AI 让麦肯锡失业了吗？

【AI 让麦肯锡失业了吗？它的 CEO 亲口回答】我一直不太信任顾问。不是因为他们不聪明。是因为他们永远不用为结果负责。给完建议，拿了钱，走了。 成功了，是客户执行得好。失败了，是客户没有好好落实。这个逻辑运作了一百年。所以当 HBR 采访麦肯锡全球董事长 Bob Sternfels，问他 AI 会不会让顾问业消失， 我是带着怀疑在听的。听完，我改变了一点看法。只是一点。

【先说那个让我停住的数字】麦肯锡现在有多少员工？Bob 说他几乎每个月都要更新这个答案。最新的版本是 60,000。40,000 个人类，20,000 个 AI agent。一年半前，agent 的数字是 3,000。他原本预测要到 2030 年，才能达到每个人类员工配一个 agent。现在他说：18 个月。老实说，这个数字让我有点不舒服。不是因为他在炫耀—而是这个速度太快了，快到让人怀疑它有没有真的被理解，还是只是一个听起来很厉害的数字，用来让听众觉得这家公司走在前面。但他接下来说的，让我觉得他大概是认真的。

【企业真正的问题，不是技术】每个人都在说 AI 导入。工具啦、平台啦、大模型啦。Bob 给了一个让我停住的观察： 「我们发现，成功的关键有一半以上，不是技术导入。是组织变革。」他的例子很具体。一间银行，贷款流程里有五个部门—申请、信评、核准、催缴、售后。 为什么有五个部门？因为这个结构是几十年前设计的，设计的前提是人工作业。用 AI 打通这条流程，那五个部门的墙就没有意义了。但墙是人待的地方。人不想让墙消失。CFO 说没看到回报，CIO 说你再不动就死了，CEO 夹在中间不知道听谁的。这个场景不新鲜。 我在几乎每一个尝试数位转型的组织里都见过。

技术从来不是瓶颈——问题永远是：谁来拆墙，谁扛拆墙的代价？麦肯锡说「我们帮你想清楚」。这个答案值不值钱，另当别论。但他把问题说对了。

【麦肯锡现在在找什么样的人？】这段我最意外。Bob 说他上任后问招募团队：「我们系统性地在筛掉什么样的人？」他们去翻了过去 20 年的资料，找出最可能晋升到合伙人的特质。然后找到他们从没注意到的盲点—不是一个，是好几个。有过挫折、然后爬起来的人，比从没跌倒的人更可能成功。但招募系统一直在筛「完美成绩」。

做过球队、打过工、真实和别人在压力下协作过的人，比待在实验室里的人更有用。但这个，他们没在看。还有一个让我觉得更有意思的：他们一直在找「已精通某领域」的人，但他们真正需要的，是「有能力学新东西」的人。这两件事长得很像，其实不一样。

麦肯锡花了 20 年，靠数据才发现自己的招募逻辑有问题。即使是以「分析力」闻名的公司，也会对自己的盲点视而不见。这件事本身，就有点讽刺。然后他说他儿子拿这份研究来跟他辩论为什么可以继续换主修。「那是他唯一一次引用我说的话。」一个管全球 6 万人的 CEO，被自己儿子用他自己写的论文怼回去。这种事，AI 没办法在 PowerPoint 里重现。

【AI 做不到的三件事—但他说得比较诚实】「AI 很强，但人还是重要的。」这种话我听得有点腻了。通常是安慰剂。但 Bob 说的版本比较具体。他把「确定的」和「还在探索的」分开说—这个诚实让我多给了他一点信任。

确定的：韧性、协作、学习能力。有 20 年的资料支持，确定继续找。还在探索的，是 AI 真的做不好的地方。

志向—模型不会「想要什么」，不会替一个组织问「我们应该去哪里？」这个问题要人来问。一家公司搞清楚自己在追什么，有时候比怎么追更难。判断—模型没有真相，没有立场。它可以给你 100 个可能的答案，但不知道哪个是对的。这个空缺，只能靠人来填。

跳出去—AI 很擅长从 A 推到 B 再推到 C。它不擅长的是忽然说：「等等，如果 C 根本不是目标呢？」这种横切一刀的思维，线性模型很难办到。他说他们现在开始重新看文科背景的申请者。读哲学、读文学的人，可能更擅长这种非线性跳跃。说真的—过去几十年，是顾问业和商业世界联手告诉大家文科没用，要读 STEM，要读 MBA。现在轮了一圈，他们说：等等，我们需要读文学的人。历史是有幽默感的。

【从「给建议」到「一起赌」】这部分最让我觉得有意思。麦肯锡现在有大约三分之一的收入，来自「以结果为基础」的合作—他们和客户一起设定目标，然后把自己的报酬和结果绑在一起。这不是小事。

一百年来，顾问业的护城河就是「我们只负责建议，不负责执行」。这个设计让他们可以永远对的，因为结果永远可以解释成「执行层面的问题」。现在他们说要一起赌。Bob 说他希望在任期结束前，这个比例超过一半。他做不做得到我不知道。但如果做到了，顾问业的逻辑就真的变了。不是因为 AI，是因为他们终于把自己的利益跟客户的结果放在同一边。这个改变，跟 AI 有点关系，但又不全是。

【关于那些他们做错的事】主持人问了 OxyContin、南非贿赂案、利益冲突。Bob 没有回避。有一类批评他接受：OxyContin 是他们的错。客户筛选没做到位。他们后来花了 10 亿美金，引进 Apple 的内部稽核主管、Walmart 的法遵主管，重建整套流程。「我们不只是要修补问题，我们想要为这个行业设立标准。」有一类批评他选择反驳：和石化业合作帮助能源转型，被批为「加速气候破坏」。他说：如果你真的在乎气候，你必须和最难改变的产业坐下来。不理他们，问题不会凭空消失。「有些事我认错，有些事我反驳」—这个态度，比全部认错或全部推责，要可信得多。

【我最后的判断】AI 会让麦肯锡失业吗？不会。至少短期不会。但它会让麦肯锡变成一家不一样的公司—如果 Bob 说的那些事是真的。更少分析工作，更多判断工作。更少PowerPoint，更多「我们一起对结果负责」。这个转型不是因为他们想转。是因为如果不转，客户可以自己用 AI 做很多原本要付钱给他们的事。所以他们在往前跑。往更难的问题跑，往 AI 还做不到的地方跑。这不是新策略。这是每一个想活下去的人，在每一次技术浪潮里都在做的事。麦肯锡只是做得比较有组织，比较有名，然后在一百年后亲口说出来。

简单说，这场访谈背后只有三个大实话：

1. 麦肯锡在「裁员」，只是说得很高级
2. 他们在找「能扛责任的人」，因为 AI 没肩膀
3. 「没效不收钱」是为了不被淘汰

推推好文！也分享一下我个人见解：为什么在产业或公司深耕数十年的客户，仍然会聘请顾问公司，甚至愿意相信一群二十几岁的顾问？ 这其实也是外界长期以来对顾问产业的质疑。

我自己的观察是，对许多企业而言，尤其规模越大的组织，问题往往早已不在于「知道多少」，而在于「能影响多少」。 许多中高阶主管其实并不缺想法，但受限于利害关系、组织政治与既有权力结构，这些想法往往难以被推动。同时，长期身处其中，也容易失去对整体方向的距离感与客观视角。

很多时候，顾问的角色并不是提供全新的答案，而是成为一种放大器与催化剂——作为一个能说出口的嘴替、一个跨部门的协调者，以及一个被视为中立客观的「事实来源」，协助原本分散的组织重新对齐共识与目标。