This is not the clawdbot/claude code type of shiny new MCP/skill/agent stuff, it’s large corperate talking about AI and the inevitable replacement of knowledge labors

“Countries who are heavily on non manufacturing will need to invest heavily into AI, like EUROPE. Anything that is logical is a target for AI.”

“Technologiest is deflating. Coding is easiest to replace. You want to hire the best 1 tech people and reduce the other 10 FTEs”

The limiting factor of adoption for companies isn’t technology. It’s the organization.

These are gigantic systems that over-hired during a low-rate decade, provide great benefits, and unintentionally produce employees who become psychologically anchored to stability, and calibrated to a world where “experience” compounds into safety.

AI breaks that calibration.

The hardest question for the C-suites is “What do we do with people who have been doing the same job for 20 or 30 years when AI can do almost all of it?”

Companies are starting to experiment the following strategies:

• Senior people are being repositioned as context carriers and mentors. Junior employees are expected to pair AI with institutional knowledge from day one. As juniors grow, seniors exit. Hiring freezes do the rest.

• Compensation structures are being quietly revisited (not just pay, but what’s rewarded).

• Non-technical roles are being pushed toward “tech-adjacent” work, e.g. tools, workflows, automation ownership.

• Employees are being complimented and motivated into building their own agents and internal tooling, being encouraged to optimize the system that will eventually need fewer of them.

A renegotiation of why humans are in the loop at all.

For me, the uncomfortable truth is: a lot of jobs were never “human-heavy.”
They were process-heavy, and humans were just the easiest general-purpose processor available.

That era is ending.

So the real career advice is to move toward the domains where being human is not a rounding error.

Business. Strategy. Risk. Pricing. Negotiation. Leadership.

Because in the AI age, the most scarce resource won’t be intelligence.

It will be accountability, someone willing to put their name behind a decision, live with the consequences, and hold the moral weight that no model can carry.

That’s the renegotiation underway.

Not just of jobs.

Of meaning.

但总觉得人还在公司，写了让同事看到不太好。因为如果要写得中肯，就必然要写出我对这个行业的不满。我怕太真实的话会影响同事对我的看法。后来发现，我的不满也是许多同事的不满 -- 只是大家都默契地不说。

所以我决定用最真实的笔触，把三年来经历的、学到的、以及我的观点写成这篇长文。希望能给三类人提供一个完整的信息清单和一个清晰的思维框架：

-- 想入行但犹豫不决的：我会告诉你咨询到底是什么、好与坏分别在哪、什么人适合

-- 在行中迷茫找不到方向的：我会聊聊我对这个行业的深层认知，以及AI时代下的变局

-- 想跳槽但不知道能去哪的：我会分享我的思考框架和从research中获得的行业视角

先说背景。我在荷兰阿姆斯特丹的MBB工作了三年，主攻区块链解决方案和企业级AI应用，对接的客户主要是金融机构、银行、技术方案提供商和初创公司。我被ring-fence在Emerging Tech里面，老板是负责全球数字资产项目的，所有关于区块链/数字资产的case基本都redirect到我老板这，我就做这些case。这种专注给了我深度，但也限制了广度。

咨询到底是什么

说白了，咨询就是卖人的。

老总们用尽毕生所学 -- 销售能力、谈判技巧、项目商业嗅觉，附加一定专业能力 -- 利用十几甚至几十年积累的社交网络，通过人脉（通常是一个大公司很senior的人）去发现或创造一个公司的问题（或接住公司抛出的RfP -- Request for Proposal），给出解决方案提案，让他们花成百上千万来聘请MBB，也就是这个老板手下的猴子猴孙们去解决问题。

而这些猴子猴孙们，也就是像我这样的牛马，都是明码标价的。

比如一个项目需要三个月，团队配置是：3个Managing Director用10%的commitment负责大方向，1个Project Leader全职确保项目正常运转，3个小娄娄全职做细节，再加领域专家提供专业知识。这一套下来，不打折的话大概在100万美金左右。

你可以把MBB想象成一个超市：客户说”我要买一个架构师1个月、一个项目经理3个月、3个咨询师3个月、领域专家10个小时”。觉得这些人能搞定，就一拍脑门签合同，按期付款。至于这些人到底行不行 -- 签完再说吧。

Reddit上有一位在MBB当了十年的人说得很到位：”a lot of the time they’ve been rolled on a project with very little prior experience in that area.” 客户以为他们请来的是专家，其实很多时候你上周还在做银行的项目，这周就被staffed到一个零售的case上了。你所谓的”专业能力”，很大程度上是快速学习+MBB的方法论框架+Google搜索能力的组合。

