Mphasis 全球交付负责人 Ravi Vasantraj 讲述了一艘价值 4000 万美元的游艇无法启动的故事。每次收费 5000 美元的技术人员来来去去，却始终没能解决问题。后来，一位来自修车厂的机械工带着一把锤子前来，在发动机上敲了一下，游艇便启动了。他的账单：40 万美元。

在与 AIM 的独家对话中，Vasantraj 借这个故事阐述了他对企业人工智能的看法。模型就是那把锤子，如今每家供应商都在卖锤子。“但你要把它用在哪里？”他问道。

他说，来自美国、中国和其他地区的模型正陷入一场军备竞赛，但“军备竞赛最终总会让消费者受益”。Mphasis 首席执行官 Nitin Rakesh 在 7 月向分析师表达了类似观点，称模型将“很快被商品化”。

今年 2 月，Vasantraj 曾指出，对 AI 的热情已经跑在了企业现实的前面。他现在关注的是切实的成果。“我非常看重影响力和实际成果，”他说。新技术往往在短期内被过度炒作，而在长期内被低估，企业“仍处于采用的早期阶段”。

他说，变化的是接受程度。如今 AI 已成为软件开发每个阶段的助手，由人类先对需求进行验证。

在 Mphasis 六月季度赢得的 4.61 亿美元（约 436 亿卢比）新签合同总额（TCV）中，AI 主导的业务占 63%。一年前，AI 主导的业务占 7.6 亿美元（约 660 亿卢比）的 68%。Rakesh 告诉分析师，AI 主导的交易已从管道的 12% 增长到约 70%。

运营利润率为 14.8%，较上一季度下降 60 个基点。管理层将下滑归因于新交易的爬坡成本、预期增长前的较低利用率以及收购成本。公司维持了 2027 财年 14.75% 至 15.75% 的指引。

Mphasis 将于 11 月 5 日公布九月季度业绩，财报电话会议定于 11 月 6 日举行。

为什么 AI 试点在走向生产的路上停滞不前

Vasantraj 区分了演示和生产部署。他说，只有 5% 的 AI 沙盒项目进入了生产环境，因为问题从来不是 AI 能否编写代码，而是“这些代码是否适合投入生产？”

在 Mphasis，他估计生产力提升约为 20%：同样的人员可以多交付 20% 的工作，否则就需要增加 30% 的人员。“它给我们带来了 2 倍的加速吗？还没有。”

遗留系统是压力最尖锐的地方。2 月 23 日，IBM 股价下跌 13%，创下自 2000 年以来最大的单日跌幅，此前 Anthropic 表示其 Claude Code 工具可以自动化大部分 COBOL 现代化工作。印度 IT 股也随之下跌，而 Anthropic 的公告今年已不止一次震动该行业。

Vasantraj 表示，AI 在结果可衡量的场景中表现良好，例如端到端的 COBOL 转换，但当任务涉及重新思考数字银行这类复杂事物时，效果就较差。

他援引麦肯锡公司（McKinsey & Company）和 Nasscom 的估计，将全球技术债务规模定为约 2.8 万亿美元（约 265 万亿卢比）。他说，即使只转换其中的 10%，也代表着一个 2800 亿美元的市场，他认为这还是保守估计。Nasscom 的领导层在 2 月份采用不同的衡量标准，将现代化机遇定为 1.6 万亿美元。

Mphasis 本身正在转换 4000 万行代码，Vasantraj 称这是一项积累了 70 年技术债务的任务，预计耗时五年以上。

上下文存在于人才与培训之中

如果模型很便宜，交付能力也不再是差异化因素。“成本套利是理所当然的，”Vasantraj 说。如今买家想知道的是，供应商是否足够了解他们的业务，能否持有“我的王国的钥匙”。

他说，Mphasis 大约在两年前停止了针对交付岗位的校园招聘。新员工现在会在客户项目中实习三到六个月，之后客户方领导可以当场发出录用通知。

“你无法只靠提示词来培训人，”他说，因为提示词的质量取决于上下文，而上下文在零售和银行等不同行业之间各不相同。他预计 Mphasis 的员工人数会上升，但不会直线增长。“我仍在招聘。”

组织债务与向购买结果的转变

Vasantraj 用“组织债务”一词来形容拖慢大型企业步伐的结构性复杂性。几十年来，组织建立的基础设施、应用、运营和网络安全分别向不同的人汇报的结构，使得跨职能协调工作变得困难。

拥有约 25000 名交付人员的 Mphasis 在三年前合并了其服务条线。此举体现了中型公司长期以来向大型竞争对手宣传的敏捷优势。他说，在一家拥有 60 万人的公司里，打破这些孤岛“就像泰坦尼克号一样”。

他认为，这就是企业从外部采购的原因。“他们不会向你购买 AI 服务。他们会购买使用 AI 的结果，”他说，他预计这一区别将在 12 到 24 个月内显现。在结果可衡量的领域，例如监控或漏洞修复，Mphasis 采用固定定价。

Tria 与可防御性的考验

这一押注就是 Mphasis Tria，于 5 月 27 日发布，包含三层：企业知识、决策智能和智能体执行。Vasantraj 表示，它将“洞察”转化为“预见”，进而转化为“表达”。

一个用例是一家保险公司希望通过重新平衡其资产组合来提高净利息收入。Mphasis 对平台进行一次性定制，然后通过支持服务赚取年度经常性收入（ARR），并在需要时提供前沿部署工程师（FDE）。

Rakesh 告诉分析师，这些工程师以三到五人为一组工作，并在规模化交付时交接，更大的目标则是部署一个平台。

Vasantraj 对可防御性的论证基于 Mphasis 作为外部合作伙伴的定位。他说，作为外部方，Mphasis 可以将基础设施、应用、运营和网络安全整合起来交付成果。“拥有 IP 本身毫无意义，”他说，“将这些 IP 应用于解决特定场景才是关键所在。”

Mphasis 的平台旨在捕获并保留这种场景。首席解决方案官 Srikumar Ramanathan 曾表示，客户拥有为其构建的 Ontosphere。该公司曾表示，通过重新调配利润来为这类平台提供资金。

平台之外的风险

他说，风险主要存在于平台之外。油价达到每桶 150 或 200 美元可能会使客户陷入衰退。

他的第二个担忧是 AI 失控。今年 7 月，Hugging Face 披露一个自主 AI Agent 系统端到端地对其实验室生产环境实施了入侵。他说，多模型并存是最好的保障，因为智能保持分布式。

他没有宣布胜利。“我并不是说我们已经搞定了，”Vasantraj 说。他补充说，一些客户正在验证这一方法，并将进展描述为“良好的开端，但仍有很多事情要做”。