企业为一个人支付月薪，为一名骑手支付配送费，为一次模型调用支付 Token 费用，看起来都在为“完成工作”买单。但账单背后的承诺不同：有人出售约定的产出，有人接受未来的任务调整，有人提供计算服务。理解 Agent 经济，要先辨认这些承诺，以及没有写进报价的责任。
五份报价，五种风险安排
先做一个思想实验。一家公司准备处理十万次客服咨询，财务负责人收到了五份方案：招聘正式员工、采购外包坐席、让自由职业者按单处理、自己调用模型、购买按解决结果收费的 Agent 服务。这里没有一家真实公司，也没有预设哪份报价更便宜。
老板希望降低成本、保持服务质量；员工希望收入稳定并获得培训；外包商和软件商希望业务可盈利；顾客希望问题得到解决。他们拥有的信息却不同：供应商更了解自己的能力，企业更了解业务中的例外，顾客才知道一句回答有没有真正帮上忙。
如果咨询内容标准、答案清楚、错误容易纠正，模型调用可能很划算。如果退款争议涉及多年往来、客户信任和内部权限，便宜的自动回答也可能制造昂贵的后续工作。两种结果都符合这个模型，区分它们需要真实的合同、工单复发记录、人工接手时间和赔付数据。
比较采购方案之前，应该先把报价分成三层：计费单位是什么，合同承诺交付什么，剩余风险由谁承担。按月收费的软件不因此成为员工；领取计件工资的人也可能处于正式雇佣关系。计件制是一种报酬方式，雇佣制是一种组织关系，大厂高薪是一种报酬水平，Token 则首先是一种服务计量。把它们串成四个时代，会把不同层次的问题误当成历史替代。
真正能够贯穿这些制度的，是一个采购问题：当原先的计划失效时，谁必须继续投入，谁可以要求加钱，谁有权重新决定工作该怎样完成？
计件制：谁有权定义一件工作
计件工资并不是泰勒的发明。泰勒的《车间管理》讨论了早已存在的日薪、计件、奖金等制度；他试图把时间研究、标准任务与差别报酬结合起来，让管理者能够事先规定合理产量和工作方法。书中那些产量增长的案例，是改革倡导者自己的记录，不能直接当成独立实验。参见 Taylor，《Shop Management》。
从亚当·斯密的分工讨论走到科学管理，发生的一个变化，是生产知识变得更容易被组织记录和调度。《国富论》以制针工场说明专业分工如何提高产出；泰勒则进一步追问，一项具体工作应该怎样分解、需要多少时间、达到标准应该获得什么报酬。斯密，1776，第一篇第一章。
本文关心的是这一变化的权力含义。熟练工人原先掌握的诀窍，一旦变成标准作业，就可以被用于培训别人、比较效率和重新议价。企业买到的除了成品，还有组织生产过程的知识。劳动者可能因此获得更高收入，也可能失去对劳动节奏的部分控制；两件事可以同时发生。
泰勒也讨论了工人对计件单价被削减的担忧：如果今天的超额努力只是明天提高定额的依据，保留一部分生产能力就有了现实动机。这是承诺问题。老板承诺分享效率收益，工人却不确定这个承诺会维持多久。《车间管理》相关讨论。
今天，把知识工作拆成提示词、工具调用、评测和重试，与这种标准化存在结构上的相似。但相似性有边界：机器没有工人的生活需求和劳动权利；文本生成也未必像合格零件一样容易验收。可以继承的分析问题，是谁来规定标准，标准遗漏的工作又由谁承担。
雇佣制：为未来的调整留出空间
如果每个任务都能写清、验收并即时买到，企业似乎可以只剩下一间采购办公室。科斯在 1937 年提出的关键解释是，使用市场本身需要成本：寻找交易对象、议价、订约，以及在情况变化时重新安排。企业内部的协调也有成本，企业边界取决于两种成本的比较。Coase，〈The Nature of the Firm〉。
西蒙在 1951 年进一步刻画雇佣关系：员工在可接受的行动范围内，允许雇主以后再决定具体要做什么。这个模型解释了为什么企业愿意为“尚未完全指定的工作”付薪。它不是所有劳动合同的完整法律定义，更不意味着员工交出了无限服从权。Simon，〈A Formal Theory of the Employment Relationship〉。
回到客服场景。公司很难在年初写清下一次产品故障、下一轮退款政策和下一位重要客户的全部需求。保留内部团队，相当于保留一组可以在既定边界内重新分配的能力。企业通常承担更多培训和闲置成本，员工也仍承担失业、考核与职业发展的风险；工资并没有消除不确定性，而是重新安排了它。
