AI正在改写外包经济的逻辑

三十多年来，外包一直基于一个简单的经济理念：如果工作可以被定义、标准化、监控并转移到成本更低的劳动力市场，那么其他人通常可以更便宜地完成它。但这一理念已不再适用。生成式AI不仅帮助程序员更快地编写代码，或让客服人员更高效地回答问题，它正在改变企业曾经理所当然外包给第三方的工作的构建与购买逻辑。这一效应首先体现在IT服务领域，因为该领域的工作是数字化的、可衡量的，并且越来越容易被机器读取。但同样的逻辑也适用于金融、人力资源、采购、客户运营、法律支持、理赔处理、分析——实际上，大多数业务流程外包（BPO）领域。这并不意味着外包会消失。企业仍需要外部专业知识，尤其是在数据工程、网络安全、系统集成和合规等领域，这些领域需要深厚的知识和大量投资，通常与公司的核心业务无关。但AI将摧毁旧的外包模式——那种建立在劳动力套利、离岸规模、费率卡和以人员数量和服务水平衡量长期合同基础上的模式。因此，企业的结构——即哪些在公司内部，哪些在外部——也将发生改变，甚至可能是剧变。

市场已开始感知到这种变化。2026年2月的一周内，印度上市IT服务公司的市值蒸发了约1000亿美元。Nifty IT指数在五个交易日内下跌超过9%。触发因素是一套旨在自动化合同审查、合规工作流和编码的企业AI工具的发布。更深层的信号是投资者两年来一直在接近的事实：建立现代外包行业的交易已不再成立。到5月，塔塔咨询、Infosys和HCL Technologies的股价跌至多年低点。印度IT的领头羊TCS宣布了其历史上最大规模的裁员：12,000个岗位，约占其员工总数的2%。在业务流程领域，这种变化更为剧烈。全球最大的联络中心运营商Teleperformance在其股价暴跌后，瑞典金融科技公司Klarna公开声称其AI助手已经吸收了700名客服人员的工作。即使是全球服务业的黄金标准埃森哲，其股价也从52周高点下跌了约40%。市场虽然不是完美的预言者，但很少在方向上出错。

二十年前，托马斯·达文波特在《哈佛商业评论》中指出，业务流程的标准化将“大幅提高外包的水平和广度”。他是对的。而现在发生的是这一趋势的逆转。许多曾外包的工作将回到内部，由AI自动化并由小型专家团队监管。原因简单且无可辩驳：AI改变了基本经济逻辑。导致外包的企业性质逻辑现在正引导企业远离外包。

提出不同的问题 多年来，高管们从职能层面提出外包问题：我们应该外包财务吗？我们应该将应用维护离岸吗？我们应该将人力资源运营转移到BPO提供商吗？我们应该对基础设施使用托管服务吗？由于这些流程已经商品化，高管们主要根据成本做出回答。AI使这种分析过于粗糙。AI跟随工作，而不是组织架构图。领导者现在需要检查任务和工作流，并根据价值和成本来回答。要问的问题是：哪些具体任务和流程可以自动化？在财务领域，发票匹配、对账、结账活动、差异分析、催收、政策问题、报告和审计支持具有不同的自动化特征。人力资源、法律合规和其他领域的任务也是如此。考虑四种类型的任务：

1. 常规、数字化、高容量任务，如人力资源案件分流、一级IT支持、理赔录入和标准报告。这些任务具有高自动化潜力；AI可以执行、起草或引导大部分工作。因此，可能的采购决策是在内部自动化，或通过成本大幅降低的供应商保留。

1. 内容丰富、数据敏感的任务，如定价分析、客户保留、供应商付款分析、采购策略和产品决策。对于此类工作，AI增加了第一方数据和业务背景的价值。可能的最佳采购答案是：保留内部，选择性寻求外部支持。

1. 专业但偶发的任务，如税务结构、网络安全事件响应、ERP迁移、精算模型验证、劳动法和复杂尽职调查。在这里，AI增加了专家的杠杆作用，但并未消除对稀缺专业知识的需求。这类任务可能继续外包，但会转向更小、技能更高的专家团队。

