AI正在改寫外包經濟的邏輯

三十多年來，外包一直基於一個簡單的經濟理念：如果工作可以被定義、標準化、監控並轉移到成本更低的勞動力市場，那麼其他人通常可以更便宜地完成它。但這一理念已不再適用。生成式AI不僅幫助程序員更快地編寫代碼，或讓客服人員更高效地回答問題，它正在改變企業曾經理所當然外包給第三方的工作的構建與購買邏輯。這一效應首先體現在IT服務領域，因為該領域的工作是數字化的、可衡量的，並且越來越容易被機器讀取。但同樣的邏輯也適用於金融、人力資源、採購、客户運營、法律支持、理賠處理、分析——實際上，大多數業務流程外包（BPO）領域。這並不意味着外包會消失。企業仍需要外部專業知識，尤其是在數據工程、網絡安全、系統集成和合規等領域，這些領域需要深厚的知識和大量投資，通常與公司的核心業務無關。但AI將摧毀舊的外包模式——那種建立在勞動力套利、離岸規模、費率卡和以人員數量和服務水平衡量長期合同基礎上的模式。因此，企業的結構——即哪些在公司內部，哪些在外部——也將發生改變，甚至可能是劇變。

市場已開始感知到這種變化。2026年2月的一週內，印度上市IT服務公司的市值蒸發了約1000億美元。Nifty IT指數在五個交易日內下跌超過9%。觸發因素是一套旨在自動化合同審查、合規工作流和編碼的企業AI工具的發佈。更深層的信號是投資者兩年來一直在接近的事實：建立現代外包行業的交易已不再成立。到5月，塔塔諮詢、Infosys和HCL Technologies的股價跌至多年低點。印度IT的領頭羊TCS宣佈了其歷史上最大規模的裁員：12,000個崗位，約佔其員工總數的2%。在業務流程領域，這種變化更為劇烈。全球最大的聯絡中心運營商Teleperformance在其股價暴跌後，瑞典金融科技公司Klarna公開聲稱其AI助手已經吸收了700名客服人員的工作。即使是全球服務業的黃金標準埃森哲，其股價也從52周高點下跌了約40%。市場雖然不是完美的預言者，但很少在方向上出錯。

二十年前，托馬斯·達文波特在《哈佛商業評論》中指出，業務流程的標準化將“大幅提高外包的水平和廣度”。他是對的。而現在發生的是這一趨勢的逆轉。許多曾外包的工作將回到內部，由AI自動化並由小型專家團隊監管。原因簡單且無可辯駁：AI改變了基本經濟邏輯。導致外包的企業性質邏輯現在正引導企業遠離外包。

提出不同的問題 多年來，高管們從職能層面提出外包問題：我們應該外包財務嗎？我們應該將應用維護離岸嗎？我們應該將人力資源運營轉移到BPO提供商嗎？我們應該對基礎設施使用託管服務嗎？由於這些流程已經商品化，高管們主要根據成本做出回答。AI使這種分析過於粗糙。AI跟隨工作，而不是組織架構圖。領導者現在需要檢查任務和工作流，並根據價值和成本來回答。要問的問題是：哪些具體任務和流程可以自動化？在財務領域，發票匹配、對賬、結賬活動、差異分析、催收、政策問題、報告和審計支持具有不同的自動化特徵。人力資源、法律合規和其他領域的任務也是如此。考慮四種類型的任務：

1. 常規、數字化、高容量任務，如人力資源案件分流、一級IT支持、理賠錄入和標準報告。這些任務具有高自動化潛力；AI可以執行、起草或引導大部分工作。因此，可能的採購決策是在內部自動化，或通過成本大幅降低的供應商保留。

1. 內容豐富、數據敏感的任務，如定價分析、客户保留、供應商付款分析、採購策略和產品決策。對於此類工作，AI增加了第一方數據和業務背景的價值。可能的最佳採購答案是：保留內部，選擇性尋求外部支持。

1. 專業但偶發的任務，如税務結構、網絡安全事件響應、ERP遷移、精算模型驗證、勞動法和複雜盡職調查。在這裏，AI增加了專家的槓桿作用，但並未消除對稀缺專業知識的需求。這類任務可能繼續外包，但會轉向更小、技能更高的專家團隊。

