AI 杀不死咨询公司

10 月 1 日，埃森哲公布了最新财年报告。公司 2026 财年总收入约 742 亿美元，按本币计算增长 5%；第四季度收入 186.8 亿美元，本币增长 7%。其中，咨询业务收入 92.8 亿美元，托管服务收入 94 亿美元，两者增速同为 7%。全年新签订单达到 845 亿美元。

过去两年，AI 最先被认为会冲击的职业之一就是咨询师：搜集资料、分析数据、写代码、做测试、写报告，越来越多工作已经可以交给 AI 完成。既然AI第一批替代的就是咨询师的工作，为什么咨询公司的收入反而还在增长？

传统咨询模式开始承压

大型 IT 咨询、系统实施和外包服务，长期以来都有很强的人力属性。把其中最典型的一类项目简化，收入大致取决于三个变量：投入多少人、工作多长时间、每个人收多少钱。项目增加，公司就增加顾问和工程师；员工增加，又可以承接更多项目。过去几十年，埃森哲、IBM、TCS、Infosys 这类企业能够发展成数十万人的公司，与这种增长方式直接相关。

AI 最先改变的，恰恰是完成同一项工作需要投入多少人。

IBM 今年推出 Forward Deployed Units，将少量高级专业人员与 AI Agent 组成交付团队，Agent 承担编码、测试、评估和文档等工作。IBM 披露的一个案例中，6 个人配合 AI，就可以完成过去需要 30 人团队承担的工作。对客户来说，同样的工作少买了大量人工服务；对服务商来说，过去能够按工时收费的一部分工作，开始由软件完成。

行业合同已经体现出这种压力。ISG 统计全球年合同价值 500 万美元以上的技术服务合同，2026 年第二季度，全球 Technology Services 合同价值同比增长 43%，其中 XaaS 增长 65%，Managed Services 只增长 2.7%，IT 外包下降 3%。应用开发与维护业务继续承压，ISG 直接提到，AI 正在侵蚀依赖人工投入的合同价值。美国市场更加明显，同期 Managed Services 合同额下降 12%，IT 外包下降 23%，应用开发与维护是主要拖累之一。

这组数据说明，整个技术服务市场还在扩张，但依赖大量工程师持续交付的业务已经受到压力。AI对传统咨询和 IT 服务的冲击并没有停留在想象中，它已经开始减少一项服务所需要的劳动投入。基础编码、软件测试、应用维护以及大量标准化工作，都会最早感受到这种变化。问题在于，企业购买咨询服务，并不只是为了购买这些劳动。

AI预算正在向企业改造扩散

假设一家大型银行准备部署 AI 客服 Agent。演示阶段并不困难，把产品资料放进去，模型很快就可以回答客户问题。

真正进入业务以后，问题会变复杂：AI 首先要知道客户是谁、持有什么产品、账户处于什么状态，而这些信息可能分别存在 CRM、核心交易系统、客服系统和不同年代建设的数据仓库里。

银行需要先统一数据口径，再解决旧系统接口、数据调用和实时更新的问题。涉及 ERP 和其他历史系统时，改造还可能延伸到应用升级、系统迁移和云基础设施。原本只是一个客服场景，很快就把数据治理和技术底层一起带了进来。

接下来是权限和流程。AI 可以查询什么信息，能不能修改订单，是否能够直接操作账户，不同动作需要什么审批，都要重新定义。AI 执行过什么操作、依据什么信息作出判断，也需要留下完整记录。哪些问题直接交给 Agent，哪些必须转人工；出现异常以后谁接管；客服、后台和技术部门如何重新分工，同样需要重新设计。

