置文献中，你就给一个只需几秒钟的集成添加了几分钟的摩擦。期望情况是：一个申请发现，一个考据，一个购买。三次 HTTP 调用，莫得东说念主在轮回中。

我终点认可这少许，因为我经常遭遇这样的问题。未必候我想尝试一个新的 API 劳动，但光是注册进程就让我毁灭了。需要填写一大堆表单，考据邮箱，成立账户，配置支付方式，然后才能获取 API 密钥。通盘过程可能需要 10-15 分钟。对于一个我只想快速测试一下的劳动来说，这个门槛太高了。但如果一个 AI agent 不祥自动完成这通盘进程，那么试用本钱就大大镌汰了，劳动的接管率天然会提高。

什么莫得改变

Flynn 很本分地承认，他不会说通盘销售漏斗（sales funnel）就这样隐藏了。它莫得隐藏，它重新优化了。我认为这是一个垂死的知悉，因为很容易堕入时期乌托邦目的，认为 AI 会处分悉数问题，让一切皆完竣高效。但履行老是更复杂。

信任变得可机器评估。品牌不会隐藏，它造成了可靠性分数。AI agent 会追踪（劳动也会启动发布）运行时期历史（uptime history）、反映准确性（response accuracy）、延长百分位数（latency percentiles）和输出起原（output provenance）。不祥讲解其输出准确的劳动将打败无法讲解的更低廉的替代品。经过考据的基准测试（verified benchmarks）、细目性重放（deterministic replays）、置信度分数（confidence scores）。如果你的输出是不透明的，agent 会将其视为有风险的，有风险意味着上流。

我对这个不雅点的聚合是，信任的面孔变了，但信任自身的垂死性莫得变。在东说念主类寰球里，咱们通过品牌、声誉和社会讲解来建立信任。在 AI agent 的寰球里，信任是通过可考据的数据和性能标的来建立的。这本体上可能是一个更自制的系统，因为它更难被垄断。你不成只是通过好的营销来伪装一个差劲的劳动，你需要真实提供踏实、准确、快速的劳动。

Flynn 共享的数据很有劝服力。在对 44 个劳动的一次扫描中，只好 2 个端点全皆正常责任。53% 的径直劳动调用告捷，保举层告捷率为 87%。可靠性不是诚心诚意，在 agent 贸易中，它即是通盘居品。死掉的劳动获取零流量，永久性的。这个严酷的履行意味着，劳动提供商需要参加渊博资源来确保系统的踏实性和可靠性。这不单是是时期问题，更是活命问题。

计谋仍然为止购买。企业 AI agent 会在不停条件下运作。支拨为止、供应商白名单（vendor allowlists）、数据驻留要求（data residency requirements）、批准的提供商列表。漏斗不会全皆崩溃，它围绕”允许的、着实的和可审计的”以及”快速和低廉”重新优化。我认为这是一个垂死的均衡。全皆不受不停的 AI agent 可能会作念出不稳健企业计谋或合规要求的有筹画。是以企业需要建立治理框架，界说 agent 的行径范围。

但合规自身不错变得机器可读。劳动要求行为结构化数据，数据保留计谋在 API 头部（API headers），许可行为元数据（metadata）。需要合规的 agent 会从使合规易于智商化考据的劳动购买。这是一个很灵巧的主见：与其让合规成为瑕疵，不如让它成为竞争上风。如果你能让你的合规性以机器可读的方式呈现，那么需要餍足合规要求的 agent 就会优先聘请你的劳动。

顽抗性环境是真实存在的。不是每个端点皆会本分。有些会复返垃圾数据，有些会从申请中窃取数据，有些会谎报其才能以拿获流量。AI agent 需要考据、沙箱和基于声誉的路由（reputation-weighted routing）。投资于可讲解性和透明度的劳动创造了一条难以复制的护城河。在机器市麇集，信任是终极居品特质。我认为这会催生一个新的劳动类别：专门用于考据和监控其他劳动的劳动。就像咱们有信用评级机构评估企业的信用一样，咱们可能会有劳动评级系统评估 API 的可靠性和本分性。

让你的劳动对 AI Agent 友好

AI agent 依然在用钱了。它们只是通过为东说念主类遐想的拙劣界面用钱。注册 API 密钥，导航计费姿色板，解析为浏览器构建的订价页面。如果你想向 AI agent 销售，Flynn 给出了一个清单，我以为每个劳动提供商皆应该厚爱考虑。

机器可读的才能（machine-readable capabilities）。以结构化样式发布你的劳动作念什么。不是营销页面，而是任何 agent 皆不错在一个申请中解析的 JSON 清单。条约中的订价。在 API 反映中复返你的价钱，而不是在网页上。AI agent 无法阅读你的订价页面，它们也不会尝试。使用 HTTP 402 或肖似圭臬，使本钱成为交互自身的一部分。可自动化的初学。让 agent 不错从”从未据说过你”到”付费客户”，而无需东说念主类触摸姿色板。智商化授权，智商化支付，智商化探望。

可讲解的可靠性（provable reliability）。发布你的正常运行时期、延长百分位数和准确性标的。更好的是，在你的反映中复返置信度分数。AI agent 会路由到它们不错信任的劳动，而信任是可臆想的，不是营销出来的。比我方盘算更快更低廉。这是门槛。如果一个 agent 不错在更少的时期和更少的钱内我方盘算你的输出，它就会这样作念。你需要明确地比 agent 我方的推理更快更低廉。这是唯独垂死的价值主张。

我想强调临了少许，因为它揭示了在 AI agent 期间活命的要道。你不成只是提供一个”还不错”的劳动，你需要提供一个显著优于 agent 我方能作念的事情的劳动。这个上风不错来自速率、本钱、准确性或特有的数据探望。但它必须是显著的、可臆想的。平淡的上风不会被 agent 识别，因为它们的有筹画是基于具体数据的。

我还想补充少许 Flynn 莫得明确提到但我认为很垂死的：文档的垂死性。天然营销网站可能对 AI agent 不垂死，但理会、准确、机器可读的 API 文档却至关垂死。Agent 需要聚合你的 API 能作念什么、何如调用它、会复返什么样式的数据。这些信息需要以结构化的方式呈现，最好是稳健 OpenAPI 或肖似圭臬。好的文档不仅匡助 agent 正确使用你的劳动，也减少了虚假调用和赈济申请。

收集是为东说念主类浏览而建的。下一层将为 AI agent 购买而建。问题是你的劳动是否为新买家作念好了准备。我敬佩咱们正处在这个变调的早期阶段。大多数劳动仍然是为东说念主类用户遐想的，还莫得顺应 AI agent 行为主要客户的履行。但那些率先顺应的劳动将获取雄壮的先发上风。它们将占据 agent 的白名单，建立可靠性纪录，并在这个新兴市麇集成立当先地位。

Flynn 的著述给了我许多启发，让我重新想考贸易的基本假定。当买家不再是东说念主类时，销售的艺术透顶改变了。不再是对于拿获驻防力和创造心境诱骗，而是对于提供可考据的价值、透明的订价和无摩擦的集成。对于那些民俗了传统营销和销售措施的企业来说，这可能是一个苦楚的变调。但对于惬心拥抱这个新履行的东说念主来说，契机是雄壮的。咱们正在见证贸易交往底层逻辑的重写，这不单是是时期的跨越，更是通盘市集结构的根人道变调。

本文由东说念主东说念主皆是居品司理作家【深想圈】云开体育，微信公众号：【深想圈】，原创/授权 发布于东说念主东说念主皆是居品司理，未经许可，谢绝转载。