目录
“通宵做幻灯片，手工做海量调研。”——这曾是咨询新人的必经之路，如今正被 AI 动摇。McKinsey 于 2023 年 7 月在全公司推行内部生成式 AI 平台“Lilli”，BCG 则公布其 2025 年“以 AI 和技术为重点的服务”已超过收入的 40%。调研、归纳、做成资料，这些工作的大部分已经在 AI 的能力范围之内。
先说结论：AI 大幅加快了咨询的“作业”（调研、资料、分析），但在它不擅长的任务上，也可能把人引向错误的答案。因此，“该问什么、AI 的答案可以信到什么程度、如何推动客户”这类工作的价值反而上升。本文依据咨询行业特有的数据——大型公司的官方公告、以 758 名 BCG 顾问为对象的实验、美国劳工统计局（BLS）的职业统计——在发布方原文中逐一核实（2026 年 9 月 30 日确认），并据此思考行业结构如何变化。不分职业的“AI 会让工作变成什么样”，请看 AI 会让白领消失吗 和 被 AI 取代的工作排行；其他行业的例子请看 营销与广告 和 贸易公司。
金字塔瓦解，转向精干的专家团队
— 作业被自动化，价值转向“判断”
底层的简单作业交给 AI。留下的是提出问题、解读、推动客户的“上层”工作（示意图，并非实际人数比例）。
1. 用数字看现状——在发布方核实过的 5 项
用各公司、各机构自己公布的数字来把握“咨询正在被 AI 改变”。除 McKinsey 外，均于 2026 年 9 月 30 日在发布方页面核实（McKinsey 的页面当天无法打开，改用存档版本核实）。
| 发布方与时间 | 公布的内容 | 怎么读 |
|---|---|---|
| BCG（2026 年 4 月 23 日发布，2025 全年） | 收入从上一年的 135 亿美元增长 7%，达到 144 亿美元。以 AI 和技术为重点的服务超过收入的 40%，AI 服务同比增长 25%。员工增至 33,500 人，其中约 4,000 人在开发和推广 AI 工作流程 | AI 不只是“减少咨询工作”，本身也成了大宗业务。员工人数也在增加 |
| McKinsey（自家介绍页面，以 2026 年 6 月的存档版本核实） | 内部生成式 AI 平台 Lilli 于 2023 年 7 月在全公司推行。可统一检索 40 多个内部知识来源，72% 的员工在使用，员工报告在检索和整理知识上最多节省 30% 的时间 | 这是公司自己的说法，不是第三方测量。“最多”30% 并不是平均值 |
| KPMG（2023 年 7 月 11 日发布） | 未来 5 年向 Microsoft 的云和 AI 服务投入数十亿美元，称这将为 KPMG 带来 超过 120 亿美元 的新增增长机会 | 大型公司的 AI 投资，同时瞄准自身效率和“帮助客户导入 AI” |
| Organization Science（2026 年 3 月号） | 与 BCG 合作、让 758 人 完成真实咨询任务的实验。详见第 2 节 | 为数不多的、在咨询工作中测量 AI 效果的同行评审实验 |
| 美国劳工统计局（BLS）（2025 年数据，2025–35 年预测） | “管理分析师”（包含咨询顾问的职业分类）共 1,077,100 个岗位。预计到 2035 年增长 10%（远快于全部职业平均），每年约有 94,100 个职位空缺。年薪中位数 101,860 美元 | BLS 解释说“组织追求效率和成本控制，咨询需求将会增加”。并不是预测这个职业会萎缩 |
BLS 的数字有前提条件。这个职业分类不仅包括咨询公司的员工，也包括分析本组织业务的人和在政府工作的人（据 BLS，雇用最多的依次是专业、科学和技术服务业 33%、政府 18%、自雇 14%、金融和保险 13%）。统计仅限美国，预测也无法完全涵盖未来的技术变化。尽管如此，它与“AI 会让咨询工作消失”这种简单看法并不相符。职业总数增加，与工作内容（谁做什么）大幅变化，二者可以同时成立——接下来谈的正是这些内容。
2. BCG 758 名顾问的实验——变快的任务，与出错的任务
在咨询工作中测量 AI 效果、被引用最多的研究，是哈佛商学院等机构的研究者与 BCG 合作开展的实验。论文以“Navigating the Jagged Technological Frontier”为题，发表于 Organization Science 2026 年 3 月号（第 37 卷第 2 期）。以下根据摘要整理条件和结果。
AI 能力范围内的任务（18 种）
使用 AI 的人比不用的人多完成 12.2% 的任务，快 25.1%，质量也显著更高。从创意类到分析类，所有任务都是如此。
AI 能力范围外的任务（1 种）
在一道特意选择的、AI 不擅长的复杂经营问题上，使用 AI 的人得出正确答案的可能性低了 19%。可以认为他们被 AI 看似合理的答案带偏了。
