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。

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。

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。

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。

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。

感兴趣的欢迎留言区互动，也欢迎后台留言。