夜雨聆风当甲方自己也能购买大模型、部署Copilot、搭建Agent，为什么还要继续为外部IT服务商付钱？
这个问题比“外包人员会减少多少”更值得讨论。
过去，工具、技术人才和交付能力更多集中在专业服务商手里。如今，云平台、大模型和AI开发工具正在同时向甲乙双方开放。甲方不仅可以买到相同的工具，甚至可能更早接触最新产品。
当技术工具逐渐成为公共能力，ITO公司的价值自然需要重新判断。
工具正在普及，工程工作正在缩短
AI对IT服务最直接的影响，首先发生在具体工作量上。
IBM披露的一个客户项目中，原本预计需要一个月完成的代码现代化工作，被压缩到了三天，同时替换了127个废弃接口，并部署给约3万名用户。
类似的效率变化，正在代码生成、测试、文档、迁移、服务台和运维分析中陆续出现。
这意味着，未来很难再仅凭“完成这些工作需要多少人”来证明一个项目的价值。
更关键的是，这些工具并不只掌握在服务商手里。甲方自己的技术团队同样可以使用，而且更了解内部系统、业务要求和数据边界。
所以，“我们也会使用AI”并不能自然形成新的竞争力。
大家用的是相近的模型、平台和开发工具。真正的差异，开始出现在工具之外。
海外服务商卖的，已经不只是AI工具
今年，Accenture与Microsoft成立了面向企业AI落地的Forward Deployed Engineering团队。
Microsoft提供模型和技术平台，Accenture则把工程人员直接放进客户现场，参与业务流程、系统环境、组织变革和全球部署。
这个组合透露出一个很现实的判断：
企业AI项目受阻，往往不是因为缺少模型，而是通用技术无法自动适应企业内部的复杂环境。
ServiceNow与Accenture推出企业Agent项目时，已经拥有300多个预构建的Agent技能和工作流。但真正进入客户项目后，仍然需要围绕每家企业的价值链重新组织团队，完成流程接入、权限设计、数据连接和上线治理。
预制能力可以缩短起点，却无法代替对具体企业的理解。
IBM Consulting最近参与SEI的Agentic AI转型，第一步也不是部署某个模型，而是重新梳理企业运营、工作流和数据，寻找自动化与流程重构的切入点。
从这些项目可以看出，大型服务商正在把AI产品交给平台公司，同时把自己的位置往企业内部推进。
它们争夺的是从“通用能力”到“生产系统”之间的那一段距离。
真正难替代的，是企业上下文
大型企业的IT环境，从来不是一张整洁的系统架构图。
里面可能有运行十几年的核心系统、反复修改的业务规则、没有写进文档的例外流程、不同地区的合规要求，以及大量依赖个人经验才能解释的历史决定。
模型可以买，工具可以采购，代码也可以加速生成。
但企业上下文很难通过一次技术采购获得。
它包括：
哪个系统看似可以替换，实际上牵动着多个部门； 哪项流程表面效率不高，却承担着风险控制作用； 哪些数据可以进入模型，哪些必须留在特定环境； 哪些业务例外必须交给人工判断； 系统发生问题时，应该先保护哪一条业务链。
这些内容过去经常被视为项目经验。进入AI时代以后，它们反而可能成为服务商最重要的资产。
但这里也有一个问题。
如果这些经验只存在于几位驻场员工的脑子里，那么它并不属于ITO公司。人员一旦离开，经验就跟着离开；甲方把核心人员吸收进去，供应商的能力也可能被带走。
只有当企业上下文能够沉淀为流程、知识库、行业模型、评估规则和可复用的交付方法时，它才可能形成组织能力。
上线不再是项目的终点
传统系统上线后，后续工作主要是修复缺陷、处理变更和保障运行。
Agent进入业务流程后，系统会出现一套新的持续性问题：
模型效果会变化，知识会过期，业务规则会调整，调用成本会波动，权限边界也需要不断检查。
Cognizant与Google Cloud披露的一个美国通信行业项目中，AI应用在三个月内上线，但上线后的第一年仍进行了500多次模型优化。最终，首次问题解决率提高了17%，接近三分之一的预约需求由AI自动处理。
真正的工作显然没有在“部署完成”时结束。
企业需要有人长期观察AI是否准确、是否稳定、是否符合业务和合规要求，并不断调整知识、流程和系统连接。
这部分工作与传统维保有些相似，却比维保更接近业务运营。
服务商未来可能不再依靠大量人员重复处理工单，而是用更小的团队持续管理一组AI能力，并对实际效果负责。
关系和信任仍然有价值，但不会自动续约
今年3月，Capgemini与麦当劳把双方已经持续十年的合作又延长了五年。新的合作内容包括云平台、AI应用以及连接全球数千家餐厅的技术体系。
麦当劳当然有能力购买云服务和AI产品。
它继续选择外部服务商，不是因为买不到工具，而是全球餐厅系统涉及长期积累的业务规则、部署经验、协作机制和责任边界。更换供应商的成本，远不只是重新签一份合同。
长期客户关系因此仍然重要。
但关系本身也不再足以保护原有项目规模。甲方会继续压缩可以自动化的岗位，也会重新评估供应商数量和服务边界。
过去积累的信任，只能带来进入下一轮合作的机会，不能保证原来的人员和收入继续保留。
ITO公司不会消失，但价值位置正在改变
AI首先减少的是标准化、重复性强、容易拆解的工作量。
因此，依靠初中级人员规模形成的人力金字塔一定会继续收缩。服务商如果仍然只能提供相似履历的人选，就很难抵抗甲方的预算压缩。
但企业不会因此自动获得完整的AI交付能力。
模型进入真实业务之后，依然需要有人理解企业环境、连接系统与数据、处理复杂例外、控制风险，并在上线后持续运营。
这些事情不会像代码生成一样快速标准化。
未来仍然有价值的ITO能力，可能集中在三个位置：
进入业务。不只接收IT部门拆好的需求，而是理解需求为什么存在。
进入生产。把模型、Agent和平台真正接入企业系统，而不是停留在演示环境。
进入运营。对上线后的效果、成本、风险和持续优化承担责任。
这三个位置都不会带来过去那样庞大的人员规模，却可能形成更深的客户关系和更高的单人价值。
写在最后
甲方掌握AI以后，ITO公司不再拥有明显的工具优势。
真正留下来的，是对客户环境的长期理解、把通用技术变成生产能力的工程经验，以及在复杂系统中承担结果的能力。
严格来说，没有哪家ITO公司不可替代。
但在大型企业里，总有一些工作很难被工具直接取代：理解那些没有写进需求书的规则，处理系统与组织之间的复杂关系，并在出现问题时承担责任。
过去，ITO行业出售的是进入客户现场的人。
AI时代，客户更可能为另一件事情付费：
谁能够更快读懂这家企业，并把AI安全、稳定地放进它的真实业务里。
部分案例来源：
Accenture与Microsoft成立企业AI工程团队
ServiceNow与Accenture推出Agentic AI工程项目
Capgemini与麦当劳延长全球技术合作
Cognizant与Google Cloud企业AI案例
SEI与IBM开展Agentic AI转型
IBM披露AI辅助代码现代化案例
