谭寅亮：免费AI到底在赚什么

不妨想想我们怎样使用AI：让它写一封邮件，觉得太客套，就补上一句“自然一点”；让它解释一个问题，发现答错了，告诉它错在哪里。我们没有为这次服务付款，却留下了关于“什么才是好答案”的线索。

如果企业能用好这些线索，就有机会改进产品。因此，免费AI背后除了吸引用户，还有一门从用户身上学习的生意。弄懂这门生意，也就更容易理解：为什么企业愿意把好用的AI免费提供出来，又为什么免费版已经不错，付费版仍要不断寻找新的卖点。

我们与合作者完成的一项研究，近日获国际学术期刊《Information Systems Research》（ISR）接受。我们用理论模型比较了两种做法：只提供付费服务，以及同时提供免费版和付费版。研究发现，在一定条件下，把免费版做得更好，企业反而能赚得更多。但免费版继续变强，也可能让原来的收费方式越来越难维持。

要理解这个看似矛盾的结果，可以先看看免费用户到底贡献了什么。

过去，我们理解互联网的免费服务，往往会想到广告：用户花时间看内容，平台向广告主收费。AI又多了一种获得回报的可能。用户提出真实的问题，指出回答哪里不对，再告诉系统自己更需要什么，这些反馈可以帮助企业发现模型的不足。

比如，设想一位外贸业务员让AI回复客户的催货邮件。AI写得彬彬有礼，业务员却发现，它始终没有说清楚客户最关心的事：货什么时候能到。于是，他补上预计交付时间，解释延误原因，再调整语气。如果这类修正能被整理成合适的训练素材，就有机会帮助模型更好地处理同类问题。

这位业务员可能一直使用免费版，但他的反馈并非没有价值。对AI企业来说，找到产品在哪里不好用，以及怎样才算好用，本身就是改进产品所需要的工作。

企业已经在做这样的尝试。豆包团队在2025年发布的Doubao-1.5-pro技术介绍中披露，团队利用用户反馈发现问题，再经过数据整理、人工与机器协同标注以及模型更新，改善实际使用体验。

当然，一次聊天并不会自动让所有人使用的AI都变聪明。哪些数据可以用于训练，要看服务约定、用户选择和企业的处理流程。企业还要判断反馈是否可靠，把有用的部分整理出来，再验证更新后的模型是不是真的进步了。

所以，用户数量相近的两家企业，从中学到的东西可能很不一样。有人积累了大量对话，却没有解决反复出现的问题；有人能把用户的修改和评价用起来，让下一版产品少犯一些错。免费能带来使用机会，能否从中受益，还要看企业接下来做了什么。

不过，用户贡献了反馈，不代表企业就一定划算。它还要算另外两笔账。

一笔是服务用户花的钱。AI每回答一个问题、处理一份文档，都需要计算资源。用的人越多，使用越频繁，企业就越需要关注总支出。即使单次服务变便宜了，如果使用量增加得更快，总账单还是可能上涨。

另一笔是少收了多少会员费。免费版已经能写邮件、改文案、回答日常问题，一些原本愿意付费的人就会觉得：“现在这样够用了。”免费版越好，这种选择越容易发生。

从用户身上学到的东西、为用户花的钱、可能少收的会员费，合在一起，才是免费AI比较完整的一笔生意账。只看其中一项，都容易得出过于简单的结论。

我们的研究之所以发现“免费版更好，企业有时反而更赚钱”，原因就在这里：更好用的免费版吸引更多人认真使用，带来更多反馈；如果这些反馈帮助企业同时改善免费版和付费版，付费服务也会更有价值。在一定范围内，由此增加的收入，可以超过新增成本和少收的会员费。

这提醒企业，免费版也需要值得用户认真使用。一个只能演示功能、真正做事却处处碰壁的产品，很难让人持续留下来。用户都不愿意用，企业自然也难以从真实使用中获得充分反馈。

但这条路也有边界。当免费版越来越能满足需求，而付费版没有提供足够的新价值时，用户升级的理由就会减弱。即使AI更擅长从反馈中学习，只要这种进步也让免费版变得足够好，原有的会员生意就可能受到影响。

