咨询 | AI驱动的咨询公司已经开始崭露头角;根据Anthropic报告里,目前渗透率最低的专业服务行业,未来能诞生独角兽吗?

过去一年里，“AI+咨询”这件事从口号，开始变成一个又一个具体的公司、产品、报价和项目案例。

传统意义上的咨询靠人天、靠经验、靠 PPT 的那门生意正在被一批创业公司重新拆解。这当中，PromptQL、Aily Labs、Profound 和 Dialogue AI 是被媒体、投资人频繁点名的四个代表，它们切入的环节不同，但共同指向一个趋势：咨询不再只是“卖时间和聪明”，而是在变成“卖系统、卖决策、卖数据资产”。

下面这篇文章，就从这四家公司入手，试着回答三个问题： 1）它们到底在做什么？ 2）它们在挑战和改写咨询行业的哪些部分？ 3）为什么是它们被媒体和投资人选中，成为这个赛道的“样本”？

一、PromptQL：900美金一小时的工程师，冲着咨询的“人天生意”来了

如果你只看一条新闻标题：“PromptQL 的 AI 工程师按小时收费 900 美元，盯上了麦肯锡们的 AI 业务”，很容易把它当成又一波“AI 咨询概念股”的营销。

但把报道和官网拆开看，你会发现它在刻意塑造一种对立：工程师 vs MBA、做事 vs 做 PPT、系统 vs 报告。

PromptQL 的核心产品，是一个面向企业的“AI Analyst”平台：把企业散落在各个系统里的数据接起来，用大模型做分析、生成洞察和决策建议，给业务团队一个可以随时问问题的“AI 分析师”。

官方叙事里有一个很关键的点：他们反复强调“不需要先把所有数据做一轮大规模清洗和迁移”，照样能保证分析结果的准确性。这句话，踩中了很多企业在做数据中台、做 AI 项目时的痛：真正的大头成本不在模型，而在漫长又模糊的“治理数据”过程。

在此基础上，PromptQL 又叠了一层非常“反传统咨询”的商业模式：平台订阅加上高价工程师咨询。平台是 SaaS，可以按企业规模、使用场景收取订阅费；工程师则以 900 美元/小时的价格，直接参与客户的 AI 转型项目，帮他们设计、搭建和调优系统。这和我们熟悉的那种“顾问团队周报+研讨会+结项报告”的模式完全不同：它更接近一个“专门帮你把 AI 做成产品”的外包工程团队，但又带着强方法论和经验沉淀。

如果站在咨询行业从业者的角度看，PromptQL 挑战的是两个核心假设。

第一个是假设：咨询的主要价值在于“给方向”和“搭蓝图”。而 PromptQL 的逻辑是：真正卡住企业的，往往不是方向感，而是“如何把 AI 真正接入自己的脏数据、遗留系统和业务流程里”。它用一个可复用的平台和一群能动手的工程师，把这块价值单独拎了出来。

第二个是假设：高端收费只能靠少数顶级品牌和人天。PromptQL 把工程师的人天抬到 900 美元一小时，一方面是用价格做信号，告诉市场“我们是工程界的麦肯锡”；另一方面，也是在推动一个叙事：在 AI 时代，“能把系统做出来”的人，理应享受和“能把 PPT 讲明白”的人一样甚至更高的溢价。

从媒体和投资人视角看，PromptQL 之所以容易被点名，一是因为它可视化了一个非常具象的“替代物”：用工程师替代部分顾问；二是它抓住了“数据脏、项目落不了地”这个所有 CXO 都听得懂的痛点，给出了一套看起来工程味很重的解法。在咨询行业更长远的图景里，它代表的是一种趋势：围绕数据和 AI 的“交付型咨询”，会越来越往产品化、工程化的方向走，而不再只停留在“建议书”和 PoC 上。

对于关注 AI 与咨询交界的朋友来说，这类“工程师型咨询公司”会越来越多：他们不一定擅长行业故事，但擅长把你的真实数据接进来，做出一个能上线的系统。如果你在做企业数字化、咨询产品化，欢迎写信到 contact-growth@proton.me，一起聊聊“工程化咨询”的机会和边界。

二、Aily Labs：当“管理顾问”变成一个在你手机里的 AI 决策中枢

相比 PromptQL 更像“AI 工程外援”，Aily Labs 的野心要大得多。它不是在卖一个单点工具，而是试图把整个企业的日常经营决策，用一个“决策智能平台”接起来。

创始人 Bianca Anghelina 来自诺华的数字金融团队，对大型企业什么叫“信息鸿沟”和“决策摩擦”有很深的体感：财务、供应链、销售、运营各自有系统，各自有报表，真正要做一个跨部门的大决策，从拉数到开会，往往是周级甚至月级的节奏。

