不要優化，直接推倒重來：第二次再造來到專業服務業

九月二十九日，由 General Catalyst 支持、成立才兩年半的 AI 控股公司 Long Lake，完成了對 Amex GBT 的收購。這筆私有化交易金額 63 億美元，買下的是全球最大的商務旅行管理公司，它的前身可以追溯到 American Express 在 1915 年開始的旅遊業務。這筆錢來自創投的股權和銀行的貸款，跟私募基金收購企業的做法一模一樣。Long Lake 不賣軟體，而是直接把服務企業買下來，再用 AI 改寫它們的運作方式。

實際做法是，Long Lake 會派自己的工程師和變革管理人員進駐被收購的公司，並把整間公司搬到自家的 AI 平台 Nexus 上。根據 General Catalyst 的說法，Amex GBT 的訂票、改票、取消，以及各種突發狀況的處理，到今天大多還是靠人手。這正是 Nexus 要接手的部分，而這類協調工作，跟律所和會計所每天在做的事是同一種性質。

兩週後，CNBC 刊出另一則報導：科技公司在 AI 上砸了大錢，卻遲遲看不到業務成果，華爾街的耐心正在消失。於是科技巨頭和 AI 公司紛紛招募前線部署工程師（Forward Deployed Engineer，FDE），派他們進駐客戶公司，把模型真正接進日常流程。美國這類職缺在 2023 年還不到兩百個，今年前九個月已經超過七千三百個。

戰場正從模型轉向工作現場。這套劇本，我們其實看過。

一句沒有過時的口號

1987 年，經濟學家 Robert Solow 留下一句名言：電腦時代無所不在，唯獨在生產力統計裡看不見。三年後，Michael Hammer 在《哈佛商業評論》提出他的診斷：企業花大錢買電腦，只是讓舊流程跑得快一點，真正該做的，是把舊流程整個拆掉，重新設計工作。他那篇文章的標題「Don’t Automate, Obliterate」，後來成了一整個時代的口號。用今天的話說，就是：不要只是優化，要推倒重來。

接下來十年，有三股力量重塑了大企業。顧問公司進場重新設計流程，企業自己導入 ERP 重整營運，外包商則接下企業切割出來的後勤工作。

如今這三股力量都回來了，只是多了一個轉折。上一次，主導權大多還在企業手上，外人只是被請來幫忙。當年其實也有外來者收購事務所，到 1999 年，American Express 已經買下 35 家會計師事務所，但事務所裡的工作方式，並沒有因此改變多少。這一次，外來者把企業買下，是為了重做整套工作，或者乾脆另起爐灶，取而代之。FDE 接下了當年顧問的角色，大型顧問公司自己也在賣這種服務，Accenture 就和 Google 合作，要培訓 1,000 名 FDE。當年是企業自己圍繞 ERP 改造，現在則是 Long Lake 和 Thrive Holdings（從 Josh Kushner 的 Thrive Capital 分拆出來）這樣的公司，用資本把企業整間買下來重建。YC 也孵化了一批新創，從零開始打造 AI 原生的會計所、律所和保險經紀商。

不是 B2B，而是 B 取代 B

Billow（YC S26）說自己是一家用 AI 代理取代會計師的會計事務所，客戶完全不用碰任何軟體。Last Accounting Company（YC S26）讓 AI 代理做事，最後由持證會計師簽核。General Legal（YC W26）是專門服務新創的律所，每件案子都先報固定價格。專做商業保險的 Panta（YC W26），原本想把 AI 工具賣給其他經紀人，後來乾脆自己申請了經紀執照，直接當起經紀商。他們發現，真正的瓶頸不是經紀人做得夠不夠快，而是每件案子的進度都只存在一個人的腦袋裡。

這些公司不再是服務業的供應商，而是它的競爭對手。這也正是 Hammer 在 1990 年劃下的那條線：讓每個專業人士快一點，叫優化；把協調工作整個從人身上拿走、重新設計，才叫推倒重來。

哈佛商學院的 Clayton Christensen 把這種策略稱為「整合」，也解釋過它什麼時候會贏：當一項技術還粗糙到沒辦法直接塞進別人的流程裡，能把整條流程握在手上的公司就能拿走價值，只賣其中一塊的供應商則會被擠壓。

這個想法並不新。2014 年，a16z 的 Chris Dixon 就把這類公司叫做 full stack startup：與其把技術賣給既有業者，不如自己做出一整套服務，直接繞過他們。真正新的，是它現在能用在哪些行業。專業服務之所以能撐這麼久，一部分原因是裡面有大量只有人能做的協調工作。ERP 接得下那些能寫成規則的固定流程；可是這些工作沒有固定步驟，每件案子都要跟客戶、對方和其他機構來回確認，寫不成一套規則。以前想把這些工作交出去，只能找外包商這樣的人來接；到了今天，AI 已經可以直接接手。

