# AI 时代，我们能向顶级咨询公司学些什么？

> 最近我们在整理 FDE 的方法论，顺手把几家顶级咨询公司和几位管理学大师留下的经典框架重新翻了一遍。

炎煌纪元 FDE 团队　2026-09-15　企业 AI 化

最近我们在整理 FDE 的方法论，顺手把几家顶级咨询公司和几位管理学大师留下的经典框架重新翻了一遍。

网上有一种很流行的说法：AI 让咨询公司的信息差和标准化报告不值钱了，但那些底层框架没有失效，反而成了管理者指挥 AI 的思维支架。MECE 用来拆提示词，7S 用来诊断 AI 落地，波士顿矩阵用来分配算力，JTBD 用来找 AI 产品的 PMF，德鲁克用来管理"超级个体"。

这个说法不算错，但只说了一半。它有一个没有说出口的前提：人坐在指挥席上，AI 是一个跑得很快的下属，框架是给人用的，用来指挥 AI。

我们在企业里做 AI 落地时看到的，不是这样。AI 进企业的终点不是多一个工具，而是 AI 慢慢接管公司体系的大部分：信息怎么流，任务怎么派，判断怎么留痕，客户怎么被接待。人退到瓶颈和边界上，只在真正需要判断和承担责任的地方出现。到了那个阶段，这些框架不是多了几个新用途，而是每一个的位置都挪了。

下面我们一个一个看。每一条先说通行的用法，再说我们看到的位移。看完之后，再用我们做交付时的六条标准，回答一个更实际的问题：AI 时代的公司转型，到底需要什么。

## 一、七个经典框架的位移

### 1　MECE：从规划的语法，变成验收的语法

**通行的用法：**用 MECE 把复杂问题拆成不重叠、无遗漏的子模块，指导大模型分步推演，减少逻辑漂移，有人干脆把它叫做"无幻觉约束框架"。

**我们的看法：**MECE 是为人的认知极限发明的。顾问怕漏、怕重，是因为一个人的脑子一次只装得下几件事。AI 主导系统之后，这两个"怕"都变了。"相互独立"不再是美德：多个智能体协作的系统，恰恰需要重叠和冗余。同一件事让两条路径各算一遍再对账，比一条路径算得漂亮更可靠，飞机上装几套独立的传感器互相校验，就是这个道理。"完全穷尽"在开放的商业世界里本来就做不到，AI 的价值恰恰在穷尽之外的长尾里。

所以 MECE 没有失效，是位置挪了：从前端搬到了后端。以前人用它规划怎么做，以后人用它验收 AI 做完的东西：有没有漏掉一类客户，有没有把同一笔成本在两个部门各算一遍。顺便说一句，"无幻觉"这三个字要慎用。结构整齐不等于事实正确。防幻觉靠的是接地：数据从哪来，工具查了什么，每一步能不能回溯。整齐的排版做不到这些。

### 2　7S：全身照很清楚，但看不见身体在长

**通行的用法：**企业引入 AI 失败，多半不是技术问题，用 7S 看清结构、人员、技能、文化上的全身性障碍。

**我们的看法：**7S 里，"系统"原本是七分之一，是配角。AI 主导之后，系统变成了底座，其他六个 S 都站在它上面，这张图的比例先变了。技能有一半外化到了模型里；人员里出现了不领工资的成员；风格这一项最有意思，以前指领导的管理风格，以后公司里大多数对话是智能体在做，写在提示词里的一句话，就是公司的管理风格。一句写得冷漠，它会在每一次对话里原样重复。七个 S 里只剩一个是 AI 供给不了、必须由人写进去的：共同价值观。

还有一个更根本的问题：7S 是一张静态快照，它回答的是"各部分对不对齐"。AI 主导的公司是一个每周都在变形的活物，一段流程自动化了，压力立刻转移到下一个环节。这时候需要的不是静态的对齐检查，而是动态地追踪一件事：此刻卡在哪。

### 3　波士顿矩阵：矩阵还在，坐标轴要换

**通行的用法：**把 AI 相关业务分成明星、现金牛、问号、瘦狗，据此分配算力和人才，瘦狗果断砍掉。

**我们的看法：**矩阵有三个前提，在 AI 时代都松动了。第一，它假设被分配资源的单位是稳定的业务线。AI 主导之后，真正被分配资源的单位是工作流和智能体，一条业务线里同时有明星流程和瘦狗流程，按业务线打分会把两者平均掉。第二，矩阵是资本稀缺年代的分配工具，而 AI 把"试一下"的边际成本压得很低。问号业务不需要谨慎投入，需要的是便宜地多试、干脆地停；真正稀缺的，变成了少数人的判断力和注意力。第三，"瘦狗等于会被大模型替代的工具"这个判断要小心。被吃掉的往往不是整条业务，而是业务里的某一层，通常是信息搬运的那一层。砍业务不如换层。

