a16z：原生AI产品与业务外包模式存在根本性冲突

图片来源：a16z

Z Highlights

• BPO服务商往往处理周期漫长；因缺乏相关背景信息和权限，某些任务难以保质完成——终端客户的体验低效且充满挫败感。

• 现代AI在处理过往软件难以胜任的工作时展现卓越能力，语音AI助手已具备大规模生产应用的成熟度，浏览器智能体也即将迎头赶上。语音AI是客户支持领域

阶梯式跃升的明证——解决率与CSAT评分等量化指标，使ROI验证与采购决策极为直观。

• 原生AI产品与BPO商业模式存在根本性冲突。BPO商业模式依赖‘人力溢价’，向AI原生转型将压缩利润率、扼杀现金牛——这对上市公司而言无异于文化自

杀。

• 颠覆BPO的窗口期不会永远敞开。 基础模型‘平民化’之日，即是初创企业颠覆窗口关闭之时——胜负手在于谁能更快将技术势能转化为客户锁定的护城河。

• 以交付数据成果+自建工具链’双轮驱动，在传统BPO盲区开辟百亿级市场——证明前沿需求能催生外包替代的超级独角兽。Scale的崛起印证：前沿AI需求本

身即是最肥沃的颠覆土壤——传统BPO的‘能力盲区’就是新王的加冕之地。

Kimberly尤其对那些以独特且引人注目的方式利用数据或人工智能、开创全新用户体验或重塑传统行业的公司充满热情。她担任Pantheon的董事会成员，并代表

a16z公司在Decagon.ai（a16z在其创立初期便进行了投资）、Mem.ai、Pave、Prepared911、Rutter、Saronic、Supermove、Vesta和Vitally等企业的董事会中任

职。

业务流程外包（BPO）市场规模庞大，2024年行业规模已突破3000亿美元，预计到2030年将超过5250亿美元。企业依赖BPPO服务商，是因为它们能以经济高效的

方式处理企业不愿自行承担的必要性、大批量但繁琐重复的工作——例如客户支持、IT外包和财务理赔处理等。虽然BPO的工作内容至关重要，但与其合作的体验远

非顺畅：BPO服务商往往处理周期漫长；由于员工缺乏个人责任归属，人为失误频发；且因缺乏相关背景信息和权限，某些任务难以保质完成。这些因素最终导致终

端客户的体验低效且充满挫败感。借助AI技术，初创公司现在可以让客户鱼与熊掌兼得，使企业能以高质量、可扩展且经济高效的方式自主管理客户体验和后台运

营。

我们坚信，AI为BPO服务的产品化与业务解构创造了明确机遇。这种变革令人振奋体现在多个层面：技术视角来看，'时机成熟'的特征显著——现代AI在处理过往软

件难以胜任的工作时展现卓越能力。核心基础模型在数据提取、深度研究和复杂推理方面持续精进，语音AI助手已具备大规模生产应用的成熟度，浏览器智能体也即

将迎头赶上。商业视角而言，BPO行业多由缺乏尖端技术的传统老牌企业主导，其业务范畴明确且存在清晰预算分配，这使得在已验证的市场需求、可用预算和传统

竞争格局下，它们成为初创企业颠覆的首要目标。

BPO商业模式以及AI Agent

图片来源：a16z

运营大型企业业务需要处理海量重复性、事务性工作，无论是数据录入、呼叫中心运营、收入周期管理、发票核对，还是薪资处理。这些工作琐碎且处于幕后，操作

复杂，并非企业的核心竞争力。这类工作的需求还可能存在波动性和季节性，例如节假日期间客户服务需求激增；某些职能的年员工流动率可能高达30-40%。

管理这种复杂性的痛点——加之为此类工作招募、雇佣和培训内部员工所需的财务与运营成本——正是当今BPO行业规模如此庞大的原因。高知特（Cognizant）、

印孚瑟斯（Infosys）、威普罗（Wipro）等头部BPO企业在最新财年分别报告了100亿至200亿美元的收入。BPO服务还广泛渗透于银行与金融服务、医疗健康、酒

