渠道商的真正AI机遇：将基础设施投资转化为业务成果

当前AI市场仍以基础设施投资为主导，资本开支的讨论聚焦于芯片、数据中心、模型、算力及其所需的巨额资金。在建设阶段，这一现象合乎逻辑。高盛（Goldman Sachs）估计，2026年至2031年间，AI建设在算力、数据中心和电力方面的资本需求可能达到数万亿美元。

然而，对大多数客户而言，AI的真正价值并不体现在基础设施层面。对于首席财务官（CFO）来说，评判标准不是模型规模或底层基础设施的体量，而是预测是否更精准、财务团队是否减少了手工操作。这正是我认为渠道商（channel）所扮演的角色远比许多人当前认知更为重要的领域。AI在现代企业中的普及，使得渠道商的判断力比以往任何时候都更具价值。

成果即服务（Outcomes-as-a-Service）的实践形态

这种判断始于对核心流程的理解。财务团队可能需要帮助来识别现金核销（cash application）的瓶颈、争议处理的拖延环节，或是季末为何依赖临时人员和人工核对。在采购领域，常见挑战包括供应商准入、文件缺失，以及审批流程因涉及过多环节而陷入停滞。

这些或许不是AI大会上展示的高关注度用例，但它们往往能带来最早的企业价值。最具影响力的AI应用集中在应付账款、应收账款、共享服务、客户运营、供应链、医疗行政和后台工作流中——在这些领域，微小延误可能迅速升级为高成本，并引起管理层关注。

以Kognitos客户Century Supply Chain Solutions的物流团队为例，该团队此前需处理多种格式和语言的提单（bills of lading），以及每月产生数万封邮件的承运商预订。在应用AI驱动的自动化后，该公司据称每月自动化处理超过5万份提单和承运商预订，消除了98%的人工录入，自动解决了90%的异常情况，并每月节省5万美元。

渠道商作为AI交通管制员

这一转变也为渠道商带来了新机遇。领先的合作伙伴通过在产品选型前提出关于流程、风险和预期成果的深刻问题，来尽早确立自身价值。

正因如此，我认为渠道商将日益成为企业的AI交通管制员。客户面对的是由供应商、模型、代理（agents）、副驾驶（copilots）、集成和承诺构成的复杂格局。如同交通管制员，渠道商提供判断、排序和安全性，决定哪些可以推进、哪些应等待、哪些需要审批、哪些应被暂缓。

顶尖渠道伙伴将这种纪律应用于AI领域，指导客户从何处着手、哪些工作流应推迟，以及哪些用例在缺乏稳健控制时可能带来过度合规或运营风险。他们的职责包括在部署前测试工作流、验证集成、压力测试异常处理，并从一开始就嵌入治理机制。

这也意味着合作伙伴需要超越转售（resale）的语言。其角色不再是推荐工具后便抽身离去，而是帮助定义成果、实施工作流、监控性能，并在流程遭遇真实业务变化时推动持续改进。

企业工作很少遵循流程设计时设想的理想路径。同一工作流可能连续数周平稳运行，直到某供应商更改文件格式、某客户进行部分付款，或团队发现发票与采购订单在所有方面都匹配，唯独某个字段需要人为判断。AI要在这种环境中发挥作用，就必须以人们能够理解、纠正并信任的方式处理异常，以便下次出现时能从容应对。

传统自动化往往在这些边缘场景中失效。AI只有在为执行、可追溯性和人工控制而设计时，才能在企业环境中真正有用。在企业场景中，AI仅生成一个看似合理的答案是不够的。如果它涉及计费、合规、财务或客户数据，企业需要确切知道AI做了什么以及为什么这样做。

在我看来，只有当理解业务的人也能理解、质疑并引导自动化时，企业AI才能规模化地发挥效用。许多公司正面临这一信任鸿沟，因为AI正从试点项目过渡到日常运营。

合作伙伴赢得信任的关键

这正是合作伙伴能让AI变得有用的地方。例如，财务合作伙伴可以帮助客户将“在应收账款中应用AI”这类宽泛目标转化为具体的运营指标：减少人工对账（remittance matching）、更一致地处理争议，以及向管理者展示现金核销卡在何处。

客户不会根据底层模型听起来有多先进来评判AI投资，而是看工作是否更可靠、人们能否信任系统，以及业务在被问及时能否解释结果。这需要技术，但也需要判断力，以及理解客户系统、激励机制、约束和风险承受能力的人。

渠道商已经具备这种贴近性。在许多情况下，合作伙伴比供应商更了解客户的运营环境。他们知道哪个ERP系统虽过时却不可或缺，谁拥有真正的决策权，哪些集成较为脆弱，以及哪些报告指标对高管最为重要。

AI经济或许建立在基础设施之上，但企业采用AI的成败将在流程层面决定。在硬件和模型上大举投资的公司将奠定基础，而渠道商将决定这一基础能否带来更清洁的运营、更快的决策和可衡量的业务成果。