咨询行业长期以来被视为“智力服务的终极形态”，在帮企业应对管理挑战、制定战略方面扮演着关键角色。
然而，随着近年人工智能（AI）技术的快速的提升，咨询项目的执行方式和顾问所能带来的价值正在经历快速变革。
本文作者曾在由前BCG成员创立的专业公司担任顾问，目前也在大规模的公司支持数字化转型（DX）。在这些经历中，亲眼见证了研究、分析和制作演示文稿曾耗费的巨大时间和精力。
但随着生成式AI的兴起，这些任务正被显著简化，咨询业的本质也正处于重大变革的边缘。
在本文中，作者将探讨包括AI代理（AI Agents）在内的AI对战略咨询行业的影响，阐述其对商业模式的意义，并讨论未来的可能性。
作者简介 正在开发 Giselle（智能工作流构建器）和 Liam（可视化开发平台）。曾创立电商勇于探索商业模式的公司（通过并购退出），随后在合并后的公司担任董事、产品总监和营销总监，曾任 Delight Ventures 企业家驻场顾问。工作经历包括日本政策投资银行、Dream Incubator。日本Tohoku University信息科学硕士
近年来，由于生成式AI和AI代理的出现，战略咨询行业正经历着深刻变化。特别是像ChatGPT这样的大语言模型（LLM）的发展，已达到了一个新阶段：从海量数据汇总分析到情景测试、初步假设构建，几乎都能即时完成，极大地提升了顾问的生产力。
利用这类生成式AI，你可以一次性分析市场报告、社会化媒体帖子、专业网站乃至学术论文。
这意味着，过去需要多名分析师花费数周才能完成的工作，现在在某些情况下几乎能瞬间起草完成。
因此，随着任务时间的缩短，顾问可以将更多精力投入到客户互动、战略验证以及其他更具创造性的任务中。
AI代理则更进一步，它们结合了生成式AI的“持续任务执行”和“自主规划”能力，能自动进行多轮研究、文档创建和初步分析。
现实中，像IBM这样的公司已在内部构建了具备这些代理技术的平台。有报告说明，超过16万名顾问正在利用这些技术推进重复性任务的自动化。
因此，许多传统上由初级顾问和分析师承担的研究及基础分析工作，未来很可能被AI取代。
尽管如此，无论AI变得多么强大，在需要组织转型、利益相关者管理以及需要仔细考虑人际或政治因素的决策支持等领域，由人类驱动的洞察力和高级沟通能力仍然是不可或缺的。
例如，与CEO和业务部门负责人建立信任关系，或通过务实方法化解组织阻力，这些都不是AI能够轻易独立处理的任务。
顾问仍然需要利用AI的输出，将其调整以适应执行阶段，并促进与客户达成共识——这使得顾问的角色变得更加关键。
此外，设计关键议题、评估假设以及基于深厚经验或直觉做出判断，这些都是难以被AI取代的领域。在可预见的未来，高级顾问的方向把握和变革管理能力仍将至关重要。我个人曾无数次目睹高级顾问的精准判断决定了一个项目的成败。
这种“临门一脚”的推动力，得益于人类独有的能力，如察言观色和理解社交偏见。
在哈佛商学院与BCG于2023年进行的一项涉及758名顾问的大规模实验中，使用GPT-4的顾问比未使用者多完成了12.2%的任务，速度快了25.1%，产出质量提高了40%以上。
随着AI的引入，咨询公司传统的金字塔结构及其按时间计费的模式也可能面临根本性的反思。
大型咨询公司依赖大量分析师和初级顾问的“人员密集型”模式，正受到AI执行重复性任务能力的挑战。
随着市场研究、财务数据整理和幻灯片制作等工作的自动化或效率大幅度的提高，维持庞大初级员工队伍的需求可能会减少。
与此同时，客户将越来越看重高级顾问和技术专家在“决策与执行”方面能提供的附加值，这表明规模更小、层级更扁平的团队有几率会成为常态。
市场对经验比较丰富的中高级人才（尤其是经理及以上级别）的需求可能会增长，而这些级别本就存在人才短缺。
事实上，据报道，像BCG这样的公司正在减少招聘MBA毕业生，转而第一先考虑技术人才和数据科学家。
