某医疗设备企业的小张最近很忙，在忙着进行服务平台的选型。
事实上，小张在三年前已经选型过一次了，当时选择了自研路线。
那么是什么让他在三年后又走到了选型的十字路口？
也就是说，看得到的成本是少数，更多的成本是看不见的。
选择了自研路线之后，起初小张以为投入10个人就可以了，但是事实上被卷入的人与资源都越来越多。
前不久，面对AI在各行各业如火如荼的应用，有领导提出：是不是咱们的平台也进行一下智能化的升级？
于是，借着这个机会，该医疗设备企业首先测算了一下三年来已经投入的成本，仅仅可以量化的成本就高达523万：
●最主要、最直接的成本——需求、开发
1）业务部门抽调了一个人做需求管理和项目，人月成本+公司成本约为3.75万，其他部门有一些人兼职参与，包括写需求文档、配合调研、测试验收等，合计做了6个月，总计投入70万；
2）从IT部门调用了5个后端、3个前端、3个测试、2 个移动端，13个人共同做了6个月，每人的人月成本+公司成本约为3万, 13x6x3=288（万）。
●运维、培训、迭代
三年相关成本共计165万，平均每年55万，其中包括服务器成本每年约5万，以及2个人维护系统的成本。
●其他成本
业务用户支持、差旅、日常会议等
如果维持现状，后续每年至少还要投入55万；如果引入新技术、进行智能化升级，那么相当于要重走一遍上述流程，又要投入几百万。这使得管理层的目光重新看向了外部软件。
三年前，促使小张在为企业选型时力荐自研之路，有三个原因：一是对外采软件的信息安全存在顾虑；二是由于企业有规模不小的IT团队，认为可以实现更高的业务灵活度；三是在调研时了解到有一些企业在外采软件后踩了坑、遭受了损失。
重新开始选型，小张也在审视当时的决策：重视信息安全没有问题，充分调研没有问题，但是在业务灵活度方面，现实是业务调整块、系统跟不上，总是很被动，使得平台的内外部用户都不满意。
小张想起来一句话：经济学认为人是理性经济人，能够完全依照收益最大化原则进行行动和决策。
但这有个前提——信息充分。
那么企业要打造出最符合自身利益的服务平台，也需要信息充分，或者说需求视野开阔。
这使得小张反问自己：我们的信息足够充分吗？我们的需求视野足够开阔吗？
顺着这个问题，小张想起了三件事：
一是在推进服务数字化转型时，企业曾经想要尝试实现像美团、滴滴一样的自动派单功能，投入了不少资源，最后放弃了。
难以执行自动派单的原因，一方面与服务组织模式有关，以服务商、经销商为主要组织形式的业务属级更复杂，服务商在完成末端业务分配和调度，逐利的属性决定了企业无法通过全自动派单逾越服务商的管理，服务商要对利益的分配和服务团队的管理具有绝对控制权，因此很难穿透服务商直接调度服务商下属的工程师；
另一方面是服务业务的交付具有一定复杂度，一旦服务交付出现质量问题，会给企业带来很大的损失或负面影响。因此服务的工单分配时需要考虑的因案更多，除了要考虑工程师的技能、工作饱和度、排程、业务量均衡等情况外，还必须能够处理订单取消、临时改约、加单、前单延误等特殊情况，这些问题的处理策略需要一定业务成熟度才能具象化和规则化。
彼时，小张在汇报材料中写道：“少数执行服务业务自动派单的企业、平台，都同时具备以下两个条件：一是利益分配相对简单，不涉及中间商在其中的利益再分配影响；二是业务相对简单，或工程师整体水平相差不大，分给谁做不会对结果造成很大差异。而我司并不具备这两个条件。”
二是小张的领导常向他提出的一个问题：“行业的最佳实践是什么？会不会咱们公司觉得是‘问题’的事情，在其他企业已经有成熟的解决方案了？”
每每回答这个问题，小张及其团队都要投入大量的精力去调研。然而时间就是金钱、效率就是生命。如果他们的需求视野足够开阔，对行业最佳实践有充分的了解，无疑可以避免从零开始摸索，大幅节省时间和成本。
三是面对领导层对于智能化升级的需求，即使不考虑成本，小张们也很难给出一个让领导满意的方案，至少不能很快给出。
AI很火，但是在服务领域已经有怎样的落地？应用的深度到了什么程度？效果如何？有没有风险、可能会有哪些风险？落地的时候可能会有哪些坑、如何少踩坑？技术本身的问题叠加对行业AI应用了解得不够，小张们不得不承认，面对日新月异的技术，如果没有外援，仅凭他们自己很难跟得上时代的步伐。
以上并不是小张自己的烦恼，也不是该医疗设备企业独有的问题。
一位互联网公司CIO曾公开表达，外采确实让企业成本降低：“比如一个员工一年的研发成本大概是80万，如果选择与SaaS厂商合作或外包，成本有可能降低到50万甚至40万。”除了成本更低，第三方产品的体验也日趋成熟，也让一些企业决定从自研切换到外采。
所以，比起“该不该自研”，更为合适的问题是“自研的条件是否成熟”。
如果企业有强大的软件开发能力和成本承受能力，有足够开阔的需求视野，有很强的业务梳理能力（甚至业务具有很强的独有性）、了解行业最佳实践（甚至自己就是）、能够洞察行业发展趋势，那么就非常适合自研。这方面的一个典型例子是特斯拉自研了应用软件Tesla，能够实现访问车辆和空调、查看充电信息、预约售后服务、购买软件升级和车辆配件。
如果企业的软件开发能力和成本承受能力有限，需求视野不够开阔，面对复杂业务需求、行业最佳实践、未来趋势等问题无法快速且准确地作答，那么外采尤其是与SaaS企业合作无疑是事半功倍的选择。
以售后宝的实践为例：
在降本方面，2021年某基因行业龙头企业与售后宝达成合作，共同进行全球化售后服务系统升级。从自研到外采，该企业相关成本下降了87%以上。
在行业最佳实践方面，截至目前售后宝已服务5000+企业，其中30+家世界500强企业、200+家上市公司，包括GE医疗、特灵空调、吉利集团、壳牌、百度、雀巢、浦发银行、联想、东方雨虹等，不乏行业头部甚至行业第一的企业。例如，在与某500强车企的合作中，售后宝已经为其提供了一车一码、地图派单、精细化的备件管理等解决方案，其他车企如果面临租赁业务车辆管理难、工程师工作效率不够高、备件损失高等痛点，则可以充分借鉴行业先进实践。
在前沿技术方面，SaaS企业有更强的研发能力，能够跟得上最新的技术趋势。例如随着售后宝的小宝AI能力不断完善，已助力多家企业开启智能化服务之旅，在与某欧洲头部家电品牌的合作中，售后宝为其建立了一套端到端的数字化客户服务体系，基于AI的前台客户连接、个人助理、智慧派工、智慧供应、智慧推荐等能力，重塑原来的流程型系统，打造了一站式服务体验，贯穿客户全生命周期，进而助力该企业以服务为入口做好各个触点的私域运营，提升消费者满意度与企业收入。
这三年，人还是，物已非。
回望当年，自研之路堪称一条事倍功半之路，投入的资源与收获的成果并不成正比。
而曾经让小张顾虑重重的第三方软件，已经变得茁壮、可靠。
当年让他最为担忧的信息安全、业务灵活度等问题，随着国家及行业安全相关标准体系的完善、第三方软件自身持续升级迭代，早已不再是问题。
再次站在十字路口，小张感觉不太一样了。
虽然选型还是没有确定，但他知道自己离答案已经越来越近。
