如果观察麦肯锡、BCG、贝恩、埃森哲这些全球头部机构，会发现它们对AI的理解早已不只是“提高顾问效率”。它们正在做的，是把知识库、Agent、业务流程和组织经验连接起来，逐渐形成新的专业服务基础设施。麦肯锡的Lilli是一个很典型的例子。它最初解决的是一个非常传统的问题：麦肯锡几十年积累了海量行业知识、研究报告和项目经验，一个顾问怎样快速找到真正有价值的信息？于是，麦肯锡把自己的知识体系与生成式AI结合，让Lilli完成检索、综合和知识调用。但Lilli现在已经不只是一个“内部ChatGPT”。麦肯锡公开介绍，它正在从知识搜索工具进一步变成一个能够协调不同知识来源的 orchestration layer。真正值得注意的不是它帮顾问少花了多少时间，而是过去散落在报告、数据库和个人经验里的知识，开始变成一种可以持续调用的组织能力。BCG走的是另一条路径。它长期强调AI转型中的“10-20-70”：算法大约只占10%，数据和技术占20%，真正决定价值的70%，来自人的改变、流程重构和组织转型。到了Agent时代，这个判断反而更加重要——企业真正应该思考的，不是在哪些岗位上增加一个AI，而是哪些端到端的工作流程应该被重新设计。贝恩与OpenAI的合作也很有代表性。双方建立了专门的Center of Excellence，不只是为客户寻找几个生成式AI场景，而是把模型能力与企业战略、业务流程、运营模式和数据资产结合起来。换句话说，它不再停留在“告诉客户AI可以做什么”，而是开始参与“这件事情以后应该怎样被完成”。这些变化背后其实是同一个趋势：全球领先的咨询公司，正在越来越像科技公司。它们不再满足于交付一次性知识，而是希望把自己的方法论、行业经验和项目判断，变成能够持续运行的智能系统。
02 另一类公司，则正在模糊“咨询”和“科技”的边界
如果说麦肯锡、BCG和贝恩是从咨询公司走向AI-native，那么Palantir这样的公司，则是从另一个方向靠近企业管理。Palantir最值得关注的并不只是它的软件，而是它一直坚持的Forward Deployed Engineering。工程师并不是把一个标准化产品交给客户之后离开，而是尽可能靠近真实业务现场，与客户共同识别问题、部署系统、观察结果，再把现场反馈不断带回产品。Palantir甚至把这种机制称为“人类版本的反向传播”：团队不断接近现实世界的问题，把现场反馈带回核心工程体系，再推动产品继续迭代。它的产品，因此不是完全在办公室里“设计好”的，而是在真实业务中不断长出来的。AIP Bootcamp更能体现这种思路。客户不是先花几个月制作一份宏大的AI转型蓝图，而是带着自己的真实数据和业务问题进场，与Palantir工程师一起，从零开始在几小时到几天内形成真实use case。Palantir官方把它概括为“from zero to use case in hours or days”。更有意思的是，到了2026年，Palantir甚至已经推出AI FDE，让AI Agent本身开始承担一部分Forward Deployed Engineer的工作，例如理解自然语言需求、执行数据转换、管理代码和操作企业知识本体。人与Agent的边界，正在继续向前移动。英国的Faculty则从“决策”切入。它提出Decision Intelligence，把企业经营理解成一个个不断运行的Decision Loop：获得信息、形成判断、采取行动、观察结果，再用结果修正下一次决策。它的Frontier平台试图把数据、AI模型和真实业务流程连接起来，让企业的策略不仅停留在分析层，而能够直接进入工作流，并持续跟踪执行结果、形成反馈。也就是说，AI不只是帮助管理者“分析得更快”，而开始进入组织真实的决策循环。把这些公司放在一起看，会发现一个很有意思的交叉点：最领先的咨询公司越来越像科技公司，而最领先的企业AI公司，也越来越深入战略、组织和经营管理。这可能就是AI-native企业管理正在形成的新形态。
夜雨聆风