1. 受監管、高責任、判斷密集型的任務，如理賠拒絕、法律簽署、貸款決策、臨牀上訴、併購建議和合規判斷。對於此類任務，AI可以準備證據、發現異常並起草建議，但責任必須由人類承擔。這些任務適合混合模式：AI支持的工作、內部問責、外部專家審查以及通過風險論壇而非簡單的服務水平協議進行治理。

AI最佳自動化的任務具有幾個特徵：工作產品是數字化的；任務重複且數量大；質量標準可衡量；流程依賴於規則、先例、文檔、結構化數據或機構知識。其中許多任務不再受益於外包和勞動力套利，因為AI可以執行或加速相當一部分工作。

獲得不同的答案 AI不會產生單一的採購答案。但當問題從任務和工作流層面提出時，不同的答案成為可能。以下是我們與客户合作中的例子：

一家全球消費品公司最近評估了日本和美國財務部門的AI賦能和外包選項。第一波代理自動化並未改變整個職能。它在約六個月內捕獲了約10%的適度價值機會。但結果改變了對話。該公司此前一直在詢問哪些財務活動可以外包。在看到早期AI帶來的節省後，領導者開始開發一個更大膽的AI驅動財務模型，顯著減少外包需求。

一家全球食品公司評估了美國和歐洲的財務、IT和人力資源活動。早期的AI試點顯示出足夠的潛力，以至於BPO供應商提出了創新且成本更低的方案，在合適的地方應用AI，自動化部分工作，並將剩餘部分外包。在這個案例中，AI並未將供應商排除在外，而是改變了供應商的角色。這使得公司能夠受益於供應商的專業知識，而無需內部構建所有AI能力。

一家大型醫療保健公司正在考慮外包理賠管理。對個別任務的仔細分析顯示，重要機會主要不是勞動力節省；更大的價值池在於供應商付款錯誤、理賠泄漏、編碼錯誤、重複付款和合同配置問題等領域。公司不需要將大量工作轉移給供應商；它需要為其員工配備AI驅動的洞察力，以便他們能夠發現並處理以前難以檢測的價值。

私募股權公司也在進行同樣的轉變。歷史上，當PE公司需要快速降低投資組合公司的成本時，離岸外包會早早出現在計劃中。如今，PE和投資組合公司領導者首先想知道哪些工作流可以自動化。然後他們才決定哪些應該保留、外包或重新設計。這個順序很重要。外包可能鎖定錯誤的運營模式。先分析工作可以揭示剩下的是什麼、需要哪些技能以及由誰執行。

現在該做什麼 新的外包模式對購買外包服務和提供外包服務的公司都有直接的實踐意義。

購買者應在四個方面迅速行動：

• 將工作分解到任務層面：不要只問財務、HR、IT、法律或理賠是否應該外包。問這些職能中的哪些任務可以自動化、增強、保留或轉移。
• 重新定價工作：要求供應商展示AI如何改變成本、質量、週期時間、風險和控制。僅因勞動力成本降低而降低的離岸費率已不再足夠。
• 重寫合同：建立生產率傳遞、結果指標、數據權利、可審計性、模型風險控制以及提示、代碼、知識庫和流程文檔的所有權。
• 加強保留的組織：公司不需要重建大型共享服務中心。但他們需要理解工作、數據、AI工具和業務成果的人，以便管理代理和供應商。

提供商也不能在AI對其舊模式的顛覆中被動。技術支出並未減少；他們有機會保持份額，但必須做出一些戰略選擇：

• 在客户之前吃掉舊模式：利用AI降低傳統服務的成本並分享生產率提升。
• 向上游移動：在架構、數據工程、網絡安全、治理、產品管理、工作流重新設計和業務成果方面競爭。
• 產品化專業知識：構建可複用的代理、工作流、行業特定劇本和分析資產。
• 改變商業模型：從基於勞動力的定價轉向基於結果、管理AI工作流、生產率保證和收益分享。
• 重塑人才金字塔：舊模式依賴於大型初級交付團隊。新模式將需要更多領域專家、工程師、架構師、產品負責人、治理領導者和變革管理者。

邁向新型組織 戰略問題不再是“這項工作在哪裏可以最便宜地完成？”，而是“我們應該擁有這項工作的哪些部分，因為AI使它們成為速度、學習、控制和價值的來源？”這是一個真正的逆轉。外包將許多內部服務變成了外部成本。AI給公司一個機會，將其中一些服務變為性能引擎。率先行動的公司不會僅僅用機器取代供應商。他們將重新設計工作，重建重要的保留能力，並以更有針對性和高價值的方式使用外部合作伙伴。