Aily 想做的，是用 AI 把这些数据自动拉通，再用一个“AI 代理人”帮你持续提出建议：不是每个季度开会给你一份 deck，而是每天在手机里推送“这个 SKU 应该减产”、“这条渠道的毛利预警”等决策级提醒。

在 AWS 等案例里，他们讲得非常直接：Aily 是一个“AI-native Decision Intelligence App”，可以在两周内接入企业数据、搭起决策中枢，并在财务、供应链、R&D 和商业运营等多个维度上给出可执行建议。这和传统 BI 工具以及经营驾驶舱的差别在于，它不是让你多看几个图，而是直接回答：“现在要不要动库存”“这个区域是否应该调整价格”。

从咨询行业的角度看，Aily Labs 挑战的，是管理咨询最核心的那一块：策略制定之后的“持续执行与调整”。传统管理咨询往往以项目为单位：几个月做一次深度诊断，给出一套优化方案和路线图；后面的执行和迭代，更多交给客户内部团队和后续项目。而 Aily 的逻辑，是把这层“持续判断”的能力交给一个 AI 系统，把顾问原本的那种“总是有人帮你看盘”的陪跑感，变成一个在企业内部常驻的产品。

在这个过程中，咨询公司的角色不会完全消失。相反，Aily 给了咨询一个新的定位：你可以把自己的方法论、指标体系、假设框架固化在 Aily 这样的决策平台上，让它成为你的“数字孪生顾问”。顾问仍然可以做前期的战略梳理、组织变革、关键假设设定，但日常的监控、预警和局部调整，逐步由系统来完成。

至于为什么 Aily 会受到报道和青睐，一方面是融资数字漂亮：仅最近一轮就拿下 8000 万美元，背后站着 FPV Ventures、Insight Partners 和 J.P. Morgan 等机构，很容易成为媒体笔下的“平台型 AI 决策公司代表”。另一方面，它的叙事里始终抓着三个决策者在意的关键词：ROI、落地速度和安全合规。对大企业高管来说，一个能在两周内搭好、又符合安全合规、还能在多个业务线上给出具体建议的系统，比一堆“AI 概念”要有说服力得多。

如果把视角再放长一点，Aily 代表的是“咨询基础设施化”的趋势：越来越多的管理建议会沉淀进长期运行的决策系统，而不是停在一次次项目中。未来企业的 CXO，可能每天打开最多的，不是咨询公司发来的月报，而是一个聚合了顾问思想与企业数据的 AI 决策 App。如果你正在思考“如何把咨询方法论系统化”，欢迎通过 contact-growth@proton.me 一起探讨，把“顾问的大脑”变成“企业的操作系统”究竟要经历哪些步骤。

三、Profound：当 ChatGPT 成为新“搜索引擎”，谁来做 GEO 时代的顾问？

SEO 顾问这几年过得并不轻松：内容农场饱和、搜索算法变化频繁、品牌预算被各种新渠道瓜分。就在大家都还在讨论“搜索会不会被 AI 吃掉”的时候，Profound 这种公司已经给自己找好了新位置——做 “Generative Engine Optimization（GEO）”，也有人叫 Answer Engine Optimization（AEO）。

它服务的对象，是那些已经在 ChatGPT、Perplexity 等 AI 答案引擎里被频繁提及的品牌，或者希望在这些新入口里出现得更好、更频繁的公司。Profound 的平台可以监测一个品牌在这些 AI 回答中的曝光、内容质量、竞争对手情况，然后提出优化方案——比如你应该在哪类问题下出现、缺了哪些内容资产、需要对哪些媒体或社区做“教育”。

这本质上是把传统 SEO 里的那套“关键词研究、页面优化、外链策略”，搬到了“AI 对话和答案层”上，只不过这一次，优化对象不再是一串搜索结果，而是一个个大模型生成的回答。在第三方评测里，Profound 反复强调自己的数据护城河：包括专有的“数据向量”、数十亿级的数据点、每天数百万级的真实搜索和对话日志，以及完备的合规认证（比如 SOC 2 Type II）。这让它在一众“AI 营销工具”里显得更像一个基础数据公司，而不仅仅是一个前端界面。

从咨询行业角度看，Profound 在重新定义的是“品牌顾问/SEO 顾问”的价值边界。过去，品牌咨询公司做的是定位、故事、资产设计，SEO/内容顾问负责的是如何在 Google 之类的搜索里把这些东西推到更靠前的位置。而在 AI 回答成为用户重要入口之后，“我在 ChatGPT/Perplexity 里是怎么被讲述的”本身就是一个品牌资产问题。Profound 的做法，是把这整个新领域产品化：你不再只买一堆顾问时间，而是订阅一个能持续监控和优化你“在 AI 世界里的样子”的平台。

