撕掉咨询业的“底裤”

• 文 / 胡赛雄 ，华为公司原后备干部系主任、华为“蓝血十杰”，华夏基石六君子塾训战导师
  

• 来源：华夏基石e洞察（ID：chnstonewx）
  

• 文章仅代表作者本人观点

01

咨询在卖什么，人工智能又蒸发了哪一层

一、一个百年知识库，被压进了一个对话框

2023年，麦肯锡（McKinsey）上线了一款内部生成式人工智能（AI）工具，取名 Lilli（麦肯锡内部AI助手）——纪念1945年加入公司的第一位职业女性。到2025年，这家横跨70个国家、攒下超过10万份文档与访谈记录的巨头，已有超过70%的员工每月在用它，重度用户每周调用约17次。麦肯锡自己说，员工检索和整合知识的时间，省了大约30%。

更耐人寻味的在后面。Lilli 里用量最高的，是一个语气智能体——它能把任何一段杂乱含糊的文字，改写成麦肯锡标准的专业表述。2025年，麦肯锡又推出基于 Gemini（谷歌大模型）的 MVI Assistant，让合伙人在见客户前几秒，就能调出上市公司、行业和市场的全部信息。

也就是说，人工智能接管的，不只是查资料。连怎么写、怎么讲这种被视为顾问核心手艺的东西，也开始被工具化。

这画面很震撼。但它真正说明的不是人工智能多厉害，而是一件事：咨询的中间层，正在蒸发。

但有一件事它写不出，也永远写不出——一个敢在方案上签字、并为它的后果兜底的人。

Lilli能做的，恰恰是传统咨询里初级顾问八成的活儿：扫文档、找对标、套框架、起初稿、把零散信息拼成一份像样的报告。当一家咨询巨头把一百年的知识库压进一个对话框，四分之三的员工再也离不开它时，它其实无意中承认了另一件事——那些曾被高高供在专业壁垒上的能力，正快速沦为水电煤一样的基础设施。

一句话说清本文的判断：人工智能没有消灭咨询业。它只是剥掉了咨询业伪装成知识生意的那层外壳，露出底下真正值钱的东西——替企业看清真问题，并推动组织为这个答案买单的勇气与手腕。

二、咨询到底卖什么：一个被忽视的价值结构

要理解咨询为什么会被重构，先得看清它过去到底在卖什么。表面看，咨询卖的是幻灯片、报告、会议。客户端真正买的，是三层价值。

第一层是诊断——你到底哪儿病了。战略迷失？组织僵化？流程腐朽？还是人都用错了地方。

第二层是方案——怎么治。战略怎么调，架构怎么搭，系统怎么上，指标怎么定。

第三层是变革——怎么让组织真的把药吃下去。这一层最难，也最容易被忽略。因为大多数咨询合同，在交付方案那一刻就结束了。而组织真正开始抗拒，恰恰是从那一刻之后。

打个比方。咨询像医生。望闻问切是诊断，开药方是方案，康复管理是变革。过去这三件事被捆绑销售，因为绝大多数企业没能力拆开买——它既不会给自己做检查，也不信自己开的方子，更没本事逼自己把药吃完。

设想一个场景。一家年收百亿的零售企业，首席执行官在董事会上拍板：我们要做数字化转型，请家头部咨询公司。

进场第一周，诊断：翻财报、访谈、画流程。结论出来了——你们的问题不是数字化程度低，而是三个事业部各有一套会员系统，数据对不上，总部根本看不见真实库存。这是诊断层。

第二个月，一份数字化转型总体方案交上来，含中台架构、组织调整、实施路线图。这是方案层。

半年后，方案躺在抽屉里。三个事业部的总经理各执一词，谁都不肯先并自己的系统——因为并进去，意味着权力和预算被收走。这时候企业才醒悟：它缺的从来不是那份方案，而是有人能推动三个山头把药咽下去。这是变革层。也是绝大多数咨询合同没覆盖、也覆盖不了的地方。

人工智能正在做的，是把“查资料、写药方”这一大块自动化。注意，是这一大块，不是全部。诊断里敢问真问题、方案里“贴着血肉落地”、变革里让人真的改变——这三样，人工智能一个都替不了。