1. 受监管、高责任、判断密集型的任务，如理赔拒绝、法律签署、贷款决策、临床上诉、并购建议和合规判断。对于此类任务，AI可以准备证据、发现异常并起草建议，但责任必须由人类承担。这些任务适合混合模式：AI支持的工作、内部问责、外部专家审查以及通过风险论坛而非简单的服务水平协议进行治理。

AI最佳自动化的任务具有几个特征：工作产品是数字化的；任务重复且数量大；质量标准可衡量；流程依赖于规则、先例、文档、结构化数据或机构知识。其中许多任务不再受益于外包和劳动力套利，因为AI可以执行或加速相当一部分工作。

获得不同的答案 AI不会产生单一的采购答案。但当问题从任务和工作流层面提出时，不同的答案成为可能。以下是我们与客户合作中的例子：

一家全球消费品公司最近评估了日本和美国财务部门的AI赋能和外包选项。第一波代理自动化并未改变整个职能。它在约六个月内捕获了约10%的适度价值机会。但结果改变了对话。该公司此前一直在询问哪些财务活动可以外包。在看到早期AI带来的节省后，领导者开始开发一个更大胆的AI驱动财务模型，显著减少外包需求。

一家全球食品公司评估了美国和欧洲的财务、IT和人力资源活动。早期的AI试点显示出足够的潜力，以至于BPO供应商提出了创新且成本更低的方案，在合适的地方应用AI，自动化部分工作，并将剩余部分外包。在这个案例中，AI并未将供应商排除在外，而是改变了供应商的角色。这使得公司能够受益于供应商的专业知识，而无需内部构建所有AI能力。

一家大型医疗保健公司正在考虑外包理赔管理。对个别任务的仔细分析显示，重要机会主要不是劳动力节省；更大的价值池在于供应商付款错误、理赔泄漏、编码错误、重复付款和合同配置问题等领域。公司不需要将大量工作转移给供应商；它需要为其员工配备AI驱动的洞察力，以便他们能够发现并处理以前难以检测的价值。

私募股权公司也在进行同样的转变。历史上，当PE公司需要快速降低投资组合公司的成本时，离岸外包会早早出现在计划中。如今，PE和投资组合公司领导者首先想知道哪些工作流可以自动化。然后他们才决定哪些应该保留、外包或重新设计。这个顺序很重要。外包可能锁定错误的运营模式。先分析工作可以揭示剩下的是什么、需要哪些技能以及由谁执行。

现在该做什么 新的外包模式对购买外包服务和提供外包服务的公司都有直接的实践意义。

购买者应在四个方面迅速行动：

• 将工作分解到任务层面：不要只问财务、HR、IT、法律或理赔是否应该外包。问这些职能中的哪些任务可以自动化、增强、保留或转移。
• 重新定价工作：要求供应商展示AI如何改变成本、质量、周期时间、风险和控制。仅因劳动力成本降低而降低的离岸费率已不再足够。
• 重写合同：建立生产率传递、结果指标、数据权利、可审计性、模型风险控制以及提示、代码、知识库和流程文档的所有权。
• 加强保留的组织：公司不需要重建大型共享服务中心。但他们需要理解工作、数据、AI工具和业务成果的人，以便管理代理和供应商。

提供商也不能在AI对其旧模式的颠覆中被动。技术支出并未减少；他们有机会保持份额，但必须做出一些战略选择：

• 在客户之前吃掉旧模式：利用AI降低传统服务的成本并分享生产率提升。
• 向上游移动：在架构、数据工程、网络安全、治理、产品管理、工作流重新设计和业务成果方面竞争。
• 产品化专业知识：构建可复用的代理、工作流、行业特定剧本和分析资产。
• 改变商业模型：从基于劳动力的定价转向基于结果、管理AI工作流、生产率保证和收益分享。
• 重塑人才金字塔：旧模式依赖于大型初级交付团队。新模式将需要更多领域专家、工程师、架构师、产品负责人、治理领导者和变革管理者。

迈向新型组织 战略问题不再是“这项工作在哪里可以最便宜地完成？”，而是“我们应该拥有这项工作的哪些部分，因为AI使它们成为速度、学习、控制和价值的来源？”这是一个真正的逆转。外包将许多内部服务变成了外部成本。AI给公司一个机会，将其中一些服务变为性能引擎。率先行动的公司不会仅仅用机器取代供应商。他们将重新设计工作，重建重要的保留能力，并以更有针对性和高价值的方式使用外部合作伙伴。