a16z解讀：AI正給3000億的BPO市場創造哪些新機會？

Linkloud 引言

業務流程外包（BPO）是一個價值 3,000 億美元的行業，支撐着全球百強大型企業的後臺與前臺運營。

在本期節目裏，a16z 播客主持人 Steph Smith 與合夥人 Kimberly Tan 一同深入剖析這一轉變，從呼叫中心、發票處理到跨系統自動化以及研發外包。她們探討 AI 如何重新定義規模經濟、開拓新市場，還將自動化的覆蓋範圍拓展至財富 500 強企業之外的中小企業。對於創業者和企業經營者而言，這場對話爲在這個新涉足領域的發展規劃，提供了清晰的思路，Enjoy！

Kimberly Tan 在其文章《拆解業務流程外包：AI 將如何顛覆外包工作》中，深入且全面的探究了 AI 的崛起是怎樣對現狀發起挑戰的。文章連結：

Key Takeaways：

以人爲核心的 BPO 模式具有天然的局限性，一個人無法同時處理 100 件事，同時人類可能因爲諸多外部因素產生理解的偏差和錯誤。

給創業公司的最佳機會，是那些 ROI 極其明確的場景，通常要選擇那些有明確 KPI 可以用來評估工作成效的功能類型。

AI 對 BPO 行業的影響，不僅是替代現有人力，它還在做一件更重要的事情：擴大整個市場的邊界。

AI Coding 的發展不是直接搶奪 BPO 現有業務，而是通過賦權給終端用戶，讓他們有能力自己解決問題。

AI 正在悄悄重塑一個 3,000 億美元的隱形帝國

在 AI 的浪潮席卷全球，我們每天都在討論 LLM、AIGC 和那些酷炫的消費級應用時，有一個龐大而“隱形”的行業，正在被 AI 的力量從根基上進行重塑。這個行業，就是業務流程外包，也就是我們常說的BPO（Business Process Outsourcing）。

BPO：無處不在的服務

BPO 的服務其實早已滲透到我們日常生活的方方面面。當我們致電銀行客服、與航司溝通票務、或者獲得電商的售後支持時，電話另一端爲我們服務的人，很可能就來自一家 BPO 公司。

Accenture、Tata、Wipro、Cognizant、Infosys，這些如雷貫耳的全球 IT 和諮詢巨頭，其業務版圖中很重要的一部分，正是由 BPO 構成的。

BPO 的核心本質：爲企業減負

簡單來說，BPO 就是當一家企業規模大到一定程度時，會有大量非核心但又必不可少的業務流程，如果全部由內部團隊來管理，會變得非常復雜且成本高昂。

因此，企業會選擇將這些工作外包給專業的機構來處理，以實現更高的效率和可擴展性。

這些工作不僅包括我們熟悉的客戶支持和客戶服務，還涵蓋了大量我們看不見的後臺職能，比如：

外包的 HR

財務會計

發票處理

知識管理和研究工作

BPO 的角色：現代商業世界的“潤滑油”

這個行業就像是現代商業世界龐大機器中那些必不可少的齒輪和潤滑油，它確保了整個系統的平穩運行。它的歷史相當悠久，最早甚至可以追溯到 1940 年代，當時一些公司開始幫助制造企業管理其復雜的運營流程。

發展到今天，它已經深度融入了財富 500 強企業所涉及的幾乎所有主要行業——零售、旅遊、電信、物流、制造、醫療保健、保險和銀行。

這是一個龐大的產業生態，目前的市場價值高達 3,000 億美元，並且預計到 2030 年將增長到驚人的 5,000 億美元以上。

它的持續增長，本身就說明了大型企業在維持其日常運營時，需要完成的工作量是何等巨大。 然而，這個建立在“人力”基石上的龐大帝國，如今正面臨着一場前所未有的顛覆。而顛覆的力量，正是 AI。