为什么要找MBB

你可能会问，到底什么项目需要花这种钱？

先说竞争优势。在多家提案竞标中，MBB的提案一般更有说服力。过往积累的项目经验更多更硬（因为项目规模大、合作公司知名），有更多专业写提案的咨询师，老总们坑蒙拐骗的能力也确实比别家更强。MBB的背书本身就是可信度 -- 几十年来被视为prestigious consulting firm，雇佣门槛、产出水准、合作公司都是一流的。

再说信任积累。很多公司和MBB有过不止一次合作，每一次合作都会让MBB更了解这家公司。比如一个和MBB有过多次合作的银行，我们对它的系统架构、人员结构、组织存在的问题、哪些方面可以加强，都有比别家更内部的一手资料。这种深入了解是竞争对手很难短时间复制的。

Reddit上一位医疗领域的Senior Partner总结了4个核心用途：(1) air cover -- 客户需要外部权威为他们已经想做的决定背书；(2) 内部缺少SME（Subject Matter Expert），需要外部专业知识；(3) 内部没有足够的人手去执行；(4) 短期需求，不想为此全职招人，因为项目结束后还得裁。

其中第一点最微妙。有时公司内部高层已经知道结论了 -- 比如裁员、组织调整 -- 但他们需要MBB来”告诉”他们这个结论。万一出了事？”这是McKinsey的建议。”

Reddit上另一位non-consultant看得更透：”If a director makes a decision and it goes wrong, they won’t want to use the excuse ‘but the AI told me so’. They’re still going to want to say ‘but McKinsey told us so.’”

这个功能，是AI永远无法替代的。因为AI没法背锅。

我眼中的咨询：好与坏

这个章节是比较硬核的部分，总结了我对三年MBB的整体认知。

好的部分

MBB带给我最大的收获，是对商业世界运作方式的认知升级。

客户关系。你会遇到各种各样的客户 -- 奇葩的、严苛的、亲和的。你学会如何和他们打交道，如何精准抓住他们的诉求，如何尽最大可能产出让他们满意的结果。有的客户你觉得他不讲理，但你得站在他的位置想：他的老板在压他，他的KPI在那挂着，他需要你帮他交差。理解了这一层，很多看似不合理的需求就合理了。

接触不同大公司的机会。三年里我接触了各种金融机构、银行、技术公司。每一个项目都像是打开一扇窗，让你看到一个组织内部真实的运作方式 -- 它的决策流程、权力结构、真正的瓶颈在哪。这种视角是在甲方待十年可能都攒不出来的。

复杂项目的拆解与协作。很多项目会进行工作流分解。我们的framework是：商业工作流确定整体scope、prioritized use case、确定项目方向；技术工作流依据商业框架探索可行性，并在非最优解或技术无法达到的情况下反向给商业流施压，让其找到更好的方案；法律工作流全程判断运营方式和技术底层逻辑是否合规。这套方法论教会我如何系统性地拆解任何复杂问题 -- 不是只做你那一块，而是理解全局后再做你那一块。

语言与表达。在corporate setting下如何说正确的话，如何在微妙的组织关系中生存，如何用一页slide讲清楚一个复杂的故事 -- 这些软技能是任何MBA课程都教不了的。你会学到一种”咨询语言”：既不得罪人，又能精准传递信息，还能让不同stakeholder都觉得自己被照顾到了。听起来很虚，但这个能力在任何职业场景中都极其有用。

世界观与价值观。经常travel是MBB的一大福利。在欧洲一周可以跑三个国家，有美国同事因为经费充足直接relocate到欧洲。不同文化、不同思维方式的碰撞，对一个人的价值观塑造是潜移默化的。你会发现荷兰人开会极其直接，德国人对流程有近乎偏执的执着，英国人说”That’s interesting”其实意思是”这个方案不行” -- 这些文化差异不是看书能学到的。

坏的部分

如果没混到Director或Managing Director，你的大部分工作会让自己感到没有意义。你本质上是yet another螺丝钉。

官僚主义严重。效率低下。对技术的深入程度有限 -- 很多时候你是在讲故事，而不是在解决真正的技术问题。你花了三天做的分析，Partner看了两眼说”方向不对”，然后你重做。你又花三天重做了，他说”还是第一版好”。这种事在MBB日常到你甚至不会生气了，只是觉得麻木。