这种解包在信息技术（IT）行业早就发生过一遍。当年企业买软件，得连数据库、中间件、开发工具一起买。后来云计算把基础设施抽走，变成公用事业，企业只按需买上层应用。咨询业正在走同一条路：人工智能把知识处理基础设施抽走变成公用事业，企业将来只为诊断的眼光和变革的操盘付费。卖基础设施的生意，会先于卖眼光的生意萎缩。

这对咨询公司的冲击是直接的。过去靠堆人、堆工时赚钱的逻辑一旦崩塌，那些人力成本最高、产出最商品化的初级岗，会最先被算法替代。

但得说清楚：这种解包，为什么现在才发生？

回头看：二战后，大企业跨区域、跨业务发展，管理层第一次需要“外部的专业脑子”。可当时企业自己的分析能力几乎为零——没数据库，没方法论沉淀，连像样的财务模型都要现搭。于是咨询公司把“我会分析、我会设计、我会陪你落地”一揽子打包。本质上，是因为客户既没能力、也没信任去拆开买。

打包不是咨询的天然形态。它是客户能力缺失时代的权宜。

今天不一样了。客户自己有了数据团队、有了商业智能工具、甚至有了人工智能。拆解能力具备，捆绑自然就松了。人工智能没有凭空创造“解包”，它只是终于让客户有了不解包不行的底气。

三、人工智能蒸发了中间层，但别误读成咨询变简单了

中间层指什么？信息整合、框架套用、初稿撰写、标杆比对、行业扫描、市场规模测算。它们的共同点是：高度结构化、强文本、弱情境。这恰好是生成式人工智能最擅长吞噬的领域，也是过去咨询公司里初级分析师、商业分析师（BA）日复一日在做的工作。

看数据。麦肯锡Lilli让知识检索时间省下约30%。波士顿咨询（BCG）有Deckster（幻灯片生成工具），秒级生成幻灯片。德勤（Deloitte）有Sidekick（AI助手）。毕马威（KPMG）和普华永道（PwC）都在组自己的智能体舰队。英国《金融时报》（FT）2025年报道，麦肯锡75%的员工每月在用Lilli，公司甚至把它视为主管团队里的隐形成员。麦肯锡负责技术的高管说得很直白：未来的顾问，应把更多时间花在激活洞察上，而不是生产洞察的分析过程上。

翻译一下：分析交给人工智能，人去干推动落地。

但有个误读得先纠。很多人一看人工智能能写方案了，就得出咨询变简单了。错！

准确的说法是：泛化的、模板化的方案生成，变简单了。贴着一家企业真实血肉落地的方案，依然极难。

差别在上下文。举个对照。左边，人工智能给你一份制造业数字化转型标准路径——中台、数据治理、智能工厂、组织配套，结构完整，放之四海皆准。右边，同一家制造企业：二十年的遗留（legacy）系统改不动，三个事业部数据口径打架，车间主任连透视表都不会用，信息技术预算今年被砍三成。左边那份方案，落到右边现实里，第一步踩哪儿？人工智能给不出。能给出的人，靠的是在这家企业待过、摔过、被人骂过的经验。

泛化方案是商品，贴合上下文的方案是手艺。前者被人工智能抹平，后者被人工智能凸显。

所以中间层从稀缺技能变成了基础设施。那些核心竞争力停留在“我会查资料、我会画框架、我背得出最佳实践”的团队，护城河一夜消失。因为今天，任何人打开对话框都能做到七八成。

但消失的，只是这一层。上游的诊断、下游的变革，没被抹平，反而被衬托得更贵了。

02

最难的两件事：诊断与变革

一、为什么诊断最难：人工智能越不过的三道坎

这是全文的核心。我想说清：为什么帮企业诊断，会在人工智能重构之后，反而更值钱、也更难被替代。

诊断之难，难在人工智能越不过的三道坎。

第一道坎：问题重构。

企业走进咨询公司，说的第一句话往往是错的。它说“要降本增效”，真实问题可能是三个事业部各自为政、数据对不上、谁都不愿先动。它说“要上人工智能”，真实问题可能是连业务流程都没画清楚，上什么都是空中楼阁。