一份行业报告说明，许多公司旨在将其组织架构从“金字塔形”转变为“钻石形”，即减少初级员工的大规模招聘，同时快速吸纳能够连接技术与运营改革的中层专家。
确实，Poets&Quants的研究显示，受数字领域增长驱动，BCG正在限制招聘“通才型MBA”，同时积极招募工程和AI相关人才。
但实际上，从重复性工作中解放出来，反而提供了更早、更直接接触客户和参与战略思考的机会。
尽管AI加速了产出，但若继续按时间或“人/天”向客户收费，则可能面临收入和利润下降的风险。
各大公司也在探索如何将其内部AI平台和解决方案作为独立的“产品”进行变现，从而开辟新的收入来源。
例如，如果过去需要数周完成的任务现在借助AI只需三天就可以完成，那么按照“人/天 × 天数”向客户收费就显得不太合理。
一种解决方案是按节省成本的特殊的比例收费，或者采用若未达标则减少费用、若超额达标则增加费用的体系。
虽然咨询服务的“产品化”讨论已有时日，但现在似乎正演变成一股更强大的趋势。
确实，毕马威（KPMG）正与微软合作，在五年内投资20亿美元，将AI整合到其审计平台“Clara”中，并为税务咨询引入AI助手。
普华永道（PwC）美国公司同样在未来三年内投资10亿美元于AI，以推动生成式AI在内部的普及，并扩展相关的客户解决方案。
随着AI慢慢的变容易获取，掌握先进AI工具的小型或新兴咨询公司可能会挑战老牌巨头。
如果重复性分析由AI处理，人类顾问能专注于复杂的解读和战略指导，使得小型团队能在速度和成本上展开竞争。
依赖大规模金字塔结构的公司可能难以适应，从而给中型或初创企业来提供了“颠覆”该领域的机会。
的确，现在涌现出越来越多精通AI的初创公司，他们标榜“AI优先咨询”，并赢得了大型客户的合同。
Palantir Technology自2024年下半年以来的业绩和股价势头表明，市场相信这个发展方向。
此外，变化的不单单是顾问方。客户公司自身对“内部化”采用AI的兴趣也日益浓厚。
许多大规模的公司现在正使用生成式AI和AI代理进行市场研究、问题分析和潜在措施模拟——完成了许多过去外包给顾问的工作。
有些甚至正在建立内部数据科学部门，聘请专家来收回传统上由咨询企业主导的角色。
尽管如此，在内部推广AI仍涉及大量任务，如数据准备、治理、培训和文化变革。
即使AI得出了准确的结论，如果不考虑公司的内部文化或政治权力平衡，它也可能变成“纸上谈兵”。
基于这些原因，在很多情况下，仍然非常需要高级顾问的支持，尤其是在以下领域：
推动兼顾企业文化和组织动态的转型：即使AI提供了最优解决方案，说服一线团队、调解部门间的利益冲突仍需要顾问的引导技巧和说服力。
利益相关者间的政治协调与共识建立：重大决策通常涉及董事会、有关部门或工会等众多利益相关者。单靠AI无法处理必要的人际谈判。
实施新的管理框架并执行：推广新的KPI或管理体系依赖于实践支持和人力资本发展——这是外部专家能发挥及其重要的作用的领域。
处理道德和监督管理问题：基于AI的决策带来了重大风险，如数据机密性、问责制和偏见。在这些领域，拥有专业相关知识的顾问仍然极具价值。
我个人认为，核心挑战在于“如何将AI提出的战略构想转化为现实，并将其嵌入组织”，而这恰恰是人类顾问的用武之地。
这就是为什么高级顾问的丰富经验以及与客户高管建立的牢固信任是不可或缺的。
根据我的经验，客户是否“真正采纳”AI的输出并将其转化为行动，很大程度上取决于高层管理人员的认可及其与企业文化的契合度。
随着生成式AI和AI代理技术的持续发展，咨询行业的结构将进一步改变，基础研究和常规分析的自动化进程将加速。
因此，传统的金字塔结构和按时间计费模式正面临越来越严格的审视，推动行业向基于价值的收费和基于产品的咨询收入转变。
