编者按

和Steven（蒋逸明）认识十多年了。这些年我们每年都要见上几面，聊的话题几乎没变过：中国咨询行业的现状与未来。说起来有点"忧国忧民"，但我们都不断在找寻自己身在其中的意义。

Steven是标准的咨询人。北大和上海交大计算机毕业，差不多20年前进入Booz做咨询，去MIT斯隆读MBA，回国后在Booz继续做了一段时间咨询之后，跨界做设计咨询，做到一家本土设计咨询公司的合伙人；再往后，他加入了已经更名的普华永道思略特（Strategy&，普华永道收购Booz之后的名称），离开思略特之前，他是思略特汽车行业与数字化增长服务两个业务的负责人。

今天，他总算成立了自己的企业服务公司，而且还是两家：一家专门培育AI人才，一家帮企业把AI的FDE能力真正做进组织里，这是他当下给自己定义的坐标。

我也是第一次系统性地理解了他所在做的探索。而我始终在尝试理解他的探索与智能时代底色之间的关联，所以我们也畅聊了咨询服务在智能时代该何去何从、FDE的归处、以及企业的未来想象，他的很多判断可以说"大胆"，但也给我带来很多启发。

这篇对话很长，我们没有做过多修饰。希望它能成为一个催化剂，帮你在智能时代更坚定地往前走。

时代已经出题，我们破题。

关于受访者

蒋逸明

珀莱雅股份首席数字化顾问

蒋逸明先生拥有近20年战略咨询、数字化与AI咨询以及产品设计咨询的复合经验。他现任珀莱雅股份首席数字化顾问，并参与创建了两家公司：一家是独立的AI FDE公司凯缇丝，一家是专注AI人才培育的青澜子衿；他同时支持高风数智的工作。

蒋逸明先生拥有麻省理工学院斯隆管理学院工商管理硕士学位、上海交通大学计算机硕士学位，以及北京大学计算机学士学位与经济学学士学位。

精华观点

如果你是知道标准答案的人，你过来做一遍，我就能用AI把你蒸馏掉，下次可能就不需要你了。

最终一定要是内部做FDE，而不是长期依靠外部。

企业的首要任务是把公司极致压缩到超强的状态：让最强的人在一个企业里面能够驾驭模型，加上一些资源匹配的人，把一个生意做起来，然后不断复制，找到新的机会。

会留下来的是能不断思考新问题、找到新机会、赚到新钱的人。

现在抽象和提炼的方法变简单了，他更需要的是你启发他：应该用什么方法去抽象。人的思想为什么能举一反三？是因为先抽象了，才能举一反三。如果永远是具体化的思考，就做不到这一点。

冷启动的时候最痛苦。你需要大半年时间海选，允许大家重复工作、重复绕轮子，从里面甄别人。

最终形态希望是人人都是FDE，因为每个人都要学会用AI，把自己的知识变成AI。

从咨询角度讲，商业模式会往小而美的方向走。

两家公司与人才循环

问 先介绍一下你现在正在做的两家公司。它们的出发点、商业模式和彼此的关系是什么？

一家叫凯缇丝，一家叫青澜子衿。凯缇丝的雏形本来是要做一个AI相关的事业，但这两家公司创始的时候，都是因为服务了大客户珀莱雅所产生的业务形态。

凯缇丝是因为我作为珀莱雅的数字化顾问，有很多时间在服务珀莱雅的数字化与AI课题，帮他们做整个蓝图，帮他们做人才培训，帮他们落地一些AI的工作。但我更多是陪跑的方式：我建议他们做什么样的顶层设计，我去看他们做的方案，包括我亲自给他们一些人培训，培训出来的人，然后告诉HR这些人应该怎么用。

青澜子衿则来自人才培养。我帮珀莱雅培养人的时候，大的方向本来就是要培养年轻人。因为珀莱雅的思路也是这样：AI来了之后，能力被重新评估之后，要重用年轻人。在年轻人用起来之后，我们基于外面的变化，成立了一些FDE小组（Forward Deployed Engineer，前置部署工程师）。FDE小组成立以后，就是业务的人加上一些年轻的FDE，过程中发现其实还是缺人。