这样看，固定工资有时是对复杂协作的回应。一次知识分享、一次提前发现隐患、一次帮助同事，很难逐项算出公平价格，却可能决定整个团队的表现。硬把它们拆成个人计件，会让没人能认领的工作被忽略。
人类协作也不只有市场交易与公司命令。Powell 的网络组织研究强调重复合作、声誉和互惠的作用。专业服务、供应商协作与研究团队中的信任，可以承担价格和层级难以完成的协调。Powell，1990。据此推演，Agent 的接口和日志能够帮助这些安排执行，却不能单凭通信协议生成信任、赔偿能力和长期承诺。
从福特到大厂：高工资买到了什么
企业追求降低成本，为什么还会主动支付高工资？1914 年福特的五美元工作日提供了一个有张力的案例。The Henry Ford 的馆藏说明记载，公司此前为九小时工作日支付 2.34 美元，新政策提出八小时、五美元；背景是流水线工作带来的严重人员流动。获得新待遇还要符合资格，并接受对私人生活的调查。福特档案，1914。
这个案例允许一种效率工资解释：更高报酬可能减少离职和训练损耗，帮助企业维持稳定生产。它也提醒我们，高工资可以与严格控制共存。仅凭这份档案，不能证明全部生产率变化都由工资造成，更不能把改善收入等同于改善所有劳动条件。
把这个问题放到大厂，高薪仍然是雇佣制内部的安排。企业可能为稀缺专业能力付钱，为熟悉复杂系统的人付钱，也为减少人员离开所造成的项目延误付钱。股权和递延奖金还试图让员工的收益与组织的较长期表现相连。这些是不同的机制，需要分别核对，不能用一句“人才值钱”全部解释。
Song 等人的美国雇主—员工匹配数据研究显示，企业间收入差异和高收入劳动者的聚集，是理解收入不平等的重要部分。其结果特别提醒：企业之间的差距扩大，不能全部归因于企业自身支付溢价的变化，劳动者构成很重要；这也不是一项专门解释科技公司薪酬的研究。〈Firming Up Inequality〉，2019，作者机构摘要。本文据此作出的判断是：理解高薪需要同时考察个人能力、企业资源和双方如何分配收益。
同一个工程判断，放进拥有大量用户、专有数据和成熟分发渠道的组织，可能影响更大的收入规模。劳动报酬因此不能只从个人完成了多少动作来解释。但企业获得超额利润，也不保证员工按同比例分享；议价能力、竞争和劳动制度仍然重要。
Agent 的加入会重新改变这种组合。若通用执行变便宜，识别问题、掌握背景和承担关键判断的人可能更有价值；如果这些能力也能被可靠复制，其溢价也可能下降。高薪不会因“人类身份”自动保留，需要观察它究竟建立在哪一种稀缺性上。
平台劳动：数字计件制的先行实验
在 Agent 出现以前，互联网平台已经大规模尝试把工作切成可交易的小单。ILO 2018 年对五个微任务平台、75 个国家约 3,500 名劳动者的调查，讨论了报酬、任务供给、拒付以及寻找任务所耗费的无偿时间。它揭示了一个容易被单价掩盖的问题：拿到任务并不等于全部劳动时间都得到支付。ILO，2018。
平台降低了寻找工作和跨地域交易的门槛，也可以通过订单分配、评价和账户规则影响劳动过程。劳动者在何时上线方面获得的自由，与其对定价、评分和申诉的控制能力，是不同维度。研究中的具体平台和人群也不能代表全部自由职业者。
对企业而言，把固定岗位换成按单采购，可以减少需求不足时的支出。对接单者而言，订单间的等候、设备投入和技能更新却可能仍要自己承担。这里发生的既可能是效率提高，也可能只是风险转移。判断哪一种占主导，应把接单、等待、返工和争议处理一起计入，而不只看成功订单的报酬。
AI 生产过程仍依赖数据标注、审核与其他人类工作，ILO 对“隐形劳动”的讨论提醒我们检查这条供应链。Rani 与 Dhir，2024。这不意味着每次自动回答都由人在幕后实时完成，而是说，终端界面的自动化程度与整条生产链的人力投入不是同一回事。
由此可以提出一个待验证的情景：如果稳定、容易判断的工单先被自动化，人类接到的剩余任务可能更难、更急，却更不稳定。这种变化既可能孕育高技能的异常处理服务，也可能让零工承担更多波动。检验它，需要比较自动化前后的任务难度、总工时、收入波动和拒付情况。
Token 账单与有效结果的距离
