咨询 ｜ 当 AI 把「做项目」变成标配，咨询公司的护城河还剩什么？

过去两年，几乎每一家咨询公司都在谈 AI：给顾问配 Copilot、用大模型写 PPT、用 Agent 做研究。表面看，AI 只是提高了产出效率，顾问从「每周 100 页 PPT」变成「每周 200 页 PPT」。

但如果我们换一个视角：沿用 Hamilton Helmer 的「七力模型」（7 Powers），把咨询公司也当成一个需要护城河的生意，会发现 AI 时代真正被冲击的，其实不是工具本身，而是咨询行业习以为常的竞争逻辑。

AI 让做方案这件事，不再那么稀缺。谁还能在未来十年赚到「超额利润」，靠的就不再是「聪明的人＋加班」，而是新的护城河结构。

哪些传统护城河正在被 AI 冲淡？

先看七力模型里，咨询公司原本较依赖的几个「Power」，在 AI 冲击下发生了什么变化。

第一，被稀释的流程能力

过去，顶级咨询的优势很大程度上来自内部流程：假设驱动、访谈方法、建模套路、Slide 标准、质量把关、知识管理。新人进来几年，被训练成「标准件」，这套流程本身就是护城河的一部分。

AI 的出现，让大量流程标准化、模块化、自动化：访谈纪要可以自动整理，行业扫描可以一键生成，模型可以自动跑多轮假设，PPT 可以按既定结构自动产出。对中小咨询公司来说，这些过去要花十年打磨的「流程能力」，突然可以通过一套工具快速「买到」。

这意味着：单靠「我们执行力强、流程严谨」已经不够。流程本身不再是稀缺品，谁能把 AI 变成流程的一部分，谁才有新的 Process Power。

第二，被削弱的转换成本

传统咨询的转换成本本来就不算高。一份报告交付完，客户下一个项目完全可以换一家。这几年，很多公司试图通过「长期顾问」「知识平台」来增加黏性，但效果有限。

AI 把这个问题放大了：当客户可以让自己的内部团队＋大模型，迅速复用和改写历史方案、行业分析、访谈框架，外部咨询在「知识和模板」层面的独特性会迅速下降。

如果咨询公司没有真正嵌入客户的业务系统和决策流程，客户换供应商的成本，其实越来越低。

第三，被放大的价格敏感性

当甲方老板看到：一个小团队＋AI 工具，在很多分析类、报告类工作上，效果和大牌差距不大，却便宜很多时，传统按人天计费的模式开始被质疑。

这不会立刻杀死大牌咨询，但会持续压缩那一部分「纯智力输出」的溢价空间。

哪些护城河，反而在 AI 时代更重要？

七力模型提醒我们：真正长期的护城河，从来不是单一来源，而是多种力量叠加。在 AI 冲击下，咨询公司的护城河在重排顺序。

第一，更重要的，是垂直资源（Cornered Resource）

当「通用能力」被大模型补齐之后，真正难复制的是深入行业和职能的垂直资源：谁掌握了足够多、足够新、结构化的行业数据、案例库和实战 know-how，谁就有了新一代的「数据护城河」。

对咨询公司来说，这意味着：

• 不只是写过很多报告，而是把这些经验沉淀成可被 AI 调用的知识图谱、模板体系、评估工具。
• 不只是认识很多专家，而是能持续抽取、更新这些专家的判断，形成结构化的行业「规则库」。

我们之前在公众号上介绍过一家基于专家网络的咨询公司，大家可以去参考一下，也可以后台问答智能体。

未来，真正有竞争力的咨询公司，可能不再只是卖顾问时间，而是在卖「行业专属 AI＋顾问服务」的组合：AI 提供 80% 的通用分析，垂直资源帮助做最后 20% 的判断。

第二，更重要的，是网络效应（Network Economies）

咨询公司的网络效应，一直存在，却从未被系统经营过：客户网络、校友网络、专家网络、合作伙伴网络。

AI 让这张网有了新的用法： 如果你能把不同客户的实践经验、失败教训、指标对标，在隐私合规前提下，抽取成一个持续更新的「行业知识平台」，每多一个客户进来，平台对所有客户的价值都会提升。这就不再是单个项目，而是一个复利型的 flywheel。

第三，更重要的，是品牌（Branding）与信任

当工具越来越像、报告越来越像，甲方最终会回到两个问题： 你能不能真正落地？我敢不敢把关键赌注交给你？

这个我们之前讲过Stacked Media，我们也认为为什么咨询公司尤其是顶级的，在AI时代仍旧拥有一定的竞争力。

这背后，既是品牌，也是信任。对咨询公司来说，品牌需要从「高大上」「会写报告」升级为「长期 AI 转型伙伴」：你能否带着客户从 PoC、试点，一路走到重塑业务流程、组织形态和 KPI 体系。

