现在顾问们最常问的，已经不是 AI 会不会改变这份工作，而是哪一部分先被改变。诚实的回答是：生成式 AI 最擅长的，恰恰是初级顾问头两年在做的那些活——整合研究资料、起草幻灯片、总结访谈、搭出模型的第一版。而它做不到的，是判断哪个问题值得解，也说服不了一个持怀疑态度的高管团队去行动。这条分界线——AI 负责积累知识，方向留给人——是理解这个行业走向最有用的一把尺子。
AI 真正在吞噬的是哪一层
咨询工作向来是一叠活动的堆叠：底层是原始的信息搜集，顶层是判断与说服。AI 正从底部往上爬，而这条边界每个季度都在移动。
graph TD
A[原始研究与数据抓取] --> B[综合与初稿分析]
B --> C[界定真正的问题]
C --> D[模糊情境下的判断]
D --> E[客户信任与说服]
style A fill:#d4e6f1
style B fill:#d4e6f1
style C fill:#fdebd0
style D fill:#fadbd8
style E fill:#fadbd8
蓝色的两层，是生成式 AI 已经能带来真实杠杆的地方。一个工具可以读完一百场财报电话会、把主题聚类、几分钟内给你一个结构化的起点。橙色和红色那几层，它仍然会栽跟头——因为那些依赖模型从未被喂过的上下文：这家客户具体能执行什么、董事会真正怕的是什么、三个都站得住脚的答案里哪一个经得起现实的检验。
各大咨询公司已经把它做进了内部
这不是空谈——头部公司早已行动。麦肯锡搭了 Lilli，一个能按需调出公司自身积累的知识与专长的内部助手。贝恩与 OpenAI 结成服务联盟，把生成式工具带进客户项目。BCG 运营着 BCG X，并与前沿 AI 实验室合作，把工具部署到各个项目中。模式高度一致：把几十年的内部知识，变成一个一年级顾问都能即刻查询的东西。
由此带来的战略后果是：拥有信息的价值在坍塌，而知道拿信息做什么的价值在上升。当每个顾问都能几秒钟调出一个基准数据，这个基准就不再是差异所在。判断力才是。
这对工作本身意味着什么
| 任务 | 过去 | 现在（有 AI 杠杆） |
|---|---|---|
| 市场规模测算 | 数天的桌面研究 | 几分钟给出初步估算，再由人复核 |
| 幻灯片起草 | 从零手工搭建 | AI 出初稿，人来打磨故事线与分寸 |
| 访谈综合 | 逐行梳理笔记 | 自动聚类主题，人来解读 |
| 问题界定 | 由人主导 | 仍由人主导——AI 对"答对"没有利害关系 |
| 客户建议 | 由人主导 | 仍由人主导——责任无法外包 |
贯穿始终的一条线是：AI 大幅压缩了得到第一个答案的时间，但最后一公里——判断这个答案对不对、并让客户真的动起来——顽固地属于人。这最后一公里，正是顾问历来赚取报酬的地方，而它正变得更值钱，而非更不值钱。
如果你正准备入行
有一种真实的担忧：AI 会消灭初级分析师这个岗位，因为 AI 最擅长的正是初级的活。更准确的读法是：门槛被抬高了。如果模型能产出一份合格的初稿，那么一个新顾问从入职第一周起，就被期待在这份初稿之上增加价值——发现模型漏掉了什么、挑战某个框定、带来工具给不了的判断。
这恰恰抬高了案例面试所要考察的那些能力：把一个模糊的问题结构化、用数字推理、在压力下为一个建议辩护。公司招人不是为了做 AI 能做的事，而是为了找到能指挥 AI 并抓出它错误的人。你没法靠把思考外包给工具来培养这种直觉——你得先自己把底层框架搭起来，再用 AI 去演练和压力测试它。（我们在《用 AI 打造每日案例准备例程》里写过这个转变。）
哪些能力在升值
graph LR
A[界定对的问题] --> D[持久的价值]
B[数字判断力] --> D
C[沟通与信任] --> D
style D fill:#d5f5e3
随着 AI 吞掉那些常规层，有三种能力在升值：
- 问题界定。 AI 回答的是你问的问题。选出对的那个问题——答案真能改变客户决策的那个——是一种人的行为，而且很稀缺。
- 数字判断力。 不是算术，那 AI 做得完美无缺，而是那种直觉：什么时候一个数字不合常理、哪些假设是承重的、模型在哪里悄悄错了。
- 沟通与信任。 一个建议只有在客户照做时才有意义。那靠的是关系与可信度，没有模型能替你握住。
请注意，这些正是把一场出色的案例面试和一场平庸的区分开来的同一批能力。某种意义上，案例面试这个形式，一直在考察这份工作里最抗 AI 的部分。（关于它们在新一波技术驱动型案例里的样子，见《AI 与新兴科技类案例》。）
如何为一个转型中的行业做准备
“去学 AI 工具"这个本能是对的，但不完整。工具熟练度是入场券，而且会很快变成大路货。真正持久的一步，是建立那种能让你去指挥工具的判断力——而这份判断力，来自你在依赖模型之前，先自己把基础推理做一遍。
对任何入行或想往上走的人，务实的优先级是：
- 先手动掌握框架。 用 AI 去演练和压力测试它，而不是用它跳过学习。一个离开工具就重建不出来的框架，不算是你的。
- 练界定，而不只是练解题。 面对一个含糊的命题，制胜的能力是界定出到底什么问题值得解——这是 AI 无法原创的部分。
- 积累沟通的次数。 向一个持怀疑态度的听众为建议辩护的能力，如今在你的差异化价值里占了更大的比重。
如果你正在经历入行或行业内的转岗，转型的实操机制依然极其重要——见《从四大到 MBB：你的头 90 天》，看看这些期待在现实里如何落地。
结语
AI 重塑咨询的方式，是吞掉知识的积累、把方向留给人。这对带着判断力的顾问不是威胁——而是一个放大器；对任何把信息检索误当成这份工作本身的人，则是一记警告。真正活得好的，既不是抗拒工具的人，也不是盲目依赖工具的人，而是那些用 AI 训练出更锋利的直觉、再把这份直觉对准真正要紧的问题的人。（关于这背后那个更直白的职业安全问题，见《AI 会取代管理咨询顾问吗？》。）
想建立 AI 替代不了的判断力？CasesCoach 的 AI 模拟面试会让你经历真实的案例面试，配 5 维度评分——训练那些随 AI 吞噬常规工作而升值的能力：问题界定、数字推理与沟通。