本文讨论的模型 Token，是模型把输入与输出表示为序列时使用的单位，常被用于服务计费。它不是固定数量的字，也不是跨模型通用的算力单位。厂商的商业积分是另一层账单单位；区块链中的资产 Token 又属于不同概念。名字相同，并不意味着经济性质相同。
截至本文核对日，Anthropic 文档分别列出输入、输出及缓存等计价类别；Salesforce Agentforce 的页面则同时展示按动作消耗 Flex Credits、按会话和按用户许可等方式。Anthropic 计价文档、Agentforce 计价页面。这些页面证明商业模式正在并存，不能证明某一种已经最有效。
用电表比喻 Token，有助于区分投入与产出，但比喻只能到这里：电量具有统一物理量纲，Token 的计算成本和能力含义依赖模型与上下文。两个系统消耗同样多的 Token，可能交付完全不同的质量。更好的系统也可能用更少调用完成同一任务。
工资维系的是人与组织之间的劳动关系，包含报酬、工作安排和相应权利义务；模型费用支付给提供服务的企业。软件可以被赋予预算和执行权限，但一个 Agent 名称本身并不提供可以追索的资产或赔偿承诺。因此，“给 AI 发工资”的说法，容易让采购者误以为买到了一个能够承担员工职责的主体。
更有用的比较单位是每个经验证有效结果的全成本。在同一统计期、同一质量要求下，可以写成：
每个有效结果的全成本 =（全部尝试的模型与工具费用 + 编排和基础设施分摊 + 人工复核与异常处理 + 治理费用 + 错误损失估计）÷ 经验证的有效结果数。
重试产生的调用费应计入“全部尝试”，避免重复相加；固定投入需要按说明清楚的期间分摊。有效结果为零时，这个指标不能形成有意义的有限单价。尚未发生的重大错误损失也往往难以可靠估计，应单列压力情景，不能用一个精确小数掩盖未知。
一个便宜模型如果需要反复调用、频繁接管，可能比一个较贵但稳定的系统更昂贵。反过来，复杂模型也可能被用在本来只需查表的任务上。真正的采购能力，是把任务难度与所需可靠性匹配起来，然后比较完整流程。
按量调用可以让客户少承担一部分闲置容量成本，但算力闲置并没有消失：提供方仍需配置基础设施，预付和最低用量合同又可能把风险分回客户。风险落在谁手里，最终要看合同，不能仅从计费单位推出。
按结果付费，还需要谁来验收
既然 Token 不代表价值，直接按结果付费是否更好？现实产品已经在尝试。本文核对时，Fin 文档把“解决”区分为客户确认与客户未继续求助的推定情形；客户之后回到同一会话继续求助，原有解决计费会被扣除。按配置完成的特定转交也可以构成收费结果。因此，账单上的 outcome 需要阅读具体定义。Fin 官方结果规则，核对于 2026-09-19。
这里应区分三件事：系统完成了一个动作，合同认可了一项交付，顾客获得了实际改善。三者可以重合，也可能分离。这个差距本身不证明供应商存在恶意，但解释了为什么“按结果”需要观察期、撤销和争议规则。
Holmström 与 Milgrom 的多任务委托代理理论提供了分析工具：工作包含多个维度时，对容易测量的指标施加强激励，可能挤压难测量的质量。有时较弱的单项绩效激励反而更合适。Holmström 与 Milgrom，1991。把这一机制用于 Agent 采购，是本文的延伸分析，并非原论文研究了生成式 AI。
继续做一个思想实验。企业按“已解决工单”付款，供应商能选择改进知识库，也能选择改变关闭与升级规则；顾客知道问题是否复发，采购者却通常只能看到日志。一条路径是真正减少重复咨询，双方受益；另一条路径是观察窗口太短或升级太困难，账面指标改善而顾客体验恶化。这是可能的激励分叉，不是对某家厂商实际行为的指控。
要区分两条路径，采购者应检查复发率、人工转接、独立抽样以及争议后是否退费，并问一句：谁定义结果，谁能够推翻结果，失败最终进入谁的成本？供应商若承担更多执行风险，就可能要求风险溢价、限定任务范围或保留免责条款。结果定价不会免费提供一切保障。
Agent 会让企业变小，还是变大
科斯的框架允许两条相反的推演。如果 Agent 降低寻找服务、协调接口和验收交付的成本，小团队就可能更方便地采购外部能力，把更多执行留在市场。但如果它主要降低内部沟通、文档与管理成本，大公司也可能用同一套组织承载更多业务。