店旅游、物流运输、零售等主要行业。事实上，某些行业的业务需求高度垂直化，催生了大量专业领域的BPO服务商：例如专注于运输审计与支付的货运审计支付公

司，处理保险理赔的第三方管理机构（TPA），以及协助医疗机构管理医疗账单与款项回收的收入周期管理（RCM）公司等。

图片来源：a16z

尽管这些BPO企业承担着重要职能并服务于规模庞大的优质客户群体，但多数创立于数十年前——有些甚至可追溯至上世纪40年代——其核心竞争力更多仰仗深厚

的客户关系与陈旧系统集成，而非前沿技术。在软件能力受限的过往，这确实是企业的最佳选择。

然而，得益于现代AI技术的突破，如今将BPO服务产品化并重新内化已成为可能，主要推动力来自以下三方面：

通用模型能力的快速跃升：大语言模型在BPO核心业务领域——如非结构化文档处理、数据核对、知识检索、逻辑推理及工具调用等——正以惊人速度进化。我们预

见，模型能力的持续精进将进一步推动BPO工作的产品化进程。

突破性的语音AI技术：语音AI已成为解锁传统软件难以触达的核心场景的关键技术。由ElevenLabs、OpenAI、Cartesia等AI基础设施公司驱动的创新方案近年来突

飞猛进，很快将使AI助手与人类客服的交互体验难分伯仲。

革命性浏览器技术涌现：Anthropic的计算机应用模型、OpenAI的Operator、Google DeepMind的Project Mariner等项目，预示了AI助手驾驭桌面端与浏览器任务的

