OpenAI 和 Anthropic 都开始做“咨询”：AI 会吃掉咨询公司，还是先变成咨询公司？

模型厂商正在建设直达客户的部署能力

5月4日，Anthropic宣布与Blackstone、Hellman & Friedman、Goldman Sachs等机构组建一家企业AI服务公司。

一周后，OpenAI宣布成立由自己控股的OpenAI Deployment Company，初始投资超过40亿美元，还计划收购应用AI咨询与工程公司Tomoro。按公告口径，交易完成后，Tomoro约150名FDE与部署专家会加入新公司。

以前咨询项目最怕PPT到不了生产。现在麻烦升级了：PPT开始会调用工具、修改系统、进入关键流程，合同里却可能还没写清谁有权按暂停键。

如果只把这两条公告理解为“模型公司下场抢咨询费”，还是看窄了。它们争的更早：什么问题值得做，系统应该接到哪里，什么结果算成功，以及从客户生产环境里学到的交付模式归谁。

做FDE一年多，比起它像不像咨询，我更关心谁能在验收会上说“不通过”。

两家公司都在做服务，但不是同一种公司

OpenAI和Anthropic的安排不能压成同一条新闻。

OpenAI把Deployment Company定义为独立业务单元，同时由OpenAI控股。典型项目从诊断高价值机会开始，与客户选择少量优先工作流，再由FDE进入组织，设计、构建、测试和部署生产系统，把OpenAI模型接到客户的数据、工具、控制和业务流程上。

Anthropic参与组建的新公司，面向缺少内部AI交付资源的中型企业。Anthropic的Applied AI工程师会与新公司的工程团队一起识别场景、定制系统，并提供长期支持。Anthropic同时强调，大型企业的复杂改造仍然主要由Claude Partner Network里的系统集成商和咨询公司承担。

两家公司还在扩合作伙伴网络。

OpenAI在6月公布1.5亿美元伙伴生态投入，并提出到2026年底培训和赋能30万名认证顾问。Anthropic在6月披露，Claude Partner Network已有超过4万家机构申请、超过1万名顾问获得认证。后两组数字都来自公司公告，不是独立行业统计。

所以，“模型公司开始做咨询”可以当标题，不能当完整事实。更准确的说法是：模型厂商正在同时建设直达客户的部署能力，以及由咨询公司、系统集成商和行业伙伴组成的交付网络。

场景一：工资单流程里，AI处理得更快，谁批准仍然要写清楚

OpenAI的伙伴页面披露，Paychex与Bain、OpenAI把一个复杂流程做成了生产级AI方案，用在关键工资单环境中。

Paychex负责人给出的公司口径是：与人工相比，等待时间减少80%；对于仍需人工复核的请求，人工投入时间减少30%，同时维持客户要求的准确性、安全性和信任。

这组数字能证明什么？

它至少说明，AI已经进入生产环境，而且流程没有把人完全拿掉。公开表述明确提到“人工复核的请求”。

它不能证明AI直接批准了工资单，也不能告诉我们：具体处理哪类请求、比较样本多大、观察了多久、准确性用什么阈值、哪些请求必须转人工、错误以后怎样回退。公开页面没有披露这些细节。

如果我以FDE身份接这类流程，第一件事不会是再问模型能不能快一点。我会先把请求按错误成本分层：

• 哪些信息查询可以自动处理；
• 哪些计算或变更必须由人确认；
• 哪些异常一出现就停止自动执行；
• 每次人工改判是否回到评测集；
• 新模型上线后，谁有权决定继续、降级或回滚。

AI能吃掉一部分查找、归纳和处理时间。工资单造成的真实责任不会跟着被吃掉。谁批准、谁复核、谁承担错误后果，仍然要落到具体角色上。

场景二：税务建议从报告变成持续运行的工作流

KPMG与Anthropic在5月宣布，把Claude Cowork和Managed Agents嵌入KPMG Digital Gateway。这个平台建立在Microsoft Azure上，把KPMG的税务知识、专有工具和客户数据放在同一环境中，首批重点面向税务与私募股权客户。

KPMG举了一个很有代表性的工作流：为了帮助客户适应变化中的税务法规，过去构建一个AI Agent要花数周，团队还要在多个工具和聊天窗口之间切换；Claude进入Digital Gateway后，同类能力可以在几分钟内构建。

这是KPMG在联盟公告中的说法，不是外部机构复测后的项目结果。公开材料也没有说明，税法来源按什么优先级更新、不同司法辖区如何隔离、结论由谁做法律或税务签字、Agent能否直接写入客户系统，以及出错后如何回滚。

但这个例子已经显示出咨询交付物的变化。

过去，法规变化以后，团队研究、开会、写建议、交报告。现在，专业判断可以被装进一个持续更新的工作流：新法规进入，系统识别受影响事项，调用知识和客户数据，生成建议，再交给专业人员确认和执行。

