人工智能领域最大的赢家未必是那些拥有最多工程师、最庞大数据团队或最高软件预算的公司。
它们更可能是那些利润率最低的企业。制造业、货运公司、分销商、人力资源机构以及现场服务运营商——这些几十年来一直维持着个位数微薄利润的企业，是那些永远不会被称为 AI 公司的企业。
AI 转型通过三个杠杆创造价值：收入、成本和风险。大部分注意力都聚焦在通过更好的产品、更快的销售和更高效的员工来增加收入上。但对于低利润企业而言，最能发挥作用的杠杆是成本——当利润率已经微薄时，即使运营成本的小幅降低，也能带来利润的大幅增长。
一家利润率为 30% 的软件公司可以利用 AI 提高效率，但这种效率提升通常不会改变公司的整体发展轨迹。而一家利润率为 3% 的公司则截然不同。即使成本降低不到 1%，也可能带来超过 25% 的利润增长。
历史上，低利润行业一直深陷于结构性的低利润困境中。但恰当实施的 AI 改变了这一格局。它为低利润企业提供了一种方法来削减那些过去被视为固定不变的成本——并且，率先行动的企业能够在竞争对手被迫将利润重新投入到降价竞争之前，就将这部分收益转化为自己的利润。在一个商品化的市场中，效率最终会扩散开来，但率先行动的那些企业才是真正将收益提升收入囊中，并在行业中率先重置其成本地位的公司。
读完这篇文章，你将理解这些低利润企业如何终于能够着手解决那些几十年来导致其结构性低利润的协调成本——以及为什么率先行动的公司将甩开行业内其他竞争对手。
能解决这个问题的服务商将建立起价值数十亿美元的公司——而那些被他们改造的企业，则将成为率先摆脱利润率陷阱的赢家。
低利润企业面临的结构性障碍
对于大多数低利润企业来说，它们被锁定在低利润困境中，是因为存在一些结构性的障碍。它们通常在商品化的市场中竞争，定价能力有限，并且承担着庞大的运营成本基础——这些成本在过去不降低服务质量的情况下是不可能削减的。由于它们无法左右市场价格（市场价格由市场决定，而非单个企业），成本实际上就成了它们唯一能控制的杠杆。
这些成本基础中，很大一部分是劳动力成本——而除了体力工作本身，企业还承担着协调这些工作的成本。
有一长串的协调工作会随着时间的推移侵蚀这些公司的利润。例如，排班、调度、审批、异常处理，以及无数行政管理流程，都是劳动密集型企业必须承担的，因此也蚕食着公司的底线。而正是这些协调工作，为 AI 在劳动密集型、低利润企业中发挥关键作用提供了最清晰的机会。
在这类公司中，劳动力成本通常占收入的近 25%。其中大约四分之一（约合收入的 6%）的劳动力支出是用于管理、协调和行政工作。对于一家利润率仅为 3% 的公司来说，将协调负担减轻 10%，就能使利润提升约 20%，从而彻底改变公司的盈利状况。
因此，AI 不仅仅让它们稍微更高效。它给那些率先采用 AI 的公司提供了一个机会，来建立起相对于竞争对手的结构性成本优势——并有可能有史以来第一次，以真正更高的利润率运营。
问题在于，最有可能从 AI 中获益的公司，往往也是最难采用 AI 的公司
如今企业级 AI 领域销售的大多数解决方案都基于一个假设：员工会采用一个新工具，正确地使用它，并逐渐将使用转化为逐步体现在损益表上的价值。考虑到即使是在技术领先的公司内部，这个假设也未必成立，那么在制造公司、物流企业或任何其他劳动力密集型公司里，情况只会更糟——因为这些公司的员工并不习惯于采用新的软件产品。这些企业通常最不擅长应对变革管理。
真正的问题是，如何在不依赖员工采纳的前提下——或者至少在不强加新的交互界面的情况下——实现 AI 驱动的利润扩张。这就是挑战所在，而解决这个挑战的方法，或许就是当前 AI 领域最可触及的万亿美元级机会。
解决低利润这个万亿美元级挑战的三个步骤
1) 发现隐藏的协调成本
大多数人对 AI 成本节约的思考过于狭隘。他们想象的是用一个任务替代另一个任务、减少员工人数，或者让员工工作得更快。这些在未来确实可能发生，也可能很重要，但就目前 AI 的能力而言，这个机会中的一个重要部分在于“工作背后的工作”：维持混乱的人力运营所必需的管理开销。
