コンサルティング業界へのAIの影響——変わること・変わらないこと・生き残る条件

「資料作成を徹夜で。膨大な調査を手作業で。」——コンサル新人の登竜門だったこの下積みが、AI で揺らいでいる。McKinsey は社内の生成 AI 基盤「Lilli」を2023年7月に全社へ展開し、BCG は2025年に「AI とテクノロジーの支援が売上の40%超」になったと公表した。調べる・まとめる・資料にするという作業の多くは、すでに AI の守備範囲だ。

結論から言う。AI はコンサルの「作業（調査・資料・分析）」を大きく速くする一方で、AI が苦手な課題では人の判断を誤らせることもある。だから「何を問い、AI の答えをどこまで信じ、クライアントをどう動かすか」という仕事の価値はむしろ上がる。この記事は、コンサル業界に固有のデータ——大手ファームの公式発表、BCG のコンサルタント758人を使った実験、米国労働統計局（BLS）の職業統計——を発行元の原文で確かめ（2026年9月30日確認）、そこから業界の構造がどう変わるかを考える。職種を問わない「AI で仕事はどうなるか」は ホワイトカラーは消滅するのか と AIに奪われる仕事ランキング に、他の業界の例は マーケティング・広告 と 商社 に譲る。

1. 数字で見る現在地——発行元で確かめた5点

「コンサルが AI で変わる」を、各社・各機関が自分で公表した数字で押さえる。McKinsey 以外は発行元のページを2026年9月30日に確認した（McKinsey のページはこの日に開けなかったため、保存版で確認した）。

BLS の数字には条件がある。この職業分類にはコンサル会社の社員だけでなく、自分の組織の業務を分析する人や政府で働く人も入る（BLS によれば、雇用の多い順に専門・科学・技術サービス業33%、政府18%、自営14%、金融・保険13%）。対象は米国だけで、予測は将来の技術変化を完全には織り込めない。それでも「AI でコンサルの仕事がなくなる」という単純な見方とは合わない、という点は押さえておきたい。職業の総数が増えることと、仕事の中身（誰が何をするか）が大きく変わることは両立する——ここから先は、その中身の話だ。

2. BCG のコンサルタント758人の実験——速くなる課題と、間違える課題

コンサルの仕事で AI の効果を測った研究として最もよく引用されるのが、ハーバード・ビジネス・スクールなどの研究者が BCG と組んで行った実験だ。論文は「Navigating the Jagged Technological Frontier」として Organization Science 誌の2026年3月号（37巻2号）に掲載された。要旨から条件と結果を拾う。

論文が名付けた「ギザギザの技術フロンティア」は、コンサルにとって実務的な意味を持つ。AI が得意な課題と苦手な課題は、同じ業務の流れの中に、見た目には同じくらいの難しさで混ざっている。どこが境目かは課題を見ただけでは分からない。だから、AI で作業を速くするほど、「この答えは AI の得意な範囲の中か外か」を見極める人の目が価値を持つ。6章の「変わらない本質的価値」の根拠は、ここにある。

3. AIが変えるコンサルの仕事

コンサルの仕事は幅広いが、AI の影響が大きいのは 「手を動かす」工程だ。2章の実験で AI が得意だったのも、主にここだった。

注目すべきは ⑤ だ。AI はコンサルの作業を置き換えるだけでなく、「クライアントの AI 活用を支援する」という大きな市場を生んだ。BCG は2025年に AI サービスを前年比25%伸ばし、社員数も33,500人に増やした。少なくとも大手の公式発表を見る限り、今のところ AI はファーム全体の人数を減らす方向には出ていない。変わっているのは、誰がどの仕事をするかだ。

4. ピラミッド型の育成は続くのか

コンサル業界を長年支えてきたのが 「ピラミッド構造」——大量のジュニアが調査と資料作成を担い、上位者が指揮する形——だ。3章の①〜④はまさにジュニアの仕事で、ここが AI で速くなれば「下積みのための大量採用」という前提は揺らぐ。

ただし、大手ファームがジュニアの採用をどれだけ減らしたかを数字で公表した例は、今回の調査では確認できなかった。確認できたのは、BCG の社員数が増えていること（1章）と、米国のマネジメントアナリストの職が2035年まで増えると予測されていること（1章）だ。だからここでは、ピラミッドの「崩壊」を事実として書くのではなく、業界が向き合っている問いとして整理する。

