AI殺不死諮詢公司

防冷塗的蠟2026.10.02 16:50 · 來自浙江全文4693字00:00 / 14:23下一代諮詢公司真正值錢的能力是什麼？文 | 防冷塗的蠟10月1日，埃森哲公佈了最新財年報告。公司2026財年總收入約742億美元，按本幣計算增長5%；第四季度收入186.8億美元，本幣增長7%。其中，諮詢業務收入92.8億美元，託管服務收入94億美元，兩者增速同為7%。全年新簽訂單達到845億美元。過去兩年，AI最先被認為會衝擊的職業之一就是諮詢師：蒐集資料、分析數據、寫代碼、做測試、寫報告，越來越多工作已經可以交給AI完成。既然AI第一批替代的就是諮詢師的工作，為什麼諮詢公司的收入反而還在增長？

傳統諮詢模式開始承壓大型IT諮詢、系統實施和外包服務，長期以來都有很強的人力屬性。把其中最典型的一類項目簡化，收入大致取決於三個變量：投入多少人、工作多長時間、每個人收多少錢。項目增加，公司就增加顧問和工程師；員工增加，又可以承接更多項目。過去幾十年，埃森哲、IBM、TCS、Infosys這類企業能夠發展成數十萬人的公司，與這種增長方式直接相關。AI最先改變的，恰恰是完成同一項工作需要投入多少人。IBM今年推出Forward Deployed Units，將少量高級專業人員與AI Agent組成交付團隊，Agent承擔編碼、測試、評估和文檔等工作。

IBM披露的一個案例中，6個人配合AI，就可以完成過去需要30人團隊承擔的工作。對客戶來說，同樣的工作少買了大量人工服務；對服務商來說，過去能夠按工時收費的一部分工作，開始由軟件完成。行業合同已經體現出這種壓力。ISG統計全球年合同價值500萬美元以上的技術服務合同，2026年第二季度，全球Technology Services合同價值同比增長43%，其中XaaS增長65%，Managed Services只增長2.7%，IT外包下降3%。應用開發與維護業務繼續承壓，ISG直接提到，AI正在侵蝕依賴人工投入的合同價值。

美國市場更加明顯，同期Managed Services合同額下降12%，IT外包下降23%，應用開發與維護是主要拖累之一。圖1｜2026年Q2全球技術服務合同ACV同比增速這組數據說明，整個技術服務市場還在擴張，但依賴大量工程師持續交付的業務已經受到壓力。AI對傳統諮詢和IT服務的衝擊並沒有停留在想象中，它已經開始減少一項服務所需要的勞動投入。基礎編碼、軟件測試、應用維護以及大量標準化工作，都會最早感受到這種變化。問題在於，企業購買諮詢服務，並不只是為了購買這些勞動。AI預算正在向企業改造擴散假設一家大型銀行準備部署AI客服Agent。

演示階段並不困難，把產品資料放進去，模型很快就可以回答客戶問題。真正進入業務以後，問題會變複雜：AI首先要知道客戶是誰、持有什麼產品、賬戶處於什麼狀態，而這些信息可能分別存在CRM、核心交易系統、客服系統和不同年代建設的數據倉庫裡。銀行需要先統一數據口徑，再解決舊系統接口、數據調用和實時更新的問題。涉及ERP和其他歷史系統時，改造還可能延伸到應用升級、系統遷移和雲基礎設施。原本只是一個客服場景，很快就把數據治理和技術底層一起帶了進來。接下來是權限和流程。AI可以查詢什麼信息，能不能修改訂單，是否能夠直接操作賬戶，不同動作需要什麼審批，都要重新定義。

AI執行過什麼操作、依據什麼信息作出判斷，也需要留下完整記錄。哪些問題直接交給Agent，哪些必須轉人工；出現異常以後誰接管；客服、後臺和技術部門如何重新分工，同樣需要重新設計。這裡出現了AI對諮詢行業影響中最容易被忽略的一面：AI讓完成一個具體任務需要的人越來越少，卻讓一家企業需要改造的範圍越來越大。過去一家企業可能只需要升級一個CRM系統；現在為了讓AI真正參與銷售、客服、財務或者供應鏈，它往往要同時處理數據、系統、權限和流程。模型能力越強，能夠進入的業務環節越深，對企業原有基礎設施的要求也越高。