一线员工执行具体工作，但在任务执行背后，是一套由经理、主管、分析师、财务团队、运营团队和后台人员组成的系统，确保工作完成并送达公司内正确的部门。
这个协调层之所以存在，是因为人类工作天生就比 AI 更混乱。人类自然会做出不同的判断，而且每个人都带着自己对公司和手头任务的独特理解。久而久之，这就成了组织内部协调所需的巨大运营成本，协调层因此应运而生。
以我们最近合作过的一家物流公司为例。显性的劳动力成本是司机，但公司还在为围绕司机的协调基础设施买单：调度团队、路线变更、客户更新、索赔、发票、异常处理以及后台对账。这些额外的协调支出加起来接近其收入的 10%，而这正是我们在转型中能够着手削减的支出。
在做了其他几个低利润企业的转型项目后，我们意识到这并非个例。同样的模式出现在物流、制造、设施管理、现场服务、人力资源、医疗诊所，以及其他劳动力密集型企业中——这些企业的服务难以差异化，定价能力有限，运营依赖于持续的人工协调。这些公司无法简单地通过提价来摆脱困境。它们的利润率之所以被压缩，是因为它们需要一个庞大的协调层来可靠地交付相对商品化的服务。
2) 消除员工采纳这个瓶颈
如果技术领先的公司都难以实现大规模的 AI 采纳，那么指望非技术型劳动力能有不同的结果是不现实的。大多数企业级 AI 产品仍然依赖于行为改变。它们要求员工打开一个新界面，记住何时使用它，决定哪些任务适用，然后将输出结果翻译回他们已经在做的工作流程中。实际上，这使 AI 变成了另一个需要“去”工作的地方，而不是一个能够真正“减少”工作的系统。
这就是采纳失败的原因。员工不需要另一个帮助他们完成工作的工具。他们希望工作本身能被完成。理想的解决方案不是一个让员工使用的更好界面，而是一个能够嵌入现有工作流程、并从一开始就消除大部分交互需求的系统。
3) 将 AI 嵌入到公司的基础设施层面
我们在这些部署中发现，最佳的 AI 应用是将 Agent（智能体）作为公司运营层的一部分。它叠加在现有系统、邮箱、文件、审批和工作流程之上——也就是工作已经发生的地方。
如果应付账款流程通过 NetSuite（一款财务管理软件）、电子邮件、PDF 和电子表格来完成，那么 Agent（智能体）就应该跨越 NetSuite、电子邮件、PDF 和电子表格来工作。它应该提取发票，与采购订单进行匹配，标记异常，准备审批，并且仅在需要人工判断时才将问题路由给合适的人。然后，它应该更进一步，从审批反馈中学习，随着时间的推移不断优化自身。价值的实现不应依赖员工采纳和使用新系统——它应该被工程化地植入到 AI 部署中。
我们学到的价值百万美元的经验是：要将 AI 的价值工程化地注入到企业中，你需要将 AI 作为基础设施来销售。软件要求员工采用一个工具，但基础设施改变的是员工底层的运营层。员工仍然应该了解发生了什么，流程负责人仍然应该能够暂停工作流、更改规则、批准异常或在需要时将人工干预拉回来。但这种价值的实现不应依赖某个人每天记着去使用 AI。
最大的 AI 机会隐藏在最不起眼的地方
这就是为什么低利润企业是 AI 领域最大的利润扩张机会。
它们拥有最强烈的经济动机，因为微小的利润率提升就能带来巨大的利润增长。它们拥有 AI 特别适合削减的庞大劳动力和协调密集型成本结构。而且，它们所处行业的特性是，即使是轻微的效率提升也能改变公司的竞争地位。
市场一直聚焦于软件公司、技术领先的企业和知识工作者，因为这些公司采纳工具的速度更快，并且有预算进行尝试。但最大的利润影响可能来自于那些最不可能将自己描述为 AI 公司的企业。
它们并非显而易见的 AI 赢家，因为从外部看，它们不像 AI 公司。但这恰恰是这个机会如此巨大的原因。
它们的利润率微薄，是因为运营沉重。运营沉重，常常是因为需要协调人力。而 AI 是第一种能够在不需要整个劳动力改变工作方式的情况下，显著减少这部分协调工作的技术。
下一波 AI 赢家将来自于将 Agent（智能体）部署到低利润企业的工作流程背后，并让成本节约悄无声息地体现在运营模式中。
如果你的企业希望像我们其他制造业和物流业客户一样，实现 8 位数的利润率提升，请访问我们的网站 varickagents.com