这时，企业需要重新想清楚，用户究竟愿意为什么付费。

偶尔写一封邮件的人，和每天要处理大量客户问题的企业，对服务的要求并不相同。前者可能只需要一个能用的答案，后者还会在意回答是否稳定、能否调用公司的业务资料、同事之间能否协作，以及出问题时有没有服务支持。沿着研究的启示，我们认为，企业应当围绕这些具体需求寻找付费价值。

付费用户同样能提供反馈。在我们的模型中，有些企业通过降低订阅价格，扩大付费用户群，也能获得足够的学习素材。现实企业还可能通过广告、电商或云服务获得收入。这些因素都会改变免费是否划算，研究并没有给出所有AI企业都该免费或都该收费的统一答案。

把视线放到中国AI的发展上，这项研究还有一个值得展开的启示：更多人用上AI之后，产品究竟能够因此进步多少？

工厂维修、商贸服务、企业办公里，有许多在通用问答中不容易遇到的问题。不妨设想，一家工厂用AI提供设备维修建议，老师傅看完说：“这个办法在我们这台机器上行不通，因为运行条件不一样。”这句话里，就包含了模型尚未掌握的业务信息。

如果他的解释只留在一次聊天里，它主要帮助解决眼前的问题。如果企业愿意在适当授权的前提下，把这些经验整理、核实，并与模型团队合作用于改进，后续产品才有机会处理好更多类似任务。业务人员的经验和技术团队的工作，需要在这里接上。

这也说明，“接入了AI”只是应用的开始。项目上线之后，谁来收集反复出现的问题，谁来判断回答是否有用，谁来确认新版本确实减少了返工，都需要有人负责。企业与其满足于增加了一项AI功能，更应追踪它有没有把具体工作做得越来越好。

我们因此建议，评价AI业务时，除了看下载量、活跃用户和调用次数，还要看用户原来做不好的事情，现在是否更容易完成。同类错误有没有减少，一项任务需要的人工修改有没有变少，都比一个笼统的“模型升级了”更容易检验。

投入也要跟着改变。企业花钱吸引新用户的同时，应当为整理反馈和检验效果安排足够的人手。我们的扩展分析考虑了这样一种情况：同类数据积累到一定程度后，再多一些，带来的改进可能越来越小。此时，把已有反馈用好，可能比继续扩大数量更值得投入。

对于产业支持措施，道理也相通。推动AI进入更多场景，可以进一步追问试点之后留下了什么：是否弄清了一个长期困扰用户的问题，是否形成了持续改进的方法，后续产品是否更好用。这样的要求，能让应用推广为下一步发展积累经验。

而要得到长期、真实的反馈，企业需要认真对待用户的信任。尤其在企业应用中，一条有价值的意见，可能涉及内部流程或商业秘密。企业应清楚说明数据的用途，尊重用户的选择，并让参与者看到反馈带来的改善。用户知道自己的意见被认真处理，才更有理由继续提供有用的信息。

最后，还有一笔账属于用户。大家共同帮助AI改进之后，自己是否也得到了相应的好处？

我们的研究发现，免费版虽然让更多人用上AI，也可能帮助企业把产品做得更好，但产品更有用，也可能让企业有条件把付费价格定得更高，拿走较大一部分新增价值。在某些条件下，把用户获得的好处扣除他们支付的费用，所有用户加总后的净收益，甚至可能低于只提供付费服务的情形。这说的是整体结果，并不意味着每个免费用户都吃了亏。

因此，看AI是否让更多人受益，除了看“有没有免费版”，还要看免费版是否真的好用，付费服务是否物有所值。企业有合理回报，才能持续投入；用户能感受到改进，才有理由继续使用和反馈。

回到开头那位从不买会员的用户。他可能不会成为付费客户，却可能帮助企业看见一个需要解决的问题。免费AI能否成为长久的生意，取决于企业能否把这样的参与转化为更好的产品，并提供让不同用户愿意留下、让有需要的人觉得值得付费的服务。

来源｜财新网

作者系谭寅亮，中欧国际工商学院决策科学与管理信息系统教授；鲁薏，中欧国际工商学院市场营销学助理教授