外包经济学,正在被AI改写

三十多年来，外包一直建立在一个简单的经济逻辑之上：如果一项工作可以被定义、标准化、监控，并能转移到成本更低的劳动力市场，那么由别人来做通常会更便宜。

这个逻辑已经行不通了。

生成式AI不只是帮助程序员更快地写代码，或让客服代理更高效地回答问题。它正在改变企业对“自建还是购买”的决策逻辑——尤其是对于那些过去通常交由第三方完成的工作。这种影响首先出现在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财务、人力资源、采购、客户运营、法律支持、理赔处理、数据分析——实际上，大多数业务流程外包领域——并且相同的趋势正在显现。

这并不意味着外包会消失。企业仍将需要外部专业能力，特别是在数据工程、网络安全、系统集成和法规合规等领域，这些领域需要深厚的知识和大量投资，且通常与企业核心业务无关。但AI将瓦解旧的外包模式——那种建立在劳动力套利、离岸规模、费率表以及主要按人头和服务水平来衡量的长期合同之上的模式。

其结果是，企业的组织结构——哪些放在公司内部、哪些放在外部——也将发生变化，在某些方面甚至是剧烈的变化。

在2026年2月的某一周内，印度上市的IT服务公司市值蒸发了约100亿美元。Nifty IT指数在五个交易日内下跌超过9%。导火索是一套企业AI工具的发布，这些工具旨在自动化合同审查、合规工作流和编码。更深层的信号是投资者两年来一直在逼近的一个事实：缔造了现代外包产业的交易基础已经不复存在。

到5月份，塔塔咨询服务公司、印孚瑟斯和HCL科技公司的股价均已跌至多年低点。印度IT业的领头羊TCS宣布了其史上最大规模的裁员：1.2万个岗位，约占其员工总数的2%。在业务流程领域，变化更为剧烈。全球最大的呼叫中心运营商Teleperformance股价暴跌，起因是瑞典金融科技公司Klarna公开宣称，其AI助手已经承担了700名客服代理的工作。即使是全球服务业的黄金标杆埃森哲，其股价也从52周高点下跌了约40%。

市场并非完美的预言者，但它们在大方向上很少出错。二十年前，托马斯·达文波特曾在《哈佛商业评论》撰文指出，业务流程的标准化将“极大地提高外包的水平和广度”。他是对的。而现在正在发生的，是这一趋势的反转。大量曾被外包的工作将回流到企业内部，在那里被AI自动化，并由小型专家团队监督。其原因既简单又不可抗拒：AI改变了底层经济逻辑。那个曾导致外包的企业边界逻辑，如今正引导企业远离外包。

多年来，高管们在外包问题上一直停留在职能层面。我们应该外包财务吗？我们应该把应用维护放到海外吗？我们应该把人力资源运营交给业务流程外包提供商吗？我们应该使用托管服务来管理基础设施吗？由于这些流程已经商品化，高管们的答案主要基于成本。

AI使得这种层面的分析显得过于粗糙。AI关注的是工作本身，而不是组织架构图。领导者现在需要审视具体的任务和工作流，并基于价值和成本来做出决策。

需要问的问题是：哪些具体的任务和流程可以实现自动化？在财务领域，发票匹配、对账、结账活动、差异分析、催收跟进、政策问答、报告和审计支持，各自有着不同的自动化特征。人力资源、法律合规及其他职能领域的任务也是如此。

考虑四种类型的任务：

常规、数字化、高量级的任务，例如人力资源案件分流、一级IT支持、理赔录入和标准报告。这些任务具有很高的自动化潜力；AI可以执行、起草或分流大部分工作。因此，可能的采购决策是：要么在内部实现自动化，要么以大幅降低的成本保留给供应商。

内容丰富、数据敏感的任务，例如定价分析、客户留存、供应商付款分析、采购策略和产品决策。对于这类工作，AI增加了第一手数据和业务背景的价值。最佳采购决策是：将工作保留在内部，辅以选择性的外部支持。

专业性强但偶发性的任务，例如税务筹划、网络安全事件响应、企业资源计划迁移、精算模型验证、劳动法和复杂的尽职调查。在这里，AI提高了专家的杠杆效应，但并未消除对稀缺专业知识的需求。这类任务可能会继续外包，但会转向规模更小、技能水平更高的专家团队。

