解散BPO：AI将如何中断外包工作|安德烈·霍洛维茨（Andreessen Horowitz）

业务流程外包（BPO）市场庞大。行业的市值已经结束3000亿美元在2024年，预计到2030年将超过5250亿美元。 

企业依靠BPO，因为它们提供了一种具有成本效益的方式来执行必要的大量和重复的工作，例如客户支持，外包和经济索赔处理 - 他们不想处理自己。BPO的工作很重要，但是与他们合作的经验远非无缝。BPO可以长时间的工作量转变时间，因为他们的员工缺乏个人责任，因此很容易出现人为错误，并且由于缺乏背景和权力而无法令人满意地完成某些任务。所有这些因素都以效率较低且经常令人沮丧的经验对最终客户达到顶峰。借助AI，初创企业现在可以为客户提供两全其美的最佳状态，并使企业能够以高质量，可扩展和成本效益的方式内部内部的客户体验和后台运营。 

我们认为，AI有一个明显的机会来生产和解开BPO。这很令人兴奋，原因有几个。从技术的角度来看，很明显为什么现在：现代AI已经变得异常擅长处理以前无法通过软件进行充分完成的工作。核心基础模型迅速越来越好数据提取，，，，深入研究， 和复杂的推理， 尽管表达AI代理足够成熟，可以大规模生产浏览器代理即将跟随。从业务角度来看，BPO倾向于是老年人，他们缺乏尖端的技术，并且在明确的，现有的预算方面属于明确的工作类别；鉴于可靠的市场需求，可用预算和旧竞赛，这使它们成为初创企业的主要破坏目标。

BPO业务模型以及AI代理如何破坏它

运行大型企业运营需要大量的重复性，交易工作，无论是数据输入，呼叫中心操作，收入周期管理，发票核对还是工资核算处理。这项工作是坚韧不拔的，幕后，在操作上复杂，而不是企业的核心竞争力。这项工作也可能是不一致和季节性的，例如假期左右的客户服务需求；某些职能的年度员工周转可能是高达30-40％。一个 

管理这种复杂性的痛苦与招聘，招聘和培训内部员工的财务和运营成本相结合，这就是为什么BPO是当今如此巨大的企业的原因。BPO喜欢认知，，，，Infosys， 和wipro报告的收入分别在其最新财政年度的100-200亿美元之间。BPO在银行和金融服务，医疗保健，酒店，物流和零售等大型行业中也无处不在。实际上，一些行业有如此特定的需求，以至于出现了许多垂直特定的BPO，包括货运审计薪酬企业以管理运输审计和付款，第三方管理员（TPA）处理保险索赔以及收入周期管理（RCM）公司（RCM）公司帮助医疗保健提供者管理医疗账单和收款。 

尽管这些BPO从事重要的工作并为大型且令人印象深刻的业务提供服务，但大多数是几十年前建立的 - 还可以追溯到1940年代，并依靠深厚的客户关系和古老的系统集成而不是尖端的技术。多年来，考虑到软件的局限性，这是企业的最佳选择。 

但是现在，现代AI使BPO生产生产，并在内部实现这项工作，这要归功于：

• 快速提高通用模型功能：LLM在典型的任务中正在迅速改进BPO，例如非结构化文档处理，数据和解，知识搜索，推理能力， 和工具使用。我们希望这些模型将继续改善并进一步生产BPO所做的工作。 
• 有意义表达AI功能：Voice AI已被证明是解锁先前受传统软件限制的核心用例的关键0到1功能。新软件通常由AI基础设施公司提供支持Elevenlabs，，，，Openai， 或者Cartesia近年来，近年来已经显着改善，很快就会使AI代理与人类的代理人几乎没有区别。 
• 新兴浏览器技术：拟人化计算机使用模型，Openai操作员， 和Google Deepmind的项目水手预览AI代理如何处理桌面和基于浏览器的任务。这为AI在特定应用程序之外以及台式机，浏览器和本地应用程序之外采用的机会打开了机会。我们认为，这将是人们将利用的关键新兴财产来建立跨异性软件表面的新代理体验。

借助这些功能，AI代理可以以软件的速度运作，工作24/7，适应任何重要的文化规范，以任何语言进行交流，并在需要有限的人类参与的情况下无限地跨越完整的客户群。而且，由于公司部署AI的可扩展性比雇用内部或外包劳动力更为可扩展，因此AI代理商实际上已经发展了市场。现在，公司可以在更多的产品，客户和需求中扩展代理商，而不仅仅是在单位经济学上提供有意义的同类群体。

AI对BPO的影响以及机会在哪里

AI本地公司已经在BPO支出之后发展，其中许多公司正在以前所未有的速度增长。这些公司知道他们需要建造可辩护的产品，以保持现任和启动竞赛的领先地位，但是客户的早期证据既高需求，又是明显的客户爱情 - 意味着他们有一个明确的机会在此过程中建立更深的产品工作流并创建持久的护城河。 