这也是它能得到 Sequoia、Kleiner Perkins、Khosla 等一线基金青睐的原因之一：它既踩中了一个足够大的存量市场：全球营销预算里对搜索和品牌声量的投入，又在一个新的技术变局里，占据了概念和数据的制高点。媒体喜欢它，是因为“GEO”、“AEO”这些新名词很容易传播；投资人喜欢它，则是因为这里面隐含着一个巨大的“重新分配”：从搜索结果页，到 AI 回答页，谁帮品牌赢下新入口，谁就有资格成为下一代“数字顾问”。

从更宏观的角度看，Profound 提示我们：咨询很多时候其实是在“解释世界”：过去解释的是“Google 眼中的世界”，现在要解释“AI 模型眼中的世界”。谁能把这种解释能力标准化、工具化，谁就更有机会在下一轮变革中活下来。如果你在做品牌、内容或者咨询，也在思考“如何服务客户在 AI 回答里的形象”，可以发封邮件到 contact-growth@proton.me，一起拆一拆 GEO 这条线背后真正的机会和门槛。

四、Dialogue AI：把“几周一个调研项目”，压缩成“一天一个研究循环”

最后说说 Dialogue AI，它切入的是看起来最传统、也最庞大的一个盘子：全球约 1400 亿美元规模的客户研究、市场调研行业。在这个行业里，咨询公司和专业调研公司长期扮演的是类似角色：帮品牌、产品团队设计问题、找用户、做访谈、出报告。流程重、周期长、人力密集，是所有人都知道“低效但没办法”的一个领域。

Dialogue AI 想做的，是把这套流水线尽可能“产品化”。它的平台从调研设计开始——给你模版、给你问题库，帮你以更标准的方式问对问题；然后帮你招募受访者、安排访谈或问卷，最后再用 AI 辅助做笔记、聚类、总结，给出一份可读的报告。报道里有一个很抓眼球的说法：它希望把原本需要几周的研究周期，压缩到一天左右。

这对今天的产品经理、UX 研究员和顾问来说，意味着什么？意味着你不再需要为每一次用户研究都去找第三方调研公司、走一轮采购流程、等待项目排期，而是可以像用一个内部工具一样，直接在平台上开一个研究、一天内拿到初步结果。对于预算有限、节奏快的互联网产品团队，这几乎是一个“降维打击”。

从咨询行业的视角看，Dialogue AI 挑战的是“标准化、重复性的研究工作”。在很多策略或产品项目里，大量的时间和预算其实花在：做访谈提纲、招人、执行访谈、整理笔记、做初步编码这些环节上；真正高价值的是对这些信息的解读和决策建议。Dialogue 的逻辑，是把前半段通过产品和 AI 自动化，把专业人士的时间释放出来，用在更高杠杆的“解读”和“设计行动”上。

这也是为什么媒体在报道时，一再强调它不是要“灭掉研究员”，而是要“让设计师、工程师、顾问自己也能做出有一定质量保证的研究”。投资人看中的，也是这层“民主化”的潜力：一旦产品足够好用，整个公司里会有更多人开始习惯在决策前“先做一个小研究”，而不是只在大项目时才请调研公司来做一次大而全的研究。

从更长周期来看，Dialogue AI 代表的是“咨询迁移到更高层次”的趋势：那些可以标准化的流程，迟早会被产品化或自动化；真正需要人工介入的，将是问题定义、复杂利益相关者协调、策略选择这些“耗脑力”的部分。如果你在做咨询、用户研究或者产品，也在思考如何在“不牺牲洞察质量”的前提下加快研究节奏，欢迎发邮件到 contact-growth@proton.me，一起聊聊“研究工具化”和“咨询升级”的边界在哪儿。

如果把 PromptQL、Aily Labs、Profound、Dialogue AI 放在一张咨询价值链上，你会看到一个有趣的画面：

• PromptQL 对应的是“数据+AI 落地”的工程咨询；
• Aily 对应 “从报表到日常决策”的管理咨询基础设施；
• Profound 对应 “从 SEO 到 GEO”的品牌和增长咨询；
• Dialogue 对应 “从外包调研到内生研究”的市场与用户洞察咨询。

它们之所以被报道、被推荐，本质上是因为都做了同一件事：找到咨询里一块足够大的“可重复问题”，用 AI 和产品把它拆开、标准化，然后告诉客户：这块，不一定再需要一个顾问团队来从零做起了。

接下来更有意思的问题是：在这张被技术重新划分的版图上，传统咨询公司要怎么选自己的位置：

“

是变成这些产品的“上游设计师”和“复杂项目承包商”，还是自己也做一个 Aily、PromptQL 这样的系统化产品？

如果你也在思考类似的问题，可以随时写信到 contact-growth@proton.me，我们可以从你的行业、你的客户结构出发，一起画一版属于你的“AI 咨询地图”。