夜雨聆风一、行业在变——"卖人"的生意正在贬值
2025年8月，日本最大的IT派遣公司Technopro被黑石集团以5070亿日元收购。这不是一次普通的并购——黑石的计划是据报投资100亿日元建设AI基础设施，再拨出约1000亿日元用于并购，目标直指拥有LLM和AI代理产品的公司、以及能实施AI的SI公司。Technopro将从东证退市，彻底告别"卖人"的旧模式，转型为"提供AI方案实施能力"的新物种。
这意味着，头部公司已经用资本锁定了"造AI方案"的赛道——中小规模公司走不了这条路，也不需要走。
Pasona也在走同一条路。他们的转型口号很直白："即使客户内部没有IT工程师，也可以帮助客户导入AI并重构业务。"已经落地了具体案例——帮Okamura开发AI物流解决方案，实现日本首批仓库内远程控制机器人；帮软银开发广告AI审核系统。
头部公司的动向释放了一个清晰的信号：单纯"卖人"的商业模式正在贬值，能提供AI方案价值的公司才有未来。
但这里有一个容易被忽略的问题：Technopro有2.8万名工程师、年营收2389亿日元，背后还有黑石的资本加持；Pasona同样是行业巨头。他们的转型路径是"砸钱造AI方案"，中小规模公司走不了这条路。
那中小规模公司该走哪条路？
答案藏在另一个数据里。
日本总务省2025年版《信息通信白皮书》显示：仅49.7%的日本企业制定了AI应用方针，而美国为84.8%。更值得玩味的是，61%的日本企业回答"特别没有必要"——但这更可能是"还没感受到AI能解决自己的问题"，42.6%提到"等待企业许可"更是佐证。
这不是"不需要"，而是"想用但不会用"。
与此同时，日本正被快速卷入全球AI主战场。2024年4月，OpenAI在东京设立亚洲首个办事处，发布日语优化的GPT-4定制模型；2026年4月，软银、NEC、本田、索尼联合成立AI基础模型开发公司，目标1万亿参数规模，日本政府计划五年内投入1万亿日元支援。基础设施在加速铺设，但"最后一公里"——帮企业把AI真正用起来——依然严重缺人。
瑞可利职业研究所预测，到2040年日本劳动力缺口将超过1100万人。AI替代人力不是锦上添花，而是刚需。
所以真正的机会不是"造AI方案"，而是"帮客户把AI用起来"。 日本企业AI落地的瓶颈，不是缺模型、缺算力，而是缺能在现场理解业务、沟通需求、把AI工具嵌入工作流的人。
二、被忽视的牌——华人IT派遣公司手里的三张牌
如果"帮客户把AI用起来"是机会，那华人IT派遣公司手里有没有能打出去的牌？
以一家在日华人IT派遣公司为例。这家公司规模不大，但手上有三张牌，恰好对上了这个机会。
第一张牌：日本籍工程师的"最后一公里"对接能力
这家公司有相当比例的日本籍工程师。这不是硬性的法律壁垒——没有哪条法规规定只有日本人能做——但它是真实的商业壁垒。在需要直接面对end user的业务里，客户天然倾向日本人工程师。原因很简单：日语沟通的细微语感、对日本企业文化的理解、在客户面前代表供应商时的"安心感"——这些不是技术能力，但恰恰是AI落地最需要的。
因为AI落地不是把模型部署上去就完了。它需要跟业务人员反复沟通：你的工作流是什么样的？哪些环节可以自动化？你担心的风险点是什么？这些对话，语言能力和文化理解力不是加分项，而是前提条件。日本企业AI使用率低的根本原因之一，就是"想用但不会用"——而"不会用"的背后，往往缺的就是一个能听懂、能解释、能推动的人。
第二张牌：新人培养流水线——已经内置AI技能
这家公司每年能以较低成本招聘到一批无经验的日本人新人，2-3个月培训后就能安排到IT运维项目。这个能力本身已经很稀缺——在日本少子老龄化的背景下，能稳定、低成本地招聘和培养日本籍IT新人，本身就是护城河。
更关键的是：新人培训已经默认包含AI工具使用和开发技能。这意味着这条流水线不需要改造，只需要重新定位——从"输送IT运维人才"变成"输送AI落地人才"。供给侧已经准备好了，差的只是需求侧的切换。
第三张牌：大手SIer现场的深度嵌入
这家公司的工程师在NEC、日立等大手SIer的办公室里上班，在他们的管理下参与项目。需求定义和方案设计参与偏少，更多是执行层——这听起来像是劣势，但换个角度看：这些人就在AI落地的最前线。