然而，咨询过程中的某些环节——如组织转型、利益相关者协调以及通过与高管对话具体化战略——仍然难以用AI自动化。
因此，顾问可能会进一步转向扮演“在基层团队和高层管理之间架起桥梁的复杂沟通与决策支持”角色。
十年内，该行业的核心流程和商业模式可能会被显著重新定义；但最终决策和领导变革的很可能仍将由人类负责。
换言之，虽然AI将作为提案引擎嵌入工作流程，但人类的洞察力和基于信任的客户关系将比以往任何一个时间里都更加凸显其关键差异化价值。
麦肯锡（McKinsey）、波士顿咨询（BCG）和贝恩公司（Bain & Company）均以其战略咨询享誉全球，并且都在加大AI投资、强化服务线。
2015年，麦肯锡收购了数据分析公司QuantumBlack，并将其作为其AI和机器学习能力的基础。
QuantumBlack最初是为F1赛车开发实时数据分析专业方面技术的，其优点是将海量数据转化为可操作的见解。
收购后，麦肯锡加速了在大数据分析、机器学习和因果推断方面的投资，建立了一套支持客户数字化转型（DX）和新业务开发的体系。
然后，顾问将这一些数据驱动的见解置于客户的组织文化和决策流程背景下进行解读，提供行动建议。
因此，麦肯锡旨在融合“AI驱动的速度和全面性”与“顾问解读战略的能力”，提供纯粹通过定性方法难以获得的决策线索。、
在麦肯锡的AI部门（QuantumBlack、McKinsey Digital等）内部，公司开发可适应不一样行业和业务挑战的AI算法和工具。
例如用于因果推断支持的CausalNex，以及用于需求预测和情景规划的算法。
它们还扩展到供应链优化、销售和营销改进（如提高目标精度或个性化客户互动），帮助麦肯锡提供从战略到执行的端到端支持。
通过将这些工具“资产化”并在每个项目中灵活组合，麦肯锡提高了AI部署的速度和质量。
公司大量招聘数据科学家、分析工程师和软件研发人员，建立了强大的AI项目能力，使其区别于其他公司。
同时，麦肯锡能够组建灵活的“顾问+AI工程师”混合团队，处理从数据分析到决策支持的全部环节，将其综合能力作为竞争优势。
2023年，麦肯锡推出了名为“Lilli”的内部大语言模型平台，初期向超过7,000名员工开放。
它使用检索增强生成（RAG）技术，即时搜索和总结公司的知识库，每月处理超过50万次查询。
这一举措加速了将麦肯锡的咨询专业相关知识整合到AI模块中，公司计划在不久的将来向客户提供定制化的“Lilli”解决方案。
波士顿咨询公司（BCG）于2017年成立了其AI和分析部门“BCG GAMMA”，后来与其他技术部门合并，组建了BCG X。
BCG迅速与DataRobot、微软和谷歌等AI平台提供商建立合作伙伴关系，共同开发需求预测、风险分析和供应链优化等解决方案。
特别是与DataRobot的战略合作，见证了DataRobot收购BCG的AI引擎（SOURCE AI），将BCG的战略知识与自动化机器学习相结合。
BCG X（前身为BCG GAMMA）在COVID-19疫情期间迅速构建了一款名为“Lighthouse”的需求预测AI工具，帮助客户公司管理风险和进行情景规划。
据报道，多家大规模的公司已引入Lighthouse，提高了预测准确性并加快了库存调整速度。
BCG还重视可解释AI（Explainable AI），开发了像FACET这样的可视化工具，以便商业领袖更容易理解AI驱动的决策过程。
通过强调信任建立是“战略 × AI”的核心要素，公司旨在加速决策者对AI的采纳。
BCG一项涉及约750名参与者的生成式AI生产力实验显示，初级分析师的效率提高了30-40%，经验比较丰富的员工效率提高了20-30%。
但对于复杂任务，若未经充分批判性思考就使用AI，效率反而下降了约23%。
这强调了适当培训和明确分工的必要性。BCG于2023年宣布与Anthropic合作，进一步向客户企业来提供先进的生成式AI模型。
