生成AIは新たなコンサルティングキャリアを生み出したわけではなく、既存のキャリアを3つのトラックに分割した。 従来のゼネラリストの道筋（コンサルタント→プロジェクトマネージャー→8〜11年でパートナー）はマッキンゼー、BCG、ベインで今も存在するが、現在はそれと並行してブランド化されたAI専門部門トラック（QuantumBlack、BCG X、ベインのAdvanced Analytics Group）と、ゼネラリストがキャリアの途中でAIスキルを習得していく拡大中のハイブリッドな道筋がある。選ぶトラックによって参入基準、日々の業務内容、昇進スピードは変わるが、ケース面接はどのトラックにおいても変わらず判断力を試すテストであり続ける。
ケース面接を調べている候補者は誰でも、同じ混乱するシグナルに行き当たる。各社はAIブランドのプラクティスに積極的に人材を採用しながら、同じ口で「生成AIは優れたコンサルタントの条件を変えていない」と言うのだ。両方の発言は真実であり、その理由は「コンサルティングでのキャリア」がこの2年でひそかに3つの異なるトラックに分かれたことにある。それぞれ入口が異なり、日々の業務内容が異なり、AIツールとの関係性も異なる。
3つのトラックを並べて見る
伝統的なジェネラリストパス——コンサルタント職からプロジェクトマネジメント、そしてパートナーへ——は構造自体は変わっていない。公開されているキャリアパスデータの確認によれば、マッキンゼーは今もトップパフォーマーであれば約8〜9年でパートナーになれる最速ルートを提供しており、ベインは約10年、BCGは約11年となっている。変わったのは、それぞれの役割の内側で何が起きているかであり、その傍らで第2、第3のトラックが育ってきた。
| トラック | 入口 | 業務内容 | AIの役割 |
|---|---|---|---|
| ジェネラリスト | 学部卒、MBA、経験者採用 | 曖昧な問題の構造化、クライアントとの関係構築、業界横断的なケース | リサーチ、統合、初稿スライド作成のコパイロット |
| AIプラクティス（QuantumBlack、BCG X、Bain AAG） | 技術的バックグラウンド＋ケース面接 | 構築重視のエンゲージメント、戦略に組み込まれたデータサイエンス | ツールではなく中核的な成果物 |
| ハイブリッド | どちらでも、キャリア中盤での転換 | AI／アナリティクスの専門性を上乗せしたジェネラリスト業務 | ジェネラリスト職における差別化要因 |
flowchart LR
A[候補者] --> B{技術的バックグラウンドはあるか？}
B -->|はい、構築したい| C[AIプラクティストラック]
B -->|いいえ、または戦略志向| D[ジェネラリストトラック]
D --> E[2〜4年のジェネラリスト業務]
E --> F{AI専門性を身につけるか？}
F -->|はい| G[ハイブリッドトラック]
F -->|いいえ| H[ジェネラリストを継続]
C --> I[QuantumBlack / BCG X / Bain AAG]
AIプラクティストラックが「近道」ではない理由
技術的バックグラウンドを持つ候補者は、AIプラクティストラックがケース面接を省略してコーディング課題に置き換えられていると思い込むことがある。実際はそうではない。マッキンゼーはケースラウンドの前に、それに代わるものとしてではなく、別途QuantHubという技術スクリーニングを実施している。BCG Xはエンジニアリング職に対してさらに構築志向の面接に踏み込んでおり、ベインはAAGの能力を標準のケース選考プロセスに組み込んでおり、別個の技術ゲートは設けていない。この3社いずれにおいても、ケース面接は依然として、技術的な発見を弁護可能なビジネス提言に転換できるかどうかを試している——市場参入や収益性のケースでジェネラリスト候補者が下すのと同じ種類の判断だ。
これはまた、トラックの選択が準備に実質的な影響を与える点でもある。ジェネラリスト候補者は、フレームワーク、暗算、曖昧さの構造化に準備時間を使う。AIプラクティスの候補者はそれに加えて、面接という圧力のもとでモデルの出力やデータの発見を平易なビジネス言語に翻訳する流暢さが必要になる——これはおそらく、簡単な組み合わせではなく、より難しい組み合わせだ。
ジェネラリストトラックについて各社が実際に語っていること
