現在顧問們最常問的，已經不是 AI 會不會改變這份工作，而是哪一部分先被改變。誠實的回答是：生成式 AI 最擅長的，恰恰是初級顧問頭兩年在做的那些活——整合研究資料、起草幻燈片、總結訪談、搭出模型的第一版。而它做不到的，是判斷哪個問題值得解，也說服不了一個持懷疑態度的高管團隊去行動。這條分界線——AI 負責積累知識，方向留給人——是理解這個行業走向最有用的一把尺子。
AI 真正在吞噬的是哪一層
諮詢工作向來是一疊活動的堆疊：底層是原始的資訊蒐集，頂層是判斷與說服。AI 正從底部往上爬，而這條邊界每個季度都在移動。
graph TD
A[原始研究與資料抓取] --> B[綜合與初稿分析]
B --> C[界定真正的問題]
C --> D[模糊情境下的判斷]
D --> E[客戶信任與說服]
style A fill:#d4e6f1
style B fill:#d4e6f1
style C fill:#fdebd0
style D fill:#fadbd8
style E fill:#fadbd8
藍色的兩層，是生成式 AI 已經能帶來真實槓桿的地方。一個工具可以讀完一百場財報電話會、把主題聚類、幾分鐘內給你一個結構化的起點。橙色和紅色那幾層，它仍然會栽跟頭——因為那些依賴模型從未被餵過的上下文：這家客戶具體能執行什麼、董事會真正怕的是什麼、三個都站得住腳的答案裡哪一個經得起現實的檢驗。
各大諮詢公司已經把它做進了內部
這不是空談——頭部公司早已行動。麥肯錫搭了 Lilli，一個能按需調出公司自身積累的知識與專長的內部助手。貝恩與 OpenAI 結成服務聯盟，把生成式工具帶進客戶專案。BCG 運營著 BCG X，並與前沿 AI 實驗室合作，把工具部署到各個專案中。模式高度一致：把幾十年的內部知識，變成一個一年級顧問都能即刻查詢的東西。
由此帶來的戰略後果是：擁有資訊的價值在坍塌，而知道拿資訊做什麼的價值在上升。當每個顧問都能幾秒鐘調出一個基準資料，這個基準就不再是差異所在。判斷力才是。
這對工作本身意味著什麼
| 任務 | 過去 | 現在（有 AI 槓桿） |
|---|---|---|
| 市場規模測算 | 數天的桌面研究 | 幾分鐘給出初步估算，再由人複核 |
| 幻燈片起草 | 從零手工搭建 | AI 出初稿，人來打磨故事線與分寸 |
| 訪談綜合 | 逐行梳理筆記 | 自動聚類主題，人來解讀 |
| 問題界定 | 由人主導 | 仍由人主導——AI 對"答對"沒有利害關係 |
| 客戶建議 | 由人主導 | 仍由人主導——責任無法外包 |
貫穿始終的一條線是：AI 大幅壓縮了得到第一個答案的時間，但最後一公里——判斷這個答案對不對、並讓客戶真的動起來——頑固地屬於人。這最後一公里，正是顧問歷來賺取報酬的地方，而它正變得更值錢，而非更不值錢。
如果你正準備入行
有一種真實的擔憂：AI 會消滅初級分析師這個崗位，因為 AI 最擅長的正是初級的活。更準確的讀法是：門檻被抬高了。如果模型能產出一份合格的初稿，那麼一個新顧問從入職第一週起，就被期待在這份初稿之上增加價值——發現模型漏掉了什麼、挑戰某個框定、帶來工具給不了的判斷。
這恰恰抬高了案例面試所要考察的那些能力：把一個模糊的問題結構化、用數字推理、在壓力下為一個建議辯護。公司招人不是為了做 AI 能做的事，而是為了找到能指揮 AI 並抓出它錯誤的人。你沒法靠把思考外包給工具來培養這種直覺——你得先自己把底層框架搭起來，再用 AI 去演練和壓力測試它。（我們在《用 AI 打造每日案例準備例程》裡寫過這個轉變。）
哪些能力在升值
graph LR
A[界定對的問題] --> D[持久的價值]
B[數字判斷力] --> D
C[溝通與信任] --> D
style D fill:#d5f5e3
隨著 AI 吞掉那些常規層，有三種能力在升值：
- 問題界定。 AI 回答的是你問的問題。選出對的那個問題——答案真能改變客戶決策的那個——是一種人的行為，而且很稀缺。
- 數字判斷力。 不是算術，那 AI 做得完美無缺，而是那種直覺：什麼時候一個數字不合常理、哪些假設是承重的、模型在哪裡悄悄錯了。
- 溝通與信任。 一個建議只有在客戶照做時才有意義。那靠的是關係與可信度，沒有模型能替你握住。
請注意，這些正是把一場出色的案例面試和一場平庸的區分開來的同一批能力。某種意義上，案例面試這個形式，一直在考察這份工作裡最抗 AI 的部分。（關於它們在新一波技術驅動型案例裡的樣子，見《AI 與新興科技類案例》。）
如何為一個轉型中的行業做準備
“去學 AI 工具"這個本能是對的，但不完整。工具熟練度是入場券，而且會很快變成大路貨。真正持久的一步，是建立那種能讓你去指揮工具的判斷力——而這份判斷力，來自你在依賴模型之前，先自己把基礎推理做一遍。
對任何入行或想往上走的人，務實的優先順序是：
- 先手動掌握框架。 用 AI 去演練和壓力測試它，而不是用它跳過學習。一個離開工具就重建不出來的框架，不算是你的。
- 練界定，而不只是練解題。 面對一個含糊的命題，制勝的能力是界定出到底什麼問題值得解——這是 AI 無法原創的部分。
- 積累溝通的次數。 向一個持懷疑態度的聽眾為建議辯護的能力，如今在你的差異化價值裡佔了更大的比重。
如果你正在經歷入行或行業內的轉崗，轉型的實操機制依然極其重要——見《從四大到 MBB：你的頭 90 天》，看看這些期待在現實裡如何落地。
結語
AI 重塑諮詢的方式，是吞掉知識的積累、把方向留給人。這對帶著判斷力的顧問不是威脅——而是一個放大器；對任何把資訊檢索誤當成這份工作本身的人，則是一記警告。真正活得好的，既不是抗拒工具的人，也不是盲目依賴工具的人，而是那些用 AI 訓練出更鋒利的直覺、再把這份直覺對準真正要緊的問題的人。
想建立 AI 替代不了的判斷力？CasesCoach 的 AI 模擬面試會讓你經歷真實的案例面試，配 5 維度評分——訓練那些隨 AI 吞噬常規工作而升值的能力：問題界定、數字推理與溝通。