特别是在数据安全、合规、算法偏见这些问题上，谁能给甲方提供可信赖的方案，谁的品牌就会在 AI 时代放大。

第四，被重新定义的规模经济（Scale Economies）

过去的规模经济是：办公室更多、顾问更多、知识库更大。但当大模型可以把知识复制给任何一个新人时，「人头」本身的规模不再那么关键。

新的规模经济，会出现在两个方向：

AI 基础设施的规模：谁拥有更完整的「咨询技术栈」——从数据管道、模型接入、评估体系，到行业插件、内部工具，谁就能在全球范围内用更低成本、更一致的质量交付项目。

产品化与模板化的规模：谁能把某些高频问题（比如商业 Due Diligence、运营诊断、组织健康度评估）产品化，用半标准化的方式交付给更多客户，谁就有更强的规模经济。

拥抱 AI 转型，咨询公司应该在哪些「力」上加码？

如果承认「做方案」这件事正在被 AI 商品化，那么真正值得加码的，是那些 AI 很难替代的护城河。结合七力模型，可以这样看未来的发力方向。

第一，把垂直资源做厚，而不是再造一个「万能大模型」

AI 模型越来越强已经是定局。咨询公司不需要也不可能去和基础模型供应商拼算法，而应该把重心放在「把行业 know-how 变成模型可以理解和调用的资产」。

这意味着： 持续投资在特定行业、特定职能的深度上，系统化整理案例、流程、指标、风险点，把它们结构化成一套可以被 AI 调用的「专业图谱」。行业越细，壁垒越高。

第二，让网络效应显性化：从「项目」到「实践共同体」

咨询公司天生有很强的「连接能力」，但过去更多被用在项目获取和人才招聘上。AI 时代，一个更有想象力的方向是：围绕某几个关键命题（比如「制造企业的 AI 转型」「银行的智能风控」），搭建公开或半公开的实践社区。

我们其实是在做这个。当然我们社群运营有很大的差距，我们本身也不是做社群出身。感兴趣协助运营的，可以后台联系我们。

形式可以是：行业 Benchmark 平台、Roundtable 社群、长期共创项目，甚至是一个「AI 辅助的行业知识库」，由多家客户共同贡献并受益。每多一个参与者，平台的质量就更好，也更难被替代。

第三，把流程能力升级为「AI 驱动的工业化交付」

流程能力不是消失，而是升级。从「人肉流程」变成「AI＋流程」。对咨询公司来说，真正的 Process Power，不是顾问会用一点 AI，而是整个项目生命周期——从线索挖掘、方案撰写、数据采集、分析建模、汇报迭代到知识沉淀——都有清晰的 AI 协作设计。

谁能把这套东西打磨成「咨询操作系统」，谁就能用更小的团队，做更多、更复杂的项目，且质量稳定。

第四，在商业模式上做一次「反向定位」

当 AI 把交付成本压下去之后，继续按高费率人天收费，本身就变成了一种「反向信号」。未来更有竞争力的咨询公司，可能会在以下方向上做 Counter-positioning：

• 从「卖 PPT」转向「卖结果」：更大比例采用结果导向、价值分享、长期共建的收费模式。
• 从「一次性项目」转向「持续运营」：例如代运营某个 AI 控制塔、增长中枢、定价引擎，而不是只做一次性设计。

对传统巨头来说，这是对既有利润池的挑战；对新进入者而言，这反而是一种进攻武器。

如果是麦肯锡们，该怎么重构护城河？

像麦肯锡这样的大型公司，天然占据了规模、品牌、网络的优势。AI 时代，他们的挑战不是「会不会用 AI」，而是如何不被自己的成功路径束缚住。

第一，把「咨询技术栈」做深、做重

麦肯锡已经在全球范围内部署了内部 AI 工具和平台，把大模型嵌入研究、分析、建模和知识管理流程中，这其实是在建立一种新的规模经济和流程能力。

下一步的关键，是把这些工具从「内部黑箱」变成对客户有感知的能力： 不仅是顾问用得更快，而是让客户看到：你有一套成熟的 AI 交付系统，能在全球 60 多个办公室、几万顾问之间复制。这种「技术栈＋方法论」的组合，会成为他们新的品牌与信任来源。