如果一定要保留这张图，我们建议换坐标轴：横轴不看市场份额，看"这件事人是否必须在场"；纵轴不看增长率，看"AI 跑通的确定性"。这样分出来的四个象限，才对应 AI 时代真正要做的四种决定：整段交给 AI，人只做确认，便宜地试，人主导 AI 辅助。

### 4　JTBD：先问任务会不会消失，再问怎么完成它

**通行的用法：**用户买的从来不是大模型，是把某项任务搞定；用 JTBD 去找 AI 原生产品的 PMF，别陷入参数和榜单的自嗨。

**我们的看法：**这是七个框架里最经得住 AI 的一个，我们自己也一直在用，但要再往深走一步。第一，AI 主导之后，"雇用"你的产品的可能不再是人，而是另一个智能体。智能体不会被文案打动，它只看你能不能可验证地把任务做完。第二，很多"任务"本身是人际协作成本的产物。周报是个好例子：周报之所以存在，是因为上级没法低成本地知道下级在干什么。当执行数据自动汇总到该看的人手上，周报这个任务会消失，而不是被写得更快。

所以 JTBD 在 AI 时代要多问一句：这个任务，在协作成本趋近于零之后还存不存在？还存在的，值得认真做；会消失的，做得再快，也是在给一个正在消失的世界优化。

### 5　颠覆性创新：颠覆从外部竞争变成内部迁移

**通行的用法：**大模型先从低端场景切入，再以极快的迭代向上侵蚀，传统巨头要防范低端颠覆。

**我们的看法：**克里斯坦森的剧本是这样的：小的新进入者从低端起步，在位者理性地忽视，然后被反超。AI 不按这个剧本走。这次的颠覆者是最大的几家公司，而且同时从低端和高端两头进入；它更像电力这样的通用技术，而不是又一家小钢厂。更重要的是，被颠覆的对象也变了：不是公司的产品，是公司内部的劳动结构。真正的"边缘颠覆"发生在公司内部：这个季度被替代的，是某个岗位的某一段工作。

所以问题从"谁会来颠覆我们"，变成了"我们内部本季度哪一段工作正在被替代，做这段工作的人往哪走"。管理者要管的不再是防御线，而是迁移路线。

### 6　NPS 与 LTV：护城河搬到了上下文，信任搬到了记录

**通行的用法：**AI 让软件极易被复制，功能多不再是护城河；AI 体验带来的情绪价值和信任感，决定续费和客户生命周期价值。

**我们的看法：**NPS 的前提是人向人推荐。AI 主导采购之后，"推荐"变成机器可读的评价：上次交付是否准时，结果能不能核验，承诺有没有兑现。情绪价值对消费者依然成立，对企业客户，信任正在从"感觉"变成"可核验的履约记录"。

LTV 也变了。AI 让功能的复制成本变得很低，真正留住客户的，是你为这家客户积累的上下文：它的数据，它的流程，它每一次决策的来龙去脉。功能容易复刻，积累难复刻。而上下文越厚，边界就越重要：谁能看，谁能用，能用到哪一步。

### 7　德鲁克：效率归 AI，正确归人

**通行的用法：**基础脑力劳动被替代后，人的价值转向提问、决策和同理心；知识工作者的自我管理，在"超级个体加智能体"的组织里达到新高度。

**我们的看法：**德鲁克最深的一个论断，是知识工作者拥有自己的生产资料：知识装在脑子里，随人走，这是他和工业工人的根本区别。AI 主导之后，这件事发生了逆转：知识大量外化到模型和系统里，不再随人走。这个逆转比"超级个体"这个词深得多。如果知识不再随人走，员工的价值就必须建立在知识之外的东西上：判断，责任，对具体场景的感知。一家公司如果不有意识地把员工往这三样东西上迁移，AI 化的结果就是人被掏空。

"管理就是界定使命"这句话，在 AI 时代变得字面化了。使命不再是墙上的字，而是写进智能体约束和目标里的东西，管理者第一次需要为自己的价值观写下一个可执行的版本。德鲁克还区分过"正确地做事"和"做正确的事"。AI 把前者变得几乎免费，管理的全部价值都被压到了后者上。而"正确的事"里，最先要回答的不是"能不能做"，是"该不该做"。

