“AI 来了，咨询业会被淘汰吗？” 每过几天，我就会听到这样的讨论被重复一遍。如果把咨询理解成收集资料、分析问题、整理框架，撰写报告，以及开发应用系统，那么答案可能不太乐观。今天的 AI 已经能够完成其中不少工作，而且速度更快，成本也更低。
但咨询真正的价值，从来不只是生产信息和文档。企业请外部顾问，往往是因为自己身处局中，需要有人帮助厘清问题、挑战假设、协调不同立场，并在信息不完整时作出判断。从这个角度看，AI 不会让咨询业一夜之间消失。
但是，它会迫使咨询行业重新回答一个更难的问题：客户付钱买的，究竟是一份答案，还是一种改变现实的能力？
传统咨询并没有失效
传统咨询擅长处理阶段性的重大变化：诊断问题，提出建议，制定路线图，协助实施，再把后续工作交回给客户。企业做战略梳理、组织调整或者大型转型时，仍然需要专业、独立的外部视角。
问题不在于这套方法失去了价值，而在于它很难单独承接 AI 落地的全部影响。
尤其是生成式 AI 应用，很难像确定性较强的传统系统那样，在会议室里完成设计，上线以后便按照预定方式稳定运行。它对企业语境、数据、流程和人的判断高度依赖；同一个模型放进不同公司，甚至放进同一家公司的不同部门，结果都可能完全不同。
它能不能创造价值，要到真实工作中才看得出来：员工是否真的使用，答案是否可靠，流程有没有变快，质量和成本能不能控制，遇到例外由谁接手，系统又能不能根据这些反馈继续改进。而与此同时，客户对于项目本身的期望值也被无限拉高了 -- 因为项目用了 AI，客户会觉得随时调整修改是顺理成章的事情。
对 AI 项目来说，上线往往不是学习的结束，而是学习的开始。
各方都交付了，为什么企业还是没有得到能力？
现实中经常出现这样的情况：咨询公司交付了规划，技术厂商交付了平台，外包团队交付了 Demo，甚至是 MVP。每一方看起来都完成了自己的工作，企业却仍然没有得到一项可以持续运行的 AI 能力。
方案写完了，系统也算跑通了，日常工作还是老样子。
问题并不一定出在某一方做得不好，而是没有人对完整的闭环负责：业务问题有没有定义清楚，产品是否进入真实流程，用户为什么使用或拒绝使用，运行结果如何评测，现场发现的问题又由谁带回下一轮改进。
我把这段没有被接住的距离，称为“AI 落地鸿沟”。
它不只是技术问题，也不是再做一轮战略规划就能解决的问题。它需要有人真正走进业务现场，把业务判断、工程实现、用户采用、运行证据和持续改进连接成一条线。
AI 正在怎样改写咨询交付
第一，交付物要从“答案”变成“能力”。
报告、路线图和系统都可以是成果，但不能成为终点。客户最终需要知道怎样运行这项能力、怎样判断结果、怎样处理异常，以及怎样继续改进。
第二，工作方式要从阶段性交付变成现场迭代。
AI 项目的关键事实，很多不会出现在访谈纪要和需求文档里。只有跟着真实用户走完任务，看到例外怎样发生、判断由谁作出，团队才知道系统应该做什么，不应该做什么。
第三，验收要从“有没有交付”变成“有没有业务证据”。
一个 Demo 能跑通，不代表员工会用；员工偶尔使用，也不代表业务结果有所改善。采用情况、错误类型、人工接管、时间和成本变化，都应成为判断项目是否继续的证据。
第四，项目结束时要留下继续前进的机制。
有些企业需要把第一项 AI 工作流交给业务负责人和运营团队，让自己的人员能够使用、维护和改进。另一些企业已经拥有产品或 AI 团队，缺少的是进入内部业务部门、推动采用，并把现场证据带回产品路线的能力。两类企业的交付终点不同，但都不应该长期依赖某个外部专家才能继续运行。
AI 不会淘汰咨询，但会改写咨询的交付方式
最先受到挤压的，可能是那些主要依赖信息差、标准框架和文档生产的工作。AI 已经能够更快地整理材料、生成分析，并给出一份看起来颇为完整的建议。
但企业仍然需要判断，需要检验，也需要有人在真实约束中把不同专业和利益关系连接起来。只不过，这些价值将越来越难以靠一份报告或某个系统来证明。
未来有生命力的咨询，不仅要帮助客户想明白，还要能够深入业务现场，将实际经验和业务判断沉淀到低维护的产品中去，这样才能帮助客户留下能够继续运行和改进的能力。
AI 不会淘汰咨询行业，但它会淘汰旧的咨询业生产力 -- 原有的研究方式，项目组织方式，交付方式，人员构成，以及被奉为圭臬的“方法论”等，也会迫使咨询公司和顾问重新思考：当项目结束以后，除了报告、系统和验收单，客户自己的团队究竟能够独立运营、评估和改进什么？
如果这篇文章对您有所启发，欢迎点赞、关注并转发给更多朋友。更多内容，敬请访问 FFDE.ai ( www.ffde.com.cn )。