人工智能需要一个更严格的商业模式：按结果付费，而不是为演示获得掌声。在美国，实际的对话已经开始进入普通商业运营。小企业管理局在2026年9月17日的在线研讨会中列出了关于错过的电话、提醒、被忽视的跟进和重复数据输入的内容。这是理解人工智能经济学的一个有用起点：在选择软件之前，识别一个昂贵的问题。没有付费客户的聪明机器仍然是一种开支。 现有的采用证据表明存在机会，但并不是一块未开发的金矿。在2026年5月26日的分析中，美国人口普查局报告称，从2025年12月到2026年5月初，商业AI使用率在17%到20%之间波动。这些是历史观察，而不是9月的采用估计。该局还解释说，它在2025年11月将问题的范围从用于生产商品或服务的AI扩大到用于任何商业功能的AI。这一区别很重要：偶尔撰写一封电子邮件和围绕自动化建立一个盈利的运营并不是同等的成就。 理论一是生产套利：利用AI减少交付客户已经购买的东西所需的时间，然后保留差额。一个假设的专家可以以商定的项目价格出售编辑过的产品描述、翻译的培训材料或量身定制的销售演示。如果生产和检查变得更便宜而不损害质量，利润率就会提高。吸引力很简单：可以在构建复杂产品之前测试服务。弱点同样明显。更快的生产并不会自动在寻找客户、赢得信任或抵御使用类似工具的竞争对手的价格方面创造优势。当卖方提供客户无法仅从提示中获得的专业知识、分销或判断时，这种模式最有意义。 理论二是自动化代理：出售使另一家企业更具生产力的系统的安装和维护。它最强的论点是生产力提升可以是真实的。2025年5月的《经济学季刊》上发表的一项研究考察了5,172名客户支持代理，发现AI辅助每小时解决的问题平均增加了15%，不同工人之间存在显著差异。该发现支持特定工作场所的使用，而不是普遍的收益承诺。代理仍需确定其特定安装是否节省了加班费、扩大了有效产能或改善了客户保留。节省的分钟并不自动转化为赚取的美元。 这两种理论的弱版本是被动收入的推销：购买访问权限，开启技术，然后等待收入。官方执法记录提供了怀疑的理由。在2026年4月的国会证词中，联邦贸易委员会描述了对几家做出与AI相关声明的商业机会运营商（包括Ascend Ecom）实施禁令的情况。证词称，该委员会指控该运营商通过虚假承诺从消费者那里获取了至少2500万美元。这段历史并不谴责AI创业。它谴责的是用令人印象深刻的术语替代关于客户结果和商业经济学的证据。 更有趣的替代方案是AI辅助的采购回收服务：寻找企业已经多支付的资金，记录差异，并仅在回收实现时获得协商的份额。一个提议的试点可以集中在一个批发商的供应商发票、付款记录、采购订单和信用票据上。AI将帮助从不一致的文件中提取信息并识别可能的不匹配；普通计算和人工审查将确定是否确实存在重复付款或缺失的信用。每个候选回收都需要一个证据包，将原始文件链接在一起。这是一个提议的应用，而不是声称一个现成的模型可以在没有监督的情况下可靠地审计一个企业。 商业差异在于问责制。运营商将出售一个有文档支持的回收过程，而不是出售一个聊天机器人或模糊的效率承诺。协议应排除客户员工已识别的差异，建立回顾期，并定义付款是否依赖于现金退款或实际应用的信用。一个假设的参与说明了算术：20,000美元的合格、实现的回收在协商的20%成功费用下将产生4,000美元的收入。如果总参与成本，包括销售努力、软件、人工审查和分配的间接费用为1,500美元，剩余的将是2,500美元，税前。每个数字都是假设，而不是市场价格或收益预测。没有回收的参与可能会亏损。 提议的保障措施与销售推介同样重要。访问应从授权的只读记录开始，限制在参与所需的信息范围内。运营商应同意保留和删除条款，测试提取准确性，并要求合格的审查员在供应商收到每个索赔之前批准。语言模型不应授权付款、修改银行详细信息或编造退款的合同基础。当电子表格或常规匹配规则解决问题时，应替代AI步骤。该服务还应避免将商业发票对账呈现为受监管的审计或提供超出其能力的法律或税务结论。 最棘手的问题是可重复性。第一次审查可能会发现一个从未返回的积压，而成功的预防可能会减少未来的回收费用。因此，运营商需要测试单独定价的监控服务是否提供足够的持续价值以获得续订。潜在客户应根据足够的交易量、可访问的记录和验证结果的意愿进行选择，而不仅仅是对AI的热情。人口普查局在2026年5月7日发布的消息提供了关于行业和企业规模的采用补充数据，以及商业用途和支持的任务。这些证据可以帮助框定市场研究，但只有付费试点才能确定这一特定服务是否具有商业价值。