AI的最大赢家恰恰是利润率最低的企业

AI领域最大的赢家，未必是那些拥有最多工程师、最大数据团队或最高软件预算的公司。

它们可能是利润率最低的企业。那些几十年来一直以个位数薄利运营的制造商、货运公司、分销商、人力资源公司、现场服务运营商——那些永远不会被称作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。大部分注意力都集中在通过更好的产品、更快的销售和更高的员工生产力来提升收入。但对于薄利企业来说，最大的杠杆是成本——当利润率已经很低时，即使是运营费用的小幅降低也能带来不成比例的利润增长。

一家30%利润率的软件公司可以通过AI提高效率，但这种效率提升通常不会改变企业的整体轨迹。而一家3%利润率的企业则不同。哪怕成本降低不到1%，也能带来超过25%的利润增长。

薄利行业历史上一直被困在结构性的低利润环境中。恰当实施的AI改变了这一局面。它让薄利企业有了攻击那些过去被视为固定成本的机会——而率先行动的企业能够在竞争对手迫使其降价之前，将这一收益转化为利润率。在商品化市场中，效率最终会扩散，但先行者才是真正将利润提升收入囊中、并重新确立成本领先地位的企业。

读完这篇文章，你应该能理解：最低利润率的企业如何最终攻克那些几十年来让它们结构性低利润的协调成本——以及为什么率先行动的企业将甩开行业其他玩家。

解决这一问题的服务商将打造出价值数十亿美元的公司——而被它们改造的企业将率先摆脱利润率陷阱。

薄利企业面临的结构性障碍

对于大多数薄利企业来说，存在一些结构性障碍将它们锁定在这一位置。它们通常在商品化市场竞争，定价权有限，并且背负着庞大的运营成本基础——过去在不损害服务质量的情况下，这些成本几乎无法削减。由于它们无法左右市场价格——价格由市场而非单个企业决定——成本实际上是它们唯一可控的杠杆。

这些成本基础中很大一部分是劳动力——而除了体力劳动本身，这些企业还承担着协调劳动力的成本。

有一长串的协调工作随着时间的推移不断侵蚀这些企业的利润率。例如，排班、调度、审批、异常处理以及无数的行政循环——这些都是劳动密集型企业不可避免的支出，不断蚕食着企业的净利润。正是这些协调工作，为AI在劳动密集型、薄利企业中创造了最明确的发力机会。

在这类企业中，劳动力成本通常占收入的近25%。其中大约四分之一的劳动力支出用于管理、协调和行政工作，相当于收入的约6%。对于一家利润率只有3%的企业来说，将协调负担减轻10%就能带来约20%的利润增长，从而彻底改变企业的盈利结构。

因此，AI不仅仅是让它们稍微更高效一些。它给那些早期采用的企业提供了一个机会，去建立相对于竞争对手的结构性成本优势——并有可能首次成为真正的高利润率企业。

问题在于：最需要AI的企业，往往最难以采用AI

如今企业级AI市场销售的大多数解决方案都假设：员工会采用新工具、正确使用它，并逐渐将使用转化为价值，最终体现在损益表上。但这一假设即使在技术驱动型企业内部也未必成立，那么在制造企业、物流公司或其他劳动力密集型企业中只会更糟——因为那里的员工并不习惯使用新软件产品。这些企业往往最不容易接受变革管理。

真正的问题在于：如何在不依赖员工采用的前提下——或者至少在不强制推行新的交互界面的前提下——实现AI驱动的利润率扩张。这就是挑战，而它的解决方案可能就是目前AI领域最触手可及的万亿美元级机会。

解决这个万亿美元薄利挑战的三个步骤

1) 找到隐藏的协调成本

大多数人对AI降本的理解过于狭隘。他们想象的是替换某个任务、减少人头数、或让员工更快。这些确实重要，未来也可能发生，但以目前AI的能力来看，机会的一个重要部分在于“工作背后的工作“：那些维持混乱的人力运营运转所需的间接开销。

