AI-agenter har passerat en avgörande gräns: billigare och bättre än mänsklig offshore-personal

• Offshore-BPO (Indien): cirka 10 dollar per timme (intervall 8–15 dollar)
• Offshore-BPO (Filippinerna): cirka 10–12 dollar per timme
• Storbritannien, back-office/kundtjänst: cirka 25–35 dollar per timme
• USA, back-office: 30–45 dollar per timme

AI-agenter är alltså cirka 20–40 % billigare än indisk BPO-personal och 73–82 % billigare än amerikansk back-office-personal .

Kostnadsuppskattningarna för AI-agenterna är baserade på grundares estimat som jämförts med aktuell prissättning för avancerade AI-modeller . Uppgifterna om indisk BPO-personal kommer från branschdata från 2026 från Globalify, HiveDesk och 1840 & Company . Kostnaderna för amerikansk back-office-personal baseras på den amerikanska arbetsmarknadsmyndighetens medianlön för kundtjänstpersonal (20,59 dollar per timme) plus cirka 30 % i förmåner och overheadkostnader .

Precisionen överträffar människan

Minst lika anmärkningsvärt som kostnadsfördelen är genombrottet i precision. Analysen följer utvecklingen på OSWorld-Verified, en standardiserad referenspunkt som testar agentens förmåga att hantera en verklig dator med operativsystemen Ubuntu, Windows och macOS .

• Bästa AI-modellen (Claude Fable 5): 85 % slutförandegrad på OSWorld-Verified (fullbordade 85 av 100 uppgifter)
• Mänsklig baslinje: cirka 72 % på samma uppgifter
• Förbättring över tid: I början av 2025 klarade den bästa modellen endast 42 % på OSWorld-Verified. På cirka 18 månader har prestandan mer än fördubblats

Detta är inte en linjär förbättring – det är en kvalitativ förändring i vad agenterna klarar av. Som en analys uttryckte det: gränsen har flyttats från "kan agenten använda en dator?" till "kan den utföra det här jobbet på ett tillförlitligt sätt?"

Den strategiska förändringen: Försvarsbarriären flyttas uppåt

a16z-forskningen menar att den viktigaste slutsatsen inte är kostnads- eller precisionssiffrorna i sig, utan vad de innebär för konkurrensstrategin. Förmågan att navigera i användargränssnitt håller på att bli enkelt tillgänglig i takt med att kostnaderna för AI-inferens sjunker och öppna modeller närmar sig de mest avancerade . Den bestående konkurrensfördelen, enligt författarna, flyttas från modellnivån till applikationsnivån .

Den nya försvarsbarriären består av:

• Sammanhang och processkunskap: Förståelse för hur arbetet faktiskt fungerar inom en specifik organisation
• Validerings- och felhanteringsinfrastruktur: Att göra agenterna tillförlitliga nog att arbeta utan mänsklig tillsyn i produktionsflöden
• Behörigheter, eskalering och cachning: Den "inhämtade kunskapen" om var agenter misslyckas och hur man bygger säkerhetsbarriärer
• End-to-end-arbetsflödeskartläggning: Förmågan att slutföra ett helt jobb, inte bara utföra enskilda handlingar

Den första vågen av infrastruktur för datoranvändande agenter handlade om att göra dem kapabla. Nästa våg handlar om att göra dem användbara inom verkliga företag .

Vad detta innebär för BPO-industrin

Konsekvenserna för den globala outsourcingindustrin är direkta. Den kostnadsfördel som gjorde Indien till världens back-office – skillnaden mellan västerländska och indiska löner – undergrävs nu av AI-agenter som kostar mindre och presterar bättre på standardiserade uppgifter .

Som a16z-författarna konstaterar: "Matematiken blir bara bättre – inferens blir allt billigare och öppna modeller blir tillräckligt bra för en allt större del av dessa arbetsflöden" .

Företag som har förlitat sig på offshore-BPO för datorbaserade affärsprocesser står nu inför en strategisk fråga: ska de fortsätta betala en premie för mänsklig arbetskraft, eller investera i applikationslager-infrastruktur för att på ett tillförlitligt sätt kunna distribuera agenter i stor skala? Forskningen antyder att de företag som bygger bäst arbetsflödessammanhang, valideringsloopar och säkerhetsbarriärer – inte de med de bästa modellerna – kommer att fånga mest värde från denna omvandling.