缺人怎么办呢？就想到可能从大学生里找一些人会更适合。因为AI来了之后，我们的假设是，如果大学生的能力也能够够上工作两到三年人的一些能力，大学生就会变成非常好的助力。正如你在和的那篇对话里提到的，我非常认同一个判断：大学生是AI时代的原住民，会很习惯用AI。另外，他们对于AI的看法也不一样。因为有AI之后，天生的价值观就是：我要教给AI我的方法，AI才能做好，所以我的方法是透明的。在他们眼里，这种平等的、跟高层的对话是原生的想法。

所以我就说，那应该去跟高校做一些AI培训，教大学生怎么做。当然，珀莱雅一直以来对公益有一种很深的热情和发心，他们要给大学生培训，并且认为培训应该是免费的。但免费模式下，商业回报怎么为正？既然这些大学生是给到我们在企业里面培训出来的年轻人搭班的，那是不是应该由这些年轻人直接去培训大学生？这样我们的杠杆就起来了，他们去培训大学生，自己给大学生出题，再带他们一块做业务项目。

这两家公司都不只服务珀莱雅一家企业，还有其他消费品、零售与汽车行业的客户，而且两家是相互联动的：我跟一家企业说，我帮你做AI、帮你把人培训出来，这家企业就会出现人才缺口，然后让大学生有机会进入你的企业。如果青澜子衿有很多大学生，我也可以给另外的企业输送更好的人才。

当然我肯定是要筛选企业。如果企业没有重用年轻人、调整组织架构的想法，AI很难做进去。但我相信有很多企业愿意做这样的尝试。我告诉他该怎么做，帮他陪跑，把年轻人培养出来。培养出来之后，就会遇到人才不够的问题，再去找大学生，给他们机会，让他们进入你的企业，这样它就联动起来了。

阮芳有一句话我觉得讲得很对：能够把AI用好的企业，70%是变革。这些企业会希望找到很好的AI人才，那人才在哪里？其实大学生里面有很多特别棒的。那对于大部分大学生，我的理念是：如果你在一家企业可以扮演很高价值的作用，那自然而然你会选择这家企业。久而久之，我希望青澜子衿和凯缇丝会变成优秀企业和大学生之间的桥梁。

问 很有意思，还是第一次听你说这其中的联系。我相信这种选择背后也是企业在智能时代的需求结构转变所带来的一种结果，我们可以先回到这个层面来聊。你原来长期做数字化咨询。我们对比一下：数字化时代我们在解决企业的什么问题，今天又在解决什么问题？中间到底有哪些变化？

首先，这个变化不只是从数字化到AI，它正好叠加在市场环境调整上。原来大家做生意，只要抓住机会就好了。现在是因为过度竞争，你要更精细化地运营，要靠数据说话。

很多老板在在原来的市场环境中，企业的惯性是说，这是个上升方向，你去抓住就好了，所有人拼命执行就行。因为原来投哪都赚钱，或者投一波大的，可以把别的地方的损失盖住。现在这是一个时代转换，正好在这个转换的时候来了AI。

今天如果没有AI，数字化其实也能解决，但需要做大量数字化系统和数据治理。数据治理的问题在于，业务部门要把流程讲清楚，先讲清楚流程，变成一个SOP，数字化部门再去做，这个时间很漫长。即使讲小场景驱动，业务部门也要把需求讲清楚，变成BRD，再变成PRD交给IT部门。业务说明天这个字段变了，IT也不知道变了哪个字段，IT根本不理解这些字段的含义，沟通非常痛苦。