直接購買模型和建設AI應用只是其中一部分，圍繞AI產生的數據、ERP、雲、安全和流程改造，才構成了更大的服務空間。埃森哲管理層在2026財年業績交流中，把相當一部分增長歸於幫助客戶繼續建設Digital Core、Data Foundations和Enterprise AI Stack。全年超過400個客戶第一次啟動與埃森哲合作的Advanced AI項目。AI並沒有形成一塊完全獨立的新業務，而是在不斷進入原有的企業數字化項目。這也是為什麼只看“AI諮詢收入”容易低估AI給諮詢公司帶來的變化。AI本身可能只佔整個項目的一部分，但為了真正使用AI，企業需要重新改造它周圍的一整套技術和組織環境。

新增收入越來越多來自長期服務企業完成系統改造以後，合作內容還會繼續延伸。埃森哲將業務按照工作類型分成Consulting和Managed Services，前者可以粗略理解為幫助企業完成一次改造，包括戰略、系統設計、技術實施和轉型；後者則進一步進入企業的持續運行，負責應用、技術、數據、安全和部分業務流程。AI正在增加後一種長期的工作內容。一個傳統ERP系統完成上線以後，可以按照相對穩定的規則運行較長時間；AI Agent則需要不斷更新知識庫、監測輸出、調整權限、處理異常。業務發生變化，Agent的任務和工作流程也要同步調整。企業買到一個能夠運行的AI系統以後，還需要有人保證它持續有效。

埃森哲過去四年的收入結構已經顯示出這種變化。2022財年，公司Consulting收入約341億美元，Outsourcing——後來更多使用Managed Services這一名稱——收入約275億美元。到2026財年，Consulting收入達到約369億美元，Managed Services已經達到373億美元。四年間，Managed Services貢獻了接近八成的收入增量。

圖2｜FY2022—FY2026埃森哲Consulting與Managed Services收入結構變化雲計算、數字化、AI以及併購共同推動了這四年的業務變化，但最終形成的收入結構表明，埃森哲新增收入越來越多來自持續服務，而非一次性諮詢項目。AI進入企業以後，又給這種長期服務增加了模型維護、數據治理、安全、流程優化等新的內容。收費方式也在同步變化。2026財年，埃森哲超過65%的新簽訂單屬於Fixed-price工作，其中還包括Outcome-based合同。客戶購買的是約定好的項目交付或業務結果，服務商則自行安排完成工作所需要的人力。

假設一個項目過去需要100名工程師工作一年，客戶按照實際投入的人數和時間支付1000萬元，AI把團隊縮小到70人以後，能夠收取的人工費用自然會下降。固定價格本身並不會自動帶來更高利潤，變化主要發生在收入與人工投入之間的關係上。過去諮詢公司想做大收入，通常需要同步增加更多顧問和工程師；當客戶開始為項目結果和持續服務付費以後，公司可以用更少的人工完成一次交付，同時承接更大的改造範圍和更長的服務週期。這也解釋了埃森哲目前出現的現象：AI確實減少了部分工作所需要的人，但企業為了真正使用AI，又增加了數據、系統和流程改造需求；項目上線以後，很多工作繼續進入多年運營。

人工投入下降，並不會必然帶來同樣幅度的收入收縮。諮詢公司的競爭位置正在變化面對同一輪AI，不同諮詢和IT服務公司的收入表現並不一致。AI能夠創造多少新增收入，越來越取決於服務商原來處在企業技術體系的什麼位置，以及它能夠承接多大範圍的工作。首先是與客戶的距離。大型企業部署AI時，最棘手的問題通常來自已有系統：數據放在哪裡，SAP和CRM如何連接，哪些流程為什麼被設計成現在這樣，哪些系統十幾年沒有升級。長期合作方已經參與這些系統的建設和運營，對客戶內部環境的瞭解本身就是一種能力。2026財年，埃森哲擁有317個最高等級核心客戶，全年出現141次客戶單季度新簽訂單超過1億美元。