2023年，贝恩公司宣布与OpenAI建立全球联盟，将重点放在“生成式AI”领域。
贝恩宣布计划为其全球所有顾问配备包含ChatGPT、GPT-4、DALL·E等的工具，旨在自动化研究和初步演示文稿创建，辅助创意生成、情景测试，并加速传统上由分析师完成的任务。
然而，对生成式AI产生幻觉（hallucinations）的担忧和处理敏感数据的风险，要求贝恩在推行全公司实施时采取强有力的治理措施。
与OpenAI合作的一个备受瞩目的项目是与可口可乐的“Create Real Magic”项目。
该项目使用GPT-4和DALL·E激发营销活动创意并辅助创意制作，旨在转变品牌互动方式。
贝恩的角色不单单是安装技术：它帮助将“生成式AI驱动的营销创新”整合到整体战略中。
在短时间内，该项目产生了巨大的关注度，展示了生成式AI与商业战略的协同效应。
贝恩拥有一个名为“Vector”的专业部门，致力于数字化转型、AI和数据应用，由超过1,500名数据科学家和工程师组成。
该设置旨在为客户企业来提供系统实施和解决方案开发的端到端交付，将传统战略咨询和技术部署融合到单一商业模式中。
除了OpenAI，贝恩还与多家AI技术合作伙伴合作，力求通过一直增长的“生成式AI × 运营转型”案例研究来建立差异化优势。
贝恩已将GPT-4、DALL·E及相关解决方案引入除可口可乐以外的客户，将自己定位在生成式AI商业应用的前沿。
该公司还通过生成式AI成功加速了内部知识搜索，显著缩短了内部分析师的研究时间。
随着AI代理和生成式AI的发展，不仅主要的战略咨询公司在适应，四大会计师事务所（Big Four）和IT咨询公司也在加大AI投资力度，扩展服务范围。
例如，普华永道美国分公司宣布未来三年将投资10亿美元于AI，并为所有员工启动大规模AI培训计划。
同样，安永（EY）、毕马威（KPMG）和德勤（Deloitte）正在大量招聘AI专家，收购专业公司，并扩大内部AI部门。
埃森哲（Accenture）已宣布投资30亿美元，并计划将其AI员工队伍从4万人增加到8万人。
德勤和毕马威也宣布了数十亿美元的支出计划，用于在审计和税务领域部署AI助手，并在管理咨询中整合自动化工具。
尽管传统咨询市场可能在2024年出现停滞，但与AI相关的项目预计将抵消这种放缓。
例如，麦肯锡表示其约40%的项目与AI相关，过去一年中有近500家客户请求AI支持。
同一项调查表明，尽管像麦肯锡这样的公司在整体裁员，但为了应对飙升的AI需求，它们正在扩大数字部门的资源。
此外，客户组织自身的内部AI素养和数据分析能力正在明显提高，这迫使咨询企业来提供“更高级别的建议”以及“组织转型和执行支持”。
一项研究表明，随着AI使数据分析大众化，咨询公司曾经拥有的信息优势正在减弱，提升了对“真正的业务转型能力”的需求——而不单单是分析或研究。
尽管大型公司投入巨资并建立了早期成功案例，但专注于AI的精品咨询公司和数据科学公司也在崛起。
像Fractal Analytics和Mu Sigma这样拥有专业化或“产品化”AI解决方案的公司，正慢慢的变多地赢得大规模的公司合同。
有人认为这种“颠覆”导致咨询预算从主要参与者流向新兴进入者，但大型公司自身也在推行多管齐下的战略——扩大内部AI团队或与新兴AI提供商合作。
总的来说，该行业已进入一个关于“AI驱动时代咨询业未来”的试验和探索期。
互动方式也在多样化，顾问越来越像“翻译者”或“促进者”，将AI的输出转化为更高级别的战略和实地执行。
AI × 咨询的转型很可能在未来几年达到一个关键转折点；完全新型的咨询公司可能在十年后主导市场。
在我看来，生成式AI（大语言模型）和自主AI代理的加快速度进行发展，可能会从根本上颠覆传统上由顾问进行的调查、分析和提案工作。