哪個行業會先被重構，關鍵往往不在 AI 能做到什麼，而在規則允許什麼。美國多數州只允許律師擁有律所，主要的例外是亞利桑那和猶他，所以 AI 原生律所還是得掌握在律師手裡，控股公司也沒辦法直接買下一家律所。不過私募資金已經找到旁門：成立管理服務公司（MSO），替律所處理業務端的工作、按約收費，不必擁有律所，也能分到一杯羹。會計業就開放得多：事務所可以把審計業務切出去，其餘部分引進私募資金。根據美國州會計委員會協會（NASBA）工作小組的統計，已經有超過 50 家會計師事務所採用這種架構。保險經紀則沒有限制誰能持有公司的規定，保險經紀併購顧問 OPTIS Partners 的數據顯示，過去十年美國和加拿大的保險經紀併購案裡，大約七成的買家背後是私募資金。

最先被拿走的，是協調層

在事務所內部，最先被拿走的，是過去由初級人員負責的執行和協調工作。最後的判斷和簽核，還留在資深的持照者手上。

史丹佛大學追蹤了數百萬名勞工的薪資紀錄，發現在受 AI 影響最深的那批職業裡，22 到 25 歲年輕人的就業人數，從 2022 年 11 月到 2026 年 6 月少了大約 11%；而在最不受 AI 影響的職業裡，同年齡層反而多了約 10%。更值得注意的是，在同一批職業裡，35 到 49 歲的人卻增加了約 10%。研究者提出的解釋是：AI 擅長取代寫在教科書裡、已經被系統化的知識，卻能補強資深者在實戰中累積的經驗。即使把科技公司和電腦相關職業排除在外，這個趨勢依然成立。而在專業服務機構裡，協調工作多半就落在這批年輕人身上。

流程再造後來成了裁員的代名詞，但重整並沒有因此停下來。這一次，參與者從一開始就避開了這個字眼。Long Lake 強調，它沒有在旗下公司裁員。話說得溫和多了，方向卻沒有變。

省下的錢歸誰

1990 年代以來，以印度和菲律賓人力為主的外包商，靠承接 IT、後勤和客服工作一路做大。現在它們碰上了業界所說的「AI 通縮」：客戶知道很多工作 AI 已經做得來，於是開口要求降價。印度外包大廠 HCLTech 估計，整個產業大約四成的營收，會因為 AI 面臨 3% 到 5% 的通縮。外包商的客戶是很會壓價的企業採購，效率省下來的錢，很快就回到了客戶口袋。

專業服務就不一樣了。局內人最懂這行，但只要沒有人先降價，誰也沒有理由當第一個。法律業軟體公司 Clio 2026 年的調查顯示，美國小型律所有七成五已經在用 AI，可是個人執業律師有 86%、小型律所有 78% 完全沒調整收費，中大型律所則大約只有一半沒動。同一段時間，美國法律服務的價格反而比去年漲了約 8%。就算 AI 真的省下了時間，帳單上也看不出來。

沒有買方施壓的地方，打破默契的往往是外來者。在法律業，是新創自己開一家由律師持有、明碼標價的事務所；在會計和保險業，還多了把整間公司買下的控股公司，只是它們也可能把省下的錢留作利潤，而不是拿來降價；更何況保險經紀的收入多半是保險公司付的佣金，客戶付多少保費，本來就不是經紀說了算。到目前為止，省下的錢都留在擁有事務所的人手上；要流到客戶那裡，得有買方或對手把價格壓下來。

下一個目標：經驗

第一波 AI 拿走的是協調工作和教科書知識，資本接下來要的，是經驗本身。Christensen 提出的「有吸引力利潤守恆」可以解釋原因：當生意裡的某一層變得便宜、隨處可替換，利潤往往會轉移到旁邊那幾層。AI 正讓做軟體變得便宜，利潤就更可能流向軟體不容易複製的東西：客戶、執照，還有暫時還複製不了的經驗。

買下一家事務所，得到的不只是客戶，還有多年累積的案件紀錄和決策；派工程師進駐現場，則是把資深者的判斷一條條寫進系統。Palantir 做的是高度客製化的生意，毛利率卻能維持在 85% 左右。這有一部分是會計處理的關係，因為它把在新客戶那裡做試點的成本，記在銷售和行銷費用裡，但它押的注很清楚：每一次部署學到的東西，都要沉澱到平台裡，而不是變成更多人力。