今天AI来了，业务部门可以说，我要做营销投放，比如要做营销计划。原来我要手动在Excel里填各种数据，IT也不了解。现在我自己做一个东西，输入信息，AI给我一个结果，我觉得可以用。但明天规则变了，比如小红书或者抖音的变了，我发现系统不能用了。为什么？因为我原来根本没有产品或者达人名称的规则，新的名称加了一横一杠，系统就不认了。这个时候业务部门已经用AI提效了，忍受不了再回到原来的状态，所以逼着业务自己把名称写详细，让AI不要每天出不一样的结果。久而久之，数据治理的问题也就解决了。业务部门做的系统肯定比较简陋，架构也不稳定，IT要重新上去做技术实现，但已经极大地缩短了时间。

所以，这个阶段AI很重要，不是因为它能让企业转型，而是因为市场环境变化之后，大家必须精细化，业务部门在这种趋势下用了AI，确实提效，很难再回到原来的方式，于是自己逼着自己去做原来数字化时代没做、没做完的事情。

当然这个事情也很苦。有的业务部门说算了，我不填了，我就还是原来那样。对有的企业负责人来说，可能大部分业务同学都说干不了；今天有的人干完了，有的人没干完。负责人就会问，你干完了，你是怎么干好的？那请你接着干；没干完的人明天可以先走，腾个位置。这样人才就被显性化出来了。

传统咨询的饼被压缩

问 如果业务自己就能搓应用，先把结果做验证，而不需要像以前一层层传递需求，原来咨询里大量的对齐、拆解、传递工作是不是就被压缩了？

对，这是非常深刻的问题。原来我们提供咨询服务，一直说企业不仅要结果，还要教他怎么做。但大部分时候我们在一个项目的有限时间内，我们不一定能教会客户，因为咨询顾问这套方式非常内生，也极其抽象，抽象到你教了，他可能也学不会。我们更多是告诉他，这就是一个最佳实践。

如果我是战略顾问，我说这就是做战略的方法；如果是运营顾问，我告诉你这就是营销分解的流程；如果做数字化咨询，经常做业务架构，我告诉你流程应该怎么走。这时我们高度依靠咨询公司自己的成功经验和正确做法，把你的问题拆解成你的做法。

今天有了AI，很多业务问题，业务方自己是知道的，但很多企业的中层没有经过培训，没有办法把执行手段抽象出来。他也从来没有想过，今天做得好是因为做了什么。他不归因，也没有把原来的事情SOP化；你不SOP化，自然无法归因。

所以今天顾问的价值在于：如果你依然很懂某个行业，你依然有价值，因为你告诉他方法是对的。但你会发现很多年轻人有了AI之后，原来归因、提炼很痛苦，因为要把东西全写下来。今天他发现AI可以写，只要告诉AI怎么归因、怎么提炼。所以他需要咨询顾问帮助：怎么拆SOP，怎么拆解。比方是不是先分步骤拆；思考逻辑是不是按照what、where、why、how去拆；跟老板汇报的时候，是不是用金字塔原理，一二三四五讲完之后，把材料给AI，让AI帮他拆。拆完拿这个方法去做，做完发现不对，再告诉AI哪里不行，然后按前面的方法再拆一遍。

拆到后面发现还不对，原来给AI的数据是错的，归类不对，打标签的方法不对，他自己再去补齐。所以现在抽象和提炼的方法变简单了，他更需要的是你启发他：应该用什么方法去抽象。人的思想为什么能举一反三？是因为先抽象了，才能举一反三。如果永远是具体化的思考，就做不到这一点。这些东西顾问教给他，他学会之后，在这件事上就不再需要顾问进一步帮他了。

问 所以这里面值得细品的是，不仅仅是咨询的这块饼变小，而且还会越吃越少：你教一次，方法被产品、模型、流程蒸馏，需求可能就没有了。这个未来空间在哪里？

对顾问来说确实是这样。如果你是知道标准答案的人，你过来做一遍，我就能用AI把你蒸馏掉，下次可能就不需要你了。随着AI越来越懂你，可能整个行业内的需求就会下降。这个问题倒过来对企业也是一样的。如果企业今天能用AI把员工会的东西沉淀下来，那需要的员工会越来越少。终有一天，极端情况下AI学会了大部分东西，那企业的价值是什么？