未来图景。这将打破应用孤岛，使AI能力渗透至桌面、浏览器及本地应用全场景。我们相信，这种跨平台整合能力将成为打造差异化智能体体验的关键新兴属性。

依托这些技术突破，AI助手能够以软件速度全天候运转，自适应不同文化规范，支持多语言交互，并实现全量客户的无缝覆盖——人类干预需求大幅降低。更关键的

是，相较于自建团队或传统外包，AI部署具备极强的规模经济性，这实际上拓展了市场边界：企业现在可以突破单位经济模型的限制，将智能体服务扩展至更多产品

线、客户群及新兴需求场景。

人工智能对BPOs的影响以及机会在哪里

图片来源：a16z

原生AI企业已开始抢占BPO业务份额，其中许多正以空前速度增长。这些企业深知，要在传统服务商与新兴初创企业的双重竞争中保持领先，必须构建具备防御性的

产品护城河。但来自客户端的早期信号——无论是高涨的需求还是显著的客户青睐——都表明，它们将迎来绝佳机遇：在重塑产品工作流的过程中深化服务壁垒，构

筑持久护城河。

前台客户体验

AI初创企业最明确的机遇之一在于客户支持与客户体验领域，该领域构成了BPO支出中最大的细分市场——规模超1000亿美元。

每个人都曾经历过自动化客服体验不佳的痛苦。 如果你的请求没有现成的简单解决方案，你几乎总是会被推入以下流程：拨打自动应答电话后要求转接人工客服、

徒劳地向客服邮箱发送邮件、愤怒地与缺乏上下文理解的聊天机器人争论，或是经历这三者的某种组合。

借助AI助手，企业如今能以软件的速度、质量与扩展性，通过全渠道（文本、邮件、语音）提供一流的自主客户体验。 这些助手可7×24小时工作，以任何语言解决

问题，即时响应无需排队等待——且无需针对波动需求进行内部人员的招聘、培训与保留。例如，Decagon等公司打造的AI客服助手已实现高达80%的即时问题解决

率，并显著提升客户满意度（CSAT）评分。此外，由于成本效益显著，Decagon的AI助手还使客户能够将服务覆盖更多用户与产品。

垂直行业专属AI助手也正成功将其领域的核心BPO用例产品化。 在汽车贷款领域，Salient的AI语音助手能高效处理大规模客户咨询与催收通话，在广泛触达客户群

的同时确保合规性实时更新。在家居服务领域，Avoca助力客户将非工作时间或超负荷的话务量（此前需外包给呼叫中心）转化为自主管理的产品化服务。这些垂直

用例因需应对产品复杂性、平台集成及行业特定合规要求而尤为引人注目。 这些特性使得通用型玩家或基础模型难以轻易吞噬这些用例，从而为相关初创企业构筑

起持久的竞争壁垒。

后台操作

AI初创企业同样在后台运营领域有效削减BPO支出。

众多企业工作流的核心任务，本质是处理来自异构系统的杂乱非结构化数据，进行数据提取、标准化与核对。 这类工作枯燥重复，企业采取不同应对策略：或雇佣

运营人员，或采用机器人流程自动化（RPA）方案，或外包给BPO服务商。我们曾撰文分析脆弱的RPA方案将如何被AI助手产品化，而BPO外包支出也将经历相同

命运。

这一趋势已在多个行业显现。 以运输业为例，行业需管理与核对价值数十亿美元的发票以减少欺诈与错误，确保供应链各方准确收款。过去这项工作由Cass、

Green Mountain等大型货运审计公司人工完成，而如今Loop等企业已能通过AI实现发票核对、理赔管理与成本分摊流程的产品化。在医疗健康（BPO应用最广泛的

行业之一）领域，Juniper等公司将生成式AI应用于收入周期管理，显著提升效率：某客户首次提交的拒付率降低80%，理赔流程与账单处理时间节省50%，且成本

未增加。

应用开发与生成

最后，许多公司虽未直接瞄准特定BPO预算，却间接侵蚀着BPO市场。 这是因为，当企业自身缺乏资源或能力时，一大BPO用例正是利用外包工程资源构建定制化

应用。

如今，Cursor等编码助手能提升企业现有工程团队产出，极大提高开发者个人效能，使企业有能力自主开发更多应用。 同时，随着AI驱动的网页应用构建工具兴

起，非技术人员很快将无需编写代码即可创建内部应用。这两项能力意味着，未来企业对外包应用开发的依赖将大幅降低。

分销与创新: BPOs的期望

图片来源：a16z

每家进军该领域的初创公司都面临一个传统对手：BPO企业本身。 不出所料，这些BPO巨头——如同大多数企业一样——已觉察AI浪潮并启动自有应对计划。威普

罗（Wipro）首席运营官Sanjeev Jain表示，现有项目中AI采用率激增140%；印孚瑟斯（Infosys）宣布其客户群中部署了超100个新型生成式AI助手；专注于咨询与

