外包經(jīng)濟學(xué)，正在被AI改寫

三十多年來，外包一直建立在一個簡單的經(jīng)濟邏輯之上：如果一項工作可以被定義、標準化、監(jiān)控，并能轉(zhuǎn)移到成本更低的勞動力市場，那么由別人來做通常會更便宜。

這個邏輯已經(jīng)行不通了。

生成式AI不只是幫助程序員更快地寫代碼，或讓客服代理更高效地回答問題。它正在改變企業(yè)對“自建還是購買”的決策邏輯——尤其是對于那些過去通常交由第三方完成的工作。這種影響首先出現(xiàn)在IT服務(wù)領(lǐng)域，因為該領(lǐng)域的工作是數(shù)字化的、可衡量的，并且越來越容易被機器讀取。但同樣的邏輯也適用于財務(wù)、人力資源、采購、客戶運營、法律支持、理賠處理、數(shù)據(jù)分析——實際上，大多數(shù)業(yè)務(wù)流程外包領(lǐng)域——并且相同的趨勢正在顯現(xiàn)。

這并不意味著外包會消失。企業(yè)仍將需要外部專業(yè)能力，特別是在數(shù)據(jù)工程、網(wǎng)絡(luò)安全、系統(tǒng)集成和法規(guī)合規(guī)等領(lǐng)域，這些領(lǐng)域需要深厚的知識和大量投資，且通常與企業(yè)核心業(yè)務(wù)無關(guān)。但AI將瓦解舊的外包模式——那種建立在勞動力套利、離岸規(guī)模、費率表以及主要按人頭和服務(wù)水平來衡量的長期合同之上的模式。

其結(jié)果是，企業(yè)的組織結(jié)構(gòu)——哪些放在公司內(nèi)部、哪些放在外部——也將發(fā)生變化，在某些方面甚至是劇烈的變化。

市場已初現(xiàn)端倪

在2026年2月的某一周內(nèi)，印度上市的IT服務(wù)公司市值蒸發(fā)了約100億美元。Nifty IT指數(shù)在五個交易日內(nèi)下跌超過9%。導(dǎo)火索是一套企業(yè)AI工具的發(fā)布，這些工具旨在自動化合同審查、合規(guī)工作流和編碼。更深層的信號是投資者兩年來一直在逼近的一個事實：締造了現(xiàn)代外包產(chǎn)業(yè)的交易基礎(chǔ)已經(jīng)不復(fù)存在。

到5月份，塔塔咨詢服務(wù)公司、印孚瑟斯和HCL科技公司的股價均已跌至多年低點。印度IT業(yè)的領(lǐng)頭羊TCS宣布了其史上最大規(guī)模的裁員：1.2萬個崗位，約占其員工總數(shù)的2%。在業(yè)務(wù)流程領(lǐng)域，變化更為劇烈。全球最大的呼叫中心運營商Teleperformance股價暴跌，起因是瑞典金融科技公司Klarna公開宣稱，其AI助手已經(jīng)承擔了700名客服代理的工作。即使是全球服務(wù)業(yè)的黃金標桿埃森哲，其股價也從52周高點下跌了約40%。

市場并非完美的預(yù)言者，但它們在大方向上很少出錯。二十年前，托馬斯·達文波特曾在《哈佛商業(yè)評論》撰文指出，業(yè)務(wù)流程的標準化將“極大地提高外包的水平和廣度”。他是對的。而現(xiàn)在正在發(fā)生的，是這一趨勢的反轉(zhuǎn)。大量曾被外包的工作將回流到企業(yè)內(nèi)部，在那里被AI自動化，并由小型專家團隊監(jiān)督。其原因既簡單又不可抗拒：AI改變了底層經(jīng)濟邏輯。那個曾導(dǎo)致外包的企業(yè)邊界邏輯，如今正引導(dǎo)企業(yè)遠離外包。

提出不同的問題

多年來，高管們在外包問題上一直停留在職能層面。我們應(yīng)該外包財務(wù)嗎？我們應(yīng)該把應(yīng)用維護放到海外嗎？我們應(yīng)該把人力資源運營交給業(yè)務(wù)流程外包提供商嗎？我們應(yīng)該使用托管服務(wù)來管理基礎(chǔ)設(shè)施嗎？由于這些流程已經(jīng)商品化，高管們的答案主要基于成本。

AI使得這種層面的分析顯得過于粗糙。AI關(guān)注的是工作本身，而不是組織架構(gòu)圖。領(lǐng)導(dǎo)者現(xiàn)在需要審視具體的任務(wù)和工作流，并基于價值和成本來做出決策。