企业的首要任务是把公司极致压缩到超强的状态：让最强的人在一个企业里面能够驾驭模型，加上一些资源匹配的人，把一个生意做起来，然后不断复制，找到新的机会。因为今天就算你有全世界最好的知识，要整合起来做一个生意其实还是很难。原来企业的问题是把知识聚在一起时有大量内部损耗，管理到一定规模再扩张就很困难。今天如果消耗少了，就应该不断创造新业务、新形态，只要比别人更快，就不怕智能代替你的工作。

而且企业要不断创造新知识，因为AI要了解新知识还是需要很长时间。久而久之，等到本地模型足够强，企业都会开始用本地模型，它最核心的知识不会让它上云。所以最后一旦有了本地模型，企业就可以在本地模型上不断创造知识，不被AI拿走。

从今天的企业到未来的企业，就算创造新东西，也依然是一个小团队。那小团队怎么管理？将来每一个人可能有三个模型，模型像人一样，有聪明有不聪明，token有多有少，任务怎么分配？这本身是管理逻辑。

而人一旦进入执行层面，还是会遇到执行的问题，还是需要第三方过来告诉他：模型怎么组织，三个人怎么组织，该怎么做。将来越来越多的人没有模型就不能干活，token是谁发的？公司不发token，你就干不了活。token会是另一种预算形式，这种形式怎么管理？这些都是全新的话题，需要顾问帮忙厘清。这些问题理清之后，企业发展速度会很快，否则会夹在中间不能前进。

所以顾问还是有价值，但他的价值绝对不再是传统知识。对企业、对顾问、对个人都是一样：在AI时代，你的价值就是不断学习，不断融会贯通，创造新的知识，找到新的空间。

问 这对思维要求非常高，对顾问来说也很tough，要不断推翻自己。但只有这样，你才能在AI时代活下来；做不到，你的东西就会被模型吃掉。这么来说的话，原来不同专业不同咨询团队的打法可能也会变，也没有那么多人能够真正把控这些核心问题。那未来真正服务企业的，你觉得还会是大团队、多线条配置，还是几个复合型的顾问就够了？

我觉得还会有不同专业条线的团队存在，只是会极度精简。财务和战略其实是非常不一样的话题，纵深来讲，一个人可能不需要执行团队帮他做很多事情，但我很难想象将来有人可以把战略、财务等所有东西一个人想透。AI可以帮他做很多问题思考和假设，但具体的东西还是需要领域专家帮忙判断。

FDE最终要长在企业内部

问 刚才我们说的是外部顾问，现在我们聊聊企业自己，在这种压缩状态下，企业组织里最后留下的是谁？企业内部是不是也会发生类似的替换？有一种声音说，现在中层的压力最大，也就是我们刚刚谈到的"传递层"，你怎么看？

我觉得不是从高层、中层、低层来分。会留下来的是能不断思考新问题、找到新机会、赚到新钱的人。企业留下初级员工，有两个原因：第一是成长性和性价比的综合考虑，第二是学习意愿、愿意把事情做好。他到了中层以后，如果停下脚步，也会被替换；如果到了中层还能不断思考、创造新业务，当然可以留下。

所以企业内部将来是不断思考、学习的人，不断汰换不思考的人，哪怕你突然停下来，也可能被别人替代。当然，高层有自己的认知瓶颈和局限性，很多全新的想法不能只靠高层一个人思考，还需要传承。只是由谁来承接是被筛选的。

问 2026年已经接近尾声，你觉得我们大概要等多久，才会看到这种现象开始涌现？会有什么信号？

如果看消费零售行业，我感觉至少还要三年左右。可能会出现的是很多公司意识到这种形态是一种对的形态，并且有50%到60%的企业开始尝试。如果模型能力进展非常快，也有可能加速。