条件：预注册实验，参与者 758 人（BCG 顾问）。先用类似任务测出基准成绩，再随机分为“不用 AI”“使用 GPT-4”“使用 GPT-4 并接受提示词入门指导”三组。这是当时模型的结果，换成现在的 AI 不一定得到相同的数字。
论文提出的“参差不齐的技术前沿”，对咨询顾问有很实际的意义。AI 擅长和不擅长的任务，混杂在同一条工作流程中，看起来难度也差不多。只看任务本身，看不出边界在哪里。所以，越是用 AI 提速，判断“这个答案在 AI 能力范围之内还是之外”的眼光就越有价值。第 6 节所说的“本质价值”，依据就在这里。
3. AI 改变的咨询工作
咨询工作范围很广，但受 AI 影响最大的是“动手”的环节。第 2 节实验中 AI 表现好的，主要也是这些环节。
值得关注的是 ⑤。AI 不只是替代咨询作业，还催生了“帮助客户运用 AI”这一大市场。BCG 在 2025 年让 AI 服务同比增长 25%，员工也增至 33,500 人。至少从大型公司的官方公告来看，AI 目前并没有让公司的总人数减少。变化的是谁来做哪些工作。
4. 金字塔式培养还能延续吗
长期支撑咨询行业的是“金字塔结构”——大量初级人员负责调研和资料制作，由上层人员指挥。第 3 节的 ①〜④ 正是初级人员的工作，如果 AI 让这些工作变快，“为了打基础而大量招聘”的前提就会动摇。
不过，本次调查没有找到大型公司用数字公布其削减了多少初级招聘的例子。能确认的，是 BCG 员工人数在增加（第 1 节），以及美国管理分析师岗位预计到 2035 年会增加（第 1 节）。因此这里不把金字塔的“瓦解”写成事实，而是整理为行业正在面对的问题。
⚠ 金字塔动摇时浮现的问题
正如第 2 节的实验所示，识破 AI 答案错误的能力来自亲手做过这些工作的经验。基础工作越多地交给 AI，就越需要思考如何让人积累这种经验。
这也和 老手与新人谁更危险 的讨论相重叠。不只是咨询，“基础工作转给 AI 之后如何培养人”是许多行业共同的课题。
5. 收费模式之问（按时间→按成果）
结构之后是“怎么收钱”。咨询传统的赚钱方式“按工时计费（billable hours）”，在某些方面与 AI 并不契合。
🔄 生产力悖论
AI 让工作完成得越快，按工时计费的合同收费就越少。也就是说，只要还按工时计费，咨询公司就缺乏全力使用 AI 的动力。效率提升的好处，既难以惠及公司内部，也难以惠及客户。
作为化解这一矛盾的方向，被讨论的是按成果付费和固定价格的合同。如果按“带来了什么变化”而不是“工作了多少小时”来定报酬，用 AI 更快完成也会成为公司的利益。不过，本次没有找到能追溯到发布方、显示全行业转变程度的数字，因此这里只讨论方向。委托方选择合同形式时的思路，见第 8 节。
6. 什么“不变”——本质价值
前面看了“会变的东西”。但真正重要的是“不变的东西”。第 2 节的实验表明，交给 AI 就会出错的任务，混在同一份工作之中。
AI 擅长（容易交出去）
- 调研、摘要、资料草稿
- 数据分析和模型的初稿
- 生成格式化文档
- 列出并整理选项
留给人（无法完全交出）
- 提出问题：看清真正的课题
- 甄别 AI 的答案：怀疑能力范围之外的答案
- 信任关系：推动客户的人际能力
- 执行、变革：推动组织拿出结果
核心在这里。AI 能又快又多地产出“似是而非的分析”。但“该问什么”“这个答案能不能信”“如何推动人和组织”依然是人的工作；在第 2 节的实验中，忽视这种甄别，正确率就会下降。深厚的行业知识、推动现场变革的实绩、对背景的理解——拥有这种“驾驭能力”的人，在 AI 时代价值更高。AI 能做什么、不能做什么的界线，在咨询领域同样适用。
7. 大型公司与精品咨询公司
AI 也影响着行业内部的力量对比。大型公司靠投资规模，小型专业公司靠灵活，各有各的优势。
🏢 大型公司
- 能够投资内部 AI 平台和大型合作（第 1 节的 BCG、KPMG）
- 能够争夺 AI 导入支持这一市场
- ⚠ 从按工时计费的合同转型负担重
- ⚠ 组织庞大，不够灵活
🚤 精品咨询公司（小型专业公司）
- 借助市面上的 AI，少数人也能完成大量调研和资料
- 以特定领域的深度专业性形成差异
- ✅ 可以灵活改变合同形式
- ⚠ 在内部 AI 平台和数据上的投入比不过大型公司
如果 AI 补上了精品公司“人手不足”的短板，小型专业公司与大型公司一较高下的场合可能会增加。另一方面，能让 AI 检索公司过往资料的平台（如 McKinsey 的 Lilli），积累多年的大型公司更容易建成。本次没有找到能说明哪一方占优的可靠统计，因此这里只把两面并列。决定差距的不是规模，而是专业性和使用 AI 的方式，这一点对双方都一样。
8. 给求职者和委托企业的建议
那么，不同立场该如何行动？把全局看法落到实务上。