这里出现了 AI 对咨询行业影响中最容易被忽略的一面：AI让完成一个具体任务需要的人越来越少，却让一家企业需要改造的范围越来越大。

过去一家企业可能只需要升级一个 CRM 系统；现在为了让 AI 真正参与销售、客服、财务或者供应链，它往往要同时处理数据、系统、权限和流程。模型能力越强，能够进入的业务环节越深，对企业原有基础设施的要求也越高。直接购买模型和建设 AI 应用只是其中一部分，围绕 AI 产生的数据、ERP、云、安全和流程改造，才构成了更大的服务空间。

埃森哲管理层在 2026 财年业绩交流中，把相当一部分增长归于帮助客户继续建设 Digital Core、Data Foundations 和 Enterprise AI Stack。全年超过 400 个客户第一次启动与埃森哲合作的 Advanced AI 项目。AI 并没有形成一块完全独立的新业务，而是在不断进入原有的企业数字化项目。

这也是为什么只看 "AI 咨询收入 " 容易低估 AI 给咨询公司带来的变化。AI 本身可能只占整个项目的一部分，但为了真正使用AI，企业需要重新改造它周围的一整套技术和组织环境。

新增收入越来越多来自长期服务

企业完成系统改造以后，合作内容还会继续延伸。埃森哲将业务按照工作类型分成 Consulting 和 Managed Services，前者可以粗略理解为帮助企业完成一次改造，包括战略、系统设计、技术实施和转型；后者则进一步进入企业的持续运行，负责应用、技术、数据、安全和部分业务流程。

AI 正在增加后一种长期的工作内容。一个传统 ERP 系统完成上线以后，可以按照相对稳定的规则运行较长时间；AI Agent 则需要不断更新知识库、监测输出、调整权限、处理异常。业务发生变化，Agent 的任务和工作流程也要同步调整。企业买到一个能够运行的 AI 系统以后，还需要有人保证它持续有效。

埃森哲过去四年的收入结构已经显示出这种变化。2022 财年，公司 Consulting 收入约 341 亿美元，Outsourcing ——后来更多使用 Managed Services 这一名称——收入约 275 亿美元。到 2026 财年，Consulting 收入达到约 369 亿美元，Managed Services 已经达到 373 亿美元。

四年间，Managed Services贡献了接近八成的收入增量。

云计算、数字化、AI 以及并购共同推动了这四年的业务变化，但最终形成的收入结构表明，埃森哲新增收入越来越多来自持续服务，而非一次性咨询项目。AI 进入企业以后，又给这种长期服务增加了模型维护、数据治理、安全、流程优化等新的内容。

收费方式也在同步变化。2026 财年，埃森哲超过 65% 的新签订单属于 Fixed-price 工作，其中还包括 Outcome-based 合同。客户购买的是约定好的项目交付或业务结果，服务商则自行安排完成工作所需要的人力。

假设一个项目过去需要 100 名工程师工作一年，客户按照实际投入的人数和时间支付 1000 万元，AI 把团队缩小到 70 人以后，能够收取的人工费用自然会下降。

固定价格本身并不会自动带来更高利润，变化主要发生在收入与人工投入之间的关系上。过去咨询公司想做大收入，通常需要同步增加更多顾问和工程师；当客户开始为项目结果和持续服务付费以后，公司可以用更少的人工完成一次交付，同时承接更大的改造范围和更长的服务周期。

这也解释了埃森哲目前出现的现象：AI 确实减少了部分工作所需要的人，但企业为了真正使用 AI，又增加了数据、系统和流程改造需求；项目上线以后，很多工作继续进入多年运营。人工投入下降，并不会必然带来同样幅度的收入收缩。

咨询公司的竞争位置正在变化

面对同一轮 AI，不同咨询和 IT 服务公司的收入表现并不一致。AI 能够创造多少新增收入，越来越取决于服务商原来处在企业技术体系的什么位置，以及它能够承接多大范围的工作。

首先是与客户的距离。大型企业部署 AI 时，最棘手的问题通常来自已有系统：数据放在哪里，SAP 和 CRM 如何连接，哪些流程为什么被设计成现在这样，哪些系统十几年没有升级。长期合作方已经参与这些系统的建设和运营，对客户内部环境的了解本身就是一种能力。

