说明：AI带来的变化是全局性的，对培训和咨询这种依赖知识的行业尤其如此，仔细观察一下国际顶尖咨询公司的现状态势和应对行动，也许对我们有启发。
1
顶尖咨询公司的AI相关业务增长情况
你可能比较意外，大部分企业并没有从AI中赚到钱，但顶级咨询公司不一样，他们是真正的获益者。
在 AI 技术蓬勃发展的浪潮下，这些咨询公司迎来了新的增长契机。各主要咨询公司 AI 收入呈现出显著增长态势，具体增长情况如下：
通过上面这张表，可以看出来，各大咨询公司AI相关的业务，爆发和增长是从2023年开始的，2024年是爆炸期。很显然，这一切都是从chatGPT开始的。
2
顶尖咨询公司做哪些AI相关的业务？
各主要咨询公司AI相关的项目很多，根据公开资料来分析，它们主要集中在以下几个方面：
1、业务流程自动化处理
这方面，做得最成规模的是埃森哲，它有一个SynOps系统，据说对2300多个企业流程进行了AI自动化。这个可以视为AI Agent。
大体上，工作方式是：SynOps 结合 RPA 与计算机视觉技术，自动化处理发票、合同等文档。其核心优势在于通过 OCR 技术提取非结构化数据，并与企业系统无缝对接，实现端到端流程自动化，尤其适用于重复率高、规则明确的业务场景。
这个产品制造型企业引入比较多，它可以显著地提高财务、HR、审计等职能流程处理效率提升，降低错误率。
2、动态追踪和感知
就是通过AI的技术，动态甚至实时地监控业务的状态，识别其中的状态、风险，并做相应的应对。
比如，安永有一个产品叫Carbon Tracker，可以追踪供应链碳排放。该工具结合 IoT 传感器与生命周期评估模型，实时监测供应链碳排放。它提供的一个制造企业案例，企业通过该系统提前发现高排放环节并优化工艺，碳足迹减少 25%，合规成本降低 35%。
还比如，德勤有一个产品叫 Cognitive Analytics，这个产品可以分析合同、财报等非结构化数据，做到AI实时更新监管规则库，并通过这些规则实时识别高风险交易，大幅度降低合规成本。这个系统可以同时处理多国监管标准，并确保分析结果的法律可追溯性。
3、建立AI决策模型
这类产品和服务，主要涉及AI数据分析和处理。涉及到审计、动态定价和投资等决策领域。这些决策，通常是人类专业人士的领域。
比如，麦肯锡有一个平台，叫QuantumBlack数据分析平台，支持多模态数据分析，可以助力零售巨头动态定价。工作方式是，分析历史销售数据、竞品价格及消费者行为，构建动态定价模型，提高利润率。其独特之处在于嵌入可解释性模块（XAI），让模型决策逻辑透明化，帮助企业快速调整策略，同时降低算法偏见风险。
贝恩也有类似的业务，名叫Bain Edge 。它是基于强化学习来动态分析市场竞争，整合行业数据库与实时信号，支持多场景博弈模拟，实时生成对抗性策略，企业通过该工具模拟不同定价策略对市场份额的影响，最终优化定价组合，在复杂市场环境中抢占先机，实现营收增长 9%。
BCG 与Symrise（香料和食品配料供应商）合作，开发了首个可扩展的产品级碳排放量计算工具，利用生成式 AI 技术，覆盖Symrise 的 10,000 种原材料和 90 个生产基地，将原本需要数月的排放因素匹配过程缩短至几分钟。这也是一直基于模型的AI应用。
4、数字孪生和情境模拟
这个领域融合了物联网、元宇宙和AI技术，实现对真实场景的模拟，用于预测、模拟操作、调试和迭代过程。
比如，罗兰贝格 Smart Factory Twin ，这个产品可以优化车企生产线，该平台融合工业物联网（IIoT）与生成对抗网络（GAN），实时映射工厂运营。有个德国车企通过虚拟工厂模拟不同生产线布局方案，将试错成本降低 50%。
