AI来了,造价咨询公司应该如何应对

——面向造价咨询公司负责人的行业判断与应对建议

最近一段时间，我们走访、交流了一些造价咨询企业。

大家对 AI 的使用程度差异很大：有人已经开始把 AI 用在合同审查、结算审核、材料价格匹配、报告编制上；

也有人还停留在用豆包、DeepSeek 问几个问题、写写文字。

还有不少老板其实处在一种状态：知道 AI 很重要，但不知道它到底已经发展到了什么程度，更不知道公司现在应该如何用起来。

大家普遍焦虑的问题是：如果竞争对手能够减少重复劳动、缩短交付周期，并让成果更加稳定，自己如何竞争？

今天我们就来聊聊这件事

01  AI 在工程行业，其实还远没有真正普及

RICS在2025年的相关调查中发现，行业对AI的期待与实际应用之间仍有明显距离。

一项覆盖2200多名建设行业专业人士的调查显示，约45%的受访机构尚未使用AI，全面嵌入组织的不到1%。

另一项覆盖2000多名专业人士的技能调查则显示接近 70%的项目管理人员和工程师认为，AI 会提升自己的专业价值。

这是全球建设行业调查，不能直接代表中国造价咨询行业现状，但可以作为观察行业趋势的参考

也就是说，现在其实处在一个非常典型的阶段：使用率不高，预期较高。

阻碍企业真正落地 AI 的前三个原因是：技能不足、系统集成困难、数据质量不好。

这三个问题里面，其实没有一个是“模型不够聪明”。

今天大家都可以用 GPT、Claude、DeepSeek，各家公司能够拿到的模型能力，其实差距不会特别大。真正会把企业差距拉开的，是：你有没有自己的数据，有没有标准化流程，有没有把资深造价师脑子里的经验变成企业规则。

未来真正稀缺的，可能不是“会用 AI 的公司”，而是能够让 AI 稳定地按照自己的专业规则工作的公司。

02 AI对我们来说，可能不只是“多了一个工具”

如果把时间拉长来看，我认为 AI 对造价行业的影响，不应该理解成“原来我们用广联达，现在再增加一个 AI”。它改变的其实是整个生产方式。

过去一家造价咨询公司的产能，很大程度取决于有多少人。一个项目来了，十个人干一个月；项目更多，就继续招人。

传统造价咨询公司的基本生产公式：人数 × 工时 × 单价。

但是 AI 进来以后，这个逻辑会慢慢发生变化。

资料整理、Excel 比对、合同条款提取、清单差异检查、报告初稿、历史案例检索，这些工作会越来越多地交给机器。

人留下来的，会逐渐变成：复杂判断、异常处理、谈判、解释、责任承担，以及客户沟通。

未来五年不是简单的“AI 替代人工”，而是一次价值链重新分配。机器拿走计算、搜索、提取、整理、比对和初稿；人留下判断、责任、谈判、解释和客户信任。

这件事情如果真的发生，行业竞争逻辑也会随之改变。以前我们比：谁的人多，谁做项目快，谁报价低。以后可能变成：谁的数据更多，谁的规则更成熟，谁的流程更标准，谁能让“人+AI”稳定交付。

03 我们要不要“建 AI 平台”

也有些企业，一谈 AI 就想到：做平台、建大模型、成立 AI 部门、买一整套系统。

我反而觉得，没有必要。

因为对于绝大多数造价咨询公司来说，现在最需要解决的并不是技术问题，而是：公司到底有哪些工作值得 AI 化？

当前更合理的路线，不是一开始做“大规划、建平台、两年后上线”，而应该从真实项目里面，先找到 3—5 个高频、耗时、容易漏项的场景。

例如合同审查、招标文件审查、结算资料审核、清单差异比对、报告编制、材料价格匹配。先真正跑。

能演示，不等于能生产。

我们现在看到很多 AI 工具，第一次演示的时候都很惊艳。但是一家咨询公司真正需要的并不是“偶尔做对一次”，而是十个项目来，它至少有八九个项目都能够稳定做到这个水平。这中间差的，其实就是流程、规则、样本、测试和反复纠错。

我自己在搭结算审核Agent时，也经历过这个过程。第一次跑出审核结果时，我会觉得这件事已经做成了；

但换一个项目、换一批资料以后，漏读、误判和证据无法定位的问题就出现了。

后来我才开始把资料索引、合同规则、工程量、材料调差和全局复核拆开，并给每一步设置输入、输出和人工检查点。

也正因为这样，我现在越来越认为，公司引入AI，最先建立的应该是测试和验收机制。

04 真正应该开始做的，是把“个人经验”变成“公司资产”

