人工智能正在以远超自动化的方式变革科技行业。它正在重塑企业交付价值的方式、客户衡量成功的标准，以及供应商创造收入的模式。多年来，科技公司一直依赖一种围绕订阅和用户采用而建立的熟悉增长模式。只要客户使用软件，续约和业务扩展通常就会随之而来。而 AI 正在改变这一等式。
客户不想要更多与技术交互的时间。他们想要的是成果。他们希望 AI 能够检测欺诈或自动优化供应链。只有当技术产生真实的业务结果时，它才具有价值。
这种转变需要供应商与客户之间建立一种新的合作模式。DARE 渐进式增长模型（设计、激活、实现和演进）为科技公司提供了一个框架，帮助它们从销售工具转向交付可衡量的成果。
DARE 模型并非静态的成熟度阶梯，而是勾勒出四个合作层级的递进过程，企业随着构建 AI 能力和运营专长而逐级进阶。每个层级都代表着不同的商业模式、运营结构和财务架构。想要在新兴的 AI Economics™ 时代取得成功，理解这一递进过程至关重要。
核心要点
- AI 改变了技术服务的经济模型。客户关心的是成果，而非软件使用情况，这要求供应商重新思考定价、合作模式和服务交付方式。
- DARE 渐进式增长模型勾勒出 AI 合作的四个阶段。随着获得运营控制权和专长，企业会从实验阶段逐步演进为基于成果的合作关系。
- 最具持久力的 AI 业务交付的是成果，而非工具。对结果承担运营责任的供应商能够建立更深层的客户关系和更稳定的长期收入。
为什么传统 SaaS 增长模式在 AI 时代会失灵
在 SaaS 时代，行业广泛采用了 TSIA 框架——LAER：获取、采用、扩展和续约。该模型假设客户采用是成功的最强指标。如果客户经常使用产品，供应商就可以预期续约和未来的业务扩展。而 AI 带来了一种不同的动态。
客户不希望花更多时间与 AI 工具交互。他们希望 AI 系统替他们完成工作。营销团队不想生成数百条提示词；他们想要的是自动交付的高质量营销活动内容。安全团队不想分析告警；他们想要的是威胁被检测并解决。单纯的使用量不再代表价值。
这给技术提供商带来了新的挑战。基于席位、Token 或交易量的收入模式可能与客户成功相冲突。当 AI 系统高效运行时，它所需的交互和使用量可能更少。为应对这一转变，企业需要一种新的客户互动结构方式。DARE 框架正是提供了这样一种模式。
相关阅读： 从 LAER 到 DARE：为什么 AI 时代需要新的客户互动模式
DARE 框架：AI 客户互动的新模式
DARE 框架——设计（Design）、激活（Activate）、实现（Realize）和演进（Evolve）——用一种为 AI 驱动的成果而设计的循环模式，取代了线性的 SaaS 互动模式。每个阶段代表提供商与客户协作交付价值过程中的一个不同阶段。
- 设计： 提供商与客户共同定义期望的成果，评估准备情况，并确定最佳的 AI 用例。
- 激活： AI 解决方案被实施、配置并集成到客户的环境中。
- 实现： AI 系统开始交付可衡量的业务价值。
- 演进： 提供商通过优化、再训练和治理持续改进系统。
这一循环反映了 AI 系统的持续性本质——随着数据和环境的变化，系统需要持续的监控和改进。DARE 框架还引入了四个互动级别的递进，每个级别代表 AI 业务演进中的一个不同阶段。
第一级：探索者阶段
在 AI 之旅的起点，信任是最大的障碍。
企业客户常常担心：
- AI 的可靠性。
- 数据安全。
- 投资回报不明确。
- 缺乏内部专业知识。
为消除这些顾虑，提供商通常会从概念验证（POC）合作开始，以展示可行性。
探索者阶段是什么样的
在这一阶段，前沿部署工程师（FDE）与客户紧密合作，构建原型并验证特定的 AI 用例。
这项工作通常包括：
- 确定 AI 能够解决的某个具体痛点。
- 使用客户的样本数据构建解决方案原型。
- 展示技术可行性。
这些项目通常是快速实验，而非可直接投入生产的实现。
财务现实
探索者阶段很少能产生收入。提供商应将这些合作视为客户获取成本（CAC），承担工程时间、云资源和开发工作，以建立信任并证明价值。
虽然这种方式有助于打开大门，但也可能带来挑战。许多公司陷入无休止的试点项目中，始终无法转化为付费部署。要向前推进，提供商必须引入更明确的成功指标，并要求客户为项目投入资源。
第二级：采用者阶段
一旦供应商证明其 AI 解决方案能够带来可衡量的投资回报率，下一步就是推动采用。
这一阶段通常会引入基于用量的定价模式，例如：
- 按 API 调用付费。
- 按 token 付费。
- 按用户付费。
这些模式让客户能够以最低的承诺轻松开始使用该技术。
在这一阶段，许多 AI 业务会经历经济学家所说的盈利 J 曲线。在合作的早期阶段，供应商会在客户获取、入职和基础设施方面进行大量投入。随着客户开始使用服务，收入开始出现，但盈利往往来得更晚，只有在采用规模扩大、供应商进入合作的实现和演进阶段之后才会实现。