Reddit上一篇很火的帖子叫”Why MBB deflates career”，作者从甲方CSO的视角分析了为什么MBB经历可能反而拖慢职业发展。他的核心观点是juniorization -- 你在MBB要花很长时间才能真正lead一个团队。在industry，同等时间你可能已经有了实打实的管理经验，而在MBB，即便到了AP（Associate Partner）级别，你管的团队可能也就”一个senior consultant和一个实习生”。他说：”This is the number one thing that matters in any institution -- showing you can be trusted to have leverage.” 而咨询恰恰在这一点上给你的训练是不够的。

更致命的是他提到的”proximity breeds contempt”。在咨询里你和团队在teamroom里朝夕相处，中午一起吃饭，这在corporate世界里是大忌 -- 管理者和被管理者走太近，权威就没了。MBB教你的管理方式，在很多甲方环境里是反模式。

而且在相当长的时间里，你会被当做狗一样使唤 -- Partner的deck comment期待即时turnaround，客户可以随意否定你的工作，你在客户现场甚至没有一个像样的工位。有人分享过一个Senior Partner经常站在客户大堂里、蹲在一张空桌子上开电脑办公，别人以为他是门房。这种事在任何一家正经公司都是不可想象的，但在MBB却是日常。

这种低status的体验会潜移默化影响你的职业气质。用人话讲就是：习惯了被呼来唤去，到了外面反而不知道怎么当一个有agency的人了。你的皮质醇一直在spike，但你以为这是”正常的工作强度”。

当然，也有美国McKinsey的人反驳说他们2-3年就开始带团队了，disrespect在他们那几乎不存在。所以体验和地区、办公室、项目组的文化有极大关系。这也是我后面会说的 -- 进之前一定要好好了解你即将合作的团队。

工资与福利

总包构成：base + bonus + 晋升涨幅 + 补贴 + 福利。

城市差异巨大。同一级别，在沙特/迪拜/美国大概翻一倍，在中国稍高，在葡萄牙降30%-40%。绩效决定bonus是8%还是20%。Reddit上有帖子专门聊”Disappointing MBB salary in Europe” -- 欧洲南部的MBB薪资确实偏低，而且级别之间的涨幅也不大，这是很多人没预料到的。

虽然工资还行，但也是长时间工作堆出来的。在case上一周70小时、天天凌晨是常态。不在case上则相对轻松 -- 当然”不在case上”这几个字本身就是奢侈品。如果你把时薪算出来，可能还不如一些tech公司的996。

福利是MBB的隐形竞争力：

-- 每年3000欧的education经费，可以用来去相关业务的行业会展（4小时飞行范围内的任何地方），买书，买网课-- 出差超5小时可以定商务舱（集航空里程），五星级酒店（集积分），中饭报销35欧，晚饭报销65欧，在本地做case晚上可以报销35欧

-- 有伴侣的话，可以报销伴侣探望你的往返机票

-- 可以租公司的车

-- 最好的医疗保险，正常寻医问诊基本不花钱，每年1000欧的正骨/physio/心理治疗预算

-- 免费的ClassPass credits等等

培训方面，时不时有知名公司的人来做内部分享 -- Google、Chainlink、Ripple、Fireblocks。有时候飞到英国、比利时、柏林参加线下培训。这些培训包括present and impact、consulting foundation之类的。说实话，没有哪个是非常有用的。有的有点用，有的完全没什么卵用。但你可以justify说”我在出差学习”然后顺便旅个游，这算是一种精神福利。

同事

就凭我个人经历来说，可能没法generalize，因为我base在阿姆斯特丹，70%被荷兰人围绕。

对于这个群体，我觉得我有比较真实的认识 -- 跟他们一起培训过，跟一些人甚至花一整天探讨个人、工作上的快乐和烦恼。很多荷兰同事还是很傻白甜的，直来直去，没什么弯弯绕。这是荷兰文化的特点 -- 他们叫它”Dutch directness”，优点是沟通效率高，缺点是有时候你觉得”你可以委婉一点的”。

和我合作过的一些Project Leader确实无愧他们的title：客户关系、问题剖析、时间管理、内容产出、语言措辞、项目管理、学习能力，真的非常牛逼。有的人管理非常high-stake的项目，对接各大银行的Director，那种level的stakeholder management，换成我整个项目基本就崩了的感觉。

Director级别的人一般也不是什么正常人。要么非常厉害，要么心理变态。有时候两者兼备。能走到这个位置的人，身上都有一种独特的”气场” -- 可能是极强的商业直觉，也可能是超乎常人的社交操控能力，或者仅仅是比所有人都能卷。

