从行业鼻祖奥浦诺谈企业级 AI 咨询服务的模式

今天很多IT服务公司或者 AI 技术公司在开拓面向大型企业的 AI 咨询服务业务，我认为“企业级AI服务”可以说是 IT 服务行业的一个分支，未来甚至可能会全面替代目前的 IT 咨询服务行业模式。

我认为企业级 AI 服务发展可以分为两个发展阶段：

阶段一：是从 2010 年前后机器学习兴起直到 2022 大语言模型出现这十多年时间，这期间出现的AI服务公司，帮助企业从数据中形成洞察，并且支持业务行动，这些公司本质是企业数据科学（data science）职能的外包。

这个阶段AI 服务的技术以判别式模型（Discriminative AI）和机器学习（ML）为主，主要工作集中在特征工程（Feature Engineering）、数据清洗和针对特定任务的调参；这个阶段的 AI/ML 服务通常也称为大数据咨询服务。

这个阶段服务模式大都是典型的项目制；由于每个企业的业务场景、数据分布都是孤立且迥异的，服务公司制作的模型无法跨场景、跨企业通用，导致了极高的定制化成本。

开创这种商业模式之先河的公司名叫Opera Solutions，同一时期也出现几家类似的低成本印度外包公司——以印度为基地，服务美国市场的 Mu Sigma 、 Fractal等，这些公司是印度最早的独角兽。

到2020 年，麦肯锡和BCG 等高端咨询公司为防止高价值的AI 服务流失到技术外包公司，也建立了提供同样服务的团队，即麦肯锡 Quantum Black 和 BCG Gamma，我前些年在 BCG 工作期间合作过的 BCG Gamma 欧洲负责人，即为 Opera Solutions 创始期的高管之一。

而我在《企业级AI的商业模式 ｜ 定制化还是标准化》文中所写的C3.ai 与 Palantir也都是这个阶段的代表性厂商，不同在于他们更产品化，C3.ai 试图通过一套通用平台（PaaS）将模型开发标准化。

而Palantir 可以说和 Opera 有着类似的创业理念和商业模式，都是通过高素质人员为客户提供现场定制化服务，我自己前些年的文章里曾经多次将这两家公司相提并论；到今天Palantir 由于股价暴涨而出圈，它的 Foundry 这种强大的数据集成底座，提高企业方数据接入 AI 的效率，完成了我后文将提到的 Opera 没有完成的转型。

而 2022 年后，大语言模型的出现解决了第一阶段 AI 服务行业最大的两个痛点：一是模型的泛化能力，二是与用户的自然语言交互。AI 不再只是给出行动建议，而是直接操作工具，执行流程任务，生成工作成果。

第二阶段的 AI 服务主要技术是生成式 AI (GenAI) 和 智能体式编排 (Agentic Orchestration)。商业模式上，从通过项目开发并向客户交付可以嵌入现有业务流程的算法，转向对企业流程的全面智能化重塑，简单说，不是提供算法模型，而是直接提供数字化员工。

我这篇文章就来谈下我认为的 AI 服务行业鼻祖Opera Solutions，这家公司在国内也有分支机构，名叫“奥浦诺管理咨询”，在国内早些年曾经服务过平安保险等大型企业，以下简称奥浦诺。

奥浦诺由Arnab Gupta于 2004 年创立。Arnab Gupta早年履历没有公开披露，从名字看可能是孟加拉印度人；他可能是1980年代从印度的大学本科毕业后，去美国入读哈佛商学院，毕业后即加入了麦肯锡（McKinsey & Co.）。

1993 年，在美国管理咨询圈发生了一起据说是行业里有史以来开价最高的挖角事件，麦肯锡的金融行业主管合伙人 Thomas Steiner 带了几个合伙人共二十几人团队跳槽科尔尼，组建了科尔尼全球的金融咨询部门。

之后不久，这组人不满科尔尼被 IT 外包公司EDS收购的文化冲突，另立门户成立了一家名为Mitchell Madison Group （简称 MMG）的管理咨询公司， 当时 MMG 定位于跟麦肯锡、BCG 同一个档次的顶级公司。1999 年，他们把公司以 3 亿美元卖给了当时风头正劲的互联网咨询公司 marchFirst，我在《marchFIRST 三月一日 ｜ 曾经最大的互联网咨询公司兴衰史》《快鱼吃慢鱼 ｜ 互联网初生时的数字化咨询公司》文中对这段故事有过介绍。

Arnab Gupta就是 1993 年追随Thomas Steiner跳槽科尔尼、随后又创立 MMG的麦肯锡合伙人之一，那个时候Arnab 就在给美国金融公司做采购支出、交易风险的数据分析咨询，这只麦肯锡叛军的另一位印度裔顾问Vikas Kapoor 在 2000 年创立了印度最早对美国的呼叫中心外包公司iQor，同时也是奥浦诺的联合创始人。

2000 年互联网泡沫泡沫破灭后，Arnab 和他的几个 MMG 同事创立了一家名为Zeborg的商业智能软件公司，用于采购支出分析。它是早期基于规则和机器学习的分类引擎，利用算法自动清洗、归类企业的支出数据。比如，它能识别出“IBM Services”和“International Business Machines”其实是同一家公司，并将其划归为“IT 咨询”类别。

这个产品建立的自动化的知识库，可以替代众多初级咨询顾问的手工清理，为高级顾问做分析提高效率。这后来成为奥浦诺产品概念的雏形。

2003 年 Arnab 将 Zeborg卖给了做从寻源到采购流程（STP，参见《从甄云看中国 SaaS 市场机会及管理软件国产化》）的在线采购软件公司 Emptoris；Emptoris 当时的主要竞争对手就是后来被 SAP 收购、直到今天仍是 STP 跑道前列的 Ariba，Emptoris 由此拥有了业界最强的支出分析引擎。

