AI 浪潮中最大的贏家，不一定是那些擁有最多工程師、最龐大數據團隊或最高軟體預算的公司。
它們可能是那些利潤率最低的企業。例如，數十年來僅靠微薄的個位數利潤率維生的製造商、貨運公司、經銷商、人力資源公司與現場服務營運商——這些企業，從來沒有人會稱之為 AI 公司。
AI 轉型透過三個槓桿創造價值：營收、成本與風險。目前大多數的注意力都集中在透過更好的產品、更快的銷售與更高效率的員工來提升營收。但對於低利潤企業來說，最強大的槓桿是成本——當利潤空間已經很薄時，即使是營運費用的小幅減少，也能帶來不成比例的獲利成長。
一家利潤率為 30% 的軟體公司，可以利用 AI 變得更有效率，但這種效率提升通常不會改變公司的發展軌跡。然而，一家利潤率僅有 3% 的企業就截然不同了。即使成本只降低不到 1%，也可能帶來超過 25% 的獲利成長。
低利潤產業長期以來一直困在結構性的低利潤環境中。若能妥善導入 AI，就能改變這個方程式。它為低利潤企業提供了一個攻擊過去被視為固定成本的切入點——而那些率先行動的公司，就能在競爭對手被迫將其反映在更低價格之前，鎖住這部分利潤。效率最終會在一個商品化的市場中擴散開來，但率先行動者才是真正能將獲利成長收入囊中，並在業界領先一步重置其成本結構的企業。
讀完這篇文章，你應該能理解，最低利潤率的企業最終將如何攻克那些數十年來使其結構性低利的協調成本——以及為何率先行動的公司會從產業中脫穎而出。
能夠解決這個問題的服務提供者，將建立起價值數十億美元的公司——而它們所轉型的企業，將是率先逃離利潤陷阱的那一群。
低利潤企業面臨的結構性障礙
對大多數低利潤企業來說，存在一些結構性障礙，將它們鎖死在這個位置上。它們通常在商品化的市場中競爭，定價能力有限，且背負著龐大的營運成本基礎——而這些成本在過去若不犧牲服務品質，幾乎不可能降低。由於它們無法影響市場價格——價格是由市場決定的，而非單一公司——成本實際上就成了它們唯一能控制的槓桿。
這筆成本基礎中，有很大一部分是勞動力——而除了實際的體力工作之外，這些公司還承擔了協調這些勞動力的成本。
有大量的協調工作隨著時間侵蝕著這些公司的利潤。例如，排班、調度、審批、異常處理，以及無數的行政循環，這些都會侵蝕勞動密集型公司的底線。而這些協調工作，正是 AI 對於勞動密集型、低利潤企業最有機會發揮影響力的地方。
在這類公司中，勞動力成本通常約占營收的 25%。其中大約四分之一的勞動力支出，又與管理工作、協調工作和行政流程息息相關，約占營收的 6%。對於一家利潤率僅 3% 的公司來說，若能將協調負擔減輕 10%，就能讓獲利提升約 20%，徹底改變公司的獲利結構。
因此，AI 不僅僅是讓它們變得稍微有效率一點。它給了那些早期採用的公司一個機會，去建立相對於競爭對手的結構性成本優勢——或許是第一次，能夠真正以較高利潤率的姿態營運。
問題在於，最有機會從 AI 中獲益的公司，往往最不具備採用的能力
現今大多數企業級 AI 解決方案都預設一個前提：員工會採用新工具、正確使用它，並逐漸將使用轉化為價值，最終反映在損益表上。但這個前提即使在科技領先的公司內部都難以成立，更不用說是在製造公司、物流企業或其他勞動力密集的組織裡——這些公司的員工並不習慣採用新的軟體產品。這些企業通常對於變革管理的接受度最低。
真正的問題是，如何在不依賴員工採用（或者至少不強制他們使用新的互動介面）的情況下，實現 AI 驅動的利潤擴張。這就是挑戰所在，而解決這個問題的方式，可能是 AI 領域目前最值得把握的、價值數兆美元的機會。
解決這個兆元級低利潤挑戰的三個步驟
1) 找出隱藏的協調成本
大多數人對 AI 節省成本的思考過於狹隘。他們想像的是取代一個任務、減少員工人數，或是讓員工變得更快。這些確實重要，未來也可能發生，但就目前 AI 的能力而言，一個重要的機會點在於「工作背後的工作」：為了維持雜亂的人工作業順暢運轉所必需的間接管理成本。
一線員工負責執行工作，但在任務執行背後，存在著一個由經理、主管、分析師、財務團隊、營運團隊和後勤人員組成的系統，確保工作得以完成，並被分流到公司內正確的部門。
