喺 AI 時代，內部 vs agency 嘅決定唔再主要係成本問題。保留啲會複利嘅層——brand 判斷、first-party data、以及令 AI 隨時間變好嘅客戶 memory——將彈性 production 同專業執行交俾 agency。決定性嘅問題已經由「邊個平啲？」轉向「咩會因為做得越多而變得越好？」噉係一個唔同嘅測試，佢指向一種唔同嘅分工。
我第一次寫內部 vs 外判係喺 2007 年，嗰陣時個論證幾乎純粹係經濟嘅：請呢項能力，或者租佢。經濟學仍然重要。但 AI 改變咗「呢項能力」係咩，因為一個團隊嘅價值而家部分取決於佢累積咗咩。嗰個係大部分內部化辯論漏咗嘅部分。
自成本辯論以嚟變咗咩
舊嘅計算好簡單。Agency 有規模，所以佢將專業成本攤到多個客戶身上，向你收一個比全職招聘更低嘅費。當需求係間歇性或者專業嘅，你外判；當需求係持續、核心嘅，你內部化。嗰個邏輯仍然描述得到產能同 channel 專長。
AI 增加嘅係第二個軸：有啲工作，你餵俾佢嘅 context 越多，佢越有價值。一個見過你兩年 brief、結果、brand rules 同過去決定嘅 model，比一個全新嘅 model 產出更好嘅工作。嗰種改進喺 context 所在嘅地方累積。所以問題唔只係「邊個平啲做呢件事？」，而係「我哋想個學習喺邊度匯聚？」——而嗰個答案偏向將會複利嘅層留喺近處。
決定性嘅問題：複利定彈性
你能保留或外判嘅每一項能力，都落喺「複利」同「彈性」之間嘅一個譜上。複利嘅工作隨住你擁有嘅 context 而變好：brand 判斷、audience 理解、表現歷史、你決定過咩同點解嘅記錄。彈性工作係你有時需要嘅產能，佢嘅價值唔取決於你嘅具體歷史：生產量、溢出嘅工作、一次專業 channel 嘅啟動。
會複利嘅能力屬於內部，因為外判佢哋意味住將你用來變好嗰樣嘢租出去。彈性嘅能力屬於 partner，因為為間歇性工作起永久產能係浪費。大部分錯誤嚟自將兩者混淆——出於習慣將彈性 production 留喺內部，或者將一個會複利嘅層交俾 agency、然後納悶點解份工作從來冇改進。
能力地圖
| 能力 | 留喺內部 | Agency | 點解 |
|---|---|---|---|
| Brand 同 category 判斷 | 係 | — | 複利、專有、難 brief |
| First-party data 同 memory | 係 | — | 學習喺呢度匯聚；你一定要擁有佢 |
| Strategy 同 measurement design | 係 | 有限 | 定低其餘一切所繼承嘅標準 |
| Media planning 同 buying | 共享 | 共享 | 判斷喺內部，執行產能租用 |
| 成量嘅 creative production | — | 係 | 彈性；個工具令佢平又快 |
| Localization 同 transcreation | — | 大多 | 需要成規模嘅母語細節 |
| 專業 channel | — | 係 | 間歇性專長，難以永久配備 |
| Reporting 同 intelligence | 係 | 共享 | 解讀複利；拼裝彈性 |
| Governance 同政策 | 係 | — | 你負責；唔可以下放 |
呢張表係起始位置，唔係規則。一個細品牌可能合理地外判得比大品牌多；一個大品牌可能將 production 內部化，因為佢有量嚟支撐。重要嘅軸係複利，每一行由個學習需要落喺邊決定。
點解 brand 判斷留喺內部
Brand 判斷係最清楚嘅內部選擇，而 AI 令佢更清楚。一個 model 產得出啱 brand 嘅工作，只有當佢知道「啱 brand」對你意味住咩——嗰個係一套 taste、先例同 context，partner 從來唔完全持有。Model 產出嘅選項越多，嗰個分辨得出邊個啱嘅人就越值錢。
呢個就係將 brand 判斷外判俾 agency 嘅陷阱：你委派得到份工作，但委派唔到你對自己品牌嘅知識。你俾嘅每一輪 feedback，都係你喺度教緊別人嘅 model。隨時間推移，喺度變好嘅資產留喺佢哋度，而唔係你度。如果 brand 判斷係你競爭嘅方式，噉就係個學習匯聚嘅錯誤地方。
點解數據同 memory 留喺內部
First-party data 同圍繞佢嘅 memory layer，係複利最要緊嘅一層，亦都係最容易因為意外而俾人外判嘅一層。如果一間 agency 砌起咗令你 campaign 更聰明嘅 context layer——brief、結果、決定記錄——噉複利嘅好處就累積到同 agency 嘅關係上，而你會喺關係結束嗰日失去佢。