一线员工执行具体任务，但在任务执行背后，有一个由经理、主管、分析师、财务团队、运营团队和后台人员组成的系统，负责确保工作完成并分配到公司正确的部门。

这个协调层的存在，是因为人类的工作本质上比AI更混乱。每个人做出判断的方式不同，每个人对公司和手头任务的理解也不同。久而久之，这就在组织内部形成了巨大的运营协调成本，协调层由此诞生。

以我们最近合作的一家物流公司为例。显性的劳动力成本是司机，但公司同时还在支付围绕司机的协调基础设施：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收入的10%，而这正是我们在转型中能够着手削减的部分。

在为其他薄利企业完成几次转型后，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、医疗诊所等领域——这些行业的服务难以差异化，定价权有限，运营依赖于持续的人力协调。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) 消除员工采用这个瓶颈

如果技术驱动型企业在大规模AI采用上都已经举步维艰，那么指望非技术型劳动力能做得更好是不现实的。大多数企业级AI产品仍然依赖于这种行为改变。它们要求员工打开一个新界面、记住什么时候使用、判断哪些任务适用、然后将输出结果翻译回他们原本的工作流程中。在实践中，这使AI变成了另一个需要“工作“的地方，而不是一个真正消除工作的系统。

这就是采用失败的原因。员工不再需要另一个帮助他们完成工作的工具。他们想要的是工作本身被完成。理想的解决方案不是为员工提供一个更好的界面，而是一个嵌入现有工作流程、并从一开始就消除大多数交互需求的系统。

3) 将AI嵌入企业的基础设施层面

我们在这些部署中发现，最好的AI部署是将智能体纳入公司的运营层。它被叠加在现有的系统、邮箱、文件、审批流程和工作流之上——也就是工作原本就已经发生的地方。

如果应付账款通过NetSuite、邮件、PDF和电子表格运转，那么智能代理就应该跨NetSuite、邮件、PDF和电子表格运行。它应该提取发票、匹配采购订单、标记异常、准备审批，并且只在需要判断时才将问题路由给正确的人。然后它应该更进一步，从审批反馈中学习，不断优化自身。价值的实现不应依赖员工采用和使用新系统——它应该被直接工程化到AI部署中。

我们学到的价值百万美元的一课是：要想将AI带来的价值工程化地注入企业，你需要把AI作为基础设施来销售。软件要求员工采用一个工具，但基础设施改变了员工底层的运营层。员工仍然应该知道发生了什么，流程所有者仍然应该能够暂停工作流、修改规则、批准例外或在需要时拉入人工处理。但价值的实现不应依赖某人每天记得使用AI。

最大的AI机会藏在最不起眼的地方

这就是为什么薄利企业是AI领域最大的利润率扩张机会。

它们拥有最强大的经济激励——因为小幅的利润率改善就能带来巨大的利润增长。它们拥有庞大的劳动力和协调密集型成本结构，而AI恰恰适合削减这些。并且它们所经营的行业，即使变得略微高效也能改变公司的竞争地位。

市场一直聚焦于软件公司、技术驱动型企业和知识工作者，因为这些公司采用工具更快，也有预算进行尝试。但最大的利润影响可能来自于那些最不可能称自己为AI公司的企业。

它们并不是显而易见的AI赢家，因为从外部看它们不像AI公司。但正因如此，这个机会才如此巨大。

它们的利润率低，是因为运营重。运营重，往往是因为劳动力需要协调。而AI是第一种能够在不要求整个劳动力改变工作方式的前提下，大幅削减协调工作的技术。

下一波AI赢家，将来自将智能代理部署到薄利企业的工作流背后，让节省下来的成本静静地体现在运营模式中。

如果你的企业也希望获得类似的结果——就像我们其他那些实现了八位数利润率提升的制造和物流客户一样——请访问 varickagents.com 联系我们。