FedEx從雲遷移一路延伸到數字核心、數據和AI，就是這種長期關係如何繼續擴展的一個例子。AI項目很少從一張白紙開始，它更容易沿著企業原有的技術體系繼續生長，而長期參與這些體系的服務商，也更容易承接後續改造。第二個變化來自技術組合越來越複雜。一家大型企業未來很可能同時使用OpenAI、Anthropic的模型，微軟、Google或者AWS的雲，SAP的ERP，Salesforce的CRM和ServiceNow的流程工具。單個產品都可以獨立工作，進入一家真實企業以後，卻需要調用同一批數據、遵守統一權限，並組成連續的業務流程。

埃森哲沒有自己的基礎模型，也沒有AWS、Azure這樣的超大規模雲平臺，它更主要的角色是把不同廠商的產品接入企業現有系統。2026財年，與其前十大技術生態夥伴相關的業務已經貢獻超過60%的收入，而且增速快於公司整體。隨著企業採用的技術供應商越來越多，把這些技術組合成一套能夠真正運行的系統，本身就成為了一項越來越重要的服務。IBM的產業位置有所不同。它既擁有watsonx、Red Hat等軟件產品，同時又經營Consulting。兩家公司都能參與企業AI建設，但進入客戶的方式和收入來源並不相同。埃森哲更依賴多廠商生態做系統整合，IBM則同時承擔技術供應商和諮詢服務商兩種角色。

第三個差異，是一家服務商能夠覆蓋多長的改造鏈條。AI最容易壓縮的，是基礎編碼、測試、應用維護和標準化業務流程；價值更容易向行業知識、數據治理、ERP和雲、安全、AI工程、流程設計以及長期運營集中。如果服務商只負責其中一段人工工作，AI提高效率以後，很容易直接表現為合同價值下降；如果能夠從系統改造一路做到長期運營，就有機會承接更多客戶預算。IBM自身的變化提供了一個直觀的參照。一方面，它已經可以讓6個人藉助AI完成過去30人團隊的工作；另一方面，2026年第二季度IBM Consulting收入按固定匯率只增長1%。

AI能夠大幅提高交付效率，但效率提升能不能轉化成收入，還取決於公司能否把客戶需求繼續擴展到新的項目和更長期的服務中。未來諮詢公司的增長方式因此會發生明顯變化。過去擴大收入，最直接的方法是增加更多顧問和工程師；接下來，公司可能用更少的人完成相同項目，同時把AI需求延伸到數據、系統、流程和長期運營。員工人數、可計費工時和收入之間原本緊密的關係，會逐漸變弱。AI正在降低諮詢服務對人工數量的依賴，同時提高企業對系統整合和持續運營的要求。行業裡的價值，也會沿著這兩個方向重新分配。把新的發動機裝進舊工廠早期電力進入工廠時，企業最初只是用電動機替換原來的中央蒸汽動力，機器的位置和生產流程變化並不大。

後來工廠開始圍繞電力重新安排機器、生產線、物流路徑和勞動組織，新的動力才真正改變生產方式。今天的AI也處在類似階段。OpenAI、Anthropic、Google正在不斷製造更好的“發動機”，但一家銀行、製造企業或者零售公司真正使用這些能力，還要重新安排數據、系統、權限、流程以及人與機器之間的分工。模型能力的進步，只有進入這些真實業務環境，才能轉化成生產率。AI會越來越擅長寫報告、做分析和寫代碼，這些曾經都是諮詢公司的重要工作。下一代諮詢公司真正值錢的能力，可能逐漸從替企業給出答案，轉向把AI裝進一家真實運轉的企業，再把整座工廠重新組織一遍。