これは ベテランと若手どちらが危ないか という議論とも重なる。コンサルに限らず「下積みの仕事が AI に移った後、人をどう育てるか」は、多くの業界に共通の宿題だ。

5. 課金モデルの問い（時間→成果）

構造の次は「お金の取り方」だ。コンサルの伝統的な稼ぎ方である 「時間チャージ（billable hours）」は、AI と相性が悪い面を持つ。

この矛盾を解く方向として議論されるのが、成果報酬型・固定価格型の契約だ。「何時間働いたか」ではなく「どんな変化を生んだか」で報酬を決めれば、AI で速く終えることがファームの利益にもなる。ただし、業界全体でどれだけ移行が進んだかを示す、発行元まで辿れる数字は今回見つからなかったので、ここでは方向性の議論にとどめる。発注側が契約の形を選ぶときの考え方は8章で扱う。

6. 何が「変わらない」か——本質的価値

ここまで「変わること」を見た。だが本当に大事なのは 「変わらないこと」だ。2章の実験は、AI に任せると誤る課題が、同じ仕事の中に混ざっていることを示した。

核心はここだ。AI は「もっともらしい分析」を速く大量に作る。だが 「何を問うべきか」「この答えを信じてよいか」「どうやって人と組織を動かすか」は依然として人の仕事で、2章の実験では、この見極めを怠ると正答率が下がった。深い業界知見、現場を動かした実績、文脈の理解——こうした"操縦する力"を持つ人ほど、AI 時代に価値が上がる。AIにできること・できないことの線引きは、コンサルでもそのまま当てはまる。

7. 大手とブティック

AI は業界内の力関係にも影響する。大手は投資の規模で、小さな専門ファームは身軽さで、それぞれ別の強みを持つ。

AI が「人手」というブティックの弱点を埋めれば、小さな専門ファームが大手と競える場面は増えうる。一方で、社内の過去資料を AI で引ける基盤（McKinsey の Lilli のような）は、長年の蓄積がある大手ほど作りやすい。どちらが有利になったかを示す信頼できる統計は今回見つからなかったので、ここでは両面を並べるにとどめる。規模より、専門性と AI の使い方で差がつくという点は共通だ。

8. 目指す人・使う企業へのアドバイス

では、立場別にどう動くべきか。俯瞰を実務に落とす。

個人的に大切だと思うのは、発注側の企業ほど賢くなる必要があるという点だ。AI で誰でも"それらしい資料"が作れる時代、コンサルに払う価値は「きれいな分析」ではなく「自社では出せない判断と、変革を実行しきる力」に絞られる。2章の実験のとおり、AI の答えは得意な範囲の外では誤りやすい。その見極めを任せられる相手かが、これからの発注の判断基準になる。

まとめ

• AI は売り物にもなった: BCG は2025年に売上144億ドル、AI とテクノロジーの支援が40%超、AI サービスは前年比25%増。社員も33,500人に増えた。
• 速くなる課題と間違える課題: BCG のコンサルタント758人の実験で、AI の得意な課題では12.2%多く・25.1%速く・品質も高く、苦手な課題では正答の割合が19%低かった。
• 職業の総数は増える予測: BLS はマネジメントアナリスト（107万7,100人）が2035年までに10%増えると予測。変わるのは数より中身。
• ピラミッドと課金は「問い」: ジュニアの育て方、時間チャージから成果連動への移行は、業界が向き合っている課題だが、進み具合を示す信頼できる統計はまだ無い。
• 変わらない核: 問いの設定、AI の答えの見極め、信頼、実行は人に残る。

結局、AI がコンサル業界に突きつけているのは「あなたの価値は、作業ですか、それとも判断ですか」という問いだ。調査も資料も AI が速く出す時代に、人がお金を払うのは——本当の課題を見抜き、AI の答えを疑うべきところで疑い、組織を動かして結果を出す力に対してだ。

旧版からの訂正

2026年9月30日の改稿で、旧版の次の記述を発行元の原文に合わせて直しました。

FAQ