企业软件卖AI，通常有两种套路：要么打包塞给你说"未来已来"，要么按调用量计费让你心里没底。ServiceNow选了第三条路——把AI能力切成三档，让客户自己选"吃多少"。
结果？客户不仅没跑，预算还涨了。高级副总裁John Aisien最近对外披露，这套分级定价模型上线后，客户平均AI相关支出增长47%。
三档套餐：从"帮忙写"到"自己干"
ServiceNow的新定价体系把AI塞进三个筐。Assistive AI（辅助型）是最基础的——帮你总结文档、生成内容，相当于配了个实习生。中间档Task Automation（任务自动化）能独立完成单点工作，从触发到收尾不用人插手。最狠的是Full Role Automation（全角色自动化），AI工作流自主运转，人只负责兜底。
「无论组织准备好接受辅助型AI、AI自动化，还是完全自主的角色自动化，我们都推出了新的打包模式，让客户能接触到按这三类划分的全部ServiceNow价目表，」Aisien说。
这套逻辑很像健身房卖卡：月卡、季卡、年卡摆在那儿，你觉得能练几次就买几档。区别在于，ServiceNow的"年卡"客户是真的在批量采购——据Aisien透露，选择Full Role Automation的企业中，约三分之一在签约后6个月内追加购买了额外容量。
分级定价的隐藏好处是降低了决策摩擦。以前卖AI像推销黑箱，客户不知道花多少钱能解决多大问题；现在变成明码标价的阶梯，CFO能算清ROI，CTO能规划路线图，各司其职。
Build Agent SDK：7,000个开发者的"投诚"计划
第二个大招被Aisien称为"真正的游戏规则改变者"——Build Agent SDK。这个工具让开发者能在自己熟悉的任何环境里写ServiceNow应用，GitHub Copilot、Cursor、Codex，或者各种自然语言"vibe coding"工具都行。
「我们希望全球尽可能多的开发者——无论他们用什么开发形态、什么开发体验——都能快速构建ServiceNow工作负载并运行起来。Build Agent SDK就是兑现这个承诺的技术载体，」Aisien说。
他举了个具体例子：宾夕法尼亚州一家生命科学公司，总共8,000名开发者，只有650人用ServiceNow Studio。剩下7,000多人不是没兴趣，是开发者对工具极度忠诚，换环境比换编程语言还难受。
Build Agent SDK的本质是"到用户的地盘去"。ServiceNow不再强迫开发者进自己的IDE，而是把平台能力拆成API和SDK，塞进开发者已经在用的工具链。这7,000人的潜在池子，就是ServiceNow觊觎的增长空间。
更深层的变化是开发范式的转移。vibe coding（氛围编程）让非专业开发者用自然语言描述需求就能生成代码，ServiceNow此时开放SDK，等于在平民化开发浪潮里提前卡位。Aisien没透露具体数字，但提到早期采用者中"有相当比例"是从未接触过ServiceNow的新开发者。
Context Engine：把Netflix的"猜你喜欢"搬进ERP
第三个产品Context Engine（上下文引擎）听起来最抽象，但Aisien给它定了性：企业AI落地的"最后一公里技术"。
简单说，这是把消费互联网的个性化逻辑搬进企业软件。Netflix根据你的点击、悬停、暂停来推荐内容；Amazon从你的浏览轨迹里猜你要买什么。Enterprise software（企业软件）在这块落后了十几年，AI正在逼它补课。
「历史上下文和持续学习，这在消费应用里已是常态。企业软件一直没学好这个老套路。AI正在迫使这个架构变成现实。为什么？因为AI就是软件，最终需要数据来做自主决策，」Aisien解释。
Context Engine收集的是企业场景里的"数字肢体语言"：你在IT工单系统里优先看哪类字段，审批流程中经常卡在哪个环节，搜索知识库时用哪些关键词组合。这些信号喂给AI，系统就能预判你要什么、下一步可能做什么。
举个例子：一个HR经理每次打开系统都先筛选"待处理的入职申请"，Context Engine学会后，下次登录直接推送这个视图，甚至预加载相关文档。省下的不是几秒钟，是认知负荷的累积——企业用户每天要在十几个系统里切换，任何能减少决策疲劳的设计都是硬通货。
Aisien强调，这套引擎是自主AI的基础设施。"没有上下文，AI就是瞎子摸象；有了上下文，它才能在企业规模上真正运转。"
AI即渠道：ServiceNow的"喂猪"哲学
原文标题里的"gorge at the trough（在食槽前狼吞虎咽）"是个农场隐喻：ServiceNow把自己变成AI能力的分发渠道，客户像猪一样在槽前越吃越多。这说法带点黑色幽默，但精准描述了商业模式的转型。
传统SaaS卖的是功能清单，ServiceNow现在卖的是AI成熟度曲线上的位置。三档定价不是终点，是起点——客户从Assistive AI入门，尝到甜头后自然往Task Automation升级，最终目标是Full Role Automation。每升一档，客单价呈非线性增长。
更隐蔽的杠杆是数据飞轮。Context Engine收集的企业行为数据，反过来训练更准的AI模型，模型越好客户越依赖，依赖越深数据越多。Aisien没提竞争壁垒这个词，但描述了同样的结构："AI需要数据做自主决策"，而数据在客户使用过程中持续产生。
Build Agent SDK则是横向扩张的抓手。8,000人里650人的渗透率太低了，ServiceNow要的是让那7,000人"无痛尝试"。一旦他们在自己熟悉的工具里写出第一个ServiceNow应用，迁移成本就开始累积——不是锁定，是习惯的重力。
这套组合拳的底气来自 partnerships（合作伙伴关系）。Aisien负责与Anthropic、Microsoft等公司的战略合作，意味着ServiceNow的AI能力不是全自建，而是嫁接生态。分级定价里的"Full Role Automation"，底层可能有Claude或GPT-4在跑；Build Agent SDK兼容Copilot，是借力也是借势。
企业软件行业正在经历一场"AI渠道化"重组。Salesforce有Einstein，Workday有AI，SAP有Joule，但ServiceNow的差异化在于把AI变成可选购的模块化能力，而不是捆绑销售的黑箱。客户知道自己买什么、花多少、能换什么，透明度本身成了卖点。
Aisien透露的一个细节值得玩味：在分级定价推出前，ServiceNow内部争论过是否要保留"无AI"的基础版。最终方案是全部套餐都含AI，只是剂量不同。这相当于宣布纯传统软件路线已死——不是ServiceNow不卖了，是市场不会买了。
那个宾夕法尼亚生命科学公司的故事还有后续。Build Agent SDK试点三个月后，原本650人的ServiceNow开发者社群扩张到1,200人，新加入者中70%来自那7,000人的"外部池子"。他们没换工具，只是工具能连到ServiceNow了。
当你的竞争对手还在争论"AI会不会取代工作流"时，ServiceNow已经在问客户：你想让AI帮你多少？三成、七成，还是全包？这个问题本身，就是一笔好生意。
如果AI能力的分级定价成为行业标准，下一个问题是：当所有SaaS都变成"AI剂量可调"的药房，客户会不会反而患上选择困难症？
热门跟贴