把客户抛出的错误提问，换成真正的正确提问。这一步，人工智能给不了。因为它没有立场。它的默认行为是“更好地回答你的问题”，不是“告诉你你问错了”。

问题重构，需要的是一种敢于当面顶撞首席执行官的政治勇气——宁可丢掉项目，也要说“你这个方向本身就有问题”。这不是算力，这是人格。

举个例子。一家区域零售商找咨询公司，开口就是帮我们上人工智能客服、做智能推荐。有经验的诊断者会先反问：你退货率为何高得离谱？拆开看，根因不是推荐不准，而是门店和线上库存不同步，顾客下单后才发现没货。这时候上人工智能是在错误的病症上开药。真正该做的，是先打通库存——一件毫无人工智能含量、却能救命的事。

人工智能不会替你做把话题从人工智能拉回库存这个动作。它被训练成“帮你把人工智能做好”，不是“劝你别上人工智能”。

第二道坎：政治现实。

诊断是要在真实组织里发生的。它要求你走进那个“首席财务官和首席运营官互相甩锅、谁都不想背增长指标”的房间，读懂气氛、读懂利益、读懂那些没人写进邮件的默契。人工智能会读报表，读不了人；能读流程文档，读不了权力结构。

我见过太多这样的场景：一份诊断报告逻辑无懈可击，却在附录里轻描淡写绕过了一个事实——真正的瓶颈，是某位高管的地盘意识。人工智能永远不会帮你把这句话写进正文。因为它不知道，这句话写了之后，会议室里会发生什么。

而能写、敢写、写完了还能推动的人，才是诊断真正的价值。

再具体点。两个事业部总经理，访谈时都笑容满面地说全力配合转型。但私下里，甲怕合并后编制被砍，乙怕关键绩效指标（KPI）重排后自己吃亏。于是所有协同的会议纪要都漂亮，所有对齐的动作都落空。人工智能读得到会议纪要，读不到那层心照不宣的算计。

能把这层窗户纸捅破、并设计出一种让两个山头都有得赚的机制的人，才是诊断里不可替代的部分。

第三道坎：责任背书，也就是验证。

这一点最易被忽视，却最关键。企业买的，从来不只是一份对的分析，而是“有人用职业声誉替这份结论兜底”。当首席执行官要在董事会上拍板一个烧掉几千万的转型，他要的不是“人工智能说这个方向对”，他要的是“某某公司、某某合伙人，用招牌担保这个方向对”。

人工智能没有切身利益，它不会为“这方案上了会翻车”负责，也不会在失败后为你的职业生涯背书。所以验证的本质，不是技术校验，而是信任转移——把对结论的责任，从企业自身，转移到一个独立的、有声誉的、敢承担后果的第三方身上。

这里有个反常识、却极重要的点：诊断真正的难点，往往不是看不懂数据，而是不敢承认数据说明的真相。

大多数企业不是看不出自己哪儿病了，是不敢、也不愿把那个诊断说出口。承认“我们的问题不是技术，而是我们的中层都在保自己的位子”，比做一百份数据分析都难。

而外部顾问最值钱的地方，恰恰就是作为一个独立的、敢说的、能背书的第三方，把那句没人敢说的话，说出来。

用麻省理工学院（MIT）的数据呼应这一点。2025年MIT发布《生成式人工智能鸿沟》（The GenAI Divide），追踪300多个公开人工智能项目、上百次高管访谈，结论令人咋舌：企业在生成式人工智能上投入300到400亿美元，但95%的组织没获得任何可量化的财务回报，只有5%真正赚到以百万计的钱。

原因不是企业不会用工具。80%以上的企业试过对话机器人或微软Copilot（AI助手），约40%已经部署。问题出在“流程僵化、缺乏上下文学习、与现有工作流错位”。翻译过来：工具泛滥了，但没人诊断清楚“我到底要用人工智能解决什么业务问题”。

工具越廉价，诊断越稀缺。

二、诊断能力从何而来：为什么它最不容易被复制

顺着上一节，自然要问：诊断这么值钱，能力到底从哪来？

我的回答：主要来自带伤疤的模式识别。而这，恰恰是人工智能最难复制的东西。

优秀的诊断者，靠的不是某一份知识库，而是跨越多行业、多企业、多年之后，在脑子里长出来的一张失败模式地图。他见过一家快消公司因渠道冲突而转型失败，见过一家银行因风控和中台争权而项目烂尾，见过一家制造企业因一线工人抵制而智能工厂空转。因此下一家企业带着相似症状走进来，他凭直觉就能定位到那张地图的对应区域——这事儿我见过，根子不在你说的那儿。