这种应用在工业、研发和技能培训中很有场景，比如它可以通过模拟，显著缩短了新产品投产周期。
5、垂直行业大模型以及知识服务
通用大语言模型缺乏本地化知识，还经常有知识幻觉，对于知识要求严格，安全性、合规性要求突出的场景中，垂直行业模型有着刚性需求。
比如，波士顿有一个产品叫 Gamma ，就为一家德国汽车集团重构供应链，BCG Gamma 作为行业垂直大模型，基于 Transformer 架构整合企业 ERP、CRM 及市场数据，通过联邦学习实现跨企业数据协同。
在这家汽车集团案例中，该模型衍生了很多应用，比如通过分析历史订单、生产周期及供应商数据，优化了零部件采购策略，将库存成本降低 18%，交付周期缩短 25%。
很多的AI应用其实都是基于企业或行业知识库或垂直模型的基础之上的。
比如，波士顿和荷兰的ING银行，做了一个客户机器人，其实就是建立在ING本地的知识的基础上，国内在这方面的应用很多，但波士顿在安全策略、数据清洗和幻觉处理上更加有成效。
这5个方向上的AI应用基本涵括了各个咨询公司在AI领域的业务，大都是基于深度学习的算法训练和大语言模型应用。
3
顶尖咨询公司AI业务的趋势分析
仔细分析这些国际顶尖咨询公司的AI业务，可以看出一些共性的变化，大体上有如下的趋势：
1、公司级私有AI数据池及知识服务
一些拥有数据的大型公司、一些能联合共享数据的行业（比如医院），在未来都是要大概率建立自己的私有AI知识库、数据池甚至训练自己的垂直大模型。
Gartner预测，这种普及率很有可能在未来3年内，达到60%以上。考虑到数据的隐私性和安全性，分布式的机器学习，比如联邦学习可能成为标配。而基于这种私有知识的应用开发会成为主流业务。比如，德勤就在医疗领域中通过联邦学习，训练多家医院数据，建立了垂类模型。
从总量上讲，企业的这种需求会更普遍。随着DEEPseek带来的开源风潮，技术实现路径也更加清晰了。
2、AI Agent会普及，成为企业流程的主要形式
企业的流程管理和流程再造，以后AI Agent会成为解决方案的标配。比如，麦肯锡Connect与安永的智能审计助手已实现从“工具”到“协作伙伴”的转变，处理复杂决策链条，都是他们工作的工具。
这种形式，可能是以后人机协同的主流模型。AI Agent可以提供7×24小时服务，可以大大加快内部流程处理速度和客户需求响应速度。
3、知识生产模式会深刻重塑
任何岗位中知识收集、初中级的知识加工，都会被AI替代，这种趋势不可逆转。
比如，在咨询行业，AI会替代80%初级顾问的案头研究（如文献综述、数据清洗），但高级顾问的需求会增加，这种人力主要在战略设计、知识模型设计与客户洞察等领域。
很多领域的人才培养，很有可能是从中层开始。
4、咨询业务商业模式的变化
咨询项目目前的定价基本上是按照人力成本+利润的方式来进行的，前提是顾问的知识和能力。
但现在不太一样了，知识还很重要，但出现了两个变化：
① 知识的载体更多在一些软件或平台产品上。这里的商业模式就发生了很大变化，比如埃森哲按算力来收费、贝恩的AI产品按SaaS方式收费。
② 知识不再稀缺，甚至出现了通货膨胀，咨询的价值更多地体现在服务的结果上。这种趋势肯定会产生按结果付费的商业模式。
最后总结一下：
1、对于咨询公司而言，AI+是未来的主要业务，而且，主要的业务轮廓已经清晰，比如AI Agent、动态感知和分析、AI决策、知识服务和AI模拟等领域。比如，在2024和今年，我就在前四个领域，都有项目业务实践。
2、AI业务是咨询顾问和企业知识从业者的主战场，越早修炼越有机会。
3、AI业务对于从业者而言，所需的能力差异很大，需要改变认知，升维技能。