AI时代：咨询的终局？

这是我最想谈的部分。

很多人觉得咨询会被AI取代。说实话，我也这么觉得 -- 至少在很大程度上

咨询公司的本质是在打信息差。MBB之所以能收天价，核心原因之一是它垄断了行业知识、最佳实践和跨公司的pattern recognition。而AI正在以前所未有的速度将信息民主化，让任何人都能享受专业知识，降低了斥巨资雇佣一个努力维护信息茧房的独裁者的必要。

数据已经在证明这一点。

McKinsey的CEO Bob Sternfels在CES 2026上透露：McKinsey现在有40000名人类员工和25000个AI agent -- 一年半前AI agent只有几千个，预计到2026年底AI agent数量将与人类员工持平。他称之为”25-squared”：客户面向的岗位增加了25%，非客户面向的岗位减少了25%，但后者产出反而提升了10%。1.5 million hours的”search and synthesis”工作已经被自动化。翻译一下：以前Junior做的那些research和文档综合工作，现在AI在做，而且做得更好更快。

全球咨询行业的收入增长从2023年的19%骤降到2024年的4.5%。Deloitte 2024年收入增速创14年新低。McKinsey全球员工从45000人降到40000人。Financial Times报道顶尖咨询公司正在冻结入门级薪资。金字塔模型 -- 用大量廉价junior撑起少数高价senior的盈利结构 -- 正在被动摇。

一位Big 4资深合伙人在Reddit上一针见血：”This isn’t a tech problem, it’s a business model problem.” 金字塔利润取决于给junior开低薪、按高价卖出。AI吃掉了junior的活，金字塔底部塌了，整个经济模型就得重写。而且客户也不傻 -- 他说”the idea that consulting firms could just absorb all the AI-driven efficiency while maintaining premium pricing was probably a pipe dream from the start. Clients are smart; they’re going to demand a piece of that pie in the form of lower fees.”

X上也有人说：”A single developer can now deliver what once required a 10-15 person team at McKinsey.” McKinsey正在被YC的创业公司定点狙击 -- Reddit上这个帖子收获了372个upvote和95%的upvote率，说明行业内的人都在关注这个趋势。

Reddit上还有一篇很火的帖子叫”The AI consulting gold rush turned us into the thing we used to mock: expensive generalists selling other people’s IP.” 做AI consulting的人自己都承认，这个行业正在变成它曾经嘲笑的东西 -- 贵而不精。

但是。

做了很久的思考后，我对什么是AI无法取代的有了比较清晰的认识。

第一，复杂系统的边界定义与落地路径设计。从系统架构到内部人员的复杂利益关系，这些不是AI能自己就知道的。AI需要被给予非常明确的上下文描述，而定义这个上下文本身就是最难的工作。X上有人精辟地总结：”The bottleneck wasn’t intelligence, it was context.” 瓶颈从来不是智力，而是上下文。以后的咨询师，必须是一个极其会使用AI的人 -- 你不再需要亲自做research，但你必须知道该问什么问题、该给AI什么context。这个能力的培养，恰恰是MBB训练中最有价值的部分。

第二，社交网络的经营与桥梁角色。很多时候，我愿意视MBB为一个社交网络经营者。在我做区块链项目的经历中，部署解决方案最好的方式是使用已有的技术提供商 -- 托管、钱包等。我们凭借过往和这些公司打过的交道、对他们做过的研究，充当了客户和技术提供商之间的桥梁，用自己的社交网络推动项目发展。很多Director同时扮演着COO角色 -- 一个负责维护公司和LV的关系，另一个维护和Google的关系。当MBB和一个公司签了deal后，需要MBB去做关系的桥梁。这种社交网络的价值，AI无法替代。

第三，关键决策的风险承担与政治导航。X上

@raphaelmansuy

有一段话说得精辟：”Strategy isn’t a math problem -- it’s power politics. Until AI learns to manipulate egos, absorb blame, and navigate corporate warfare, firms like McKinsey will dominate.” 他列了五个AI无法替代的功能：emotional repackaging（把”裁员”包装成”workforce optimization”），blame absorption（项目失败时充当人形盾牌），political navigation（读懂没说出口的领地之争），narrative management（控制故事线让不同stakeholder买账），以及最后一个 -- strategy succeeds through managing “whispers, over whiskey,” not data accuracy。AI没法背锅，没法在会后的whisky局上做political alignment，没法让董事会在一个棘手的决策上点头。