这张地图有三个特点，决定了它难以被复刻。

其一，隐性。它没法写成操作手册，只能在真刀真枪的项目里、在被客户怼、被数据打脸的过程中长出来。

其二，跨域。最有效的诊断，往往来自把一个行业的经验，迁移到另一个看似无关的行业。人工智能擅长在单一语料内检索，却不擅长这种异域类比的跳跃。

其三，立场和后果。诊断者因为要背书、要担责，反而比纯算法更谨慎，更敢否定自己的第一反应。

这里要补一个容易被忽略的风险：自动化偏误（automation bias）。

当诊断者手边有一个张口就来的工具，他反而可能懒得调用那张带伤疤的地图，直接采信工具给出的、听起来很合理的结论。也就是说，人工智能带来的最大危险，不是它错了，而是它太对味——流畅、自信、引经据典，让人卸下本该有的怀疑。

真正会诊断的人，恰恰要在人工智能面前更警惕，把它的产出当成待证伪的假设，而非待采纳的结论。这进一步说明：诊断能力，是一种需要主动捍卫、而非被动拥有的东西。

所以我的判断是：诊断能力不会像写幻灯片那样被快速商品化。它会因为人工智能把底层分析自动化而变得更贵——因为人终于从重复劳动里腾出手，去打磨那张带伤疤的地图了。

工具越强，真正会诊断的人越稀缺。

这也解释了，为什么未来最抢手的咨询人才，未必是名校毕业的分析高手，而更可能是那些在多个行业摔过跟头、既能读懂报表也能读懂人心、且愿意为自己的判断署名的人。

资历的含金量，正从见过多少框架转向背过多少后果。当一个行业不再为信息处理付费、只为判断与担当付费时，真正值钱的人，是那些敢把名字写在结论后面的那种人——这恰恰和人工智能匿名、免责、永远不署名的天然属性，形成最锋利的反差。

三、一个完整的诊断长什么样：把抽象逻辑落回一个场景

理论说多了容易空。我把前面几节的逻辑，落进一个很多企业正在经历的场景，看看人工智能到底在哪一步有用、哪一步必须人来扛。

假设一家中型制造企业，老板的诉求是：我们要上人工智能质检，听说能省一半质检员。这听起来，是个典型的上人工智能需求。

人工智能能做的部分：顾问让工具检索行业标杆，三分钟出来一份人工智能视觉质检全球最佳实践，含技术路线、供应商对比、投资回报（ROI）测算模板；再让工具起草项目建议书初稿。这部分，过去要一个商业分析师做两周，现在一上午。

人必须接手的部分，从这里开始。

第一步，重构问题。

资深诊断者先问：你为什么想上人工智能质检？老板说质检员成本高。再挖一层：你们的质检员成本真的高吗？拆账发现，真正吞噬利润的，不是质检员工资，而是返工——前道工序良率波动没人实时看见，次品流到后道才被发现，整批返工。所以真问题不是用人工智能替代质检员，而是用数据让前道工序的异常被提前看见。

这一刀切错，上再多自动化质检也是南辕北辙。人工智能不会替你切这一刀，因为它没有动机质疑上人工智能这个前提。

第二步，读政治。

即便问题重构对了，落地时老板发现：车间主任坚决抵制。表面理由是“人工智能不准、误判多”，真实理由是：一旦每条产线良率实时上墙，他手下哪个班组长干活稀烂，全公司都看得见，他的管理黑箱没了。这不是技术阻力，是权力阻力。

人工智能读不出这层。能读出、并设计让主任从阻力变推手的激励方案（比如把良率改善和其团队奖金绑定）的，只能是一个人。

第三步，担责任。

最后老板要在董事会拍板：投不投？他需要的不是“人工智能说投资回报2～3年”，而是一份有人背书、出了问题有人一起扛的判断。这一步，永远是人。

这个场景说明一件事：人工智能把做分析的成本打到接近零，但做对的分析、让对的分析落地、为落地的结果负责这三件事，一样没少，反而因为前者的廉价而更显贵。

咨询的价值，正从第一段，整体迁移到后三段。

把这个场景里的制造企业老板换成任何一位管理者，你会发现，它描述的其实就是每个人日常的工作困境：我们太容易把手段当目的，太容易在错误的病症上堆资源，太容易在看起来在做事的忙碌里，逃避那个真正该被回答的问题。

