Mphasis全球交付负责人Ravi Vasantraj曾引用一则故事阐述对企业人工智能的看法：一艘价值4000万美元的游艇故障，多名技师收费5000美元未果，最终一名技工仅用锤子敲击引擎便解决问题，账单高达40万美元。Vasantraj指出，AI模型即是那把“锤子”，当前供应商均在售卖模型，但关键在于“将其用在哪里”。
他表示，美中等地的基础模型正处于军备竞赛中，但这终将使消费者受益。Mphasis首席执行官Nitin Rakesh此前也向分析师表示，模型将“很快变得商品化”。Vasantraj强调，尽管新技术长期被低估，但短期往往过度炒作，企业仍处于采用的早期阶段，当前焦点应从技术热情转向切实的商业成果。
从演示到生产：仅有5%的项目跨越鸿沟
Vasantraj区分了概念验证与生产部署。他指出，仅有5%的AI沙盒项目最终进入生产环境，瓶颈不在于代码生成能力，而在于代码是否具备生产就绪性。在Mphasis，AI带来的生产力提升约为20%，即同等人力可多完成20%的工作，但尚未实现两倍加速。
遗留系统现代化是主要痛点。Anthropic此前宣称其工具可自动化大部分COBOL现代化工作，导致IBM股价单日暴跌13%。Vasantraj认为，AI在处理端到端转换等可衡量任务时表现良好，但在涉及数字银行重构等复杂场景时效果有限。他引用麦肯锡和Nasscom数据称，全球技术债务约为2.8万亿美元，即便仅转化10%，也是一个2800亿美元的保守市场空间。
人才策略转变：上下文重于提示词
随着模型成本下降，交付能力成为差异化关键。Vasantraj表示，“成本套利是必然趋势”，客户更关注服务商是否掌握业务上下文这一“王国的钥匙”。鉴于提示词质量高度依赖行业背景，Mphasis已停止交付岗位的校园招聘，转而让新员工在客户项目中实习三至六个月，由客户领导直接决定录用。
他预计公司员工人数将呈上升趋势，但非直线增长。目前，Mphasis拥有约2.5万名交付人员，并在三年前合并了服务线以打破组织孤岛。Vasantraj指出，大型企业因基础设施、应用、运营及安全等部门割裂，存在严重的“组织债务”，协调难度极大。因此，企业正从购买AI服务转向购买基于AI的可衡量成果，如漏洞修复或监控，Mphasis对此类服务采用固定定价模式。
Tria平台与防御性壁垒
5月27日，Mphasis推出Tria平台，涵盖企业知识、决策智能和代理执行三个层级，旨在将洞察转化为行动。该模式通过定制平台获取年度经常性收入（ARR），并辅以前端部署工程师团队。Vasantraj认为，作为外部合作伙伴，Mphasis能整合跨领域资源交付成果，而平台捕获的业务上下文构成了其防御性壁垒。
尽管前景可期，风险依然存在。Vasantraj警示，油价波动等宏观因素可能引发客户衰退，而AI失控则是另一大隐患。鉴于Hugging Face曾遭遇自主AI代理入侵生产环境的事件，他主张采用多模型组合以保持智能分布式，从而降低风险。目前，部分客户正在验证该方法，进展被视为“良好的开始”，但仍有大量工作待完成。
财务方面，Mphasis在6月季度赢得4.61亿美元的新总合同价值（TCV），其中AI主导工作占比63%。相比之下，一年前AI主导工作在7.6亿美元TCV中占比68%。Rakesh透露，管道中AI主导交易比例已从12%升至约70%。当季运营利润率为14.8%，环比下降60个基点，主要受新合同爬坡成本、低利用率及收购成本影响。公司维持2027财年14.75%至15.75%的利润率指引，并将于11月5日公布9月季度业绩。