区别在于哪一边的成本下降得更多，以及数据、客户关系与责任留在哪里。任务清楚、可独立验收、供应商容易替换时，外部采购更有吸引力；依赖敏感背景、频繁共同调整、错误后果重大时，内部治理的价值可能更高。这是判断框架，实际选择仍要考虑价格、能力和具体合同。
这里还要区分人数、业务规模和市场权力。一家公司减少了员工，并不意味着它控制的资产、客户或交易减少。少人化甚至可以与集中化同时出现。要判断企业是否真的“变小”，至少应分别看人数、营收、外包比例和控制范围。
协议化协作有机会降低更换供应商的成本，但前提是身份、数据和工作记录真的可迁移。若企业把长期记忆、权限体系和验收方式都绑定在一个平台上，接口越顺畅，切换时要重建的东西反而可能越多。开放接口的数量，无法单独回答退出是否容易。
效率收益会落到谁手里
对企业主，管理重点会增加一组新问题：哪类任务允许自动执行，预算何时停止，谁处理异常，哪个结果值得继续投入。应先用历史工单或限定范围试运行，记录完整成本与质量，再判断岗位和供应商配置。拿最低 Token 单价乘以理想调用次数，很容易遗漏组织成本。
对 HR 和正式员工，任务变化比岗位名称更值得观察。Brynjolfsson、Li 与 Raymond 的研究考察了 5,172 名客服人员的 AI 辅助工具引入，报告每小时解决问题数平均提高约 15%，收益在经验较少、技能较低的人员中更明显。这支持特定场景下的辅助效应，不能据此推出自主 Agent 可以替代整个岗位，也不能直接推算裁员比例。〈Generative AI at Work〉，2025。
这带来一个人才培养上的条件性问题。如果公司把初级任务全部自动化，却仍依赖有经验的人判断例外，新人从哪里获得经验？反过来，AI 也可能通过解释和反馈帮助新人学习。所谓“学徒制断裂”应作为待验证风险：观察新人能否独立处理陌生问题、是否获得真实反馈，以及多年后高级人才是否仍可持续培养。
对灵活用工者，Agent 可能让一个专业人士交付过去需要小团队完成的项目，也可能压低可标准化服务的价格。能够保留客户关系、领域判断和交付责任的人，与只出售通用动作的人，未必面对相同的市场。应衡量扣除订阅、获客、返工和等待之后的收入，而不是展示一次惊艳的交付速度。
对模型和平台供应商，投入价格与客户愿意支付的价格之间，还有产品、分发和可信交付。本文的工作假说是：Token 会继续作为底层成本指标，一部分客户合同会向服务等级和结果靠拢；可验证性差、需求探索性强的工作，仍可能适合按量或订阅。多种定价长期并存，比单一模式全面取代更符合前面的机制分析。
从商品经济看，可复制的通用能力供给增加，可能压低某些服务的价格；但训练投入、算力、专有数据、品牌和渠道并未因此免费。低边际调用成本不等于市场价格必然趋零。新增收益可能进入消费者节省的支出、员工报酬、企业利润或平台收费，分配比例取决于竞争和议价。
对社会而言，任务生产率、企业利润与公众福利也需要分别观察。Autor 对自动化历史的讨论强调，技术既替代任务，也可能与其他任务互补；就业结果还受到需求和工作重组影响。Autor，2015。如果收入越来越来自多个项目和平台，就需要讨论保障与培训怎样随人转移；这是制度议题，不能靠把劳动者改称“独立节点”来解决。
智能商品化以后，什么仍然稀缺
从计件到 Agent，可以看到一种反复出现的努力：把工作描述清楚，让投入能够计算，让结果能够交换。这种努力扩大了协作范围，也不断暴露出计价之外的部分——难以提前说明的背景、无法立刻观察的质量，以及出现争议以后必须兑现的承诺。
当可调用的通用能力更便宜，企业仍需回答做什么、凭什么相信结果、怎样维护客户关系，以及失败后如何补救。目标定义、可信数据、判断力和责任承担可能变得相对稀缺；但谁会由此获得更高收入，仍取决于这些能力是否真的难以替代，以及能否保留议价权。
因此，评价一个 Agent 方案，可以回到那张采购单：它承诺交付什么，我们怎样验收，剩下的工作由谁继续完成？把这三件事写清，才能知道效率究竟提高了多少，也才能看见人类协作的哪些部分仍值得长期投入。
文献与复核路径
以下来源按论证用途列出。历史理论用于解释机制；调查和实证研究受其样本限制；厂商资料只证明公开规则。本文三张图均为原创概念图，不含实测成本比例。
