本文来自微信公众号： 防冷涂的蜡&书斋 ，作者：防冷涂的蜡
Source Global Research最新预计，2026年全球咨询市场仍将增长约6%，规模超过3500亿美元。与此同时，埃森哲2026财年收入约742亿美元，按本币计算增长5%；第四季度Consulting和Managed Services收入均增长7%，全年新签订单达到845亿美元。
这和过去两年的普遍预期形成了明显反差。生成式AI进入办公室以后，资料搜集、行业分析、代码编写、软件测试和报告撰写，恰恰都是最先能够被自动化的工作。咨询公司过去需要不同层级顾问和工程师完成的任务，如今越来越多可以交给模型和Agent。
如果AI第一批替代的就是咨询师的工作，为什么咨询行业还在增长？
AI先吃掉的，是最容易计价的工时
大型IT咨询、系统实施和外包服务，长期都有很强的人力属性。对其中最典型的一类项目来说，收入大致取决于投入多少人、工作多长时间以及单位人力价格。项目增加，公司就招聘更多顾问和工程师；人员增加，又可以承接更多项目。过去几十年，专业服务公司把员工规模扩张到数十万人，与这种增长方式直接相关。
AI首先改变的是完成同一项工作需要投入多少人。IBM今年推出Forward Deployed Units，把少量高级专业人员与AI Agent组成交付团队，编码、测试、评估和文档等工作由Agent承担。IBM给出的一个例子很直接：一个6人小组可以完成过去30人团队的工作。原本能够向客户出售的一部分人工服务，开始由软件完成。
行业合同已经出现相应变化。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只有2.7%，IT外包下降3%。应用开发与维护业务继续承压，ISG明确提到，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下降12%，IT外包下降23%，主要拖累之一就是应用开发与维护。
这些数据把AI对咨询行业的第一层影响显示得很清楚：AI先压缩的是一项服务需要投入多少劳动，而不是企业是否还需要外部服务。基础编码、测试、应用维护以及标准化流程越容易被自动化，过去依靠大量人员交付的业务越先受到压力。
企业买的不是模型，是一整套改造
假设一家大型银行准备部署AI客服Agent。演示阶段很简单，把产品资料放进去，模型很快就能回答问题；真正进入业务以后，它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。随后还要重新设计权限：AI可以查询什么信息，能不能修改订单，是否可以直接操作账户，不同动作需要什么审批；AI执行过什么操作、依据什么信息作出判断，也需要留下完整的审计记录。再往后，原来的业务流程同样要调整，哪些问题直接交给Agent，哪些必须转人工，异常以后由谁接管，客服、后台和技术部门如何重新分工。
一个最初看起来很简单的AI客服项目，很快会延伸到数据治理、ERP和旧系统改造、云基础设施、权限与安全、AI和Agent部署、业务流程以及组织调整。模型只是入口，真正落地需要改造的是模型周围的企业系统。
这里出现了AI对咨询行业影响中更重要的一面：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，对原有技术基础设施的要求也越高。
埃森哲是这类变化最容易观察的样本之一。公司管理层在2026财年业绩交流中，把大量客户需求归到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。FedEx的合作路径也很典型：最初是部分应用上云，随后扩展到数字核心、数据和业务流程，再进一步进入全公司的AI培训和AI应用。AI项目并没有成为孤立的新业务，它更像是沿着企业原有系统不断向外扩张的新一轮改造。
咨询公司的收入，开始离开“人头”
项目范围扩大以后，收入结构也在发生变化。埃森哲把工作类型分成Consulting和Managed Services：前者更接近一次性的战略、系统设计和实施项目，后者则进入持续运行，负责应用、技术、数据、安全和部分业务流程。AI系统上线以后，知识库要更新，模型表现要监测，权限和安全规则要维护，异常还要有人处理；业务变化以后，Agent的任务和流程也要随之调整。一次性项目因此更容易继续延伸到长期服务。
埃森哲过去五年的业务结构正沿着这个方向变化。FY2022，Consulting收入341亿美元，Managed Services收入275亿美元；到FY2026，两者分别达到369亿美元和373亿美元。中间几年里，Consulting一度下滑，而Managed Services持续提高。Managed Services占总收入的比重也从FY2022的约45%，提高到FY2026的约50%。
从绝对增量看，FY2022到FY2026，Consulting只增加约28亿美元，Managed Services增加约98亿美元。云计算、数字化、AI和并购都参与了这段变化，但结果很明确：新增收入越来越多来自长期运行一项能力，而不只是完成一次项目。
收费方式也在跟着变化。埃森哲2026财年超过65%的新签订单已经属于Fixed-price工作，其中包括Outcome-based合同。过去如果一个项目按照100名工程师的工时收费，AI把团队缩小到70人以后，收入会直接受到影响；如果客户购买的是完成一套ERP改造、上线一套AI系统或者达到约定结果，团队从100人缩到70人，首先变化的是服务商内部的交付成本。
固定价格并不天然意味着更高利润率，它真正改变的是收入与人工投入之间的关系。当客户开始为项目结果和持续服务付费，咨询公司就不再需要靠增加同等比例的人数，才能扩大收入。AI一边压缩单项工作的人工投入，一边把需求扩展到更大的系统改造和更长的运营周期，这两股力量可以同时存在。
谁离客户更近，谁更容易拿走AI预算
同样面对AI，不同专业服务公司的表现已经开始分化。Source Global Research预计2026年全球咨询市场增长约6%，但IBM Consulting在2026年第二季度按固定汇率只增长1%，TCS FY2026收入按固定汇率下降2.4%，即便它的AI年化收入已经超过23亿美元。AI业务增长，并不会自动转化成公司整体增长。
差异首先来自服务商和客户的距离。大型企业部署AI时，最棘手的问题往往来自已有系统：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形成了优势。埃森哲2026财年拥有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。很多AI项目并不是从一张白纸开始，而是沿着既有技术体系继续扩展。
第二个变化来自技术组合越来越复杂。一家大型企业可能同时使用OpenAI、Anthropic的模型，微软、Google或AWS的云，SAP的ERP，Salesforce的CRM和ServiceNow的流程工具。单个产品都能独立工作，进入真实企业以后，却必须调用同一批数据、遵守统一权限，并组成连续的业务流程。埃森哲自身没有基础模型或超大规模云平台，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。
第三个差异，是一家服务商能够覆盖多长的改造链。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与云、安全、AI工程、流程设计以及长期运营集中。如果只负责其中一段人工工作，效率提升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自己的变化很能说明这种张力：一边是6人配合AI完成过去30人团队的工作，另一边是Consulting收入仅低个位数增长。AI提高了服务公司的生产率，却没有保证收入同步增长。最终能留下多少价值，取决于公司能否把效率提升继续转化为更大的项目范围、更深的客户关系和更长期的服务。
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。模型能力本身越来越容易获得，如何把它嵌入一家复杂企业，反而成为更难的工作。
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。未来咨询行业真正稀缺的能力，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。
主要数据来源：Source Global Research、ISG Index、Accenture、IBM、TCS公开资料。