這個協調層級之所以存在，是因為人工作業本質上比 AI 更為混亂。每個人做出判斷的方式自然不同，而且每個人都帶著自己對公司和當前任務的理解。隨著時間推移，這就變成在組織內部進行協調的巨大營運成本，於是協調層級就此誕生。
以我們近期合作的一家物流公司為例。顯而易見的勞動成本是司機，但公司同時也在為環繞司機的協調基礎設施買單：調度團隊、路線變更、客戶更新、理賠、發票、例外處理以及後勤對帳。這些額外的協調費用加起來，幾乎占了營收的 10%，而這正是我們在轉型中能夠加以攻堅的支出。
在為其他幾家低利潤企業完成轉型後，我們意識到這並非特例。同樣的模式出現在物流、製造、設施管理、現場服務、人力資源、診所，以及其他勞動密集型產業——這些產業的服務難以差異化、定價能力有限，且營運高度依賴不斷的人為協調。這些公司無法單純透過漲價來解決問題。它們的利潤空間之所以被壓縮，是因為它們需要一個龐大的協調層，才能可靠地提供相對商品化的服務。
2) 移除員工採用這個瓶頸
如果連科技領先的公司都很難大規模採用 AI，那麼期望非技術人員組成的勞動力能有不同的結果，顯然是不切實際的。大多數企業級 AI 產品仍然依賴於這種行為改變。它們要求員工打開一個新介面、記得何時該使用它、判斷哪些任務適用它，然後再將輸出結果轉換回他們原本正在進行的工作流程。實際上，這只是讓 AI 變成另一個「需要去那裡工作」的地方，而不是一個真正能減少工作的系統。
這就是為什麼採用會失敗。員工不想要另一個能幫助他們完成工作的工具。他們想要的是「工作被完成」。理想的解決方案，不是一個讓員工使用的更好介面，而是一個能嵌入現有工作流程、從根本上省去大部分互動需求的系統。
3) 將 AI 嵌入公司的基礎設施層面
我們在這些導入案例中發現，最成功的 AI 部署，是讓 Agent 成為公司營運層級的一部分。它被疊加在現有的系統、信箱、檔案、審批流程以及工作流程之上——這些就是工作目前發生的地方。
如果應付帳款流程是透過 NetSuite、電子郵件、PDF 文件和試算表來運作，那麼 Agent 就應該能在 NetSuite、電子郵件、PDF 文件和試算表的環境中運作。它應該能提取發票、與採購訂單進行比對、標記異常情況、準備審批，並且僅在需要判斷時才將問題轉給正確的人。接著，它還應該能更進一步，從審批回饋中學習，隨著時間不斷改進這個 Agent。價值的實現不應依賴於員工去採用和使用一個新系統——它應該被直接設計進 AI 的部署之中。
我們學到最有價值的一課是：為了將 AI 的價值工程化地注入企業，你需要將 AI 作為基礎設施來銷售。軟體要求員工去採用一個工具，但基礎設施則是改變員工底層的營運層級。員工仍然應該知道發生了什麼事，流程負責人仍然應該能夠暫停工作流程、更改規則、批准例外情況，或在需要時將某人拉回來。但價值的實現不應該依賴於有人記得每天去使用那個 AI。
最大的 AI 機會，正藏在最不起眼的地方
這就是為什麼低利潤企業是 AI 領域中最大的利潤擴張機會。
它們擁有最強的經濟誘因，因為小幅的利潤改善就能創造巨大的獲利成長。它們擁有龐大的勞動力和協調密集型成本結構，而 AI 正好最適合用來減少這類成本。此外，它們所處的產業中，即使只變得稍微更有效率一些，也能改變公司的競爭態勢。
市場一直聚焦在軟體公司、科技領先的企業和知識工作者身上，因為這些公司採用工具的速度更快，也有預算進行實驗。但最大的獲利影響，可能來自那些最不可能將自己描述為 AI 公司的企業。
它們不是顯而易見的 AI 贏家，因為從外部看來，它們一點也不像 AI 公司。但這正是機會如此巨大的原因。
它們的利潤空間之所以微薄，是因為營運負擔沉重。營運負擔沉重，通常是因為需要協調大量的勞動力。而 AI 是第一項能夠在不要求整個勞動力改變工作方式的前提下，大幅減少這類協調工作的技術。
下一波的 AI 贏家，將來自於將 Agent 部署到低利潤企業的工作流程背後，讓節省下來的成本，靜靜地在營運模式中浮現。
如果您的企業也希望獲得與我們其他製造業和物流業客戶類似的成果——他們已實現了八位數的利潤提升——歡迎到 varickagents.com 找我們。