2026 财年，埃森哲拥有 317 个最高等级核心客户，全年出现 141 次客户单季度新签订单超过 1 亿美元。FedEx 从云迁移一路延伸到数字核心、数据和 AI，就是这种长期关系如何继续扩展的一个例子。AI 项目很少从一张白纸开始，它更容易沿着企业原有的技术体系继续生长，而长期参与这些体系的服务商，也更容易承接后续改造。

第二个变化来自技术组合越来越复杂。一家大型企业未来很可能同时使用 OpenAI、Anthropic 的模型，微软、Google 或者 AWS 的云，SAP 的 ERP，Salesforce 的 CRM 和 ServiceNow 的流程工具。单个产品都可以独立工作，进入一家真实企业以后，却需要调用同一批数据、遵守统一权限，并组成连续的业务流程。

埃森哲没有自己的基础模型，也没有 AWS、Azure 这样的超大规模云平台，它更主要的角色是把不同厂商的产品接入企业现有系统。2026 财年，与其前十大技术生态伙伴相关的业务已经贡献超过 60% 的收入，而且增速快于公司整体。随着企业采用的技术供应商越来越多，把这些技术组合成一套能够真正运行的系统，本身就成为了一项越来越重要的服务。

IBM 的产业位置有所不同。它既拥有 watsonx、Red Hat 等软件产品，同时又经营 Consulting。两家公司都能参与企业 AI 建设，但进入客户的方式和收入来源并不相同。埃森哲更依赖多厂商生态做系统整合，IBM 则同时承担技术供应商和咨询服务商两种角色。

第三个差异，是一家服务商能够覆盖多长的改造链条。AI 最容易压缩的，是基础编码、测试、应用维护和标准化业务流程；价值更容易向行业知识、数据治理、ERP 和云、安全、AI 工程、流程设计以及长期运营集中。如果服务商只负责其中一段人工工作，AI 提高效率以后，很容易直接表现为合同价值下降；如果能够从系统改造一路做到长期运营，就有机会承接更多客户预算。

IBM 自身的变化提供了一个直观的参照。一方面，它已经可以让 6 个人借助 AI 完成过去 30 人团队的工作；另一方面，2026 年第二季度 IBM Consulting 收入按固定汇率只增长 1%。AI 能够大幅提高交付效率，但效率提升能不能转化成收入，还取决于公司能否把客户需求继续扩展到新的项目和更长期的服务中。

未来咨询公司的增长方式因此会发生明显变化。过去扩大收入，最直接的方法是增加更多顾问和工程师；接下来，公司可能用更少的人完成相同项目，同时把 AI 需求延伸到数据、系统、流程和长期运营。员工人数、可计费工时和收入之间原本紧密的关系，会逐渐变弱。

AI正在降低咨询服务对人工数量的依赖，同时提高企业对系统整合和持续运营的要求。行业里的价值，也会沿着这两个方向重新分配。

把新的发动机装进旧工厂

早期电力进入工厂时，企业最初只是用电动机替换原来的中央蒸汽动力，机器的位置和生产流程变化并不大。后来工厂开始围绕电力重新安排机器、生产线、物流路径和劳动组织，新的动力才真正改变生产方式。

今天的 AI 也处在类似阶段。OpenAI、Anthropic、Google 正在不断制造更好的 " 发动机 "，但一家银行、制造企业或者零售公司真正使用这些能力，还要重新安排数据、系统、权限、流程以及人与机器之间的分工。模型能力的进步，只有进入这些真实业务环境，才能转化成生产率。

AI 会越来越擅长写报告、做分析和写代码，这些曾经都是咨询公司的重要工作。下一代咨询公司真正值钱的能力，可能逐渐从替企业给出答案，转向把AI装进一家真实运转的企业，再把整座工厂重新组织一遍。