第二，从「项目军团」转向「长期运营伙伴」

已有迹象表明，大型公司正在向结果导向、长期转型合作倾斜：更多收入来自多年的数字/AI 转型，而不是纯战略项目。

在这个模式下，护城河来自：

• 深度嵌入关键流程：预算管理、运营例会、数据平台、AI 中台。
• 掌握客户「变革节奏」的隐性知识：知道哪种方案在哪种组织文化下能落地。

AI 会提高他们在执行环节的杠杆率，但真正的壁垒，还是在「从董事会到一线」的全链路协同能力。

第三，更大胆地自我蚕食

对麦肯锡们来说，如果真的相信 AI 将重写咨询行业，那么有些业务模式需要主动「砍掉重练」：例如，把一些高重复度的分析项目，产品化成 SaaS 或工具＋轻咨询，把过去 100 分钟做完的事情压缩到 10 分钟，让对手无利可图。

这是一种典型的 Counter-positioning：用新模式攻击自己的旧模式，在别人下手之前先自我革命。

如果是小型咨询公司，机会在哪里？

对小公司来说，AI 不是威胁，反而是一次「被允许重做游戏」的机会。七力模型给出的启示是：不要试图复制大公司的护城河，而要在少数几个「力」上做到极致。

第一，选择足够窄、足够深的垂直领域

小公司没办法在所有行业和职能上和巨头竞争，但可以在某一个窄领域做到「别人知道你最懂」。这不仅是认知，更是数据和实践的累积。

例如：专注于「中国制造业的 AI 质检」、专注于「银行的智能风控建模」、专注于「跨境电商的价格和投放算法」——每一个领域都可以围绕真实项目，快速沉淀出结构化的行业知识，让你的 AI 工具在这个垂直里明显优于通用模型。

第二，用 AI 把流程做得「不成比例地高级」

对小公司来说，没有历史包袱，反而更容易在一开始就用 AI 设计项目流程：从线索管理、方案生成，到项目交付、复盘沉淀，都可以用一套轻量的「咨询操作系统」来驱动。

你可以用 Agent 帮助顾问做项目管理，用大模型做访谈准备和问题树扩展，用自动化工具同步输出到知识库，这样每做一个项目，就能给下一次项目提供更好的「训练数据」。

第三，在商业模式上主动「异端」

小型公司没有品牌包袱，更容易尝试：

• 更高比例的价值分享模式；
• 更长期的「顾问＋产品」捆绑合作；
• 甚至是用自研的 AI 工具做引流和试用，再带动后续高附加值项目。

这本身就是一种 Counter-positioning：当大型公司还在维护传统人天模式时，你已经在用更对齐客户价值的方式建立长期关系。

写在最后：AI 让「会做项目」变成起点，而不是终点

如果用七力模型的语言来总结：AI 不是简单地给咨询加了一层「工具」，而是把原来看似坚固的护城河（流程能力、知识密度、执行效率）部分商品化，把真正难以复制的部分——垂直资源、网络效应、品牌信任和反向定位——推到了前台。

未来的咨询公司，尤其是想在 AI 时代活下来的公司，需要接受一个前提： 「会做项目」只是最低要求，而不是差异化。真正决定你能不能在 5–10 年后继续收取溢价的，是你能否把行业 know-how、客户网络、AI 技术栈和商业模式组合成一个新的护城河系统。

JOTO 企业落地观察

• 对企业部署意味着：咨询类AI系统不能再仅作为辅助工具嵌入现有流程，而需与垂直行业知识工程深度耦合。企业若采购此类服务，应重点评估其是否已将行业案例、指标、风险点结构化为可被RAG检索和Agent调用的专业图谱，而非仅提供通用大模型接口。
• 这类系统的取舍在于：是否将网络效应纳入架构设计。企业若希望长期复用咨询成果，需确认服务商是否构建了支持多客户协同贡献与受益的隐私合规知识平台，而非仅交付一次性项目资产——后者无法形成随客户增长而增强的飞轮效应。
• 对AI安全治理提出新要求：当咨询公司转向‘AI+顾问’混合交付，企业必须明确责任边界。例如在算法偏见、数据合规等场景中，需验证服务商是否将治理规则内化为可审计的流程节点（如模型输入过滤、输出校验、人工兜底机制），而非仅依赖顾问主观判断。
• FDE驻场共创的价值重心正从‘教客户用工具’转向‘共建可演进的咨询操作系统’。企业若引入驻场支持，应关注其能否协同梳理从线索挖掘到知识沉淀的全周期AI协作点，并将客户组织特有的决策节奏、KPI口径、系统接口等隐性知识编码进流程，而非仅复用标准化模板。