需要問的問題是：哪些具體的任務(wù)和流程可以實現(xiàn)自動化？在財務(wù)領(lǐng)域，發(fā)票匹配、對賬、結(jié)賬活動、差異分析、催收跟進、政策問答、報告和審計支持，各自有著不同的自動化特征。人力資源、法律合規(guī)及其他職能領(lǐng)域的任務(wù)也是如此。

考慮四種類型的任務(wù)：

常規(guī)、數(shù)字化、高量級的任務(wù)，例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(wù)具有很高的自動化潛力；AI可以執(zhí)行、起草或分流大部分工作。因此，可能的采購決策是：要么在內(nèi)部實現(xiàn)自動化，要么以大幅降低的成本保留給供應(yīng)商。

內(nèi)容豐富、數(shù)據(jù)敏感的任務(wù)，例如定價分析、客戶留存、供應(yīng)商付款分析、采購策略和產(chǎn)品決策。對于這類工作，AI增加了第一手數(shù)據(jù)和業(yè)務(wù)背景的價值。最佳采購決策是：將工作保留在內(nèi)部，輔以選擇性的外部支持。

專業(yè)性強但偶發(fā)性的任務(wù)，例如稅務(wù)籌劃、網(wǎng)絡(luò)安全事件響應(yīng)、企業(yè)資源計劃遷移、精算模型驗證、勞動法和復(fù)雜的盡職調(diào)查。在這里，AI提高了專家的杠桿效應(yīng)，但并未消除對稀缺專業(yè)知識的需求。這類任務(wù)可能會繼續(xù)外包，但會轉(zhuǎn)向規(guī)模更小、技能水平更高的專家團隊。

受監(jiān)管、高責(zé)任、高判斷要求的任務(wù)，例如索賠拒付、法律簽批、貸款決策、臨床申訴、并購建議和合規(guī)判斷。對于這類任務(wù)，AI可以準備證據(jù)、發(fā)現(xiàn)異常并起草建議，但問責(zé)必須由人來承擔。這些任務(wù)適合采用混合模式：由AI支持工作，企業(yè)內(nèi)部負責(zé)問責(zé)，外部專家進行審查，并通過風(fēng)險論壇而非簡單的服務(wù)水平協(xié)議進行治理。

AI最能自動化的任務(wù)有幾個共同特征：工作成果是數(shù)字化的；任務(wù)量大且重復(fù)；質(zhì)量標準可以衡量；流程依賴于規(guī)則、先例、文檔、結(jié)構(gòu)化數(shù)據(jù)或機構(gòu)知識。這些任務(wù)中的許多已不再從外包和勞動力套利中受益，因為AI可以執(zhí)行或加速其中很大一部分工作。

得到不同的答案

AI不會給出單一的采購答案。但當問題被細化到任務(wù)和工作流層面時，不同的答案就成為可能。以下是我們與客戶合作中的一些例子：

一家全球消費品公司最近評估了在日本和美國財務(wù)部門應(yīng)用AI和外包的選項。第一波智能體自動化并未徹底改變整個職能部門。它在約六個月內(nèi)捕捉到了一個適度的價值機會，大約10%。但這個結(jié)果改變了討論的方向。該公司此前一直在問哪些財務(wù)活動可以外包。在看到早期AI帶來的成本節(jié)約后，領(lǐng)導(dǎo)者們開始制定一個更具雄心的AI驅(qū)動財務(wù)模式，該模式將顯著減少對外包的需求。

一家全球食品公司評估了在美國和歐洲的財務(wù)、IT和人力資源活動。早期的AI試點顯示出足夠的潛力，以至于業(yè)務(wù)流程外包供應(yīng)商帶著創(chuàng)新且成本更低的方案回來了——這些方案在合適的環(huán)節(jié)應(yīng)用AI，自動化部分工作，并將剩余部分外包。在這個案例中，AI并沒有將供應(yīng)商排除在外，而是改變了供應(yīng)商的角色。這使得該公司能夠受益于供應(yīng)商的專業(yè)知識，而無需在內(nèi)部構(gòu)建每一項AI能力。

一家大型醫(yī)療保健公司曾考慮將理賠管理外包。對各項任務(wù)的仔細分析表明，重要的機會主要不在于節(jié)省勞動力；更大的價值在于諸如供應(yīng)商付款錯誤、理賠漏洞、編碼錯誤、重復(fù)付款和合同配置問題等領(lǐng)域。該公司不需要將大量工作轉(zhuǎn)移給供應(yīng)商；它需要用AI驅(qū)動的洞察來武裝自己的員工，使他們能夠看到并處理以前難以發(fā)現(xiàn)的價值。

