Linkloud 引言
业务流程外包（BPO）是一个价值 3,000 亿美元的行业，支撑着全球百强大型企业的后台与前台运营。
在本期节目里，a16z 播客主持人 Steph Smith 与合伙人 Kimberly Tan 一同深入剖析这一转变，从呼叫中心、发票处理到跨系统自动化以及研发外包。她们探讨 AI 如何重新定义规模经济、开拓新市场，还将自动化的覆盖范围拓展至财富 500 强企业之外的中小企业。对于创业者和企业经营者而言，这场对话为在这个新涉足领域的发展规划，提供了清晰的思路，Enjoy！
Kimberly Tan 在其文章《拆解业务流程外包：AI 将如何颠覆外包工作》中，深入且全面的探究了 AI 的崛起是怎样对现状发起挑战的。文章链接：https://a16z.com/unbundling-the-bpo-how-ai-will-disrupt-outsourced-work/
Key Takeaways：
-
以人为核心的 BPO 模式具有天然的局限性，一个人无法同时处理 100 件事，同时人类可能因为诸多外部因素产生理解的偏差和错误。
-
给创业公司的最佳机会，是那些 ROI 极其明确的场景，通常要选择那些有明确 KPI 可以用来评估工作成效的功能类型。
-
AI 对 BPO 行业的影响，不仅是替代现有人力，它还在做一件更重要的事情：扩大整个市场的边界。
-
AI Coding 的发展不是直接抢夺 BPO 现有业务，而是通过赋权给终端用户，让他们有能力自己解决问题。
AI 正在悄悄重塑一个 3,000 亿美元的隐形帝国
在 AI 的浪潮席卷全球，我们每天都在讨论 LLM、AIGC 和那些酷炫的消费级应用时，有一个庞大而“隐形”的行业，正在被 AI 的力量从根基上进行重塑。这个行业，就是业务流程外包，也就是我们常说的BPO（Business Process Outsourcing）。
-
BPO：无处不在的服务
BPO 的服务其实早已渗透到我们日常生活的方方面面。当我们致电银行客服、与航司沟通票务、或者获得电商的售后支持时，电话另一端为我们服务的人，很可能就来自一家 BPO 公司。
Accenture、Tata、Wipro、Cognizant、Infosys，这些如雷贯耳的全球 IT 和咨询巨头，其业务版图中很重要的一部分，正是由 BPO 构成的。
-
BPO 的核心本质：为企业减负
简单来说，BPO 就是当一家企业规模大到一定程度时，会有大量非核心但又必不可少的业务流程，如果全部由内部团队来管理，会变得非常复杂且成本高昂。
因此，企业会选择将这些工作外包给专业的机构来处理，以实现更高的效率和可扩展性。
这些工作不仅包括我们熟悉的客户支持和客户服务，还涵盖了大量我们看不见的后台职能，比如：
-
外包的 HR
-
财务会计
-
发票处理
-
知识管理和研究工作
-
BPO 的角色：现代商业世界的“润滑油”
这个行业就像是现代商业世界庞大机器中那些必不可少的齿轮和润滑油，它确保了整个系统的平稳运行。它的历史相当悠久，最早甚至可以追溯到 1940 年代，当时一些公司开始帮助制造企业管理其复杂的运营流程。
发展到今天，它已经深度融入了财富 500 强企业所涉及的几乎所有主要行业——零售、旅游、电信、物流、制造、医疗保健、保险和银行。
这是一个庞大的产业生态，目前的市场价值高达 3,000 亿美元，并且预计到 2030 年将增长到惊人的 5,000 亿美元以上。
它的持续增长，本身就说明了大型企业在维持其日常运营时，需要完成的工作量是何等巨大。 然而，这个建立在“人力”基石上的庞大帝国，如今正面临着一场前所未有的颠覆。而颠覆的力量，正是 AI。
传统 BPO 模式的本质与局限性：从“人”出发
要理解 AI 带来的颠覆有多深刻，我们首先需要看清传统 BPO 模式的本质和其固有的局限性。
尽管 BPO 公司也提供战略咨询或外包应用开发等服务，但我们讨论的焦点，是那些最核心的、由人来执行的业务流程外包工作。
-
传统模式的固有问题