因为它是倒逼的：如果模型已经非常快，可以吃掉大部分执行工作，一定会有一家企业跳出来，找几个聪明人围绕模型把事情做了。他只要做了，就会冲击行业；同样赛道的其他公司都会被冲击得七零八落。前提是模型足够聪明，聪明到什么程度？举个例子，你给它一堆数据，它能自己建立一个ontology，自动建模。今天模型已经有一点这种描述，但它建的ontology不一定按纯业务逻辑，可能按自己所推理出来的一套模式去建模。

前两天我听一个微信视频号的DataFun社区创办人的一个分享，是一个汽车公司的案例，他们从数仓里挖出销售到订单的体系：一个人从订单到变成线索、变成销售、到门店接待，所以这是一个object，它有很多status，也跟很多门店人员有关联关系。这些是从细节里抽出来的，在这个过程中，人仍然要告诉模型数据库里这个字段是什么意思、那个字段是什么意思，抽出来之后大家再看对不对。

今天模型还吃不下太多上下文，但如果哪天足够聪明，扔进去它自己读、自己看、自己学会，99%的准确率，自己把ontology建起来，那它就可以做大量的角色判断。到那个时候，真的只要一到两个人管着，这个生意就可以跑起来。今天还需要很多人维护。所以，这是一个很关键的信号点：大模型能不能自己理解业务里面的核心逻辑。

为什么是三年？因为如果50%企业要做到这一点，可能需要至少10%到20%的企业在两年之内把这个模式跑通，证明成功。现阶段模型能力没有突飞猛进的情况下，需要大量数据治理。以我的经验，一个产品品类数据治理半年是起码的，然后跑一遍ontology可能又是3到4个月，一年时间已经是最少的。

如果一年之内，行业里5%到10%的企业做成了、有效果，第二年很多企业会跟进。因为有经验，速度会快一点。再到一年，可能20%到30%的企业能学会。到第三年，50%的企业会跟进，因为这些企业效率是颠覆式攀升。今天很多出海的企业拼命学安克创新的AI，因为安克证明了他用AI模式是有效的，大家就开始抄答案。

安克证明模式之后，很多人会问，为什么它能这么快做出这么多品类，还都不错？因为它有AI赋能者，就是内部的FDE：从业务团队里提出来，做内部的SOP，完全脱产。我听说公司里会有大概不到5%的人是这样。3000多人里面，百来号人原来是业务部门脱产做FDE，这说明需求是持续性的。

问 在安克这个案例里面，你觉得他是怎么做的？有什么重要的启发？

我之前看了waytoAGI所有的安克创新的分享视频，我觉得一个是持续，另外是它做的是AI端到端，它不会让一个岗位单独做AI。比如洞察，它需要一套流程：先做global insight，再做China insight，再到其他国家的insight，再到渠道洞察。如果你三个部门各做三个AI，没有任何改变，因为只要有一个部门AI做得慢一点，你就是瓶颈。虽然三个团队，但本质上都在做一个动作：找数据，做分析模板，让AI按模板把数据填进去，按标签做分析，最后人审核。

那主要一个团队就行了。一个AI专门找数据，一个AI专门做模板，一个AI专门分析，最后三个人里面留一个人审核结果。另外两个人可以去做赋能者，所以它整个效率提升了，因为这融合了巨大的组织变革。当然，它的模板和数据都是业务部门一点点提出来，前期做了很多铺垫，过程也不容易。

问 企业自建FDE的挑战是什么？你在珀莱雅是否也做了类似的尝试？

首先，最终一定要是内部做FDE，而不是长期依靠外部。因为FDE的核心价值有三种。第一是业务本身。你本身要懂业务，你才能通过AI把它做出来。比如美妆品牌想做一个洞察：洞察哪些外面的趋势发生变化，导致人们对皮肤的需求发生变化。因为只要知道需求变化，就可以提早布局技术。这种程度的业务理解只有内部人知道，落到皮肤机理那么细，外行人不可能知道。上线之后，什么样的报告能用，什么样的错误率可以接受，也只有业务部门知道。