我喺砌一個客戶 memory data moat講得更深。短版本：model 係一個租得到嘅商品；memory 係令租返嚟嘅 model 有用嘅資產。保留 memory。租用 model。Governance 係同一個故事——accountability 唔可以外判，所以關於 model 可以睇咩、邊個擁有產出嘅規則留喺你度。數據 governance 嗰篇詳細覆蓋呢一點。
咩該外判
外判彈性嘅層。生產量、溢出嘅工作、campaign localization、一個你一年啟動兩次嘅專業 channel——都係好嘅 partner 工作。呢啲能力嘅價值唔取決於你嘅具體歷史，所以租佢哋冇複利損失，而永久砌佢哋有真實成本。
呢度嘅 AI 原生 partner 真係有用，因為一間由 workflow 驅動嘅店，以你嘅內部團隊對間歇性需求匹敵唔到嘅速度同成本產出同改編工作。要點係買產能而唔買學習。將 brief、標準同決定記錄留喺道牆你嗰一側。
過渡，如果你喺度重新分工
大部分團隊唔係由白紙開始；佢哋已經有一個混合，而佢係漂移出嚟、唔係設計出嚟嘅。重新分工最好當成一次性 audit。列出你目前買或者自建嘅每一項能力，將每一個標成複利或彈性，你通常會搵到兩三樣喺錯嘅一側。常見嘅發現係一個本該解讀你自己數據嘅外判 measurement 職能，以及一個喺做彈性工作、本可俾 partner 吸收嘅內部 production 團隊。
一次郁一項能力。將一個會複利嘅層拉返內部係一個 project——context 要遷移、memory 要喺你嗰一側重建——所以有意咁做佢，而唔係喺份約要續約時驚青咁做。並誠實面對 partner 砌咗咩：如果個 workflow 包含你嘅 context，將佢抽出嚟係個動作嘅一部分，唔係事後附帶。
合約含義
呢個分工改變咗份約應該講咩。如果會複利嘅層留喺內部，partner 協議應該對數據明確：agency 可以保留咩、結束時咩一定要歸還或刪除、以及任何派生自你 context 嘅嘢歸邊個。大部分合約嘅默認對呢點保持沉默，噉會靜靜雞將個會複利嘅資產交俾砌起個 workflow 嗰一方。
向任何 partner 問三條問題。合作結束之後你保留咩 context？我哋匯出得到你砌嘅 memory layer 咩？派生數據歸邊個？如果啲答案含糊，噉就係呢筆交易入面真正嘅風險——比個 rate card 更重要。
FAQ
一個品牌該內部化佢嘅 AI 工具，定係用 agency 嘅？
永遠內部化 AI 所運行嘅 context——你嘅數據、brand rules 同決定歷史——即便你用 partner 嘅工具。工具可替換；context 係資產。你租得到個 model 同 workflow，同時擁有令佢哋有用嘅 memory。
外判 strategy 有冇啱嘅時候？
對一個具體上市或者一個你唔熟嘅市場，有，作為臨時輸入。但會複利嘅 strategy——決定點樣做出嚟嘅標準——屬於對結果負責嘅團隊。借一個觀點；唔好外判 accountability。
如果我哋負擔唔起一個 senior 嘅內部團隊呢？
嗰度正係彈性 model 掙到自己位置嘅地方。為具體決定租 senior 判斷、用 partner 做 production，但保留 context 同 accountability。目標係即便喺細規模上都擁有個會複利嘅層。
我哋點樣逐項服務咁決定？
問份工作係咪會因為你擁有嘅 context 而變得更有價值。如果係，留喺內部。如果佢嘅價值獨立於你嘅歷史，外判佢。嗰一個測試解決得到大部分情況，唔使長辯論。
短版
喺 AI 時代，將會複利嘅層留喺內部——brand 判斷、first-party data、以及令 AI 變好嘅 memory——將彈性 production 同專業產能交俾 agency。舊嘅成本問題仍然適用，但佢而家位於一個更大嘅問題之下：我哋想個學習喺邊度匯聚？擁有嗰個答案就係全部嘅遊戲。Agency-Model 指南覆蓋分工嘅其餘部分，面向 in-house 團隊嘅 lane將佢貫穿 governance 同 measurement 嚟做。
如果你喺自己團隊上跑過呢個分工，我好想聽下邊一層結果比你預想嘅更難保留。
Cheers, Chandler
本文提供繁體中文（香港）版本。課程材料（影片、模板和配套指南）以英文、日文、簡體中文和韓文提供。本網站提供 13 種語言版本。