诊断之所以难，归根结底难在诚实地面对自己。而这件事，无论技术多发达，都没有捷径。

四、组织变革：人工智能重构之后真正的护城河

如果说诊断是上游的难，那组织变革就是下游的难。而且可能是更根本的难。

先破一个流传甚广的迷思。咨询圈、培训圈、几乎所有转型幻灯片的封面都爱写一句话：70%的转型会失败。这句话我用了很多年，直到去追溯源头，发现它基本是个虚幻统计。

考据很干净。这个70%最早能追到1993年哈默和钱皮对流程再造的估算（他们说的是50%到70%没达到戏剧性效果，不是失败）；1995年科特在《哈佛商业评论》（HBR）沿用；2000年比尔和诺里亚写成约70%变革失败。2011年，布莱顿大学的马克·休斯做了份正式引用审计，发现这五个最著名的70%论断，“全部缺乏有效可靠的实证证据”，彼此循环引用。

所以“70%失败”，更像咨询业自己讲给客户听的鬼故事——用来制造紧迫感、卖出转型办公室和昂贵的顾问费。

但打掉这个数字，真实图景反而更值得玩味。波士顿咨询用20年、1700个转型的真实财务数据（不是问卷）判断：约30%完全成功，约50%部分成功但价值严重泄漏，约20%彻底失败。麦肯锡自己的数据也收敛到类似区间：执行全套建议的转型成功率能到78%，但即便成功的转型，也只捕获了67%的潜在价值；失败的只捕获37%；而55%的价值流失，发生在实施过程中或实施之后。

真正值得玩味的，是中间那50%。大多数企业的真实处境，不是转型失败，而是“方案交付了，价值没拿到”。这比失败更折磨人——你花了钱、开了会、换了系统，然后发现组织还是那个组织。

这50%的灰色地带，才是咨询业过去三十年一直假装不存在、却一直真实发生的地方。它揭示的真相是：企业不缺方案，缺的是把方案变成行为、把行为变成结果的那股组织力。

这50%，对咨询业的商业模式也有一层被忽视的含义。过去咨询按交付物收费——一份报告、一套方案，交付即结案，至于后面价值有没有拿到，不在计费逻辑里。但恰恰是这50%的价值泄漏，发生在交付之后。

所以当客户越来越用“你帮我拿到了多少结果”来评判咨询价值时，旧的计费方式就站不住了。这也是为什么行业里按效果付费、长期伙伴制在抬头：不是顾问忽然变善良了，是客户终于意识到，自己一直只买了前半段，却为后半段的失败默默买单。

人工智能把中间层汽化之后，客户更没理由为前半段付溢价。咨询费，必然向后半段——也就是变革与结果——倾斜。

为什么变革这么难？波士顿咨询对900个转型项目的拆解很说明问题：技术相关的问题只占失败的18%，剩下82%来自组织抗拒、权责不清、运营模式模糊。贝恩（Bain）的研究补了一刀：成功的转型里，85%有一个权责清晰的高管主导；失败的转型里，这个比例掉到29%。

技术常常是同一套。差别只在于“有没有人能不通过委员会就做决定”。

一个反差强烈的案例，是沃尔玛（Walmart）的杂货配送平台。它在2021到2023年重建时，没有包装成技术迁移，而是定义成一个对顾客的承诺：半夜前下单，早八点前送达。每一个工程决策，都拿这条承诺来检验。

结果，数字化杂货收入增长35%，平台每天处理200万订单——项目还没正式结束，价值就已经兑现。波士顿咨询由此发现，围绕顾客体验设计的转型，成功率是围绕运营效率或降本的设计的2.5倍。

差别不在技术。在于变革有没有一个让人看得见的、愿意为之改变的理由。

德勤的调研还揭示了一个时间陷阱：超过75%的转型负责人说项目超时，而超时的规律极一致——前30%的工作花了40%的计划时间，制造了一种虚假的进展感；接下来的整合阶段（新系统必须和遗留系统共存）吞掉了剩余80%的时间和大部分预算外支出。

技术从来不是吞噬资源的黑洞。整合才是。而整合的本质，是人和人、部门和部门之间的妥协。

高德纳（Gartner）2025年的研究给了一个收尾注脚：具备成熟数字化转型治理模型的企业，其转型成功率是缺乏治理结构的企业的2.5倍。治理，说白了就是谁拍板、谁跟进、谁负责被制度性地解决了。