2011 年底，正在向大数据软件转型的 IBM收购了Emptoris，主要就是看中这个产品的 AI能力。我记得那时Emptoris 在国内也有大型国企的客户，不过在中国，采购管理更关注招标和交易流程，而非面向采购降本优化的支出分析。

Arnab 在 2004 年开始了第三次创业，成立了奥普诺，核心团队都是他找来的 MMG 老同事，因而奥普诺从基因上具有顶级管理咨询公司的精英文化，面向华尔街和大型企业提供服务，服务费昂贵，员工大多拥有顶级咨询背景或名校数学、物理博士学位。

Opera 的客户服务是典型的咨询驱动型项目。他们并不卖软件，而是派遣咨询顾问和数据科学家深入企业，针对特定场景（如信用卡欺诈、零售推荐）进行建模。

商业模式上，奥浦诺的收费结构是咨询费和基于结果的收益分成（Gain-share）的混合，这也是典型的咨询公司模式。

Opera 的技术哲学称为 “Signals” (信号) 理论，解决方案具体包括：

Vektor 平台： 这是他们的底层引擎，用于自动化处理海量数据流。

Signal Hub： 这是他们的旗舰产品。从原始数据中提取具有预测意义的“信号”，例如：消费者的某种特定购买习惯，然后将这些信号转化为业务行动。

主要应用：金融领域的交易风险预测，消费品和零售行业的超个性化营销建议，采购优化的降本机会发现。

Opera 是最早的 AI/ML 咨询公司，这些场景在很长时间里都是企业级AI/ML 的应用主流。

2011年前后是 Opera 最风光的时期，它被视为大数据行业的麦肯锡。由 Silver Lake Sumeru (银湖资本分支) 领投了 8400 万美元 的 A 轮融资，这是当时该领域最大的融资之一。

它在全球拥有约 700 名员工，其中有 200 多位是机器学习领域的博士。在纽约、伦敦、巴黎、新德里、上海均设有办公室。

它积极活跃在数据科学的社区，是数据科学竞赛平台 Kaggle 的早期重要参与者，在 Netflix Prize 推荐算法大赛中名列前茅。

在随后几年，在奥浦诺开辟的企业 AI 服务领域里发生了结构性变化，导致其自身衰落。

其一是低价竞争，Opera 雇佣的是年薪40万美元的数学博士和前麦肯锡咨询师，而同样是印度裔美国咨询公司合伙人出身创立的Mu Sigma 以及从印度本土最大银行 CIO 创立的 Fractal ，开辟了一个“数据科学工厂”的外包服务模式，在印度建立了上万人的交付中心，用极低的价格提供和 Opera 一样的服务。

其二是技术代际的演进，用自动化工具颠覆了Opera 这种人工数据炼金服务的模式。Opera 的核心服务是特征工程（Feature Engineering），需要科学家和咨询顾问讨论业务含义、手工提取——这就是咨询的过程。

但随着 AI 技术发展，采用特征生成算法、贝叶斯优化、神经网络架构搜索（NAS）等手段，可以自动完成模型选择和调参，这被称为自动机器学习（AutoML），出现了Auto-WEKA、auto-sklearn 等开源的 AutoML 工具，以及DataRobot等商业软件公司， 国内的第四范式也是AutoML平台的代表，成为中国最早的 AI 服务公司。那些需要科学家花 3 个月调试的参数，现在通过软件几小时就能自动完成。

技术演进的另一个领域是云原生数仓的发展，包括 Snowflake、Databricks 等出现，当数据环境变得标准化时，建模的难度大幅下降。Opera 那套复杂的Signal Hub在现代云原生数据仓库面前，显得既沉重又封闭。

尽管奥普诺远比其他公司早开辟AI/ML领域的企业服务市场，但是它核心商业模式是“卖人”的服务公司，毛利率限制在咨询行业的水平（40%-50%），无法达到软件行业的水平（80%-90%），投资者认为这个领域未来是SaaS ，Opera 这种重人力的模式在投资市场估值极低，导致其融资能力枯竭。

2018年，Opera 的高价高成本模式难以为继，无力偿还债务。创始人 Arnab Gupta 卸任，它的债务方、一家投资公司的高管接任了CEO，随后将公司更名为 ElectrifAi，试图将从咨询公司转型为一家AI 产品软件公司。

公司很快陷入了内部动荡，接管公司的投资人简单粗暴的管理方法激怒了数据分析精英们，2020 年，一些公司高管和员工在职场社交平台Glassdoor 揭发公司丑闻，指控公司新管理层对客户虚报 AI 能力以及存在歧视性企业文化。这加几百人的公司员工人数快速萎缩，到今天，这家公司虽然没有正式宣布破产，但是从已经停摆的网站看，似乎已经停止运营了。

Arnab Gupta 退出奥浦诺后并没有退休，而是迅速投入了我文初所说的“第二阶段”，开始了他的第四段创业旅程：

Zenon LLC： 他创立了这家专注于 AI 驱动的超自动化 (Hyper-automation，超自动化是 2021 年流行的智能工作流名词，现在进化成 BOAT) 公司，旨在利用 LLM 和现代 AI 技术，重构金融服务业的流程。

OpZen： 这是他最新的尝试，更加明确地定位于 Agentic AI（智能体），利用AI 自主执行端到端业务流程。

这两个业务的演进，就是我和我的合伙人从三年前就一直在专注的方向，Arnab 可以说是全球顶级管理咨询到 AI 咨询的活化石，也是企业AI 服务行业的开拓者，作为中国管理咨询的老兵，我非常感同身受，我们提出的方向是警惕“AI替代人” 是陷阱！智能编排“MOI”才是企业进化的关键