受监管、高责任、高判断要求的任务，例如索赔拒付、法律签批、贷款决策、临床申诉、并购建议和合规判断。对于这类任务，AI可以准备证据、发现异常并起草建议，但问责必须由人来承担。这些任务适合采用混合模式：由AI支持工作，企业内部负责问责，外部专家进行审查，并通过风险论坛而非简单的服务水平协议进行治理。

AI最能自动化的任务有几个共同特征：工作成果是数字化的；任务量大且重复；质量标准可以衡量；流程依赖于规则、先例、文档、结构化数据或机构知识。这些任务中的许多已不再从外包和劳动力套利中受益，因为AI可以执行或加速其中很大一部分工作。

AI不会给出单一的采购答案。但当问题被细化到任务和工作流层面时，不同的答案就成为可能。以下是我们与客户合作中的一些例子：

一家全球消费品公司最近评估了在日本和美国财务部门应用AI和外包的选项。第一波智能体自动化并未彻底改变整个职能部门。它在约六个月内捕捉到了一个适度的价值机会，大约10%。但这个结果改变了讨论的方向。该公司此前一直在问哪些财务活动可以外包。在看到早期AI带来的成本节约后，领导者们开始制定一个更具雄心的AI驱动财务模式，该模式将显著减少对外包的需求。

一家全球食品公司评估了在美国和欧洲的财务、IT和人力资源活动。早期的AI试点显示出足够的潜力，以至于业务流程外包供应商带着创新且成本更低的方案回来了——这些方案在合适的环节应用AI，自动化部分工作，并将剩余部分外包。在这个案例中，AI并没有将供应商排除在外，而是改变了供应商的角色。这使得该公司能够受益于供应商的专业知识，而无需在内部构建每一项AI能力。

一家大型医疗保健公司曾考虑将理赔管理外包。对各项任务的仔细分析表明，重要的机会主要不在于节省劳动力；更大的价值在于诸如供应商付款错误、理赔漏洞、编码错误、重复付款和合同配置问题等领域。该公司不需要将大量工作转移给供应商；它需要用AI驱动的洞察来武装自己的员工，使他们能够看到并处理以前难以发现的价值。

私募股权公司也在做出同样的转变。过去，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和投资组合公司的领导者首先想知道哪些工作流可以实现自动化。只有在那之后，他们才会决定哪些应该保留、外包或重新设计。这个顺序很重要。外包可能会锁定错误的运营模式。先分析工作内容，才能揭示剩下什么、需要什么技能、以及应由谁来执行。

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着直接且实际的影响。买方应在四个领域迅速行动：

将工作分解到任务层面：不要只问财务、人力资源、IT、法务或理赔是否应该外包。要问这些职能内部的哪些任务可以实现自动化、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。仅仅因为劳动力成本降低而给出的更低离岸价格已经不够了。

重写合同：在合同中加入生产力传导机制、结果指标、数据权利、可审计性、模型风险控制，以及对提示词、代码、知识库和流程文档的所有权约定。

加强保留的组织能力：企业不需要重建大型共享服务中心。但它们确实需要足够了解工作、数据、AI工具和业务成果的人员，以便同时管理AI智能体和供应商。

供应商在面对AI对其旧模式的颠覆时，不能被动等待。技术支出并没有下降；他们有机会保住自己的份额，但必须做出一些战略选择：

在客户动手之前，先革自己旧模式的命：利用AI降低传统服务的成本，并分享生产力提升带来的收益。

向上游移动：在架构设计、数据工程、网络安全、治理、产品管理、工作流重设计和业务成果等领域展开竞争。

将专业知识产品化：构建可复用的智能体、工作流、行业特定手册和分析资产。

改变商业模式：从基于人力的定价转向基于成果、托管AI工作流、生产力保证和收益共享的定价。

重塑人才金字塔：旧的模式依赖于大规模的初级交付团队。新的模式将需要更多的领域专家、工程师、架构师、产品负责人、治理领导者和变革管理者。

如今的战略问题已不再是“这项工作在哪里做最便宜？”，而是“这项工作的哪些部分我们应该自己掌控——因为AI让它们成为了速度、学习、控制和价值的来源？”

这是一个真正的转变。外包将许多内部服务变成了外部成本。AI给了企业一个机会，将其中一些服务转变为业绩引擎。率先行动的公司不会简单地用机器取代供应商。它们将重新设计工作，重建那些真正重要的内部能力，并以更有针对性、更高价值的方式来利用外部合作伙伴。