第二是要对技术边界有判断。比如比如我遇到很多企业，都有找数据这个需求，找数据这个步骤，今天AI可能不太好，因为要爬网站，可能有反爬机制，要登录，可能被封号。如果让AI写爬虫，用token写很耗，可能要写脚本。所以，他要对AI技术有初步判断。再比如工作流里，如果标准不清楚，模型读的时候可能抖动。你说趋势向上就加一分，但什么叫向上？那么今天是用一个skill来写，还是干脆做一个表格，告诉它向上20%是一分、30%是两分，再用Python写脚本去跑？这需要他了解技术实现原理，才能把每个细化任务找到对应的解决方案。

第三是抽象和拆解。他不仅要懂具体业务，还要能把自己的动作拆得很细，知道每一步在做什么。做着做着，他也会理解数据架构：哪些数据不变，应该变成底层数据；哪些在上面加减；如果所有东西都放Excel，表格会爆掉。再往后才是纯技术：agent怎么保证审计安全，两个agent怎么分工，这些可以由IT部门解决。业务、技术边界（不是技术实现）和拆解逻辑，通过培训和反复练习都能学会。

根据我的感受，只要这个人自己内心想把事情做好，他停不下来，因为他太习惯这种快的方式。有一段时间他会觉得很爽，因为模型给你的反馈是即时的：原来我还能做这个事。这种爽感会让他不自觉去学。技术则是IT部门自己的事，完全可以解决。

问 外部顾问更像一个Catalyst——催化变革，输入新知。但企业有了持续的需求之后，要胜任这个角色还是很挑战：企业内部该让谁来做FDE？

冷启动的时候最痛苦。你需要大半年时间海选，允许大家重复工作、重复绕轮子，从里面甄别人。而且你要很坚决：我就是让你用token，让年轻人可以直接跟老板等距对话。如果你时间也花了，还扭扭捏捏说，你们这些FDE先跟中层汇报，那中层一定会说，这东西都是我做的。你没有把它放在一个平面上，这种变革就不到位。

很多人说交给某个部门经理，但很可能是第一他没动力，第二学习很痛苦，第三他没有爽感。他的职业生涯很多都来自上传下达，已经没有做事的爽感了，所以得让年轻人做。但让年轻人做的挑战就是：你怎么让年轻人做的事情被公司看到、嘉奖到。因为相当长时间，这个事情很沉寂，没人看到成果。你在做大量数据治理、拆解工作，在给过去的工作填坑。首先一把手对AI要有感觉，他的感觉在于，你一天内做出一个60分的东西，我也要表扬你，明天再改。很多老板表面支持AI，实际看到东西不尽如人意，就说我给你AI了，你怎么还做那么差。

所以第一是想清楚让哪一层人去做，第二是用什么机制支持他们做好，第三是判断哪些任务今天AI能高速提效，有机会端到端打通。

问 大学生直接进来，能活下来吗？

也很难。所以企业一旦培养出这个人，先不说花多少时间，你不给很好的机制就很难留下来。珀莱雅培养出来的小朋友留存率非常高，很多小朋友说，去别的地方不允许我这样自由发挥。所以，要用文化留人。当然企业不是永远只靠文化，还是要提升薪水。薪水从哪里来？一定是价值创造，把利润释放出来，分给这些人。

问 那从外部直接聘用呢？你觉得会重蹈之前很多企业从咨询公司挖人来做内部战略、商分的故事吗？毕竟外部FDE现在也是如火如荼，数量也不在少数。

我觉得不会完全重蹈咨询顾问进企业的老路。咨询顾问进企业，岗位已经被固化了，有很清晰的边界。而且如果你在外面没有跟老板产生信任，在内部就更难。你变成他的下属，跟变成顾问完全是两码事。作为顾问，老板至少觉得你跟公司其他人没有利益关系；变成下属，他总会要考虑你的立场，这种信任感在内部反而更难创造。而且他在内部到底是IT岗位还是HR岗位，跟原来部门什么关系，岗位非常拧巴。

如果老板已经想清楚：内部需要FDE机制，要识别年轻人才，从哪些部门、哪些场景出发，IT承担什么角色，那他就让HR和IT先牵头做就好了，这批深得信任的人可以先开始干。

