摘要： 2026 年 4 月 9 日起，ServiceNow 的全新授權架構正式上路：整條產品線重組為 Foundation、Advanced、Prime 三種方案，AI 從外加購的模組變成平台內建的能力。TechTarget 在 4 月 10 日的報導交代了這波調整的背景——企業把 AI 從實驗推向生產環境時，部署難以落地、成本難以估算兩道關卡同時出現，這次重新打包正是為了解決 ROI 難題。
2026 年 4 月 9 日起，ServiceNow 的全新授權架構正式上路：整條產品線重組為 Foundation、Advanced、Prime 三種方案，AI 從外加購的模組變成平台內建的能力。TechTarget 在 4 月 10 日的報導交代了這波調整的背景——企業把 AI 從實驗推向生產環境時，部署難以落地、成本難以估算兩道關卡同時出現，這次重新打包正是為了解決 ROI 難題。
對採購端與產品端團隊而言，這套三級方案是「Agent 經濟」計費走向收斂的具體樣本：一旦 AI 開始接手原本由人力完成的工作，per-seat 的 SaaS 慣例就必須跟著重寫。
三個等級各自涵蓋什麼：從摘要到整個職位
Foundation 處理生成式任務：摘要、洞察與資料擷取。Advanced 在這之上納入確定性工作流，以及交由 AI agent 執行的特定任務。Prime 則保留給準備讓 agent「取代整個職位」的企業，例子落在第一線（Level 1）服務台。
三個等級同時收進了過去要分開購買的基礎層：EmployeeWorks 的子集（agent 的「對話前門」）、Workflow Data Fabric、AI Control Tower，以及全新登場的 Context Engine。
費用結構拆解：座位授權、用量計量與 token 池
計費設計採混合制：以 per-seat 授權為底，加上依管理資產與儲存量計算的計量費用，再附上一池 AI token，可由客戶按優先順序調度給不同工作負載。牌價雖未公布，架構本身卻已指出方向：由廠商吸收一部分用量波動帶來的複雜性，客戶換到的是更可預測的帳單。
John Aisien 是 ServiceNow 中央產品管理與安全風險事業群的 SVP，他的說法是客戶能「用對的 AI 子集，把旋鈕轉到自己成熟度所在的位置」；他對舊制的比喻是賣車卻不附方向盤與雨刷——那些前提功能以前得另外付費，現在則直接包進方案裡。
Traceloop 併購與 Context Engine：補上觀測這塊拼圖
整個重新打包的技術核心是 Context Engine，它的基礎來自 ServiceNow 於 2026 年 3 月併購的 Traceloop。這家公司負責維護 OpenLLMetry，一套以 OpenTelemetry 為基礎的開源 LLM 觀測框架，IBM、Microsoft 都在其使用者之列。Aisien 把 Context Engine 稱作「LLM 決策軌跡擷取系統」：記下每個決策發生的時間與所處情境，用來驅動增量學習，道理近似 Netflix 依使用者行為持續調整推薦。
Traceloop 執行長 Nir Gazit 在併購聲明中直接點破：「AI 觀測不是可選項，是基礎。」這批技術將整進 AI Control Tower，OpenLLMetry 則維持開源身分。
分析師解讀：ROI 主戰場與「暫時」的定價實驗
Moor Insights & Strategy 的 Melody Brue 用了一個生動的比喻：當下的 AI「像一整車買好的菜，卻沒有一頓能做的飯」。她提醒 token 計費照樣可能超支，但打包在一起的情境與治理功能，對正在合併工具的企業具有吸引力；至於這波定價實驗，她的定調是：「這一切都是暫時的。」
IDC 的 Stephen Elliot 視此模式為開出一條「先試再買」的路，並主張勝出者得把實作知識內建到產品中，還要有辦法克服企業內部的政治慣性。
同一週的對照組：定價重設正在擴散
同一週出現了兩個可資對照的案例：HubSpot 從 4 月 14 日起重訂 AI agent 的價格，改按「解決的對話」與「產生的線索」收費，其餘 agent 不用錢；Atlassian 則把 Rovo 與 Teamwork Graph 納入雲端產品，不額外收費。買方這邊的焦慮也藏不住了：AI 產品彼此對不攏的定價口徑，正在演變成 IT 採購的預算惡夢。
拉遠視角來看，這正是企業 AI 邁入下一階段呈現在計費側的縮影：部署進入生產之後，能把成本變得可預測、把 ROI 變得可歸因的廠商，才拿得到續約。評估 Agent 平台時該問的問題已經很具體：token 池如何計價、超支由誰承擔、決策軌跡能否接受審計。