外包經濟學，正在被AI改寫

三十多年來，外包一直建立在一個簡單的經濟邏輯之上：如果一項工作可以被定義、標準化、監控，并能轉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。這種影響首先出現在IT服務領域，因為該領域的工作是數字化的、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、人力資源、采購、客戶運營、法律支持、理賠處理、數據分析——實際上，大多數業務流程外包領域——并且相同的趨勢正在顯現。

這并不意味著外包會消失。企業仍將需要外部專業能力，特別是在數據工程、網絡安全、系統集成和法規合規等領域，這些領域需要深厚的知識和大量投資，且通常與企業核心業務無關。但AI將瓦解舊的外包模式——那種建立在勞動力套利、離岸規模、費率表以及主要按人頭和服務水平來衡量的長期合同之上的模式。

其結果是，企業的組織結構——哪些放在公司內部、哪些放在外部——也將發生變化，在某些方面甚至是劇烈的變化。

市場已初現端倪

在2026年2月的某一周內，印度上市的IT服務公司市值蒸發了約100億美元。Nifty IT指數在五個交易日內下跌超過9%。導火索是一套企業AI工具的發布，這些工具旨在自動化合同審查、合規工作流和編碼。更深層的信號是投資者兩年來一直在逼近的一個事實：締造了現代外包產業的交易基礎已經不復存在。

到5月份，塔塔咨詢服務公司、印孚瑟斯和HCL科技公司的股價均已跌至多年低點。印度IT業的領頭羊TCS宣布了其史上最大規模的裁員：1.2萬個崗位，約占其員工總數的2%。在業務流程領域，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助手已經承擔了700名客服代理的工作。即使是全球服務業的黃金標桿埃森哲，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《哈佛商業評論》撰文指出，業務流程的標準化將“極大地提高外包的水平和廣度”。他是對的。而現在正在發生的，是這一趨勢的反轉。大量曾被外包的工作將回流到企業內部，在那里被AI自動化，并由小型專家團隊監督。其原因既簡單又不可抗拒：AI改變了底層經濟邏輯。那個曾導致外包的企業邊界邏輯，如今正引導企業遠離外包。

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。我們應該外包財務嗎？我們應該把應用維護放到海外嗎？我們應該把人力資源運營交給業務流程外包提供商嗎？我們應該使用托管服務來管理基礎設施嗎？由于這些流程已經商品化，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關注的是工作本身，而不是組織架構圖。領導者現在需要審視具體的任務和工作流，并基于價值和成本來做出決策。

需要問的問題是：哪些具體的任務和流程可以實現自動化？在財務領域，發票匹配、對賬、結賬活動、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、法律合規及其他職能領域的任務也是如此。

考慮四種類型的任務：

常規、數字化、高量級的任務，例如人力資源案件分流、一級IT支持、理賠錄入和標準報告。這些任務具有很高的自動化潛力；AI可以執行、起草或分流大部分工作。因此，可能的采購決策是：要么在內部實現自動化，要么以大幅降低的成本保留給供應商。

內容豐富、數據敏感的任務，例如定價分析、客戶留存、供應商付款分析、采購策略和產品決策。對于這類工作，AI增加了第一手數據和業務背景的價值。最佳采購決策是：將工作保留在內部，輔以選擇性的外部支持。

專業性強但偶發性的任務，例如稅務籌劃、網絡安全事件響應、企業資源計劃遷移、精算模型驗證、勞動法和復雜的盡職調查。在這里，AI提高了專家的杠桿效應，但并未消除對稀缺專業知識的需求。這類任務可能會繼續外包，但會轉向規模更小、技能水平更高的專家團隊。

受監管、高責任、高判斷要求的任務，例如索賠拒付、法律簽批、貸款決策、臨床申訴、并購建議和合規判斷。對于這類任務，AI可以準備證據、發現異常并起草建議，但問責必須由人來承擔。這些任務適合采用混合模式：由AI支持工作，企業內部負責問責，外部專家進行審查，并通過風險論壇而非簡單的服務水平協議進行治理。

AI最能自動化的任務有幾個共同特征：工作成果是數字化的；任務量大且重復；質量標準可以衡量；流程依賴于規則、先例、文檔、結構化數據或機構知識。這些任務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部門應用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。它在約六個月內捕捉到了一個適度的價值機會，大約10%。但這個結果改變了討論的方向。該公司此前一直在問哪些財務活動可以外包。在看到早期AI帶來的成本節約后，領導者們開始制定一個更具雄心的AI驅動財務模式，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、IT和人力資源活動。早期的AI試點顯示出足夠的潛力，以至于業務流程外包供應商帶著創新且成本更低的方案回來了——這些方案在合適的環節應用AI，自動化部分工作，并將剩余部分外包。在這個案例中，AI并沒有將供應商排除在外，而是改變了供應商的角色。這使得該公司能夠受益于供應商的專業知識，而無需在內部構建每一項AI能力。

一家大型醫療保健公司曾考慮將理賠管理外包。對各項任務的仔細分析表明，重要的機會主要不在于節省勞動力；更大的價值在于諸如供應商付款錯誤、理賠漏洞、編碼錯誤、重復付款和合同配置問題等領域。該公司不需要將大量工作轉移給供應商；它需要用AI驅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現的價值。

私募股權公司也在做出同樣的轉變。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在計劃中。如今，PE和投資組合公司的領導者首先想知道哪些工作流可以實現自動化。只有在那之后，他們才會決定哪些應該保留、外包或重新設計。這個順序很重要。外包可能會鎖定錯誤的運營模式。先分析工作內容，才能揭示剩下什么、需要什么技能、以及應由誰來執行。

現在應該做什么

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著直接且實際的影響。買方應在四個領域迅速行動：

將工作分解到任務層面：不要只問財務、人力資源、IT、法務或理賠是否應該外包。要問這些職能內部的哪些任務可以實現自動化、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、周期時間、風險和控制。僅僅因為勞動力成本降低而給出的更低離岸價格已經不夠了。

重寫合同：在合同中加入生產力傳導機制、結果指標、數據權利、可審計性、模型風險控制，以及對提示詞、代碼、知識庫和流程文檔的所有權約定。

加強保留的組織能力：企業不需要重建大型共享服務中心。但它們確實需要足夠了解工作、數據、AI工具和業務成果的人員，以便同時管理AI智能體和供應商。

供應商在面對AI對其舊模式的顛覆時，不能被動等待。技術支出并沒有下降；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降低傳統服務的成本，并分享生產力提升帶來的收益。

向上游移動：在架構設計、數據工程、網絡安全、治理、產品管理、工作流重設計和業務成果等領域展開競爭。

將專業知識產品化：構建可復用的智能體、工作流、行業特定手冊和分析資產。

改變商業模式：從基于人力的定價轉向基于成果、托管AI工作流、生產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模的初級交付團隊。新的模式將需要更多的領域專家、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

如今的戰略問題已不再是“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該自己掌控——因為AI讓它們成為了速度、學習、控制和價值的來源？”

這是一個真正的轉變。外包將許多內部服務變成了外部成本。AI給了企業一個機會，將其中一些服務轉變為業績引擎。率先行動的公司不會簡單地用機器取代供應商。它們將重新設計工作，重建那些真正重要的內部能力，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）達拉斯辦事處數字業務的合伙人兼董事總經理。

周強 | 編校

聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org