私募股權(quán)公司也在做出同樣的轉(zhuǎn)變。過去，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(xiàn)在計劃中。如今，PE和投資組合公司的領(lǐng)導(dǎo)者首先想知道哪些工作流可以實現(xiàn)自動化。只有在那之后，他們才會決定哪些應(yīng)該保留、外包或重新設(shè)計。這個順序很重要。外包可能會鎖定錯誤的運營模式。先分析工作內(nèi)容，才能揭示剩下什么、需要什么技能、以及應(yīng)由誰來執(zhí)行。

現(xiàn)在應(yīng)該做什么

新的外包模式對購買外包服務(wù)和提供外包服務(wù)的公司都有著直接且實際的影響。買方應(yīng)在四個領(lǐng)域迅速行動：

將工作分解到任務(wù)層面：不要只問財務(wù)、人力資源、IT、法務(wù)或理賠是否應(yīng)該外包。要問這些職能內(nèi)部的哪些任務(wù)可以實現(xiàn)自動化、增強、保留或轉(zhuǎn)移。

重新定價工作：要求供應(yīng)商展示AI如何改變成本、質(zhì)量、周期時間、風(fēng)險和控制。僅僅因為勞動力成本降低而給出的更低離岸價格已經(jīng)不夠了。

重寫合同：在合同中加入生產(chǎn)力傳導(dǎo)機制、結(jié)果指標、數(shù)據(jù)權(quán)利、可審計性、模型風(fēng)險控制，以及對提示詞、代碼、知識庫和流程文檔的所有權(quán)約定。

加強保留的組織能力：企業(yè)不需要重建大型共享服務(wù)中心。但它們確實需要足夠了解工作、數(shù)據(jù)、AI工具和業(yè)務(wù)成果的人員，以便同時管理AI智能體和供應(yīng)商。

供應(yīng)商在面對AI對其舊模式的顛覆時，不能被動等待。技術(shù)支出并沒有下降；他們有機會保住自己的份額，但必須做出一些戰(zhàn)略選擇：

在客戶動手之前，先革自己舊模式的命：利用AI降低傳統(tǒng)服務(wù)的成本，并分享生產(chǎn)力提升帶來的收益。

向上游移動：在架構(gòu)設(shè)計、數(shù)據(jù)工程、網(wǎng)絡(luò)安全、治理、產(chǎn)品管理、工作流重設(shè)計和業(yè)務(wù)成果等領(lǐng)域展開競爭。

將專業(yè)知識產(chǎn)品化：構(gòu)建可復(fù)用的智能體、工作流、行業(yè)特定手冊和分析資產(chǎn)。

改變商業(yè)模式：從基于人力的定價轉(zhuǎn)向基于成果、托管AI工作流、生產(chǎn)力保證和收益共享的定價。

重塑人才金字塔：舊的模式依賴于大規(guī)模的初級交付團隊。新的模式將需要更多的領(lǐng)域?qū)＜?、工程師、架?gòu)師、產(chǎn)品負責(zé)人、治理領(lǐng)導(dǎo)者和變革管理者。

邁向新型組織

如今的戰(zhàn)略問題已不再是“這項工作在哪里做最便宜？”，而是“這項工作的哪些部分我們應(yīng)該自己掌控——因為AI讓它們成為了速度、學(xué)習(xí)、控制和價值的來源？”

這是一個真正的轉(zhuǎn)變。外包將許多內(nèi)部服務(wù)變成了外部成本。AI給了企業(yè)一個機會，將其中一些服務(wù)轉(zhuǎn)變?yōu)闃I(yè)績引擎。率先行動的公司不會簡單地用機器取代供應(yīng)商。它們將重新設(shè)計工作，重建那些真正重要的內(nèi)部能力，并以更有針對性、更高價值的方式來利用外部合作伙伴。

阿比納夫·阿格拉瓦爾（Abhinav Agrawal）| 文

阿比納夫·阿格拉瓦爾是全球性管理咨詢公司艾睿鉑（AlixPartners）達拉斯辦事處數(shù)字業(yè)務(wù)的合伙人兼董事總經(jīng)理。

周強 | 編校

聯(lián)系方式

投稿、廣告、內(nèi)容和商務(wù)合作

newmedia@hbrchina.org