报告开始变成规则、提示、数据连接、评测集、审批节点和操作日志。

这会改变咨询公司的收费方式。客户买的不只是一份建议，还可能包括平台、Agent建设、持续更新、监控和专业复核。人天收入会受到压力，长期运营收入可能变得更重要。

对客户来说，新的风险也很具体：提供专业建议的人、提供运行平台的人、配置Agent的人和解释效果的人，可能属于同一个交付网络。

这不等于他们一定会放宽标准，但验收口径不能只由供应方保存。

场景三：外包团队开始用Agent运营客户的关键IT系统

DXC与Anthropic在6月宣布全球合作，把Claude带进DXC为银行、航空、保险、制造和政府客户运行的关键系统。

DXC称，Claude已经成为其托管服务编排平台DXC OASIS的默认基础模型。该平台在2026年4月推出，公告时已部署到50多个客户。DXC还将组建一支经过Anthropic认证的FDE队伍，进入客户环境，初期覆盖保险、网络安全、应用服务和遗留系统现代化。

公告还给了两组很醒目的内部数字：DXC估算OASIS的软件交付速度提升了10倍；在人工复核之前，超过95%的代码由Claude生成。

这两组数字来自DXC自报，描述的是平台开发过程，不是50多个客户各自获得的经营结果。公开材料没有给出逐客户的业务基线、故障率、人工接管率、Agent执行权限或回滚记录。

真正值得看的，是托管服务的工作单位变了。

过去，客户把应用维护、基础设施或安全运营交给服务商，服务商主要调度工程师。现在，服务商还会调度Agent：读告警、查代码、生成修复、调用工具，再把高风险动作送给人。

以后招标文件里的“多少人驻场”，可能不再足以说明交付能力。客户还要问：

• 多少任务由Agent独立完成，多少任务必须人工确认；
• 服务商的通用Agent进入本企业后，拿到哪些数据和权限；
• 一个客户的生产反馈，会不会进入另一个客户可复用的模式；
• 模型切换、版本升级或供应商退出时，评测、日志和运行手册能否带走；
• 发生事故时，服务商、模型厂商和客户各自负责哪一段。

服务商会减少一部分重复劳动，也会新增一份工作：运营一支有权限、会变化、需要持续评测的数字队伍。

三个场景里，模型都没有单独完成交付

把三组公开材料放在一起，会看到一条很稳定的分工。

场景	模型公司带来的东西	咨询或服务伙伴带来的东西	客户仍然必须提供的东西	公开材料没有回答的关键问题
Paychex工资单流程	模型与技术支持	Bain的业务改造与交付能力	工资单流程、风险边界、人工复核与业务签字	任务范围、准确性阈值、转人工规则、回滚机制
KPMG税务工作流	Claude、Cowork与Managed Agents	税务知识、专有工具、Digital Gateway和专业服务	客户数据、适用范围、最终判断与执行授权	来源优先级、专业签字、写入权限、错误处置
DXC托管IT	Claude及伙伴认证支持	OASIS平台、运维经验、驻场FDE与长期运营	本企业系统边界、权限、服务目标和事故责任	逐客户效果、接管率、模型替换和资产退出

模型公司更懂能力边界和产品路线，咨询公司更懂行业与组织改造，系统服务商更熟悉遗留环境。企业握着谁都替代不了的东西：真实流程、历史基线、执行权限、风险后果和最后那张签字表。任何供应方进入交付，都不会自动获得业务判断权。

模型公司真正想拿到的，不只是咨询费

一份咨询报告可以总结客户的问题，却很难告诉模型团队：模型在哪个审批节点反复失败，什么权限最容易被收回，哪类错误会让一线人员直接弃用，升级以后哪些旧任务突然退化。

生产交付会提供这些信号。

OpenAI在Deployment Company公告里写得很直接：它希望更快学习，总结有效的解决方案模式，再把经验带到更多组织。FDE与伙伴网络的价值不只在本期项目收入，也在于缩短模型、产品与真实业务之间的反馈距离。

这会形成一个循环：

模型能力进入客户流程 → 交付团队看到真实失败 → 失败变成评测与产品需求 → 新模型和工具再次进入更多客户流程。

咨询公司也积累行业方法、模板和案例。模型公司的不同之处，在于它能把现场反馈直接变成下一代模型、接口和产品默认值。

谁更接近生产，谁就更容易知道下一个产品该做什么。

这才是模型公司建立部署组织的长期价值，也是企业需要谈清楚数据、反馈和交付资产归属的原因。

企业最不能外包的，是“什么算通过”