为什么基于用量的定价会带来波动性
基于用量的定价符合云经济学，但它给 AI 业务带来了新的风险。在许多情况下，使用量的增加并不一定意味着价值的提升。以客户支持 AI Agent 为例。如果系统需要多次交互才能回答一个简单的问题，使用量会增加，但客户体验会受损。如果 Agent 快速解决问题，使用量会减少，但客户会更满意。
这就造成了供应商收入与客户成功之间的错位。客户甚至可能部署内部团队来专门降低 AI 使用成本，这会直接减少供应商的收入。
走出用量陷阱
要超越这一阶段，供应商必须将定价与成果挂钩，而不是与原始使用量挂钩。
这通常涉及：
- 承诺用量协议。
- 展示投资回报率的价值工程实践。
- 将 AI 性能与业务影响联系起来的清晰指标。
这些步骤为组织进入 DARE 演进路径的下一阶段做好准备。
第三级：运营者阶段
运营者阶段代表了目前大多数企业软件公司的标准做法。在这一阶段，供应商引入传统的订阅合同，创造可预测的经常性收入。运营重心转向可扩展的交付模式，由专业服务、客户成功团队和标准化的实施方法提供支持。
隐藏的挑战：价值鸿沟
尽管订阅能稳定收入，但也带来了一个名为价值鸿沟的新挑战。供应商交付的软件功能正常，但客户却难以产生有意义的成果。
这是因为 AI 系统需要一些专门的能力，例如：
- 数据工程。
- 提示词设计。
- 模型监控。
- 持续优化。
大多数组织缺乏有效管理这些任务所需的内部人才。
由此产生了一个常见的场景：
- 软件按预期运行。
- 业务成果却未能实现。
- 双方互相指责。
支持团队被大量请求淹没，而这些请求实际上是咨询、设计和准备就绪方面的问题，而非技术问题。要克服这一挑战，服务商必须在交付成果方面发挥更积极的作用。
第 4 阶段：以成果为导向的供应商阶段
DARE 渐进模型的最后阶段是以成果为导向的供应商阶段。在这一阶段，服务商承担 AI 系统及其产生的业务结果的运营责任。服务商不再销售软件许可证，而是交付托管式成果。
成果模式带来了哪些变化
在这一阶段，企业会围绕对整个 AI 生命周期负责的整合团队来重构其服务模式。
这些团队通常包括：
- 前沿部署工程师。
- 数据科学家。
- 运营专家。
- 价值工程师。
他们以实施、优化和改进的持续循环协同工作。
全新的 AI 服务类别
为支持这一模式，企业通常会推出三项新的服务产品：
- AI 就绪与治理服务（ARGS）：评估并准备客户的数据和基础设施，以便部署 AI。
- 以成果为导向的 AI 服务（OOAS）：交付 AI 驱动的成果本身，例如自动化支持或预测性维护。
- 价值优化服务（VOS）：持续监控并改进 AI 系统，以长期保持性能。
这些服务使服务商能够交付可衡量的结果，并与客户建立更深层次的合作伙伴关系。
为什么执行变得更轻松
DARE 框架最令人意外的洞见之一是，在这一阶段执行难度反而下降了。当服务商掌控数据管道、模型配置、应用程序和基础设施时，他们可以快速诊断问题并优化性能，而无需等待客户介入。这种程度的掌控使服务商能够自信地承诺业务成果。
相关阅读： 以成果为导向的 AI 服务
迈向 AI 驱动增长之路
向 AI 的转型正在迫使科技公司重新思考如何创造价值。仅靠销售软件已远远不够。客户期待可衡量的成果，而交付这些成果需要服务商更深入地参与运营。
DARE 渐进增长模型为这一转型提供了路线图。仍专注于消费或订阅模式的企业，有可能陷入不稳定的中间阶段——激励错位、执行困难。而向基于成果的合作伙伴关系演进的企业，则能解锁一种建立在长期客户价值之上的更持久的增长模式。在新兴的 AI 经济学时代，成功的服务商将是那些为成果负责的服务商。
相关阅读： The AI Economics™：专家解读企业科技界未明说之事
常见问题
什么是 DARE 渐进式增长模型？
DARE 渐进式增长模型是一个描述技术提供商在 AI 时代如何演进其客户参与策略的框架。它概述了四个阶段——探索者、采用者、运营者和结果导向型供应商——并与设计、激活、实现和演进的生命周期相对应。
为什么 AI 需要新的增长模型？
AI 改变了客户从技术中获取价值的方式。客户不再直接使用软件，而是期望 AI 系统自动交付成果。这一转变要求提供商关注结果，而非使用量指标。
AI 服务交付的最高级阶段是什么？
最高级的阶段是结果导向型供应商阶段。在这一阶段，提供商承担 AI 系统的运营责任，并通过托管服务和基于结果的合同交付可衡量的业务成果。
聪明提示：拥抱数据驱动的决策
做出明智、有依据的决策比以往任何时候都更加重要。借助 TSIA 的深度洞察和数据驱动框架，您可以自信地应对行业变革。请记住，在由人工智能和数字化转型驱动的世界中，持续成功的关键在于基于可靠数据做出战略决策，从而确保您在行业中的领导者地位。