前台客户体验

AI初创公司最明显的机会之一是客户支持和客户体验，这构成了BPO支出超过1000亿美元的最大子细分市场。

每个人都感到自动化客户服务体验的痛苦出错。如果您的请求没有简单，预定义的答案和解决方案，那么您几乎总是将其分流为涉及调用自动号码的流程，然后要求与人类代理商交谈，徒劳地向客户服务发送电子邮件别名，与没有上下文或三个组合的聊天机器人愤怒地争论。 

借助AI代理，公司现在可以以软件的速度，质量和可扩展性以各种方式（文本，电子邮件，语音）提供一流的内部客户体验。这些代理可以24/7全天候工作，用任何语言解决查询，并立即做出响应，而无需排队或等待时间 - 无需雇用，培训和留住内部人员，以应对不一致的需求。公司喜欢decagon例如，已经建立了AI支持代理80％的分辨率和提高了大门客户的CSAT分数。Decagon的AI代理商还允许客户在更多的用户和产品中提供支持，因为他们使这样做的成本效益。 

特定于行业的AI代理也正在成功地生产其行业的核心BPO用例。在自动贷款中，突出S AI语音代理允许大量的客户摄入量和收集电话，这些电话可以有效地调用广泛的客户群，同时保持最新的相关合规法规。在家庭服务中，avoca允许客户的下班时间或溢出呼叫自己的内部人员无法处理（他们以前将其交给外包呼叫中心）。由于产品的复杂性，平台集成和特定于行业的监管要求，这些垂直用例特别有趣。这些特征使水平玩家或基础模型更难轻松汇总这些用例，从而使这些初创公司随着时间的流逝而变得更加持久的护城河。” 

后台行动 

AI初创公司也有意义地削减了BPO在后台运营中的支出。 

因此，许多企业工作流程最终都涉及从不同系统中获取混乱，非结构化的数据，然后摄入，正常化和调解该数据。这是平凡而重复的工作，公司采取了不同的方法来处理它。一些雇用运营员工，一些使用机器人过程自动化（RPA）解决方案，有些则将其外包给BPO。我们写的关于RPA解决方案的脆弱性将通过AI代理人生产，我们认为外包BPO支出也会发生同样的情况。

我们已经看到这种情况发生在不同的行业。例如，运输行业必须管理和调和价值数十亿美元的发票，以减少欺诈和错误，并确保正确支付供应链中的每个方。以前是由大型货运审计付款公司手动完成的卡斯和绿山，，，，环形现在，其他人可以使用AI生产此发票对帐，索赔管理和成本分配过程。在医疗保健（利用BPO的最大行业之一）中，杜松已将AI Gen AI应用于收入周期管理并证明明确的效率提高;一位客户甚至在第一次提交的拒绝下减少了80％，而在索赔过程和计费上节省了50％的时间，而没有增加成本。

应用开发和发电

最后，即使在确定的BPO支出之后，许多公司也间接地进入BPO市场。这是因为大型BPO用例是使用外包工程资源来构建自定义应用程序，如果企业没有自己的资源或能力来实现自己。

现在，编码助手喜欢光标可以允许企业增加其现有工程劳动力的产出，并大大提高个人开发人员的生产率，这可以使企业能够在内部开发更多此类应用程序。随着兴起AI驱动的Web应用程序构建器，非技术用户将很快能够构建内部应用程序而无需自己编写代码。这两种功能都意味着，将来，将应用程序开发外包给BPO的需求要少得多。

分销与创新：BPOS的期望 

该空间中的每个初创企业都有一个遗产：BPO本身。毫不奇怪，这些BPO和大多数企业一样，已经注意到了Ai Tidal Wave，并宣布了自己的举措。AI采用增加了140％在现有项目中，Infosys宣布他们有超过100个新的AI代理商部署在其客户群中。埃森哲（Accenture）最近专门从事咨询和外包工作在新预订中宣布了12亿美元独自用于生成AI项目。

在那里自然战在拥有分销的现有企业和有创新的初创公司之间。在这种情况下，现任者肯定会捕获一些价值，但我们认为初创企业比BPO优先，有几个原因：

在构建AI原始产品和运行BPO之间存在基本业务模型不匹配。 大多数BPO在时间和材料计费模型上收取费用，然后对该劳动收取约20-30％的评价：他们的业务模式取决于雇用人员并将该劳动的产出出售给客户。大修该模型成为产品优先的本地业务将是一项巨大的事业，它将极大地压缩其利润率，杀死他们当前的现金牛并扭曲公司文化。对于任何公司来说，这都是一个非常困难的转变，更不用说一家将受到公共市场大量审查的上市公司的发展。” 