我暂且把决定项目问题、基线、权限、验收和退出的这组权力，叫作交付裁判权。

它不是一个行业标准，只是我看这轮模型厂商与咨询公司合作时，用来检查责任有没有混在一起的框架。

当同一方既推荐模型、参与实施，又提供成功案例和效果数字，企业最好保留独立的基线、评测和签字机制。这没有预设供应商会做错，只是避免项目只剩一张由卖方保管的成绩单。

我把它拆成五项。准备采购、签合同或接手AI项目时，可以逐项写出名字和证据。

权项	项目开始前要问	至少要留下的证据	危险信号
1. 问题定义权	到底改哪一步工作，谁受影响，哪些问题明确不做	现状流程、问题清单、业务负责人、排除范围	需求只写“建设AI能力”，没有具体工作对象
2. 技术选型权	为什么用这个模型，替代方案和切换成本是什么	对比评测、架构决定、模型依赖清单	先定厂商，再寻找适合它的场景
3. 数据与执行授权	系统能读什么、能改什么、哪些动作必须由人批准	数据清单、权限矩阵、审批点、操作日志	把“可调用工具”直接等同于“可自动执行”
4. 评测与验收权	谁定基线、达标线、观察周期和停止条件	冻结评测集、业务基线、错误分级、签字人与复测记录	供应方自己定义指标、跑测试、解释结果并宣布通过
5. 交付资产与退出权	项目结束或换模型时，什么能交回企业	提示与规则、评测集、配置、日志、运行手册、数据导出与模型替换方案	能继续续费，不能独立接管；能看结果，拿不走证据

五项不一定都由企业亲自执行。问题定义可以请咨询公司协助，系统可以交给集成商，评测也可以找第三方。企业要保留最终授权和可复核证据。否则，供应商能证明自己交付成功，业务却说不清为什么必须继续买。

所以，AI到底会不会吃掉咨询公司？

会吃掉一部分，而且已经开始了。

资料搜集、会议纪要、行业扫描、初版分析、标准化方案、代码生成和文档生产，都在快速降价。过去按人天出售的产出，会越来越难维持原来的价格。

但企业把AI放进工资单、税务和关键IT系统以后，新的工作也冒了出来：划权限、接旧系统、设计人工接管、建立评测、解释失败、推动使用、处理版本变化、承担长期运行。

模型公司会做其中一部分，咨询公司和系统集成商会做其中一部分，企业内部团队必须接住最后一部分。

真正危险的咨询公司，不是没有自己的大模型。它们只有漂亮分析，没有进入工作流的能力；或者只会绑定一个厂商，失去独立判断和替客户验收的立场。

真正危险的企业，也不是没有签下最强模型。它们把问题定义、技术选型、执行授权、评测验收和退出资产一起交了出去，最后连“不通过”都要由供应商替自己解释。

所以，看到OpenAI和Anthropic开始长出服务组织，我更愿意把它理解成一个交付信号：

AI先吃掉标准化交付物，模型公司再沿着生产反馈向服务端生长。最后能留下来的，不是谁最像一家传统咨询公司，而是谁能把结果做进流程，同时让客户仍有权说“通过”或“不通过”。

以后买企业AI服务，别只问模型是谁。

再问一句：如果项目最后证明不好用，谁有权说“不通过”？这句话，是否还要经过卖模型的人同意？

JOTO 企业落地观察

• 模型厂商正将FDE（现场部署工程师）作为核心交付抓手，这标志着企业AI落地已从“模型选型”阶段，正式进入“生产反馈驱动的产品迭代”阶段。对企业部署而言，这意味着评估供应商时，需同步考察其FDE团队的组织稳定性、知识沉淀机制与跨客户反馈闭环能力，而非仅关注模型参数或API性能。
• 三组案例均显示，RAG知识工程正从静态文档库演进为动态工作流组件：税务知识、工资单规则、IT运维手册不再仅用于问答，而是被封装为可触发、可审计、可回滚的Agent行为模块。这对企业知识管理提出新要求——知识资产需具备结构化元数据、权限继承链与版本回溯能力，而非仅满足检索可用。
• “交付裁判权”五权框架揭示：AI系统越深入关键业务流程，其安全治理重心就越从“模型层合规”转向“交付过程主权”。企业需在合同中明确约定FDE驻场期间的日志所有权、评测集冻结机制与模型替换时的资产移交条款，否则将面临“系统可运行、证据不可迁移”的治理真空。
• OpenAI与Anthropic的部署公司均强调“长期运营支持”，暗示智能体工程正从一次性项目制转向订阅式服务制。这对企业FDE驻场共创（FDE Co-Creation）提出新定位：团队不再仅负责上线交付，更要成为客户侧的“智能体生命周期管家”，主导提示迭代、失败归因、权限重校与资产沉淀，其价值衡量需从“上线成功率”转向“季度性流程健康度提升率”