NEC和日立恰恰是日本AI基础设施建设的核心玩家——NEC参与了软银牵头的AI基础模型开发公司，日立在AI安全和公共系统领域深度布局。当这些大手SIer开始为客户推进AI/DX项目时，嵌入现场的工程师，是最先接触到AI落地实际需求的人。
这不是远距离的"合作"，而是在同一张桌子上干活。
三张牌单独看各有价值，但组合起来才真正有意思：日本籍工程师能跟end user对话，新人流水线能源源不断输送AI技能人才，大手SIer的现场嵌入让人站在需求最前线。 这三张牌叠加在一起，指向的不是一个"AI产品"的定位，而是一个"AI落地最后一公里"的定位。
三、转型路径——三步走，2-3年完成定位转换
方向清楚了，牌也清楚了，接下来就是怎么打。
短期（现在～1年）：在现有项目里"长出"AI落地经验
不需要新开业务线，不需要额外投入——转型的第一步，是在现有的派遣项目中主动识别和争取AI落地相关的任务。
具体来说：工程师已经嵌入在大手SIer的现场，而大手银行等客户正在积极推进AI/DX化。当项目中出现AI相关的需求——不管是AI辅助的运维自动化、内部AI工作流的搭建、还是AI工具的导入支持——应该主动争取参与。
这一步的目标不是营收结构的变化，而是能力的积累和标签的建立。让客户和合作伙伴开始意识到：这些人不只是执行开发测试的，他们也能做AI落地。
同时，新人流水线继续保持运转。自带AI技能的新人进入现场，他们本身就是最好的"AI落地种子"——在传统运维项目中，他们是最先想到"这个环节能不能用AI优化"的人。
中期（1-2年）：把新人流水线的定位从"IT运维人才"切换为"AI落地人才"
当短期阶段积累了足够的AI落地实战经验后，就可以做一件关键的事：重新定义新人流水线的输出。
不是改培训内容——培训已经内置AI技能了。改的是对外的定位和筛选标准。从"我们能提供IT运维工程师"变成"我们能提供懂AI的现场工程师"。这个切换一旦完成，新人流水线就不再只是一个成本优势，而是一个差异化标签。
这个标签的价值在于：当大手SIer或直接客户需要"能帮我们把AI用起来的人"时，他们想到的不再只是"有没有AI专家"，而是"有没有既懂AI、又能跟我们的业务人员沟通、还能在现场把事情推动下去的人"——这正是日本籍工程师+AI技能这个组合的独特价值。
长期（2-3年）：从执行方升级为AI落地方案的协作者
前两步走完，手里就有了三样东西：AI落地的实战经验、源源不断的AI落地人才、以及客户对"能做AI落地"的认知。
这时候可以迈出关键一步：在需求定义和方案设计环节争取更多话语权。不是跟大手SIer竞争，而是从"在他们管理下做执行"升级为"在AI落地环节成为他们离不开的协作者"。
为什么大手SIer会让出这个空间？因为AI落地最后一公里，恰恰是他们做不好的环节。
想象一个典型的场景：大手SIer为客户交付了一套AI导入方案，架构设计很漂亮，技术选型很先进。但到了现场，业务部门的人用不起来——不是系统有问题，而是没人帮他们把AI工具嵌入日常工作流。业务人员说"这个跟我的工作有什么关系？"，IT部门说"系统已经部署好了"，中间缺的是一个人：既听得懂业务人员的抱怨，又理解AI工具能做什么，还能在现场把两边对接起来，把"用不起来"变成"用得上手"。
大手SIer的组织结构决定了他们做不好这件事。他们的强项是顶层设计和项目管理，工程师在总部画架构、写方案；但AI落地最后一公里需要的是"在现场、懂业务、会沟通"的人——这恰恰是日本籍工程师+现场嵌入这个组合的优势。当在多个项目中反复证明"我们的人能把AI落地推进下去"，话语权就不是争取来的，而是自然长出来的。
三步走的核心逻辑是：不推翻现有业务另起炉灶，而是在现有优势上做升级。 每一步都是上一步的自然延伸，不需要跳跃式的投入，也不需要赌一个不确定的方向。2-3年的窗口期，足够完成从"输送IT人力"到"输送AI落地执行力"的定位转换。
日本企业AI落地的需求正在加速，新人培养的供给侧已经就绪。需要做的，是在这个窗口期内，把已有的牌打到一个更有价值的位置上。
而2-3年的窗口期不会等人。当这个窗口关闭的时候，你的公司是在"卖AI方案"，还是在帮客户"把AI用起来"？
