代幣定價簡單、可擴展且開發者熟悉，但對企業買家來說可能變得困難。一家公司可能在聊天、文件分析、編碼、客戶支持和內部代理中產生數百萬或數十億代幣，但仍難以說明這些代幣是否創造了可衡量的價值。

隨著 AI 進入代理工作流程，問題變得更加尖銳。代理可以反覆調用、搜索文件、檢查代碼、瀏覽工具、重試失敗步驟並產生長的推理軌跡。這會迅速增加使用量，但只有當代理準確完成任務並減少人力負擔時，企業才會受益。

Karp 批評企業可能為 AI 使用付出代價，卻未獲得相應的成果。這直接挑戰了更多 AI 消耗自動意味著更高生產力的假設。在成熟的企業採購中，模型調用只有在對工作流程結果有貢獻時才有價值。

這一區別對財務長、技術長和運營者非常重要。一個產生大量回應但無法解決工單的支持代理是昂貴的。一個寫代碼但增加審查負擔的編碼助理不是生產力。一個總結文件但忽略關鍵上下文的研究代理可能帶來風險而非價值。

Palantir 更廣泛的訊息是關於 AI 主權：企業應保留對其數據、運營知識、模型、工作流程和決策系統的控制權。在企業 AI 中，專有上下文往往是真正的資產。它包括客戶關係、定價邏輯、供應鏈、內部流程、專家判斷和數據連接。

這為 AI 買家帶來信任問題。如果供應商以不明確的方式使用客戶數據，或者企業無法審計 AI 系統如何與專有信息互動，成本問題就變成了控制問題。企業不想付錢去訓練一個可能日後削弱自身優勢的系統。

這場辯論有利於能將 AI 直接連結到工作流程成果的平台。Palantir 自身的定位集中在本體論、運營上下文和安全部署，但同樣原則適用於整個市場：買家想要的是理解業務流程的系統，而不僅僅是生成流暢回答的模型。

這可能推動行業朝向基於完成任務、具有明確生產力指標的席位、工作流程層級的投資回報、部署價值或混合模型的定價方式發展，其中代幣使用只是商業結構的一部分。AI 越來越成為運營基礎設施，客戶就越會要求與業務影響相對應的定價。