咨询公司即便嵌入前沿模型，卖的仍是工时——除非它卖的是证据

上周，Business Insider 报道了各大咨询公司争相实现“AI 原生化”的过程：新设工程师职业通道、重新拟定职位头衔，以及将前沿模型嵌入交付体系的合作联盟。普华永道（PwC）围绕30项核心技能重建了培训体系，其中一半以人工智能为核心，并开设了其170年历史上首条工程师职业通道。8月23日，斯坦福数字经济实验室的 Erik Brynjolfsson 和 Georgios Petropoulos，用经济学家的框架分析了这一商业难题：咨询收费依然建立在纯人工时代的假设之上，而当企业在内部使用人工智能来提升顾问的工作速度时，企业与客户之间的信息差反而会在效率提升的同时，先一步扩大。

普华永道从今年春天起，就已经公开谈论定价问题。3月，该公司美国税务业务负责人 Krishnan Chandrasekhar 在接受 Bloomberg Tax 采访时表示：“工时正变得越来越无关紧要。”同月，普华永道推出了 PwC One 平台：客户描述问题，智能体完成工作，普华永道的专业人员在幕后审核输出结果，订阅制或按用量计费都被摆上了台面。

整个行业都在嵌入模型，但其中大多数依然按照旧有的计价单位收费。

中型市场的律师事务所和会计师事务所面临着同样的陷阱。一名持证专业人员即便借助模型更快地起草文件，依然要为所提供的建议承担责任。一家在每一条工作流下都嵌入了 Claude、Gemini 或 GPT-5.6 的咨询公司，如果客户买到的依然是一叠工时和一份幻灯片，那么它的产品其实并未发生任何改变。

获得前沿模型的使用权，只是入场的成本。真正稀缺的，是能够证明这项工作经过审核、有边界约束、并且有人对其负责的证据。

真正发生变化的是什么

大型咨询公司如今已经拥有了正在向每一家中型公司兜售的东西：一个指名道姓的模型合作伙伴、一个内部助手，以及一套关于智能体取代初级产出工作的叙事。它们在2025年及2026年上半年，把 Claude、GPT 或 Gemini 交到了数万名员工手中。仅埃森哲一家，去年12月就在相隔八天的时间里，先后与 OpenAI 和 Anthropic 签订了合作协议。这是真实的产能，但产能本身并不能构成一项新的产品主张。客户无法分辨，一份备忘录究竟是出自合伙人之手、一名新人之手、一个有审核者把关的智能体，还是一个无人审核的智能体。账单看起来，依然是按人力配置计算的。

有三件事同时发生了变化。

第一，企业内部的产出成本变低了。研究简报、初稿、代码和市场扫描的完成速度都变快了。这一变化体现在人员利用率上，也体现在企业想要继续沿用旧价目表的那种诱惑上。

第二，客户也能接触到同样的模型。一个能够通过 Claude 拿到初版市场扫描结果的买家，不会再愿意为这份初稿继续支付战略咨询公司的工时费用。麦肯锡在8月25日发布的《人工智能现状》调查显示，这一趋势在软件领域已经走了多远：32%的受访者表示，其所在组织决定放弃购买至少一款软件产品或功能，因为可以借助智能体编码工具自行开发。建议服务，将是下一个受到冲击的对象。

第三，责任归属没有发生变化。把 Anthropic 或 OpenAI 嵌入交付平台，并不会把专业责任转移给这些实验室。普华永道自己也是这么说的：问责始终落在公司及其专业人员身上，每一个 PwC One 项目都配有一名人工审核者。如果是智能体撰写了一份需求文档、一套控制方案或一份董事会文件，出现缺陷时，责任仍由咨询公司承担。

为什么负责人现在就该关注这个问题

对一家中型市场公司而言，是否要购买“四大”所购买的那同一个品牌授权，本身就是一个错误的问题。真正的问题在于：当你的交付如今依赖于一个你并不完全掌控的模型时，你的报价单是否依然只是在为人力计价。

这种失败模式已经出现在市场上。某公司宣传自己拥有“人工智能赋能的交付能力”，减少初级员工的配置，却依然维持着原有的时薪标准。客户为一种自己无法核查的速度买单。一旦输出结果出错，却找不到任何记录：究竟运行的是哪个模型、它看到了怎样的上下文、是谁批准了写入客户系统的操作，或者模型起草之后又被改写了哪些内容。一种客户无法核查、背后也没有任何记录的速度，只是一种没有凭据的杠杆。

另一种相反的失败模式同样真实存在。某公司陷入恐慌，禁止在客户项目中使用模型，却眼睁睁看着员工依然在私下使用。没有留存证据轨迹的影子使用，比一个有明确名称、且配有审核规则的模型更加糟糕。

Brynjolfsson 和 Petropoulos 解释了为什么这两种失败会造成同样的伤害：它们都会扩大企业实际所做的事情，与客户所能看到的事情之间的差距。能够生存下来的产品，恰恰是能够弥合这道差距的产品——一份客户可以审计的材料包：任务本身、模型调用路径、检索数据集、人工签核，以及企业愿意承担的剩余风险。

“合作联盟”幻灯片带来的虚假安全感

与某个实验室建立合作关系，本质上只是一次采购行为，它无法证明任何关于质量的事情。

实验室会按照自己的节奏标记输出内容、调整价格、改变智能体的行为方式。本月发生的水印政策变化和价目表调整就是明证。这些变化没有一项能够告诉客户，你的控制方案是否可以安全地落地实施。

所谓“出售证据”，意味着你能够就某一条工作流展示：默认使用的模型是什么、哪些任务被禁止交给模型处理、审核的服务级别协议是什么，以及能够证明审核确实发生过的成果物。这也意味着要为真正稀缺的资源诚实定价。Chandrasekhar 自己的建议就指出了方向：在同一个项目中混合使用多个模型，在早期头脑风暴阶段按工时计费，一旦方案明朗，就转为按价值计费。如果真正稀缺的资源是判断力加上一条可追溯的记录，那就应该为这两样东西定价。

中型市场公司拥有一个各大平台不会主动宣传的机会窗口。你无法在人员规模上超过德勤，但你可以在文档记录上超过它。一家仅有40人的公司，如果能够为每一份交付成果附上一份来源追溯材料包，那它卖出的东西，恰恰是那家拥有40万名员工的公司往往卖不出来的：可核查性。

DNLA 循证交付行动手册

• 将内部效率与面向客户的产品区分开来。更快的初稿只是降低了成本，只有当客户能够看到围绕它的控制机制时，它才能成为产品主张的一部分。
• 按成果物类型明确划定哪些工作允许交给模型、哪些工作禁止交给模型处理：研究扫描、备忘录初稿、控制方案设计、生产环境配置、面向客户的建议。
• 记录完整路径：所用模型、提示词类别、检索数据集、审核者和时间戳。如果你无法回放这个过程，你就无法为它辩护。
• 把剩余风险写入工作说明书，包括当智能体撰写了第一版内容时，缺陷的责任由谁承担。
• 在工作方式确实发生变化的地方，改变你所出售的计价单位。对于工作坊、头脑风暴和董事会时间而言，按工时计价依然诚实；但对于一份由智能体起草、合伙人只是粗略过目的文件而言，按工时计价就并不诚实。
• 不要把合作联盟当作质量叙事的一部分。把模型的名称放进附录，把审核规则放在第一页。
• 在内部同样使用这套证据材料包。如果员工无法说明一份交付成果是如何产生的，它就还没有准备好交付给客户。

DNLA 观点