我个人认为，在不到10年的时间里，我们有很大的可能性看到接近通用AI（AGI）的技术出现，因此导致我们所知的咨询业被彻底重新定义。
下面，我将更深入地探讨我对AI在特定咨询流程中的应用、其对组织架构和人才的影响、与客户的新合作模式，以及AI使用的风险和局限性的一些假设。
虽然每个项目都不同，但为了讨论方便，让我们将咨询大致分为六个阶段，并思考AI在每个阶段的当前和潜在作用：
目前，生成式AI和AI代理在“1. 初步行业和问题研究”方面已经很实用。
借助大语言模型，我们大家可以快速总结和分类大量文章、学术论文和新闻，以掌握宏观市场趋势或竞争对手格局。
AI代理可以自动抓取和交叉核对网站信息，将传统上需要初级分析师花费数天甚至数周的工作量缩短至几小时。
对于“2. 设计关键议题并构建战略工作规划”，完全取代顾问仍然具有挑战性，因为它需要结构化和创造性思维来确定如何最好地界定问题。
虽然大语言模型擅长列出潜在问题和示例，但确定考虑到客户独特文化、政治或既得利益的最佳方法，仍然在很大程度上依赖于人类顾问的判断。
话虽如此，利用AI作为“反对者”，检查疏漏并挑战顾问的假设，已经是一种实用的技术。
在“3. 生成解决方案假设”方面，生成式AI可以在定量方面自动化情景构建和敏感性分析。
然而，决定在多大程度上考虑约束和假设、预测利益相关者的反应，以及将AI生成的想法转化为“现实情景”，这些任务仍需要人类审查。
在“5. 构建故事线和创建演示文稿”方面，幻灯片制作的自动化已在加速发展，如果几年内AI能帮助编撰整个战略叙述，也不会令人惊讶。
然而，在高管层面前，演示文稿的说服力在很大程度上取决于你如何有力地优先处理某些主题以及如何有效地传达信息，这在某种程度上预示着人际沟通技巧和实战经验仍然至关重要。
最后，对于“6. 起草执行工作规划和管理项目”，AI可以在情景生成或进度跟踪方面提供帮助，但项目的成功往往取决于对组织政治和人际关系的透彻理解——这些是AI本身尚未准备好处理的领域。
虽然AI代理有朝一日可能会进行访谈，但通过共情倾听和实时调整来建立信任仍然需要人类的触觉。
随着AI慢慢的变多地处理研究和分析工作，通过调查工作来培训初级分析师的现有模式将发生转变。
虽然他们通过重复性任务学习的机会会减少，但他们将需要新技能来验证AI输出、处理道德问题、理解行业背景、优化提示词以及管理安全。
更重要的是，“高级助理级别的指导技能”将成为确保AI时代高质量咨询的关键，年轻顾问可能会在职业生涯早期更专注于整合逻辑和人际沟通。
我设想一个由高级顾问和技术专家领导的体系，他们利用AI快速生成见解，然后与客户合作制定战略。
我相信咨询的真正附加值远不止数据分析：它关乎“变革管理”和“与高管建立信任”，这些是AI难以轻易竞争的领域。
我们将看到专注于AI实施、治理或风险管理的新角色出现——这些职位在传统战略或IT咨询中并不存在。
例如，“AI实施顾问”、“AI治理与风险顾问”或“提示工程师（Prompt Engineer）”，这些都需要更加多的跨界技能。
确实，博思艾伦咨询公司（Booz Allen Hamilton）为其33,000名员工启动了全公司范围的AI教育计划，这暗示着大规模的技能重塑正成为全行业的优先事项。
普华永道美国公司已经启动了一项全面的AI技能培训计划，毕马威正在加强其初级培训以适应AI时代，而德勤则将其内部AI助手定位为“新小组成员”，并修订其在职培训方法。
与此同时，随技术的发展，服务交付形式正在发生明显的变化，这可能显著改变咨询业的整个商业模式。
我们可能会看到由持续在线的AI支持的“持续互动”模式，顾问在需要时介入，而不是仅仅在固定周期结束时交付报告。
例如，想象一个AI持续监控公司的实时数据，检测异常或新兴趋势，并提出解决方案，然后由顾问将其完善为切实的行动计划。
随着公司采用日常数据分析和模拟，它们可能会“实时更新战略”，标志着“敏捷战略管理”的兴起。
