“學會用 AI 工具"是現在每個想進諮詢的人都會聽到的建議，這話沒錯，但不完整。工具熟練度更像是會用 Excel，而不是一個真正的差異化優勢——每家公司都能在幾周內把新人訓成會用。更難、也更有用的問題是：哪些底層能力正因為 AI 接管了周邊的工作而變得更值錢。這份清單比大多數人以為的要短，而且幾乎完全對應案例面試一直在測的那些東西。
為什麼這份清單這麼短
AI 擅長產出一份看起來靠譜的初稿——一個市場規模估算、一組聚類好的訪談主題、一份幻燈片大綱。它做不到的，是判斷這份初稿是否對，或者它到底有沒有回答客戶真正需要回答的問題。下面每一項能力，都站在這條邊界上：一個看起來能過關的產出，仍然需要一個人來判斷它該被採信還是該被扔掉。
flowchart LR
A[AI 產出初稿] --> B{它對不對?}
B -->|需要人類判斷| C[驗證、修正或放棄]
C --> D[站得住腳的建議]
style A fill:#d4e6f1
style B fill:#fdebd0
style C fill:#fadbd8
style D fill:#d5f5e3
以下五種能力，都長在這條邊界上。它們都不新——案例面試考了這些能力幾十年。變的是這些能力在整份工作中所佔的權重：過去初級顧問靠日常重複勞動慢慢磨出這些直覺，現在這些活被 AI 接管了，直覺就必須靠刻意練習儘快補上。
能力一：問題界定（Problem Framing）
AI 會回答你給它的問題，但它沒法告訴你你問錯了問題——客戶嘴上說的"我們利潤率在下滑"是一個症狀，真正的問題可能是"我們已經用其他業務給一條不賺錢的產品線輸血三年了”。界定問題，就是在幾個都說得通的問題裡，選出那個一旦被回答就能真正改變客戶決策的問題。
怎麼判斷自己有沒有這個短板： 面對一個模糊的提示，你是直接撲向第一個想到的框架去解，還是會先停下來想清楚這個答案要支撐什麼決策？很多候選人結構搭得很快，但界定問題的能力弱——結果是給了一個漂亮的答案，卻答錯了問題。
怎麼練： 練習把一個模糊的商業提示改寫成兩三個相互競爭的問題界定方式，再選一個，並能說清楚為什麼選它。這正是案例面試開場幾分鐘在測的東西，也是 AI 助手在實際工作中唯一替不了你的那部分。
能力二：數字判斷力（不是心算）
AI 做算術又快又準，這意味著單純的心算速度已經不再是差異化能力了。真正還值錢的，是判斷一個數字是否離譜的直覺、判斷模型裡哪個假設是承重牆、判斷一次"算對了"的計算是不是在悄悄回答錯誤的問題。這跟心算是兩種不同的能力——它是靠反覆核對過幾百個數字之後，練出來的模式識別。
怎麼判斷自己有沒有這個短板： 拿到一個市場規模估算結果，你在核對算術之前，有沒有直覺判斷它的數量級對不對？如果每個數字在驗證之前看起來都同樣"合理"，說明這項能力還沒練出來。
怎麼練： 反覆練市場規模估算和利潤率相關的數學題，直到你建立起一批參照點——人口數字、常見利潤率區間、典型的單位經濟模型——讓你一看就能發現一個不合理的結果，而不是靠重新算一遍才發現。
能力三：結論先行的溝通方式
諮詢溝通的方式和大多數人自然的表達習慣是反過來的：結論在前，證據在後，永遠如此。AI 起草的幻燈片和摘要往往預設按邏輯推進的順序來寫——背景、分析、然後才是結論——因為源材料本來就是這樣組織的。顧問必須把這份初稿倒過來，改成金字塔式的表達再交給客戶，這種"倒過來"的能力是一項技能，不是簡單的編輯功夫。
怎麼判斷自己有沒有這個短板： 錄下自己講一份建議的過程，計時看多久才說出真正的答案。如果超過 15 秒，說明你還在鋪墊著走向結論，而不是先說結論。
怎麼練： 把金字塔原理用在所有場合，不只是案例答案——郵件、進度彙報、日常解釋都練。這必須變成一種在壓力下也能自動觸發的習慣，而這正是 Expert Mode（專家模式） 下的 AI 模擬面試 在訓練的東西。
能力四：跨陌生行業的商業判斷力