我个人认为重要的一点是：越是委托方企业，越需要变得更精明。在人人都能用 AI 做出“像样资料”的时代，付给咨询公司的价值，不再是“漂亮的分析”，而是“自家拿不出的判断和把变革执行到底的能力”。正如第 2 节的实验，AI 的答案在能力范围之外容易出错。能否把这种甄别交给对方，将成为今后委托的判断标准。
总结
- AI 也成了商品：BCG 2025 年收入 144 亿美元，以 AI 和技术为重点的服务超过 40%，AI 服务同比增长 25%。员工也增至 33,500 人。
- 变快的任务与出错的任务：在 BCG 758 名顾问的实验中，AI 擅长的任务上多完成 12.2%、快 25.1%、质量也更高；在不擅长的任务上，正确率低了 19%。
- 职业总数预计增加：BLS 预测管理分析师（1,077,100 个岗位）到 2035 年增长 10%。变化的是内容而非数量。
- 金字塔和收费仍是“问题”：如何培养初级人员、如何从按工时转向按成果，是行业面对的课题，但还没有显示进展程度的可靠统计。
- 不变的核心：提出问题、甄别 AI 的答案、信任、执行，依然留给人。
归根结底，AI 向咨询行业抛出的问题是：“你的价值在于作业，还是判断？”在调研和资料都能由 AI 快速产出的时代，人们付钱买的，是看清真正课题、在该怀疑 AI 答案时怀疑、推动组织拿出结果的能力。
对旧版的更正
在 2026 年 9 月 30 日的改写中，我们按照发布方原文修正了旧版中的以下内容。
| 旧版的内容 | 改写后（依据发布方原文） |
|---|---|
| BCG 2025 年 144 亿美元收入中约 25%（约 36 亿美元）来自 AI 相关咨询 | BCG 的公告是“以 AI 和技术为重点的服务超过收入的 40%”“AI 服务同比增长 25%”。25% 是增长率，而非占收入的比例 |
| HBS 的研究中，AI 使用者的质量提高 40% 以上 | 2026 年 3 月发表的论文摘要的表述是“质量显著更高”。同时补充了在 AI 不擅长的任务上正确率低 19% 这一结果 |
| 四大和战略咨询公司投资超过 100 亿美元、PwC 3 年投入 10 亿美元、Lilli 数秒扫描 10 万份以上资料、BCG 的 Deckster、约八成初级工作被自动化、73% 的客户偏好按成果付费、小型公司增长率最高 50% 等 | 因无法在发布方原文中核实而删除。改为刊载 BCG、KPMG、McKinsey 的官方公告和 BLS 的职业统计 |
FAQ
Q. AI 会让咨询顾问的工作消失吗？
A. 与其说“消失”，不如说“内容改变”更接近现实。美国劳工统计局预测，包含咨询顾问在内的管理分析师岗位在 2025–35 年将增长 10%，BCG 也在 2025 年把员工增加到 33,500 人。另一方面，调研、资料制作、分析等作业会转给 AI，提出课题、甄别 AI 答案、推动客户的能力比重会上升。
Q. 使用 AI 后咨询工作能快多少？
A. 在以 758 名 BCG 顾问为对象的实验（Organization Science，2026 年 3 月号）中，在 AI 擅长的任务上，使用 AI 的人多完成 12.2% 的任务、快 25.1%，质量也显著更高。但在 AI 不擅长的复杂经营问题上，使用 AI 的人得出正确答案的可能性低了 19%。这是当时模型（GPT-4）的结果。
Q. 初级顾问会更难吗？
A. 调研和资料制作这些初级人员的核心工作被 AI 提速，“为打基础大量招聘”的前提会动摇。不过，我们没能确认大型公司削减了多少初级招聘的官方数字。可以确定的是，新人从一开始就被要求熟练使用 AI，并能识破 AI 答案中的错误。
Q. 咨询的收费方式会怎么变？
A. 如果仍按工时计费，AI 让工作越快完成，收费就越少，因此存在公司缺乏全力使用 AI 动力的矛盾。作为解决方向，按成果付费和固定价格正在被讨论，但目前还没有显示全行业转变程度的可靠数字。
Q. 大型公司和精品咨询公司（小型公司），哪边更有利？
A. 不能一概而论。大型公司能投资内部 AI 平台和大型合作，并像 BCG 那样把 AI 支持本身做成大业务。精品公司借助市面上的 AI，少数人也能完成大量工作，合同形式也能灵活调整。本次调查没有找到能说明哪一方占优的可靠统计。
Q. 委托咨询的企业应注意什么？
A. 以自家 AI 也能做调研和资料为前提，向顾问要求“自家拿不出的判断”和“把变革执行到底的能力”。AI 的答案在能力范围之外容易出错，请把“能否把这种甄别交给对方”作为选择标准。
Q. 想进入咨询行业应该学什么？
A. 熟练使用 AI 工具是前提，在此基础上磨练“看清真正课题的能力”“在该怀疑 AI 答案时怀疑的能力”“推动客户和组织的人际能力”。此外，尽早在特定行业或职能上建立深厚的专业性。今后评价的将不是作业速度，而是判断和执行的质量。
