AI 没有杀死咨询，它先杀死了咨询的计时器

AI 没有杀死咨询，它先杀死了咨询的计时器

这两年，咨询行业最爱问的一个问题是，AI 会不会把顾问干掉。

我觉得这个问题问偏了。

咨询不会突然消失，顾问也不会在某一天集体失业。真正先被 AI 干掉的，是咨询公司最熟悉的那套收费逻辑。

一个项目需要多少人，做多少周，每个人一天收多少钱。客户买的表面上是一份方案，合同里真正被计价的，往往是顾问的时间。

这个模式过去能成立，是因为信息收集、资料整理、行业研究、访谈纪要、模型搭建和 PPT 制作都很耗人。想把一家公司看明白，确实需要一群人连续干几个月。

现在这些工作正在被压缩。

原来十个人做六周的案头研究，可能变成两个人带着 AI 做一周。过去要逐个访谈、手工归纳的发现阶段，也可以由 Agent 批量提问、整理和找出冲突。客户未必懂模型，但他一定看得懂一件事。

你明明更快了，为什么还要按原来的工时收钱？

这才是传统咨询眼前最麻烦的地方。

AI 越能提升顾问效率，按人天收费就越难解释。一个项目如果因为 AI 从三个月缩到三周，咨询公司不可能一边向客户宣传效率革命，一边要求客户继续为三个月买单。

你也不能简单把单人日费率提到原来的四倍。

客户会觉得，我买的是结果，不是你少加了多少班。

而且客户内部的购买逻辑也在变化。

过去买咨询，很多时候是在买一份外部背书。公司遇到重大转型，管理层需要一个知名机构把判断写进报告。方案就算没有带来立刻可见的结果，也可以解释成组织已经获得了方向和方法。

AI 项目很难继续停在这里。

模型是否进入真实流程，每周处理多少任务，人工复核比例有没有下降，错误成本有没有增加，这些东西都能被持续记录。项目一旦可测量，采购者就会从验收材料转向验收业务指标。

这会让一部分过去很安全的模糊空间消失。

顾问说已经完成战略设计，客户会继续问，哪个工作流跑起来了。顾问说员工已经接受培训，客户会继续问，三个月以后还有多少人在用。顾问说效率得到提升，客户会继续问，节省的预算究竟留在了哪里。

咨询从卖可信叙事，逐渐走向卖可验证改变。

不是所有项目都能被一个数字评价，战略和组织问题也不能被粗暴量化。但只要交付里出现了可以运行的软件，客户对结果的要求就一定会更具体。

AI 没有先消灭顾问，它先让顾问的工时失去了稀缺性。

这件事看起来只是定价变化，往下走却会把整个行业重新分层。

最先受影响的，是咨询项目里那些能够被清楚描述的工作。

搜集二十家公司的公开资料，归纳一百份访谈，生成市场地图，整理功能清单，搭出一个基础财务模型。这些任务有输入、有步骤、有可检查的输出，非常适合交给 AI。

以前它们是培养初级顾问的训练场，也是咨询公司金字塔结构的底座。合伙人拿项目，经理拆任务，大量年轻顾问用时间把材料磨出来。

当底层工作不再需要那么多人，金字塔不会原样保留。

公司当然可以把省下来的人力变成更高利润。可这只在客户不知道成本变化时成立。一旦采购部门发现同类工作已经被工具化，价格就会往下压，交付周期也会越来越短。

结果很可能有点反直觉。

AI 会让咨询公司变得更高效，却未必让大多数咨询项目更赚钱。

效率红利不会自动留在供给方手里。只要竞争存在，它就会被客户拿走一部分，被新公司拿走一部分，也被软件产品拿走一部分。

这也是为什么越来越多 AI 公司开始向客户现场走。

OpenAI 现在招聘的 Forward Deployed Engineer，不只是演示模型。他们要和客户一起做需求发现、技术范围界定、系统设计、构建和生产上线。

2026 年 5 月，OpenAI 又宣布成立 Deployment Company，并计划收购应用 AI 咨询和工程公司 Tomoro。官方披露，这笔安排会带来大约 150 名有经验的前置部署工程师和部署专家。

这个动作很清楚。

模型公司不满足于卖 API，它也想拿走从问题定义到系统落地的那一段价值。

过去，软件公司负责卖工具，咨询公司负责把工具接进组织。现在模型本身开始理解文档、操作软件、调用接口、生成代码，工具和实施之间那道墙越来越薄。

客户也会追问，既然产品公司最懂模型，为什么不让它直接把系统做出来？

当软件开始交付结果，咨询就不能再只交付建议。

这也是 FDE 模式真正值得关注的地方。

它并不只是把传统顾问换成工程师，也不是给驻场服务起了一个更酷的名字。变化在于，产品公司开始直接掌握客户问题、业务数据和生产反馈，然后把一次项目里学到的东西继续写回产品。

传统咨询项目完成以后，经验大多留在顾问的方法论、模板和人的脑子里。FDE 做完一个项目，理想状态下会把重复出现的问题变成工具、评估集、连接器和工作流。

下一次再遇到类似客户，它不需要从零开始。

服务因此有机会变成产品，产品又能降低下一次服务的成本。这是一个会越转越快的轮子。

只靠项目制收入的咨询公司就会很难受。

它每签一个新客户，都要重新组人、重新访谈、重新交付。收入增长和人数依然紧紧绑在一起。对面那家公司却可能在前几个项目里很重，之后把经验沉淀进平台，用更少的人复制出去。