这是我认为 AI 给造价咨询公司带来的最大提醒。

很多公司成立了十几年，甚至二十几年。我们会说：“我们公司有二十年经验。”

但是仔细想一下：这二十年经验到底在哪里？

可能在老员工脑子里，在个人电脑里的 Excel 里，在微信聊天记录里，在十年前某个项目文件夹里，或者项目做完以后就再也没有打开过。

从 AI 的角度来看，这些都不能算真正的企业数据资产，因为 AI 没办法稳定调用。

所以以后公司每做完一个项目，可能不能只是“归档”，还应该多问一句：这个项目给公司留下了什么？

• 哪些审核规则可以留下？

• 哪些争议案例可以留下？

• 哪些价格数据可以留下？

• 哪些错误以后不能再犯？

• 哪些项目经验可以变成标准流程？

未来 AI 最大的价值，可能不是帮我们省几个人，而是把过去高度依赖个人的专业能力，逐步变成企业可以复制的能力。

企业应该从“经验掌握在个人”，转向“经验沉淀进企业知识库”；从“每个项目经理自己有一套做法”，转向“企业统一流程和规则”。

05 那现在到底应该怎么做？

我想，我们可以这样来想：未来一年，同样一批人，能不能完成更多项目，而且质量不下降。

然后选择几个真实场景开始。

找一个资深造价师负责定义规则；找一个真正正在做的项目；拿过去已经做完的项目做盲测；让 AI 独立跑一遍；再和最终结果对比。

看工时、漏项、误报和金额偏差。跑通一个，再跑第二个，慢慢把它变成企业 SOP。

真正值得培养的是三种能力：业务拆解能力、专业判断能力，以及与 AI 协同工作的能力。

未来真正升值的是复杂造价判断、合同及索赔能力、客户沟通解释能力，以及数据、BIM 和 AI 工具能力；而纯手工 Excel、重复录入、基础查价、机械式清单比对和模板报告写作，会越来越容易被自动化。

06 还有一个问题：责任

AI 越深入专业工作，责任问题就越重要。

尤其造价行业不是普通的内容行业。我们出的预算、结算、审核意见，背后可能都是几十万、几百万甚至上亿元的经济责任。

所以未来一家真正成熟的 AI 造价咨询公司，不只是“AI 很厉害”，还必须能够回答下面这些问题：

• 客户资料上传到哪里？

• AI 用了哪些资料？

• 哪些结论是 AI 生成的？

• 谁复核？谁修改？

• 最终谁签字负责？

• 能不能追溯整个过程？

AI 可以参与生产，但专业责任不能交给 AI。

AI 做第一遍全量筛查，专业人员做第二遍判断，负责人承担最终责任。这可能才是长期能够走得稳的模式。

07 未来五年，我觉得造价公司的差距会越来越大

AI 不一定会让所有造价公司消失，但它很可能会把企业之间的生产率差距迅速拉大。

未来可能会出现三类公司：一类仍然主要依赖人力；一类已经把 AI、自动化、BIM、企业数据库变成生产系统；还有一类进一步把这些能力变成全过程投资控制、风险管理和决策咨询。

而真正危险的，是第一类。

因为当一个项目别人用 4 个人两天完成，你还需要 10 个人一个月时，竞争最后一定会反映到价格、交付速度和利润上。

当然，造价咨询公司面对 AI，既没有必要恐慌，也不能再继续观望。现在还远没有到“AI 什么都会做”的阶段，很多图纸识别、复杂算量、专业判断依然存在大量问题。但这恰恰也是一个窗口期。

谁能够利用这两三年时间，把自己的项目数据、专业规则、审核经验和工作流程先整理出来，谁就更有可能在下一轮竞争里面占据主动。

AI 本身不会成为造价咨询公司的长期护城河。

真正的护城河是：专业数据 × 标准流程 × 高水平人才 × AI × 客户信任。

所以，对于造价咨询公司的老板来说，现在真正的问题可能已经不是“我要不要用 AI？”，而是“我如何开始重新改造自己的生产方式？”

写在最后

既然看到这里了，如果觉得不错，随手点个点赞、在看、转发三连吧，如果想第一时间收到推送，也可以点个关注

我是张兰，谢谢你看我的文章，我们一起将AI嵌入我们的工作流程。