同时，业务里面也会有一群人做类似"业务FDE"普及项目，业务自己举手说要做FDE、要学习。当然，很可能还有一个专门的FDE小组，就是我们刚才说的从外部专业公司来，对业务拆解、业务组织的技术比较了解；当业务部门没有大量可以变成FDE的人或者人太少，就向他们寻求帮助。另外，还有大量管培生和实习生，进来就往FDE方向培养，塞到各个部门用AI，让不同经验的人放在一起来做。

所以，企业建立FDE还是多点开花，在一个有序的混沌里摸索。最终形态希望是人人都是FDE，因为每个人都要学会用AI，把自己的知识变成AI。只要有一家企业做到这个样子，没有跟上的企业都不是它的对手；再加上AI自我迭代的递归速度，会越来越快。

内嵌式顾问

问 之前和阮芳聊，就谈到一个重要的观点：咨询公司过去的业务模式，是把一个低频的企业需求，通过抽象化能力复制到不同公司，变成高频持续的需求。今天，企业的智能转型正在重构这个需求结构。

阮芳总结得很有道理。原来为什么低频？因为体系化建设一次很耗时。自上而下设计一套组织、一套流程，在企业落地花大量时间，你要把它抽象出来，别人理解也很花时间，再重新往下拆，给每个行业最佳实践。

AI时代有一些变化，但抽象的要求没有变。只要你学会了抽象的技巧，让AI帮你做是分分钟的事情。所以今天你不需要一个自上而下的流程或体系，而是可以自下而上：我有一个流程很好，你有两段流程很好，你先跑。只要能把流程提炼出来，放到企业整体里，AI会告诉它哪个流程更有效，流程之间的耦合点在哪里。

SOP是一个process，串起来之后，原来低频的事情不再低频。因为过去低频是自上而下的完整体系，今天自下而上是高频，抽象好了由AI帮你做。然后复制到所有企业去，最佳实践也变了。因为AI足够定制，为什么要学习一家跟自己不一样的企业？它可以完全个性化，根据你自己的需求来。所以阮芳讲的咨询价值，两个假设已经完全变掉了。但抽象的价值还在，这就是今天FDE还有价值的地方，只是这个坑已经在被不断填平。

问 记得以前我们一直讨论咨询机构的规模化问题，今天看起来我们俩做的小而美的咨询机构反而更合适？（笑）你觉得核心竞争力会是什么？

我觉得现在这个阶段没必要去追求规模。从咨询角度讲，商业模式会往小而美的方向走。

核心竞争力来讲，一是你要一专多能，对跨领域知识有了解。你对接企业各个部门，没有办法串起来就很难开展业务。二是情商，你要推动大家变化、团结大家，理解每个人在想什么。三是要对AI技术比较懂，才能知道在哪里具体落地。

当然最重要的可能是，你要静下心来赚这份慢钱、比较小的钱，要有足够耐心和长期主义。如果今天服务这个企业，你觉得他不理解，你就去找另外一家，久而久之每个企业都有难突破的问题。我在服务企业的很多时间里，不仅提方案，还要做人的思想工作，告诉他们这件事应该怎么做，老板是怎么想的，承担一些额外工作……这对顾问的综合能力要求其实很高。

问 这种深度陪跑的顾问，更重要的是携手企业一起探索未知，也很难服务太多的客户，因为每个客户的投入度不仅仅是时间，还有心力、精力都很大。

转型过程对企业是痛苦的，所以企业可能需要一个跟企业深度绑定的内嵌式顾问，不断影响老板，不断培养年轻人，保持组织的活力，把企业的知识沉淀下来，这很重要。我自己能影响的企业其实很有限。因为要做成这件事，顾问要跟企业深度链接，你要帮他想什么是对的，甚至要改变企业里面很多人。这不是我一个人的工作，还有很多顾问。另一家企业也需要这样的顾问，而顾问跟老板之间要深度信任，这需要时间，没有一个顾问可以一个人服务这么多企业。