傳統 BPO 模式的本質與局限性：從“人”出發

要理解 AI 帶來的顛覆有多深刻，我們首先需要看清傳統 BPO 模式的本質和其固有的局限性。

盡管 BPO 公司也提供戰略諮詢或外包應用開發等服務，但我們討論的焦點，是那些最核心的、由人來執行的業務流程外包工作。

傳統模式的固有問題

傳統 BPO 模式的核心，歸根結底是“人”。無論是接聽電話的客服，還是處理發票的會計，最終完成這些任務的都是一個個具體的人。

這意味着，這個價值數千億美元的產業，其效率、質量和擴展性，都受制於人類本身的局限。

最明顯的問題之一，就是延遲。一個人無法同時處理 100 件事情。 在客戶支持的高峯期，用戶常常需要漫長的等待才能接通人工坐席，這種體驗相信很多人都深有體會。

另一個問題是理解上的偏差和錯誤。人類在處理重復性、流程化的工作時，難免會因爲疲勞、情緒或經驗不足而出現失誤。

盡管企業將這些工作外包，是因爲它們並非自身的核心競爭力，或者不想耗費精力去管理，但這絕不意味着這些工作正在以最佳的狀態被完成。

事實上，很多企業對此心知肚明，但長期以來，他們並沒有更好的選擇。

傳統軟件的局限性：無法替代人類的認知能力

爲什麼軟件在過去無法解決這個問題？因爲傳統軟件的歷史局限性在於，它非常擅長執行那些被明確定義、變化不大的流程。 它需要結構化的數據輸入，清晰的規則指令，並且不需要在復雜的上下文中進行理解和判斷。

然而，BPO 所處理的大部分工作，恰恰是傳統軟件的“禁區”。

假設一在個客戶服務場景，你必須真正理解客戶在電話裏詢問的到底是什麼，他的語氣是焦急還是困惑。再比如處理一張發票，你必須能看懂發票上不同位置的欄目內容，即使它們的格式千差萬別。

這類工作充滿了非結構化的信息和需要做出即時判斷的場景，傳統軟件根本無法勝任。因此，唯一的解決方案，就是投入大量的人力勞動，用人類的認知和判斷能力來彌補軟件的不足。

這便是傳統 BPO 行業得以存在和發展的根本原因。它用一種“人海戰術”，解決了一個軟件無法解決的、關於非結構化信息處理和認知判斷的難題。但這個解決方案，本身也構成了它最大的天花板。

新範式降臨：AI 如何打破軟件的枷鎖

AI 的出現，所帶來的，並非是對傳統軟件的簡單優化，而是一種根本性的範式轉移。AI，特別是 LLM，真正擅長處理的，正是過去困擾傳統軟件的那些問題。

它非常善於獲取海量的、通常是非結構化的、格式各異的、分散在不同系統中的信息，然後對這些信息進行綜合、構建和理解，並最終基於這種理解，輸出某種具有針對性的行動。

Voice AI：從零到一的突破

在這場由 AI 引領的變革中，有些技術已經展現出令人難以置信的 ROI，成爲顛覆 BPO 行業的先鋒，而另一些技術則預示着更廣闊的未來。

其中，Voice AI 的能力已經實現了從零到一的決定性突破。我們都曾有過和傳統電話機器人打交道的糟糕經歷，在復雜的語音菜單裏迷失方向，或者被一個完全無法理解我們意圖的僵硬聲音反復折磨。

然而，在過去幾年裏，Voice AI 的技術創新是令人驚嘆的。如今，你可能已經可以真正地與電話另一端的 AI 代理進行一場自然的對話，甚至在對話的開始階段，都無法分辨對方究竟是真人還是 AI。

它們不僅對話能力和語調聽起來非常像人類，而且延遲也已經變得非常低，能夠以正常人類的響應速度進行回應。

更重要的是，這些 AI 代理能夠連接到企業的業務系統，從而在通話時了解你的背景信息，給出更快速和準確的響應。

未來的突破：“操作員”技術的潛力

如果說 Voice AI 是當前已經落地的應用，那麼另一項新興的技術則預示着 AI 將解鎖一個更廣闊的自動化世界。這項技術，可以稱之爲“操作員”（Operator）或瀏覽器使用技術。

其核心思想，是讓 AI 代理能夠像人一樣，在各種不同的軟件系統和界面中工作，無論是傳統的桌面軟件、網頁應用，還是企業內部的定制系統。

很快，AI 代理將能夠導航這些復雜的應用，不僅獲取信息，還能採取行動。這意味着，像數據分析師或發票處理員這類過去必須由人來完成的工作，未來都可以由 AI 處理。

競技場上的新舊對決：創業公司的機會在哪裏

面對如此巨大的變革，那些傳統的 BPO 巨頭，比如 Accenture 和 Tata，當然也不會選擇坐以待斃。 它們深刻理解 AI 帶來的機會。對於創業公司來說，短期內也然存在着真正令人興奮的機會窗口。