这再次证明：难的不是技术，是人和制度。

答案很清楚：变革的难，从来不是技术难，是政治难、利益难、让人承认自己过去错了难、改变二十年习惯难。这些全是人的问题，人工智能一个都解决不了。

所以当中间层被汽化之后，咨询真正的护城河，从“我知道答案”转移到了“我能让组织真的变”。而让组织变，需要的不是分析师，是操盘手——能驾驭利益、能凝聚共识、能在会议室里顶住压力的那种人。

五、反直觉：工具越泛滥，诊断和验证越值钱

把前面几节的逻辑收一下，会浮现一个反直觉的结论。

正因为今天人人都能用人工智能生成一份看起来很对的方案，市场正在被似是而非的建议淹没。打开任意对话框，输入帮我写一份某行业数字化转型方案，三秒钟出来五千字，框架完整、措辞专业、引用得像模像样。但它是真地对吗？它贴合你的上下文吗？它经得起你们董事会那帮人的追问吗？没人知道。

麻省理工学院那95%的零回报，本质上就是这个淹没效应的代价。工具普及了，噪声也普及了。

当答案变得免费且泛滥，真正的稀缺品，变成了两样东西。

一样是从噪声里筛出真信号的能力——在一百份人工智能生成的方案里，判断哪一份真地戳中了你的病根。

另一样是敢为答案拍板、敢为答案负责的勇气——在不确定性面前，有人能站出来说，就按这个来，输了算我的。

这个判断，还能从企业的购买行为里得到印证。瑞银（UBS）2025年10月对130家企业信息技术高管的第五次企业人工智能调查显示：只有17%的企业实现了人工智能项目的大规模投产；多达60%的企业选择自己造而不是买现成方案；而备受追捧的人工智能智能体，只有5%真正规模化。更关键的是，59%的受访者把投资回报率不明确列为最大障碍——这个比例，比半年前的50%还上升了。

换句话说，企业不是不想用人工智能，是被“到底哪个人工智能值得投、投了能不能回本”卡住了。这恰恰是一个全新的、人工智能自己解决不了的咨询需求：帮企业验证人工智能投资。

咨询业的角色，因此从生产答案变成了为答案负责。未来最值钱的角色，大概率不是人工智能方案生成师，而是人工智能产出的首席质疑官和变革的操盘手。前者负责不信、负责追问、负责戳穿似是而非；后者负责让对的答案在组织里真正长出来。

不妨把这两个新角色再具象一点。人工智能产出的首席质疑官，不是一个头衔，而是一组动作：拿到一份工具生成的方案，他的第一反应不是采纳，而是追问——这个结论的假设是什么？数据样本偏了吗？它忽略了哪个利益方的反对？它上一次在类似情境里翻过车吗？他像一个永不满意的审稿人，专门负责在看起来对和真地对之间，竖一道关卡。

而变革操盘手做的，是把过了关的方案，翻译成一个个具体的人愿意迈出的小步：谁先受益、谁先受损、怎样让受损者不觉得被牺牲、怎样用第一个小胜来喂养下一个大胜。前者守门，后者铺路。

咨询业未来的核心价值，基本就锁死在这两件事上。而它们，恰好都是人工智能最不擅长、也最不该擅长的。

稀缺性不仅没因人工智能下降，反而上升。只是它从会做题的人手里，转移到了会问问题、敢担责任、能推动改变的人手里。

03

咨询业与管理者的未来

一、咨询业的四种活法与死法

落到行业本身，结构正在剧烈迁移。先看整体盘子：全球管理咨询市场2024年约4670亿美元，年复合增长率（CAGR）约5.6%，预计到2032年突破7000亿。盘子还在涨，但钱往哪流很明确——数字化咨询、人工智能咨询、环境社会与治理（ESG）咨询增速远超传统战略咨询，后者在不确定性下已经放缓。

所以不是行业要消亡，是行业在换血。

在这轮换血里，我能看到清晰的死法与活法。

会死的两种。

第一种，卖幻灯片、卖框架模板的。当人工智能能秒级生成一份结构漂亮的幻灯片，靠排版和框架吃饭的团队，价值归零。麦肯锡自己都说我们还需要成群的商业分析师来画幻灯片吗？不需要，技术能做的。巨头都这么想，小团队更没理由靠这个活。