- Adam Smith，1776，An Inquiry into the Nature and Causes of the Wealth of Nations，第一篇第一章。公开文本入口。分工的经典讨论。
- Frederick Winslow Taylor，Shop Management，1903 年首次发表；所链电子版标注 1911 年版。全文。时间研究、计件和劳资激励；案例为作者自述。
- Ronald H. Coase，1937，〈The Nature of the Firm〉，Economica 4(16): 386–405。DOI。市场交易与企业内部协调的比较。
- Herbert A. Simon，1951，〈A Formal Theory of the Employment Relationship〉，Econometrica 19(3): 293–305。论文入口。雇佣中的权威与可接受行动范围。
- Walter W. Powell，1990，〈Neither Market Nor Hierarchy: Network Forms of Organization〉，Research in Organizational Behavior 12: 295–336。作者公开全文。关系、互惠与网络协调。
- The Henry Ford，1914 年五美元工作日相关馆藏说明。档案。工资、人员流动与资格审查背景。
- Jae Song、David J. Price、Fatih Guvenen、Nicholas Bloom、Till von Wachter，2019，〈Firming Up Inequality〉，Quarterly Journal of Economics 134(1): 1–50。DOI、作者机构摘要。美国企业与劳动者排序研究，非科技行业薪酬普查。
- ILO，2018，Digital Labour Platforms and the Future of Work: Towards Decent Work in the Online World。报告。五个微任务平台的跨国劳动调查。
- Uma Rani 与 Rishabh Kumar Dhir，2024，〈The Artificial Intelligence Illusion: How Invisible Workers Fuel the “Automated” Economy〉。ILO 文章。AI 供应链中的人类劳动。
- Anthropic，〈Pricing〉。官方文档。输入、输出、缓存等计费类别；核对于 2026-09-19。
- Salesforce，〈Agentforce Pricing〉。官方页面。动作积分、会话与用户许可；核对于 2026-09-19。
- Intercom，〈Fin AI Agent Outcomes〉。官方规则。结果定义、推定解决与后续扣除；核对于 2026-09-19。
- Bengt Holmström 与 Paul Milgrom，1991，〈Multitask Principal–Agent Analyses: Incentive Contracts, Asset Ownership, and Job Design〉，Journal of Law, Economics, & Organization 7，special issue: 24–52。期刊入口。多维任务与激励失衡。
- Erik Brynjolfsson、Danielle Li、Lindsey R. Raymond，2025，〈Generative AI at Work〉，Quarterly Journal of Economics 140(2): 889–942。DOI、作者机构摘要。客服辅助工具的生产率和异质性；采用期刊版本口径。
- David H. Autor，2015，〈Why Are There Still So Many Jobs? The History and Future of Workplace Automation〉，Journal of Economic Perspectives 29(3): 3–30。论文。任务替代、互补与就业调整。