但行业里有没有像我这样的顾问？有，而且不少。只要他能够对AI有所了解，知道AI怎么影响企业，去跟老板深度链接，就可以推动这件事。即便他没有一个规模的团队和完整的后台支持体系，但有一个很好的想法，就可以用AI的方式跟企业沟通、创造价值，甚至自己培养一些年轻人，这个杠杆完全提得起来。

终局我觉得是，一个公司里面有一群很核心的员工。他们很懂业务，同时有很好的价值观。做生意不要想着你是因为管了很多人，你应该管很少的人，加上AI，然后向老板透明化地传递，一起把这个生意做大。需要一些年轻人，帮他把事情做好，这个模式就通了。跑通之后，它可以复制很多很多小团队出来。

对于破题者这个场域来说，我们把这些小而美的公司聚在一起互相赋能；最终有这样想法的顾问越多，自然也就能够造福中国企业家。

问 内嵌式顾问到底交付什么？结合我自己的经验，我觉得你很难像以前一样一开始有一个计划或者路径，一步一步要怎么做，怎么评价。应该是今天做到某一步，你才想到下一步要做什么、以及怎么做。这也是我觉得内嵌式顾问的一个结构性优势。

如果拿一个结果来看，就是在公司内部能够通过自己的能力把AI做出来，并且有显著业务成果的人，占比逐月、逐半年提升。比如一个人做了一个agent，能把用户洞察做出来，很快；又出来一个人把别的东西做出来，这些人越来越多。但过程不是你去推动，你要去调动业务。为了让项目做成，让业务部门得到帮助，我需要内部有愿意尝试的人，这些人我要找到还要去培养。组建完之后他们成型，我还要跟IT部门说，你们内部也要做一些变化来支持他。

所以这些工作没有人给你安排，也不是提前计划好我今天做这个、明天做这个，或者先有个路径图再来找你。而是和你说的一样，我做到这一步，发现下一步可能是什么、需要再找谁、以及什么资源支持。

将来很重要的点是，你要培养一批人，能够把这些资源组织好，这是最关键的。你不用考虑它怎么做，因为它一定做得比你更好。我觉得今天还是有很大的空间，因为企业的很多问题没有被解决。企业有太多壁垒问题，很多不是技术问题。但我们其实要回答一个问题：中国会不会有一批企业家有野心，用最聪明的模型、最少的人创造最大收益？一定有。年轻企业家们一定有这样的动力和冲劲。有这样的企业家，有这样的AI能力，加上一批年轻人用AI支持这些企业家，这种企业一定会出现，sooner or later。

我是按人天收费，多一个主意、少一个主意，拿的钱也没有变化。对于老板来说，我的立场至少是公允的，不用偏向任何人。你提一个相对公允的建议，这其实也是有价值的。

破题者招募

寻找同行者

如果你——

以下四条，命中任意一条，这篇就与你有关

正借助AI，重构原有的专业服务流程；

正帮客户拿到过去难以企及的业务成果；

正打造支撑企业经营与管理的智能体产品；

正寻找智能商业服务赛道中值得下注的独角兽……

那么，在慎思行新栏目"破题者"，我给你留了位置。

旧范式正在坍塌，新范式还没有答案。我相信它不会出现在某份报告中，而是来自你们这些已经动手、正在试错的人。你们的每一次尝试和每一个坑，是我们身处智能时代初期阶段、专业服务领域建构新范式的必经之路。

一次深度对谈、一篇投稿、一项共同的原创研究、或一场线下闭门分享，你的原生实践与思考值得被数十万咨询顾问群体与企业战略决策者所看到。

无论你是来自于专业服务机构、智能科技公司、投资机构，愿意通过我们的平台分享你的实践、观察与思考，或者进一步探索我们之间的合作，别犹豫，直接联系我们（微信：lvyi2181），让我们了解你和你的原生思考。

在探索智能时代专业服务新范式的道路上，我们必有交集，共同破题。