因此，顾问不仅要部署解决方案，还要设计能够让高管团队快速重建战略的业务结构。
但随着速度的提升，验证偏见或道德问题变得更关键，因此顾问能否客观解读数据并确保客户在使用中感到安全，有几率会成为其价值主张的一个主要因素。
然而，过度依赖AI始终存在风险——即假设“因为是AI说的，所以肯定是真的”。
由于最终决策责任仍在客户身上，顾问必须将AI的建议置于具体情境中，使其与每个组织的政治和文化相契合。
在这些方面，顾问作为技术与人之间的桥梁，支持实际执行的角色变得更加重要。
大语言模型有时会产生“幻觉”——由有偏见或不完整的训练数据引起的错误回应——因此就需要人类监督和验证。
此外，深度学习推理过程的“黑箱”性质使得解释“为何得出某个结论”变得更困难，这对必须向客户保持问责制的顾问构成了挑战。
虽然数据驱动的AI在提供数值支持方面很强大，但它在处理潜移默化的组织文化和人际动态方面则较为吃力。
因此，顾问在调解和协调方面的作用仍然至关重要——尤其是在大型组织中，利益相关者协调对于任何重大转变都至关重要。
公司必须保护输入外部AI系统的敏感数据——在大多数情况下要部署本地化AI（on-premise AI）或实施严格的访问控制。
然而，考虑到所需的组织谈判、法律和法规和更广泛的社会接受度，完全自动化可能仍有一段距离。
目前，“AI与人类顾问的协作”将占主导地位，采用混合方法，利用AI的优势和人类的洞察力来驱动业务成果。
我的立场是，随着生成式AI和AI代理的进步，咨询中的基础研究和分析将高度自动化，削弱大型金字塔团队的价值。
然而，即使AI能输出海量结果，也需要人类进行批判性评估，并融入企业文化和人际关系等“非量化”因素，才能制定出可执行的计划——因此顾问的角色变得更加重要。
我坚信，将AI视为“强大的扩展伙伴”，将减少繁琐任务的工作量，使顾问能够腾出时间来提升他们的人际交往能力和一线洞察力——预示着“下一代咨询”的未来。尽管技术进步和监管框架仍存在不确定性，但我相信该行业的发展轨迹取决于技能重塑、创新以及采纳这些新协作模式的意愿。
另一方面，顾问的人类优势在决策制定和转型支持方面仍然是必需的。特别是战略的核心——“定义真正的问题并说服关键决策者采取行动”——无法仅由AI完成，很可能需要一个能够驾驭AI同时与客户密切合作的顾问。
伴随着大型公司的巨额投资，AI原生初创企业和IT公司正在进入该领域，全面加剧了“竞争与合作”。
我个人正在开发一款名为“Giselle”的产品，它提供无代码的代理工作流（Agentic Workflow）功能，旨在简化内部咨询和BPO（业务流程外包）任务，同时探索传递价值的新方式。通过加速模板化方法的应用，我希望为咨询公司或对将AI用于咨询运营感兴趣的企业来提供更实惠、高质量的解决方案。
这些举措的目标不单单是减少相关成本，还在于更好地理解客户的业务挑战，设计最佳流程，并引导共识建立——将AI用于更深入、更具变革性的用途。
虽然分析和提案将变得更精确，但最终推动客户行为和组织架构变革的重点是“谁在何时、以何种方式与谁进行干预？”——这是一个纯粹的人际沟通维度。
因此，能够评估AI输出并按照每个客户情况精心构建叙事的资深顾问的专业相关知识变得更关键。
从短期项目转向持续伙伴关系，以及将AI解决方案和个性化人类咨询相融合的趋势，可能会继续加速。
许多初级分析师将从常规任务中解放出来，转向需要更深层次人类洞察力的角色。
与此同时，更广泛的“AI × 咨询”市场将持续增长，提升具备AI素养或能够操作和验证AI代理的顾问，以及变革管理专家的地位。
最终，顾问的差异化因素仍将是他们如何有效地评估AI提出的无数选项，决定采纳哪些以及何时采纳，并促进决策制定。
从这个意义上说，咨询行业正进入一个人类与AI携手重新定义高级智力服务的时代。