「AIに自分の職が奪われるのか」という雇用の安定性に関する問いは絶えず聞かれるが、マッキンゼー、BCG、ベインはそれぞれ、自分たちが採用・昇進の基準としているスキル——曖昧さの構造化、判断力の発揮、クライアントからの信頼獲得——は変わっていないと公に述べている。変わったのは「基準線」だ。かつてジュニアコンサルタントは1年目のかなりの時間をリサーチと初稿の統合に費やしていたが、今ではAIコパイロットがその大部分を吸収している。つまり、AIにはできない部分である判断力とコミュニケーションのハードルは、キャリアの後半ではなく、より早い段階から上がり始めているということだ。
これは伝統的なはしごを登るスピードにも直接的な影響を与える。各社はパートナーまでの8〜11年という時間軸を短縮しているわけではないが、6ヶ月ごとの評価における「期待を満たす」の基準は上げている。というのも、AIがこれまで担っていた基礎的な業務が縮小したためだ。
トラック別の報酬シグナル
公開されているコンサルティングの報酬バンドの確認によれば、エントリーレベルのジェネラリストの報酬は約12万〜12.5万ドルで、MBAレベルのエントリーでは22万〜22.5万ドルに上昇し、シニアのプロジェクトマネジメント職ではパートナーレベルの報酬が約100万ドルに近づく前に39.5万〜40.5万ドルに達する。エントリーおよびミドルレベルのAIプラクティス職は、同一企業内のジェネラリストの報酬バンドに近い水準で推移する傾向があり、差別化は基本給よりも、どのプロジェクトにスタッフィングされるか、そして社内で希少な専門性をどれだけ早く構築できるかという点に現れやすい。
実際にどのトラックを目指すべきか
データサイエンス、エンジニアリング、応用統計学といった技術的バックグラウンドを持ち、戦略に完全に転向するのではなく構築を続けたいと考えているなら、AIプラクティストラックは「コンサルタント」か「エンジニア」かの二択を迫られることなく、コンサルティングのキャリアの中でそれを実現させてくれる。そうしたバックグラウンドがない、あるいはジェネラリストとして留まりつつAIの流暢さを専門性ではなくスキルとして加えたい場合は、ハイブリッドパスがより一般的なルートとなる。2〜4年のジェネラリスト業務を経て、中核となる判断力を身につけた後、AI重視のエンゲージメントへ意図的に転換するという流れだ。
どちらの道を選んでも、入口のハードルは同じケース面接であり、AIネイティブの評価者であれ人間の面接官であれ、採点しているのは同じ5つの要素だ。それは構造化、分析、コミュニケーション、ビジネス感覚、そして数学である。当社のAIモック面接は、練習セッションのすべてをまさにこの5つの観点で採点するので、本番のラウンドで代償を払う前に、自分の平均点を実際に下げている要因がどれなのかを把握できる。ガイドモードから始めれば、面接官がヒントと構造を与えてくれながら習慣を身につけられる。習慣がついたら、セーフティネットなしの本番並みの圧力を求めてエキスパートモードに移行しよう。技術系またはAI関連のケースに特化して準備しているなら、Chat with Caseが実際のケースの背景、フレームワークの選択、データ、分析、結論を5段階で案内してくれる——これはAIプラクティスの面接が発見を提言へと翻訳する能力を実際にどう試しているかに、より近い体験だ。
主なポイント
- コンサルティングのキャリアは3つのトラックに分かれた。ジェネラリスト（パートナーへの8〜11年の構造化されたパス）、AIプラクティス（QuantumBlack、BCG X、Bain AAG）、そしてハイブリッド（ジェネラリスト業務にAIの専門性を加えたもの）である。
- AIプラクティストラックはケースラウンドの前に技術スクリーニングを追加するが、ケース面接に取って代わるわけではない。ケースは依然としてコードではなくビジネス上の判断力を試している。
- 各社はパートナーまでの時間軸を短縮していないが、AIが今ではジュニア期を占めていたリサーチと統合の業務を吸収しているため、判断力とコミュニケーションのハードルはより早い段階から上がっている。
- 同レベルであれば、ジェネラリストとAIプラクティスの報酬バンドは似通っている。実質的な違いは、どのプロジェクトや専門性にアクセスできるかにある。
- 3つのトラックすべてが、構造化、分析、コミュニケーション、ビジネス感覚、数学という同じ5つの観点で評価される。
テクノロジー業界のケースを見て、AIとデジタルトランスフォーメーションに関する問いが3つのトラックすべてでどのように現れるかを確認しよう。あるいは、ジェネラリスト向け準備の出発点として当社の成長戦略フレームワークを確認してみてほしい。自分が実際にどの位置にいるかを試す準備ができたら、AIモック面接を試してみよう——無料で始められ、さらに深く取り組みたくなったら835以上の実際のケースを収録したPro版ライブラリも利用できる。詳細は料金ページを確認してほしい。