第二种，卖我知道的行业最佳实践的。最佳实践今天搜索引擎加人工智能就有，信息差被抹平，单纯的知识搬运没有溢价。

会活的四种。

第一种，人工智能增强型诊断加变革操盘。麦肯锡自己就在走这条路——量子黑（QuantumBlack，麦肯锡AI分支）把人工智能能力做成对外业务，Lilli 让顾问从分析里解放出来去激活洞察。这不代表所有人工智能加咨询都会成功。那些只把人工智能当幻灯片生成器的，迟早被更便宜的工具替代；真正活下来的，是把人工智能省下的工时，重新投到诊断和变革上的那批。

第二种，驻场陪跑、临时高管派驻（interim management）。贝恩的数据很说明问题：采用长期伙伴制的咨询项目续约率85%，传统项目只有50%。企业不只要方案，要有人陪它把方案走完。这就是为什么咨询加陪跑成了行业共识——某头部快消企业2024年合作时，不只买方案，还明确要求顾问驻场6个月帮搭数据中台、培训团队。

第三种，垂直行业深耕加落地资源。本土咨询公司在这块反而有优势。中国信通院数据显示，2024年中国市场咨询规模约1200亿元、同比增长13.5%，本土公司份额提升到约48%。像汉得信息聚焦制造业数字化，不只给系统选型方案，还帮企业搭数据中台、开发工业应用，服务的100多家制造企业里85%实现生产效率提升20%以上、复购率65%。落地能力，是人工智能给不了的护城河，也是本土力量逆袭国际巨头的核心。

第四种，人工智能治理与验证服务。 当95%的企业在人工智能上零回报，最缺的，就是一个独立第三方，帮企业判断你这个人工智能方案到底行不行、会不会又变成一个装饰品。瑞银调查里那59%被投资回报率困扰的企业，就是这块生意的客群。验证，正在长成一个新生意。

咨询公司自己的组织会怎么变？

值得注意的是，咨询业自身的组织形态也在变。英国《金融时报》2026年初报道，麦肯锡已开始试点让毕业生候选人在招聘测试中使用人工智能助手——这释放了一个信号：初级岗的纯分析价值，正在被重新定义，金字塔型人力结构正悄悄扁平化。

但扁平化里藏着一个岔路口，决定咨询公司是自己升级，还是自废武功。

一条路：用人工智能省下初级岗，把资深顾问的时间重新投到诊断和变革上。这是增值型用法，人去做机器做不了的事。

另一条路：用人工智能省下初级岗，然后直接裁人、把省下的成本变成利润。这是压榨型用法，短期财报好看，长期来看却让公司丧失培养下一代诊断者的土壤。因为资深顾问那张带伤疤的地图，恰恰是在当初级、在被客户怼、在熬项目里长出来的。如果底层岗位被抽空，新人再也没有“从泥土里爬出来”的机会，几年后整个公司会退化成一群只会调用工具、却没有独立判断的中年人。

所以人工智能对咨询公司最大的考验，不是能不能降本，而是敢不敢把降下来的本，重新投回最贵的人力资本上。

绝大多数公司会选容易的那条路。而这恰恰会替那些选难路的公司，让出最肥沃的市场。

二、给管理者的启示：你正在被迫咨询化

这篇文章如果只写给咨询业看，格局就小了。它真正该对话的，是每一位身处人工智能浪潮之中的企业管理者。

人工智能重构咨询业的逻辑，和管理者自己的处境是同构的。

过去，一个管理者多少还能靠我比下属更懂工具、更懂方法建立权威。人工智能把这个差抹平了——今天一个刚入职的分析师，用对话就能调出过去资深总监才有的分析框架。所以知道答案在快速贬值，而问对问题和扛住变革在快速升值。

企业内部的管理者，其实正被迫咨询化：他不再需要比谁都懂工具，但他需要比谁都能诚实诊断自己的组织，并且推动它真的改变。而这两件事，恰好是外部顾问未来剩下的全部价值，也恰好是大多数内部管理者最不擅长的事——因为内部人没有外部顾问那种政治独立性，他诊断自己组织时，等于在诊断自己的管理得失。

