小任务的消失
图片来源: Paul Y Blow - @paulyblow paulblow.com
AI 如何悄然将小型任务重新拉回企业内部
经济中的某些角落,正笼罩着一种奇异的安静。不是那些高风险、重投入的大项目出了问题,多年期的转型和大型落地项目依然全速推进。
真正安静下来的,是那些小事情。原本你可能会交给研究公司的一页竞争对手速览,交给创意代理的一版落地页文案,交给小型开发外包的一次轻量集成修复,交给制作团队的一支简短解说视频,或交给顾问的一张客户旅程草图。如今,这类工作越来越多地根本不会离开公司。它不会以“取消合同”的形式出现,而是压根不会再被正式外包出去。公司内部总有人会“先用 AI 打个初稿”,而这个初稿往往已经足够好。
这种变化,我称之为“小任务的消失”。它是一个早期信号,表明 AI 正在做的事情不只是提升生产率。它正在重新划定组织内部自己完成什么、以及交给价值链上其他方去完成什么的边界。这种变化并不是因为 AI 消除了市场摩擦,而是因为它降低了那些范围清晰、定义明确的小任务在组织内部完成时的协调成本。
我所说的“小任务”,并不是低价值工作,而是那些体量小、边界清楚、模块化程度高的任务:几小时的分析、一版文案变体、一段短脚本、一次简单集成、一张流程或客户路径草图。这类任务遍布组织的各个角落,横跨创意、分析、运营、客户、产品等领域。它们容易定价,也容易写 brief,每家公司都会源源不断地产生这类需求。过去,这些“毛毛雨”式的小任务有相当一部分流向了代理商、咨询公司、研究机构和各类专业供应商。并不一定是因为这些外部供应商能力更强,而是因为在内部为这些小事再调动一次组织资源,往往既分散注意力,也不划算。
这里隐藏的真正摩擦,就是内部协调成本。想从一个大型组织里拿到两小时的工作成果,你付出的往往远不止两小时。你需要先进入某个人的优先级视野,设法挤进他们的待办列表,对齐背景与约束,拿到审批,再把相邻团队拉进来。等事情完成时,组织已经消耗了时间、注意力、认知带宽、日程空隙以及系统性的管理开销。对于小任务来说,这种内部成本往往高得不成比例,所以过去更自然的选择,就是把工作交给外部供应商,让他们在自己的体系内消化排程、路由和质控。你支付了溢价,但也省去了内部协调的负担。
这些正是我们在 DeepFlow.com 持续思考的一类问题。AI 改变这套方程的方式,是悄无声息地增强了组织内部的“生产引擎”。撇开所有炒作不谈,你会看到,模型正好被用在那些过去最容易溢出给外部供应商的工作类别上。营销人员几分钟内就能产出多版文案;战略人员可以快速拼出一个关于新市场的综合判断;客户体验负责人可以生成旅程地图和工作坊材料;产品经理先起草需求说明,再让工程师微调一段生成代码;销售赋能负责人则用 AI 生成第一版话术和异议处理脚本。人还是同一批人,产出看起来也差不多,但背后的生产机制已经完全不同。
关键变化,在于“再多做一件小事”的边际成本。借助 AI,一个可用的第一版几乎立刻就能出现。专业人员的角色,开始从唯一的生产者转向编辑者和审批者。每一单位产出的协调开销下降了,低到足以让内部引擎在不过热的前提下跑得更快。一旦发生这种变化,流向组织外部的小任务自然就会变少。
而外部合作方那一侧,用于承接微型任务的协调成本并没有同步下降。供应商仍然需要 onboarding、brief、预期管理、采购审批,以及在受监管环境中的风险与合规审查。对于重要的、持续数月的项目来说,这些步骤仍然值得。但对于那些边界清楚的小任务,比较结果已经反过来了。过去,内部协调成本高到足以让外包更划算;现在,内部成本已经低到让 AI 辅助下的内部完成方案往往成为更优选择。
从经济学上看,这意味着企业边界正在发生一种细微但真实的位移。经典理论认为,企业是在“内部完成”与“通过市场完成”之间,根据相对成本来做选择。如今,AI 正在改变小型、明确、可重复任务的内部成本结构。这类任务存在于每个职能部门之中,过去也最能支撑那些长尾型的小型供应商。它们往往也是最先被自动化、最容易被重新内化回企业内部的一批任务,而这些任务长期以来正是代理公司、研究机构与精品咨询公司稳定收入的重要来源。就我在市场中的观察而言,2025 年已经有一些公司出现了 25% 到 30% 的营收下滑。
“小任务的消失”真正讲述的,不是自动化本身,而是协调。随着 AI 压平了小任务的生产成本,剩下的约束就变成了:一个组织究竟能多快完成对齐、审批与整合。治理迟缓的企业会发现,限制收益的并不是技术本身,而是自己内部的瓶颈。而当越来越多的第一稿在内部生成之后,组织的重心就会从“外部执行”转向“内部编排”。稀缺的人才,不再只是那个能写文案、画流程图或起草规格说明的人,而是那个能够界定问题、判断输出质量并将其嵌入更大系统中的人。这正是 AI 带来的安静后果:不是小任务彻底消失了,而是协调速度与意义判断能力,正在成为新的竞争优势来源。
延伸阅读
- Jain, N., Suvarchala, K., & Wattal, S. (2025). Capability Joint Effects, Transaction Costs, Outsourcing Decisions, and Performance. Industrial Marketing Management (in press).
这篇论文将交易成本经济学(TCE)与资源基础观结合起来,说明企业的内部能力与协调成本如何共同影响外包或内化决策,以及这些决策对绩效的影响。虽然它并非专门讨论 AI,但它为“AI 改变了内部成本结构,因此最优的自制/外包边界会移动”这一论点提供了现成的 TCE 分析框架。