传统 BPO 模式的核心，归根结底是“人”。无论是接听电话的客服，还是处理发票的会计，最终完成这些任务的都是一个个具体的人。
这意味着，这个价值数千亿美元的产业，其效率、质量和扩展性，都受制于人类本身的局限。
最明显的问题之一，就是延迟。一个人无法同时处理 100 件事情。 在客户支持的高峰期，用户常常需要漫长的等待才能接通人工坐席，这种体验相信很多人都深有体会。
另一个问题是理解上的偏差和错误。人类在处理重复性、流程化的工作时，难免会因为疲劳、情绪或经验不足而出现失误。
尽管企业将这些工作外包，是因为它们并非自身的核心竞争力，或者不想耗费精力去管理，但这绝不意味着这些工作正在以最佳的状态被完成。
事实上，很多企业对此心知肚明，但长期以来，他们并没有更好的选择。
-
传统软件的局限性：无法替代人类的认知能力
为什么软件在过去无法解决这个问题？因为传统软件的历史局限性在于，它非常擅长执行那些被明确定义、变化不大的流程。 它需要结构化的数据输入，清晰的规则指令，并且不需要在复杂的上下文中进行理解和判断。
然而，BPO 所处理的大部分工作，恰恰是传统软件的“禁区”。
假设一在个客户服务场景，你必须真正理解客户在电话里询问的到底是什么，他的语气是焦急还是困惑。再比如处理一张发票，你必须能看懂发票上不同位置的栏目内容，即使它们的格式千差万别。
这类工作充满了非结构化的信息和需要做出即时判断的场景，传统软件根本无法胜任。因此，唯一的解决方案，就是投入大量的人力劳动，用人类的认知和判断能力来弥补软件的不足。
这便是传统 BPO 行业得以存在和发展的根本原因。它用一种“人海战术”，解决了一个软件无法解决的、关于非结构化信息处理和认知判断的难题。但这个解决方案，本身也构成了它最大的天花板。
新范式降临：AI 如何打破软件的枷锁
AI 的出现，所带来的，并非是对传统软件的简单优化，而是一种根本性的范式转移。AI，特别是 LLM，真正擅长处理的，正是过去困扰传统软件的那些问题。
它非常善于获取海量的、通常是非结构化的、格式各异的、分散在不同系统中的信息，然后对这些信息进行综合、构建和理解，并最终基于这种理解，输出某种具有针对性的行动。
-
Voice AI：从零到一的突破
在这场由 AI 引领的变革中，有些技术已经展现出令人难以置信的 ROI，成为颠覆 BPO 行业的先锋，而另一些技术则预示着更广阔的未来。
其中，Voice AI 的能力已经实现了从零到一的决定性突破。我们都曾有过和传统电话机器人打交道的糟糕经历，在复杂的语音菜单里迷失方向，或者被一个完全无法理解我们意图的僵硬声音反复折磨。
然而，在过去几年里，Voice AI 的技术创新是令人惊叹的。如今，你可能已经可以真正地与电话另一端的 AI 代理进行一场自然的对话，甚至在对话的开始阶段，都无法分辨对方究竟是真人还是 AI。
它们不仅对话能力和语调听起来非常像人类，而且延迟也已经变得非常低，能够以正常人类的响应速度进行回应。
更重要的是，这些 AI 代理能够连接到企业的业务系统，从而在通话时了解你的背景信息，给出更快速和准确的响应。
-
未来的突破：“操作员”技术的潜力
如果说 Voice AI 是当前已经落地的应用，那么另一项新兴的技术则预示着 AI 将解锁一个更广阔的自动化世界。这项技术，可以称之为“操作员”（Operator）或浏览器使用技术。
其核心思想，是让 AI 代理能够像人一样，在各种不同的软件系统和界面中工作，无论是传统的桌面软件、网页应用，还是企业内部的定制系统。
很快，AI 代理将能够导航这些复杂的应用，不仅获取信息，还能采取行动。这意味着，像数据分析师或发票处理员这类过去必须由人来完成的工作，未来都可以由 AI 处理。
竞技场上的新旧对决：创业公司的机会在哪里
面对如此巨大的变革，那些传统的 BPO 巨头，比如 Accenture 和 Tata，当然也不会选择坐以待毙。 它们深刻理解 AI 带来的机会。对于创业公司来说，短期内也然存在着真正令人兴奋的机会窗口。
-
这主要源于两个核心原因：