不妨看一个内部场景。一位事业部总经理，年初立了提升人效30%的军令状。到了年中，数据摆出来：人效没升，反而因为新系统上线初期混乱降了。按本能，他会把报告优化得好看点，把锅甩给系统供应商不给力。

但真正有用的诊断可能是：人效上不去，是因为他把三个能干的老人抽去填新项目的坑，留下新手撑老业务。这个真相，他比谁都清楚，却最不敢写进自己的复盘。

外部顾问敢写，因为他不背这个总经理的绩效考核。而这位总经理要成长，恰恰需要学会像外部顾问那样，对自己下得去手。

再给一个对照场景，呼应前面那组瑞银数据。一位首席信息官，手里攥着人工智能预算，供应商的演示一个比一个炫。他完全可以丢给工具：帮我写一份人工智能投资优先级建议。工具会吐出一份逻辑自洽、引用满篇的清单。

但真正考验他的，是工具给不了的三件事。

第一，敢不敢对老板说这60%的预算砸在销售营销上是错的，真正高回报的在后台流程——因为老板最爱听增长故事。

第二，能不能识别出我们连数据底座都没清理，此刻上任何智能体都是空中楼阁。

第三，愿不愿意为这个反共识的判断背书。

这三件事，和前面事业部总经理面对的，是同一道题的不同变形：在信息唾手可得的时代，管理者的价值不在于他知道什么，而在于他敢基于判断，做出那个不舒服的、要负责任的决定。

咨询业把答案商品化之后，留下来的正是这道题。而每个管理者，每天都被这道题追着问。

所以管理者的咨询化，本质是一场对自己的诚实训练：用外部顾问的眼光审视自己的组织，用变革操盘手的手段推动改变，但不必、也不可能完全外包那份责任。

这恰恰是这个时代管理者共同的新困境：当答案免费，领导力不再体现在给出正确答案，而体现在三件更难的事上——敢问真问题、敢承认真问题、敢推动真变革。外部顾问补的，从过去的专业能力差，变成了未来的政治独立性加变革操盘力。而企业内部的管理者，既躲不开这副重担，也很难靠买一个顾问就彻底卸下它。

三、咨询不死，只是换了灵魂

回到开头那个画面。麦肯锡把一百年知识压进Lilli，4.5万人离不开它。这常被解读成人工智能要取代顾问。我倒觉得，它更像一次坦诚的自白：连最顶级的咨询公司，都在主动把最不值钱的那层交出去，好让人才去干最值钱的那层。

咨询业不会死。它会把知识的搬运工这顶帽子摘掉，换上两顶新的：真相的担保人和变革的操盘手。前者负责在人人都能生成答案的时代，替你筛出那个唯一值得相信的；后者负责在人人都怕改变的组织里，替你把对的答案真正推到底。

而这两顶帽子，恰恰也是每一个人工智能时代的管理者躲不掉的命运。

四、当表演退场，真正的顾问迎来春天

前面写的，多是威胁：中间层汽化、价值向两端逃、半数转型价值泄漏。但换个角度，这恰恰可能是真正顾问的春天。

人工智能把那些能商品化的活儿吃了，等于把顾问从表演专业的牢里放出来。过去三十年，这个行业最荒谬的一件事，是逼着最聪明的人花十年做幻灯片，来证明自己配得上做顾问。一条晋升即异化的流水线，把时间全耗在包装思考上，而不是思考本身。中间层一汽化，这条流水线断了。时间，回到了它该在的地方。

但得说清：这个春天不是普照的。它汽化的是金字塔的底座，解放的是塔尖。对那些本来就在表演专业的人，春天没他们的份——他们就是被汽化掉的那部分。人工智能不会拯救一个靠话术和排版撑场的人，只会把他暴露在原地。

所以，活成专家本身，是有前提的。你本来就是专家，而不是一直在扮演专家。

而这恰恰是好事。当表演的门槛塌了，唯一的护城河，就变成了你是不是真的那个专家。人工智能也把听起来像专家的成本打到了零。当人人都像专家，真专家反而稀贵。这不再是知道答案的竞赛，而是问对问题、敢承认真相、能为结论兜底的人的主场。

这或许就是这场重构最温柔的结局：人工智能带走了答案的稀缺，却把专家，还给了专家自己。

说到底，它能写出任何方案，却写不出那个愿意在方案上签字、为它兜底的人。而这个人，才是这场变迁里，真正被留下的东西。