关于如何利用最新AI模型的知识并未均匀分布。每天都会发布大量尖端的AI模型，工具和研究 - 即使是高度技术的AI专家也不知所措。公司需要一流的AI-native团队才能保持最新的研究突破，并了解如何将其用于企业用户 - 一种罕见的人才组合，通常在BPO中发现。

但是，这次初创企业破坏BPO的机会有一个到期日期。假设遗产BPO最终不会自行采取这些机会，这是天真的。随着基础模型层稳定并变得更广泛的受众群体，BPO将能够更轻松地将AI融入其业务中，并且无疑将向长期客户推广自己的内部AI产品。因此，希望在这一刻大写的初创公司最好由：

• 能够证明一个异常清晰的ROI：选择一个具有异常清晰的ROI案件的用例和行业反对现状的ROI案例将加速在许多行业中采用。我们之所以看到AI语音和客户支持中如此迅速采用的原因（例如decagon）是因为语音AI是买家可以清楚地理解的显而易见的步进功能，并且客户支持具有明确的，可量化的指标，可以衡量（即解决率和CSAT得分）。结果，初创企业可以轻松证明自己的投资回报率，并决定购买直接的投资回报率。
• 为早期客户提供大量客户优先和前瞻性：痴迷客户总是很重要。但是，由于BPO销售的一个明显优势是他们的自定义服务和定制系统集成，因此我们认为，对于希望取代该工作以模仿客户优先部署的AI初创公司，尤其是在参与开始时，这尤其重要。这不仅是为了提供类似于BPO提供的类似白手套的结果，而且还使客户对使用基本新技术感到紧张。这突出例如，创始人实际上将城市移动了几个月，以使其更接近他们的早期客户之一，以便他们可以亲自与他们一起部署。鉴于成功的客户推出和实施过程中的学习，这项付出了巨大的股息。虽然长期目标应该是生产和使入门可扩展，但这种初始的前期工作水平是可以理解的，甚至可能是必要的。

建立AI本地的全栈公司

许多初创公司正在生产BPO，但其他初创公司正在自己接受服务。一些企业正在采用类似私募股权的汇总策略，他们购买资产并使用AI来提高效率。其他人正在尝试获取作为分配机制，以获取可以原型制作其计划进行长期业务的软件产品的客户。然而，其他公司正在从头开始建立一家新的全堆栈公司，以在速度，成本和质量上与现有的BPO竞争，将AI和人类判断嵌入其核心DNA中。

从历史上讲，支持技术的企业一直具有挑战性，因为两者都很难构建一流的AI产品并经营着坚韧不拔的运营业务，但是现代AI使探索全堆栈方法可能可行的地方变得更加容易探索。其中包括：

解决不愿完全购买软件的行业：一些行业只是采用的晚期采用者，而不是购买成果而不是产品。对于这些行业，在内部实现结果并利用AI是最佳方法，因为基础正在尝试为保险市场做长湖正在尝试为hoas做。这些公司自然会面临运营支持技术服务的传统挑战 - 即，很难建立一流的技术并经营一流的运营业务动议，可能有宝贵的业务要建造。 

从楔子开始全面堆放到最终的软件播放：一些公司计划长期成为仅限软件业务，但首先要进行小型服务提供商的收购以确保初始客户群。他们计划使用该基础观察手动工作流程，并学习如何使用AI自动化它们。尽管非常规，但这种策略可能是获得初始分销并为软件产品提供友好原型环境的一种有吸引力的方式，同时仍然可以长期获得软件业务的好处。

实现Frontier AI本身的创建：考虑到发展和训练模型所需的人类判断，Frontier AI是一个本质上重要的类别。规模最后报道要拥有138亿美元的估值，并且是当今增长最快的私人公司之一。它的第一个主要产品是Waymo等自动驾驶汽车公司的高质量数据，Waymo需要完全宣布的激光雷达和其他传感器数据来提高其自动驾驶能力。规模售出的结果（即改善了客户模型的数据），同时构建了尖端的内部工具，以有效地进行高质量。随着生成性AI的出现，他们从那以后，通过人为反馈（RLHF）数据提供了增强学习 - 对AI实验室进行培训最先进的基础模型的关键组成部分。在这两种情况下，BPO都没有现有的产品，未能早期认识到需求，并且缺乏满足这些需求所需的技术基础，而这些需求只会继续增长。这左尺度良好，以捕捉机会，并消除了对传统外包公司的需求。这条道路很少见，因为只有太多的边界能力可以使用（规模准备捕获许多），但是如果正确地完成，并且在正确的时刻完成了这一功能。 

结论

我们认为，要创建许多大型公司，这些公司都将BPO所做的工作。如果您的主要比赛是BPO，我们很喜欢聊天。