同样是技术加服务，两个模式的复利完全不同。

所以，未来不是咨询和软件谁吃掉谁。更准确的说法是，所有人都在争着成为一个带服务能力的产品公司。

软件公司往下做实施，模型公司往下做部署，咨询公司往上做平台，独立顾问则用 AI 把自己的方法变成一套小型操作系统。

边界会越来越乱，但价值判断反而更简单。

谁能把一次性交付变成可复用资产，谁就更有机会留下利润。

这时候，传统顾问还有什么不会被轻易替代？

不是做 PPT，也不是熟练使用某个框架。

真正难替代的工作，往往发生在问题还没有被定义清楚的时候。

老板说要做 AI 转型，销售认为要先做客户洞察，运营想解决排班，技术团队担心数据权限，财务只关心回报周期。每个人说的都对，但钱只能先投一个地方。

模型可以给出十套方案，却很难替组织承担取舍。

它也可以分析会议记录，却不能天然获得管理层的信任，更不能保证几个利益不同的部门愿意按同一套规则行动。

咨询最难的部分，从来不是给出一个聪明答案。

而是让一群拥有不同目标的人，愿意承认同一个问题，接受同一组约束，然后真的把事情往前推。

这类工作不会因为模型更强就消失。

但它会变得更少，也会变得更贵。

因为客户不会再愿意为大量分析过程付费，只会愿意为少数几个关键判断、组织推动和结果责任付费。

普通顾问卖的是过程，顶级顾问卖的是确定性。

这句话也有边界。

顾问不可能真的保证商业结果，很多变量并不受他控制。所谓确定性，不是承诺一定成功，而是更快识别真正的问题，更早暴露风险，让组织少走几条昂贵的弯路。

如果一个顾问只能借助信息差显得专业，AI 会让他的价值迅速缩水。

如果他能在信息已经很充足的情况下，依然看清目标、约束、利益关系和执行阻力，他反而会获得更大的杠杆。

因此，咨询公司的选择也不多了。

一条路是把发现阶段产品化。

把访谈、资料收集、流程梳理和初步诊断做成标准工具，用更低的价格、更短的时间完成。不要再假装这些重复劳动依然稀缺。

一条路是把实施能力做深。

不只提出系统应该长什么样，还要能把数据、权限、接口、评估和日常运营接起来。交付物不再是一份建议，而是一套真正跑在生产环境里的工作流。

还有一条路，是重新设计收费方式。

从人天计费转向固定范围、订阅服务、平台费用，或者在边界清楚的场景里尝试结果定价。这里没有一种万能方案，每种模式都伴随新的风险。但继续把 AI 提升的效率藏在工时表里，肯定不是长期选择。

对独立顾问和小团队来说，这一轮变化反而可能是机会。

过去，大公司的品牌、数据库和年轻顾问军团构成了很高的门槛。现在一个真正懂行业的人，可以用 AI 补上研究、整理、建模和制作的产能，再把自己的方法论固化成工具。

他不必服务所有人。

只要盯住一个足够具体的问题，例如跨境电商选品、制造业排产、连锁门店选址、医疗机构运营，把数据、判断和执行动作接成闭环，就可能做出过去只有大机构才能交付的东西。

但这里也有一个很容易踩的坑。

很多人会把 AI 加进原来的工作流，然后宣布自己已经是一家 AI 原生咨询公司。

其实没有。

员工用模型写材料，只是提高了内部效率。客户为什么选择你，交付为什么能够复制，项目结束以后留下了什么资产，收入能不能摆脱人数增长，这些问题没有变化，商业模式就没有变化。

真正的 AI 原生，不是顾问用了 AI，而是每做完一次咨询，下一次都更不像咨询。

这句话听起来有点绕，判断起来却很直接。

如果同类客户再来一次，你还需要同样多的人、同样长的时间，从头重复一遍，那你卖的依然是项目。

如果上一次交付留下了数据结构、评估标准、自动化流程和产品模块，让下一次更快、更稳、更便宜，那你才开始拥有平台。

未来几年，咨询行业大概不会出现一个简单的死亡结局。

更可能发生的是收入重新分配。

大量标准化分析被工具拿走，一部分实施工作被产品公司拿走，组织推动和高风险判断留给少数资深顾问。传统大公司会继续存在，但人员结构更薄，项目周期更短，软件和资产收入占比更高。

顾问这个职业也会继续存在。

只是市场不再愿意为忙碌付费。

做了多少页，开了多少场会，投入了多少人，这些曾经可以证明项目很重。以后它们更可能被理解成效率不够高。

客户真正愿意买的，会是更快看清问题，更低成本跑通系统，以及让组织真的发生变化。

小余的理解是，AI 不会吃掉所有咨询。

它会吃掉那些无法沉淀成产品，也无法升级成判断的中间劳动。

剩下的人，要么拥有一个能反复交付的系统，要么拥有一种机器很难替组织完成的能力。

至于那张写满人天的计时表，可以慢慢收起来了。