第四，咨询公司有自己的知识库 -- 可以视为历来所有项目的汇总。未来做项目时可以在这个知识库里进行知识检索。这些高度机密、高度结构化的一手项目经验，是公开互联网上找不到的。这是MBB的护城河之一，虽然随着AI能够处理越来越多公开信息，这个护城河在变浅。

第五，金融机构和银行的特殊性。我对接的客户主要是金融领域，而这个领域的监管之严、合规要求之高、内部系统之复杂，意味着任何变革都需要极其精细的人工介入。一个区块链解决方案的部署不仅仅是技术问题 -- 它涉及多个监管机构的审批、内部风控团队的买入、法律条款的逐条审查。这种需要多方协调的落地工作，短期内AI还做不了。

所以结论是什么？

AI不会消灭咨询，但会彻底重塑它。金字塔会变得更尖 -- 底部的junior大幅减少，顶部的senior+AI组合成为主力。会用AI的咨询师会取代不会用AI的咨询师。小型精锐的boutique firm会越来越有竞争力 -- 不需要养一群Junior撑revenue，反而更灵活、更便宜、卖的人就是做的人。Reddit上一位boutique firm合伙人分享：他们在和SaaS公司竞标时直接赢了大firm，因为大firm要求60/40的revenue split和sales process的billable hours，而他们不需要这些开销。

而从industry的视角看呢？一位从MBB离职后去了甲方的人在Reddit上的感慨让我深有同感：”God，industry做一个改名的小决策都花了一年。我一周就给出了答案。Consulting firm would have done the same but the process would have been faster as they work with top management directly.” 他因此想回consulting。另一位industry的人补充：”Industry is so bloated and incompetent they can’t tie their shoes without having 30 hours of meetings.”

所以至少在相当长的时间内，大公司的低效会继续为咨询公司续命。只是这种续命的方式，可能和过去二十年完全不同。

什么人适合做咨询

一个Director给HR的原话是：”我不管那个人有没有某个专业的知识储备，他/她得有快速的思考逻辑，以及妥善处理人际关系的能力。”

这是入门门槛。但更重要的是，进之前好好了解即将和你密切合作的团队，尤其是你的Director。因为每个地区、每个办公室、每个项目组的vibe千差万别，他们会极大程度影响你未来工作时是快乐的还是骂娘的。

我的情况是，我被ring-fence在Emerging Tech里，这意味着我的项目类型相对固定，能够建立深度专业知识。但很多人是被到处staffed的 -- 这周金融，下周零售，下下周制造业。两种模式各有利弊：前者给你深度但限制广度，后者给你广度但每个领域都是浅尝辄止。

如果你在考虑是否进咨询，问自己三个问题：

你是否享受快速学习全新领域？咨询的核心技能就是在最短时间内搞懂一个你之前完全不了解的行业，然后假装你很懂地给客户提建议。这不是每个人都喜欢的 -- 有些人更享受在一个领域做到极深。

你是否能在高压和不确定性中保持冷静？项目deadline不会因为你的slide deck还没ready就推迟，客户不会因为你还没想清楚就停止追问。你需要在信息不完整的情况下快速给出一个”足够好”的答案，而不是等到完美。

你是否能忍受在相当长时间内做一颗高薪但没有太多自主权的螺丝钉？尤其是前几年，你的日常就是做分析、改slide、被review、再改、再被review。如果你是那种需要看到自己工作产生直接impact才能获得成就感的人，前几年会非常痛苦。

三个都是yes，可以进。有一个是no，三思。两个是no，别来。

结语

三年MBB教会我最重要的一件事：咨询不是答案工厂，而是一种思维方式。它教你如何在信息不完整时做决策，如何在复杂利益关系中找到推进路径，如何在有限时间里产出足够好的结果。

这些能力，不管AI如何发展，都是稀缺的。

但这个行业本身，正在经历它诞生以来最大的结构性变革。金字塔在坍塌，information asymmetry在消失，客户在觉醒。留在里面的人需要进化 -- 从”做slide的人”变成”定义问题和管理关系的人”；离开的人需要带走最核心的东西 -- 不是MBB的title，而是拆解复杂系统的思维方式和在不确定性中做决策的能力。

Reddit上有一个帖子叫”Consulting was the best job I ever had”，收获了516个upvote。作者离开MBB后回忆道：在MBB的时候不用想太多，expense meals，work thrown at you，structured program。离开后才发现那段经历给了他一套在任何环境下都能用的底层操作系统。

我理解那种感觉。

至于我？还在里面。但已经在规划下一步了

Subscribe now