外包服务的埃森哲（Accenture）近期披露生成式AI项目新签约额达12亿美元。

拥有渠道优势的传统企业与手握创新利器的初创公司之间，一场自然交锋已不可避免。 尽管传统企业必将分得部分价值，但我们认为初创公司更具优势，原因有

二：

其一，原生AI产品与BPO商业模式存在根本性冲突。 多数BPO采用工时计费模式，并在人力成本基础上加价约20-30%——其商业模式依赖于雇佣员工并向客户出售

人力产出。若要将此模式改造为产品优先的AI原生业务，将面临艰巨挑战：利润率大幅压缩、现有现金牛业务遭扼杀、企业文化被迫转型。这对任何企业而言都是异

常艰难的变革，更遑论需承受公开市场严格审视的上市公司。

其二，尖端AI技术的应用能力并非均匀分布。 每日涌现的前沿AI模型、工具与研究已令资深技术专家应接不暇。企业需要顶尖的AI原生团队持续追踪技术突破并转化

为商业价值——这种复合型人才在BPO中极为罕见。

然而，颠覆BPO的窗口期不会永远敞开。 若认为传统BPO企业不会最终觉醒并投身这场变革，未免过于天真。随着基础模型层趋于稳定且更易被广泛理解，BPO将

更轻松地融合AI技术，并势必向长期客户推广自有AI产品。因此，欲把握时机的初创企业需聚焦以下策略：

• 证明极致清晰的ROI： 选择能显著超越现状的垂直场景与行业，以可量化的投资回报加速市场渗透。语音AI与客户支持（如Decagon案例）的快速普及，正是

因为其效果呈阶梯式跃升且成功指标（解决率、CSAT评分）易于量化，使ROI验证与采购决策极为直观。

• 极致客户优先与深度陪跑： 客户至上永远重要，但鉴于BPO的核心卖点之一是其定制化服务与系统集成能力，AI初创企业若想取而代之，必须在合作初期复

现同等程度的客户优先姿态。这不仅是提供媲美BPO的白手套级服务，更是为焦虑于新技术的客户注入信心。例如，Salient创始人曾为贴近早期客户迁居数月，亲

临现场部署。此举不仅推动成功落地，更从实施过程中汲取宝贵经验，回报远超投入。长期目标固然是产品化与规模化交付，但初期的高强度投入既合理甚至必要。

构建AI原生全栈公司

许多初创企业正将BPO服务产品化，另一些则直接涉足服务本身。 部分企业采取类似私募股权的整合并购策略——收购资产并利用AI提升其效率；另有企业尝试'收

购即分销'机制，通过获取客户群为其计划长期运营的软件产品打造原型；还有企业从零构建全新全栈公司，将AI与人类判断力融入核心基因，在速度、成本与质量

维度与传统BPO正面竞争。

技术赋能型业务历来面临挑战，因其需兼顾顶尖AI产品开发与复杂运营管理，但现代AI为探索可行全栈路径提供可能。 具体包括——

瞄准完全不愿采购软件的行业：某些行业技术采用滞后，更倾向购买结果而非产品。对这些行业而言，直接交付成果并内部应用AI可能是最佳路径，如Foundation尝

试变革保险市场，Long Lake试水业主协会管理。这类企业自然面临技术驱动服务的传统挑战——即兼顾一流技术与一流运营的难度——但若能突破桎梏，有望打造

高价值业务。

以全栈服务为楔子切入最终软件业务：部分公司长期目标为纯软件业务，但通过收购小型服务商获取初始客户群，借此观察人工工作流并探索AI自动化路径。尽管非

常规，该策略既能获得初始分销渠道与友好产品测试环境，又可保留软件业务的长期优势。

推动前沿AI本身的发展：在需要人类判断参与模型开发与训练的前沿AI领域，人力参与具有本质重要性。估值138亿美元、当前增速最快的私企之一Scale，最初正是

为满足这类新型AI需求构建基础设施。其首个核心产品是为Waymo等自动驾驶公司提供高质量数据——需精准标注激光雷达等传感器数据以提升自动驾驶能力。

Scale通过自建尖端工具高效产出优质数据（即提升客户模型性能的成果），同时随着生成式AI兴起，其业务扩展至为AI实验室提供人类反馈强化学习（RLHF）数据

——训练最先进基础模型的关键要素。在这两个案例中，传统BPO既无现成解决方案，也未能及时识别需求，更缺乏服务这些日益复杂需求的技术基础，这使得

Scale能独占先机，彻底消除对外包服务的依赖。 此类路径因前沿需求有限而罕见（Scale已占据多数机会），但若在正确时机精准执行，将创造巨大价值。

原文章：Unbundling the BPO: How AI Will Disrupt Outsourced Work

https://a16z.com/unbundling-the-bpo-how-ai-will-disrupt-outsourced-work/

编译：David

文章来自于微信公众号 “ Z Potentials”，作者 ：David