這主要源於兩個核心原因：

首先，是商業模式的根本性差異。這些傳統 BPO 巨頭的商業模式，其根基是“勞動力”，是依靠組織大量的人力來執行任務。

對於任何一家年收入達數百億美元的大型上市公司來說，要將核心業務從“人”轉向“AI 產品”，是一個極其困難和痛苦的轉變。這種轉型必然是緩慢的。

其次，許多人低估了與這些先進的 AI 系統合作的實際困難。你需要投入大量的工作來確保 AI 不會產生“幻覺”，需要建立一套評估體系來評價 AI 代理的響應質量，還需要判斷何時以及如何替換底層的模型。

你必須是一個真正的 AI-Native 技術創始人，才能深刻理解如何駕馭這些復雜性，而這在今天，還遠不是一個廣泛分布的技能。

高 ROI 場景：客戶支持的絕佳機會

那麼，創業公司的最佳機會，是那些 ROI 極其明確的場景，通常要選擇那些有明確 KPI 可以用來評估工作成效的功能類型。

客戶支持就是一個絕佳的例子。它的 KPI 非常清晰：在一定時間內可以處理多少工單，以及任務完成後最終用戶的滿意度評分（CSS）。

你可以用數據清晰地證明 AI 代理的價值。相比之下，有些領域的 KPI 就模糊得多，比如 HR。當然，這也需要更多工作去說服企業量化一個 AI HR 助手的價值。

此外，AI 也並非萬能，總會有一些非常長尾的、極其復雜或特殊的問題需要人類的智慧來處理，這意味着成功的商業模式必須考慮誰來處理這些 AI 無法解決的長尾工作。

擴張與創造：AI 不僅在重塑，更在開拓新市場

AI 對 BPO 行業的影響，並不僅僅是替代現有的人力，它還在做一件更重要的事情：擴大整個市場的邊界。

在過去，BPO 服務主要是爲那些有足夠預算的大型企業準備的。而 AI 解決方案的出現，使得那些過去從未接觸過 BPO 的中小企業，也能夠享受到這類服務。

例如，一家中小型電商公司，過去可能無力承擔一個 24 小時客服團隊的成本，但現在通過部署一個高效的 AI 客服代理，它們實際上能夠以極低的成本，爲自己的客戶提供全天候的支持。

這種模式，在短期內可能不會直接衝擊到那些大型 BPO 公司的核心業務，因爲這些中小型企業本來就不是它們的目標客戶。這相當於開闢了一個全新的增量市場。

但從長期來看，如果這些提供 AI 解決方案的創業公司與客戶一同成長，並逐漸瞄準更大的客戶，最終會對現有的市場格局產生深遠的影響。

AI 對現有 BPO 客戶的價值提升

對於那些已經在使用 BPO 服務的公司，AI 也在幫助它們擴展服務所能覆蓋的範圍。

過去一家公司可能只在核心產品線上提供人工支持，而現在，借助 AI，它們可以將高質量的客戶服務延伸到整個產品線的每一個角落。

識別這些最佳機會的一個好方法是，去尋找那些隨着公司成長而“線性擴展”的運營工作。這意味着這項工作的成本會隨着公司業務的增長而成正比增加。

你獲得越多的客戶，你就會有越多的客戶支持請求；你的業務規模越大，你需要處理的發票就越多。如果你能提供一個 AI 解決方案，將這條陡峭的成本增長曲線變得平緩，甚至讓它不增反降，這對公司來說就是一個極其明確的、無法抗拒的價值主張。

當 AI 讓每個人都成爲開發者

許多大型 BPO 企業所做的很多工作，不僅是外包業務流程，還包括外包 IT 或外包應用程序開發。它們也可能會爲那些沒有內部 IT 或工程資源的公司，構建一些小型的內部工具或應用程序。

雖然構建一個完整的應用程序比響應一個客戶查詢要復雜得多，但一個更大的趨勢是，AI Coding Agents 正在變得越來越好。

這項技術的發展，將賦權那些可能不那麼技術化、甚至完全不具備技術背景的人，去構建他們自己需要的完整應用程序。

這實際上將成爲一個非常有趣的、針對 BPO 行業的“正交攻擊向量”。它顛覆的方式，不是直接去搶奪 BPO 公司現有的業務，而是通過賦權給終端用戶，讓他們有能力自己解決問題，從而讓“外包”這個需求本身在某些場景下消失。

我們很難量化在接下來的兩到三年裏，這究竟意味着什麼。但可以想象，當你真正讓一個全新的人羣能夠構建自己的應用程序時，將會發生怎樣的變革。這不僅僅是對一個行業的重塑，更是對工作方式和創造力本身的解放。