AI 可以瞬間調出行業基準資料，這意味著"知道一個事實"本身已經不值錢了——因為這個事實對每個人來說都只是一次查詢而已。真正稀缺的，是在一個你從沒做過的行業裡，判斷出真正驅動價值的那兩三個指標，並在你還沒來得及成為專家之前，就推出一個站得住腳的觀點。這種直覺是靠反覆在不熟悉的行業裡練出來的，不是靠多記幾個你已經熟悉行業的事實。
怎麼判斷自己有沒有這個短板： 被丟進一個陌生行業的案例裡，你是機械地套一個通用框架，還是能在最初幾分鐘內提出一兩個具體、貼合這個行業商業本質的假設？
怎麼練： 刻意練習自己不熟悉的行業案例。如果你的背景是科技，就去練能源與公用事業案例或醫療健康諮詢案例；如果是金融背景，就試試消費品案例。CasesCoach 的**與案例對話（Chat with Case）**模式正是為此設計的——它會帶你走完一個真實案例的完整流程：背景、選框架、資料分析、綜合、結論，讓"陌生行業直覺"在一個真實商業問題上被反覆練習，而不是停留在教科書層面。
能力五：發現初稿漏了什麼
這是清單裡最新的一項能力，因為它在 AI 生成初稿變得常態化之前，根本還不是一個獨立的崗位要求。現在顧問經常是從一份 AI 助手生成的資訊綜合、市場規模估算或幻燈片大綱開始工作——而你的任務是在客戶發現漏洞之前先找到它。這要求你在腦子裡重建出產出這份初稿的整個問題，重建到足夠精細的程度，才能發現它漏了什麼、錯在哪裡——這比從零開始自己寫一份初稿更難。
怎麼判斷自己有沒有這個短板： 給你一份看起來合理、但裡面藏了一個錯誤或遺漏的分析，你多快能發現？大多數人審查別人（或某個工具）的推理，比從空白頁開始搭建自己的推理要慢得多。
怎麼練： 這項能力很難自己單獨練，因為你需要一份不是自己寫的初稿來審查。這正是 CasesCoach 的 AI Mock Interview 要按五個維度給出實時反饋——Structure（結構）、Analysis（分析）、Communication（溝通）、Business（商業判斷）、Math（數學）——而不是簡單給個及格/不及格的原因：你在實時訓練審查自己推理過程的直覺，這和你在工作中發現一份有缺陷的 AI 初稿所需要的直覺是同一種。
沒有上榜的能力
值得說清楚哪些能力沒有上榜。某個具體 AI 工具的操作熟練度不在榜上，因為工具的迭代速度比能力快得多，每家公司都會自己內部培訓。原始資訊記憶力也不在榜上——這恰恰是 AI 現在做得比任何顧問都更快更好的事。如果你把準備時間都花在多背幾個框架，或者學一個新 AI 平臺的介面上，這些時間大機率更應該投在上面這五項能力上，它們不會以同樣的速度被商品化。
關鍵要點
- AI 平臺的工具熟練度只是基本門檻，不是差異化能力——每家公司都能在幾周內把新人訓練到這個水平
- 真正在升值的能力都站在同一條邊界上：判斷 AI 產出的初稿到底對不對
- 問題界定和數字判斷力反而變得更重要，因為 AI 消除了過去那些逼著人刻意練習這兩項能力的日常摩擦
- 審查別人（或某個工具）的推理是一項比從零開始搭建答案更新、更難的能力
- 這五項能力正是案例面試考了幾十年的東西——面試這個形式根本不需要改變就依然管用
練出這些能力，而不只是練熟工具
看完一份能力清單不會自動讓你掌握它——練習才會。免費開始體驗 3 個完整案例和一次 AI Mock Interview，無需信用卡。如果你剛接觸案例結構化，先從引導模式（Guided Mode）開始，AI 面試官會提示你走向正確的框架；準備好模擬真實壓力、不要提示時，再切換到專家模式（Expert Mode）。針對商業判斷力和"審查初稿"這兩項能力，可以試試與案例對話（Chat with Case）——它會帶你走完一個真實商業問題的五個階段，練的是在一個正在進行的分析裡發現漏洞，而不只是從零搭建一個分析。每次練習都會按五個維度打分：Structure、Analysis、Communication、Business、Math。
準備好解鎖 835+ 真實案例的完整庫和多次 AI 模擬面試機會時，可以升級到 Pro。現在就開始AI 模擬面試，或瀏覽我們的案例庫，開始練出真正在升值的那些能力。