銀行櫃員也曾經有過機器站在自己這邊的好日子。James Bessen 研究過 ATM 對銀行櫃員的影響。1988 到 2004 年間，美國都市地區每家分行的員工從大約二十人減到十三人，可是因為分行變得便宜好開，銀行開了更多分行，櫃員總數反而小幅增加。後來銀行業務搬到手機上，連分行本身都成了要砍的對象。根據美國勞工統計局的數據，美國櫃員人數從 2008 年的約 60 萬人，降到 2025 年的約 33 萬人，而且預估到 2035 年還會再少 13%。

眼下，AI 對資深的人還是有利的。但這層保護，只在他們的經驗還屬於自己的時候才成立。

變數與限制

CNBC 也提到，多數 AI 部署還拿不出可以驗證的回報，而資金是跟著回報走的。AI 原生事務所的規模都還很小，執照和專業責任也會限制它們長大的速度。既有業者也可能自己贏下這一局，它們同樣在買這些工具，而且客戶、執照和保險本來就在手上。至於像 Long Lake 這樣的收購整合，每多買一家公司是真的會越做越好，還是只是越做越便宜，目前也還沒有人證明。而且，如果越來越多人在找專業人士之前先去問 AI，那就算贏下這場重構，也未必擁有客戶。還有一種可能是，服務變便宜之後，湧進來的多半是過去請不起律師或會計師的人，市場因此變大，工作未必會減少。這一點是我的猜測，但也是我最希望成真的版本。

證據本身也有局限。史丹佛的數據涵蓋所有受 AI 影響較深的職業，不只專業服務，也沒有直接量到協調工作；Clio 調查裡的「調整收費」，可能只是改成固定報價，不一定是降價；客戶檔案受保密規範約束，不是想用就能用；Long Lake 在 Amex GBT 的「不裁員」紀錄，也才短短幾週。

與其被重構，不如主動重構

Anthropic 的 Felix Rieseberg 最近寫了一篇〈How to be more ambitious〉。我同意他的看法，但這件事還有另一面：如果局內人不主動重新定義自己的工作，外來者就會替他們定義。

軟體工程師是最早經歷這一切的人。AI 學會寫程式，很大一部分靠的正是工程師自己公開在網路上的程式碼，可是一開始，很多工程師並不相信它能撼動自己的飯碗；直到今天，還是有些工程師覺得 AI 寫的程式碼不值一提。現在，資本正把同樣的力量推向傳統專業服務業，有 Harvey 這類垂直 AI 工具，有進駐企業的 FDE，也有直接取而代之的 AI 原生服務商。

對專業人士來說，這是一個囚徒困境。如果每家事務所都按兵不動，經驗就能留在這個行業裡；但只要有一家先動，按兵不動的就會落後，外來者也照樣拿得到經驗，而每一次導入，都讓供應商更清楚你的工作是怎麼做的。這個困境我沒有解法。我是工程師，這兩頭我都待過：工程師寫的程式碼訓練了模型，而我現在做的，正是這樣的工具。但既然改變遲早會來，真正能選的，是由誰來定條件；而我能看到最好的條件，是把客戶、責任和最後的決定，留在自己手上。

身在其中的人還握有外來者最難複製的東西：對這門生意的深刻理解。我覺得至少可以從三件事著手。

第一，把協調和判斷分開。看看你的時間究竟花在哪裡：有多少在追進度、補資料、來回確認，又有多少是在做客戶真正付錢買的判斷。追進度的那一層，正是外來者會最先拿走的部分。

這也是我做 Pingbo 時最深的體會。對多數專業人士而言，這一層協調工作有很多從來沒進到事務所的管理系統，而是散落在信箱中：一封等待回覆的郵件、一份還沒補齊的文件、一個說好下週再談的承諾。信箱是工作進來的地方，卻不知道哪些事還沒完成、誰還在等你。這一點在小型事務所身上最明顯，而它們正是最慢調整收費的一群。

第二，不只是變快，還要改變收費方式。在法律業，「按時計費已死」這句話喊了幾十年，按時計費到今天卻還是穩穩的，因為多數小所都還沒動，價格也還在漲。這次不一樣的是，AI 把外來者的成本壓得夠低，連客製化的案子都能開出固定報價，不再只限於填表格那一類。改成按結果收費，AI 省下的時間才會真正留在自己手上，至少在對手跟著重新報價之前是這樣。

第三，在別人動手之前，先把自己的經驗系統化。把你做判斷的方式寫下來，例如接新案時會問哪些問題、會特別留意哪些警訊，再把這些變成自己團隊的工具。既然這些經驗遲早會變成某種產品，那就應該是你自己的產品。

固守既有的做法，等於把重構的主導權拱手讓人。