首先，是商业模式的根本性差异。这些传统 BPO 巨头的商业模式，其根基是“劳动力”，是依靠组织大量的人力来执行任务。
对于任何一家年收入达数百亿美元的大型上市公司来说，要将核心业务从“人”转向“AI 产品”，是一个极其困难和痛苦的转变。这种转型必然是缓慢的。
其次，许多人低估了与这些先进的 AI 系统合作的实际困难。你需要投入大量的工作来确保 AI 不会产生“幻觉”，需要建立一套评估体系来评价 AI 代理的响应质量，还需要判断何时以及如何替换底层的模型。
你必须是一个真正的 AI-Native 技术创始人，才能深刻理解如何驾驭这些复杂性，而这在今天，还远不是一个广泛分布的技能。
-
高 ROI 场景：客户支持的绝佳机会
那么，创业公司的最佳机会，是那些 ROI 极其明确的场景，通常要选择那些有明确 KPI 可以用来评估工作成效的功能类型。
客户支持就是一个绝佳的例子。它的 KPI 非常清晰：在一定时间内可以处理多少工单，以及任务完成后最终用户的满意度评分（CSS）。
你可以用数据清晰地证明 AI 代理的价值。相比之下，有些领域的 KPI 就模糊得多，比如 HR。当然，这也需要更多工作去说服企业量化一个 AI HR 助手的价值。
此外，AI 也并非万能，总会有一些非常长尾的、极其复杂或特殊的问题需要人类的智慧来处理，这意味着成功的商业模式必须考虑谁来处理这些 AI 无法解决的长尾工作。
扩张与创造：AI 不仅在重塑，更在开拓新市场
AI 对 BPO 行业的影响，并不仅仅是替代现有的人力，它还在做一件更重要的事情：扩大整个市场的边界。
在过去，BPO 服务主要是为那些有足够预算的大型企业准备的。而 AI 解决方案的出现，使得那些过去从未接触过 BPO 的中小企业，也能够享受到这类服务。
例如，一家中小型电商公司，过去可能无力承担一个 24 小时客服团队的成本，但现在通过部署一个高效的 AI 客服代理，它们实际上能够以极低的成本，为自己的客户提供全天候的支持。
这种模式，在短期内可能不会直接冲击到那些大型 BPO 公司的核心业务，因为这些中小型企业本来就不是它们的目标客户。这相当于开辟了一个全新的增量市场。
但从长期来看，如果这些提供 AI 解决方案的创业公司与客户一同成长，并逐渐瞄准更大的客户，最终会对现有的市场格局产生深远的影响。
-
AI 对现有 BPO 客户的价值提升
对于那些已经在使用 BPO 服务的公司，AI 也在帮助它们扩展服务所能覆盖的范围。
过去一家公司可能只在核心产品线上提供人工支持，而现在，借助 AI，它们可以将高质量的客户服务延伸到整个产品线的每一个角落。
识别这些最佳机会的一个好方法是，去寻找那些随着公司成长而“线性扩展”的运营工作。这意味着这项工作的成本会随着公司业务的增长而成正比增加。
你获得越多的客户，你就会有越多的客户支持请求；你的业务规模越大，你需要处理的发票就越多。如果你能提供一个 AI 解决方案，将这条陡峭的成本增长曲线变得平缓，甚至让它不增反降，这对公司来说就是一个极其明确的、无法抗拒的价值主张。
当 AI 让每个人都成为开发者
许多大型 BPO 企业所做的很多工作，不仅是外包业务流程，还包括外包 IT 或外包应用程序开发。它们也可能会为那些没有内部 IT 或工程资源的公司，构建一些小型的内部工具或应用程序。
虽然构建一个完整的应用程序比响应一个客户查询要复杂得多，但一个更大的趋势是，AI Coding Agents 正在变得越来越好。
这项技术的发展，将赋权那些可能不那么技术化、甚至完全不具备技术背景的人，去构建他们自己需要的完整应用程序。
这实际上将成为一个非常有趣的、针对 BPO 行业的“正交攻击向量”。它颠覆的方式，不是直接去抢夺 BPO 公司现有的业务，而是通过赋权给终端用户，让他们有能力自己解决问题，从而让“外包”这个需求本身在某些场景下消失。
我们很难量化在接下来的两到三年里，这究竟意味着什么。但可以想象，当你真正让一个全新的人群能够构建自己的应用程序时，将会发生怎样的变革。这不仅仅是对一个行业的重塑，更是对工作方式和创造力本身的解放。
