保险模式设计器

一句话定位

为 AI 的结果提供担保：成功才收费，失败不收费。

何时触发

• AI 产品的结果可以明确定义
• 用户愿意为"确定的结果"付费
• 出错的代价可以量化
• 有能力承担偶然的失败

输入

产品场景 + 成功标准 + 失败成本。

示例输入：

产品: AI 税务申报助手
场景: 帮助个人和企业申请税收退回
成功标准: 成功帮助用户获得税收退回
失败成本: 每次失败损失人工审核成本约 50 元

设计步骤

Step 1: 定义"成功"标准

任务：明确什么算"成功"，什么算"失败"。

输出：

成功标准:
  definition: "成功的明确定义"
  measurable: "是否可量化"
  verification: "如何验证成功"
  edge_cases: ["边界情况"]

Step 2: 评估风险与成本

任务：计算每次失败的成本和发生概率。

输出：

风险评估:
  failure_rate: "失败率估算"
  cost_per_failure: "每次失败成本"
  expected_cost: "预期成本"
  risk_mitigation: ["风险缓解措施"]

Step 3: 设计收费模式

任务：将风险转化为可持续的收费策略。

收费方式：

收费模式:
  - 成功费: "按成功次数收费（如 $0.99/次解决）"
  - 成果分成: "按结果价值比例收费（如退税额的 10%）"
  - 保底 + 分成: "基础费 + 超额分成"
  - 订阅保险: "月费保证最大次数的成功"

Step 4: 设计风险控制

任务：确保失败在可控范围内。

输出：

风险控制:
  max_exposure: "最大风险暴露"
  stop_loss: "止损线"
  escalation: "风险上升处理"
  insurance_pool: "是否需要风险准备金"

综合输出格式

insurance_mode_design:
  input:
    product: "产品名称"
    scenario: "使用场景"
    success_criteria: "成功标准"
    failure_cost: "失败成本"

  success_definition:
    definition: "成功定义"
    measurable: "可量化"
    verification: "验证方法"
    edge_cases: ["边界情况"]

  risk_assessment:
    failure_rate: "失败率"
    cost_per_failure: "每次失败成本"
    expected_cost: "预期成本"
    mitigation: ["缓解措施"]

  pricing:
    model: "收费模式"
    unit: "计费单位"
    rate: "费率"
    example: "计算示例"

  risk_control:
    max_exposure: "最大暴露"
    stop_loss: "止损线"
    escalation: "上升处理"
    reserve: "风险准备金"

  unit_economics:
    revenue_per_success: "每次成功收入"
    cost_per_failure: "每次失败成本"
    break_even_rate: "盈亏平衡点"
    margin_at_target: "目标利润率"

示例：AI 税务申报助手

设计：

• 成功标准：帮助用户获得税收退回
• 收费：退税额的 10-20%
• 风险控制：最高保证 50 万元/单
• 盈亏平衡：成功率 > 60% 即可盈利

常见误判

• 成功标准不清："成功"定义模糊，导致收费争议
• 低估失败率：实际失败率高于预估，导致亏损
• 风险暴露过大：没有设置止损线，一次大失败就倒闭

一句判断

保险模式的核心不是承担风险，而是精确计算风险并将其转化为价值。