## 二、把七个位移放在一起看

七个框架，各自挪了位置，但方向只有三个。

**分析框架从人脑里搬进了系统里。**MECE、7S、矩阵不再是管理者脑中的支架，而要变成系统里的验收、监测和度量。

**竞争从外部搬进了内部。**颠覆、任务、信任，都在公司内部重新发生。要管的是迁移，不是防御。

**管理的价值从"效率"压缩到了"正确"。**而正确的第一题，是"该不该"。

所以，AI 时代的公司转型需要什么？我们的答案不是再多一个分析框架。我们觉得，需要六个维度，和一颗管着这六个维度的心。

## 三、六个维度

这六个维度，是我们做 FDE 交付时的六条验收标准。放到"AI 主导公司体系"这个前提下，它们刚好一一回应了上面七个位移提出的问题。

### 1　无感　转型不能让员工先累一年

好的 AI 化让任务消失，而不是让任务变快。员工不需要去学一套新系统，知识铺在他每天要走的路上。判断一个转型是否无感，只看一件事：一线员工有没有被要求"从今天起改用某个工具"。

回应的位移：JTBD

### 2　涌现　不是把旧流程跑快，是让新组合出现

当上下文汇合到每一个执行者手上，以前只有管理层才做得了的判断，会在一线被做出来；以前接不住的任务，被接住了。涌现不能被规划，只能被允许。所以我们不承诺"提效多少"，我们看"新长出了什么"。

回应的位移：7S，德鲁克

### 3　高容错　半自动是常态，不是过渡期

AI 会错，人也会错，系统必须设计成错了不致命：分级授权，高风险处保留人的确认，每一步可回退。内部迁移需要试错的空间，一个不容错的系统，最后会让所有人退回手工。

回应的位移：颠覆性创新，波士顿矩阵

### 4　权限边界　智能体只该知道它职责内的事

上下文越厚，边界越重要。谁能看什么，能做什么，能代表公司承诺什么，必须显式，而且默认最小。边界不是不信任，是让每个智能体和每个人都能放心做事的前提。

回应的位移：7S，NPS 与 LTV

### 5　可追溯　每一个判断都能回答"依据什么"

可追溯是验收的前提，也是信任的来源。当推荐变成记录，当验收变成审计，一条讲得清来龙去脉的判断链，比一份漂亮的报告值钱。防幻觉靠的也是这个，不是排版。

回应的位移：MECE，NPS 与 LTV

### 6　可度量　度量的不是省了几个人，是瓶颈挪到了哪

我们建议企业度量四样东西：流程的质量，上下文的覆盖，瓶颈位置的移动，以及员工承担更高任务的比例。前三样告诉你系统在不在长，最后一样告诉你人有没有跟着长。

回应的位移：波士顿矩阵，7S

六条里没有一条直接讲省钱。不是不在乎，是这六条守住了，账自然会好看；反过来则未必。

## 四、六个维度的总纲：一颗向善之心

六个维度说的是怎么做。还有一条没说：为什么做，以及做到哪一步为止。我们把它放在最后，因为它管着前面六条。

人主导的公司里，善意和恶意都会被摩擦稀释。一个刻薄的决定，经过几层人的手，到了一线往往已经软化；一个好的决定也一样，走着走着就走样了。AI 主导的公司没有这层摩擦。管理者的意图，第一次被无损地放大到了公司的每一个角落。

> **写进去什么，它就在每一个环节、每一次对话里原样复制。**

所以向善在 AI 时代不是道德装饰，是系统的安全前提。一句写在提示词里的冷漠，会在每一次对话里复现；一个"用完就裁"的想法，会变成一套精确执行它的流程。反过来也成立：善意也会被同样无损地放大。

我们对向善的理解很朴素，只有三条。

**对员工向善。**AI 释放出来的人，去补新的瓶颈，而不是被裁掉。我们把这条叫"人随瓶颈走"，并且愿意把它写进合同里，而不只是写进宣传里。

**对客户向善。**不制造焦虑，不设问逼人，只提醒对方原来还有成本更低、员工更舒服的选择。

**对社会向善。**不把 AI 用在让人更焦虑、更内卷的地方；建立在压榨员工之上的生意，我们不接。

这颗心决定了前面六个维度怎么用。无感，是不折腾人；涌现，是让人长；高容错，是容谁的错；权限边界，是护谁的利益；可追溯，是对谁负责；可度量，是度量什么。六个维度是手，心决定手往哪伸。

## 五、所以，学什么

回到标题。AI 时代，我们能向顶级咨询公司学些什么？

学它们提问的纪律，不学它们分析的形状。那些框架，是在信息稀缺、执行昂贵的年代，帮人想清楚的工具。我们现在面对的，是信息近乎免费、执行近乎免费的年代，要做的是帮人守住该守的，放手该放的。

前一件事靠框架。后一件事，靠六个维度，和管着这六个维度的一颗心。这是我们目前的答案，还在路上，欢迎讨论。

想对照一下自己公司的情况，欢迎找我们聊聊。

不一定要合作，交流本身就很有意思。

---

来源：https://fde.li/articles/learn-from-consulting/　维护：炎煌纪元 FDE 团队　许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/deed.zh-hans）