文章重點
- McKinsey CEO Bob Sternfels透露公司已部署20,000個AI代理，形成一支與40,000名人類顧問並行運作的「虛擬勞動力」
- McKinsey在招聘流程中引入「AI面試」環節，要求候選人與內部AI工具「Lilli」協作完成評估任務
- 公司將AI代理定位為擁有明確職責的「數碼同事」，而非傳統意義上的軟件工具
- 這是專業服務業迄今為止規模最大的企業級AI代理部署案例
- BCG、Deloitte、Accenture等競爭對手正加速追趕，諮詢業AI軍備競賽全面展開
當全球最大諮詢公司擁有三分之一「非人類員工」
McKinsey & Company向來以「為全球最具影響力的組織提供戰略建議」聞名。如今，這家擁有近百年歷史的諮詢巨頭正在自身內部進行一場前所未有的實驗——它的勞動力結構中，已有三分之一並非人類。
McKinsey CEO Bob Sternfels近日公開透露，公司目前運行着20,000個AI代理，與約40,000名人類員工在日常項目中協同運作。這意味着McKinsey的有效「勞動力」已達60,000——其中三分之一是演算法驅動的數碼實體。這個數字讓整個專業服務行業為之震動。
這不是一個概念驗證（proof of concept）或試驗計劃。Sternfels明確表示，這些AI代理已經深度整合到公司的核心業務流程中，從數據分析、市場研究到客戶提案的初稿生成，無所不及。
對於一家年收入超過180億美元的諮詢帝國而言，這種規模的AI部署標誌着專業服務業正式進入人機混合作業的新紀元。更重要的是，McKinsey並非在談論未來的計劃，而是在陳述已經發生的事實——這20,000個AI代理此刻正在運作，正在影響着全球數百個進行中的諮詢項目。
「Lilli」：從內部工具到面試官
McKinsey的AI策略核心圍繞着一款名為「Lilli」的內部AI平台。Lilli最初於2023年推出，定位為知識管理工具，能夠檢索和綜合McKinsey數十年積累的研究報告、案例分析和方法論。經過持續迭代，Lilli已經進化為一個多功能的AI協作平台，具備數據分析、報告撰寫、情景模擬等能力。
更引人注目的是，McKinsey已在招聘流程中引入「AI面試」環節。候選人在傳統的案例面試之外，還需要完成一項與Lilli協作的任務——例如利用Lilli分析一組市場數據並提出策略建議。面試官評估的重點不再僅是候選人的分析能力，更包括其「與AI協作的效率和判斷力」。
這一舉措傳遞了一個明確信號：在McKinsey的未來願景中，能夠有效指揮和配合AI工作的能力，將與商業洞察力同等重要。面試中表現出對AI輸出的盲目信任或完全排斥，都可能成為被淘汰的理由。
什麼是「AI面試」？McKinsey的新評估維度
McKinsey的AI面試並非讓AI擔任面試官，而是要求候選人在限定時間內與Lilli協作完成一項模擬諮詢任務。評估標準包括：候選人如何制定提問策略引導AI產出有用資訊、如何辨別AI回應中的潛在偏差或錯誤、如何將AI生成的分析與自身判斷結合以形成可行建議，以及在AI輸出不理想時如何調整策略。這些維度反映了McKinsey認為未來諮詢顧問的核心技能將從「獨立分析」轉向「人機協作決策」。
「數碼同事」：重新定義AI在企業中的角色
McKinsey在此次部署中最具前瞻性的理念，是將AI代理定位為「數碼同事」（digital colleagues）而非「工具」（tools）。這不僅是語義上的差異，更反映了一種全新的組織設計哲學。
傳統的企業AI部署通常遵循「工具範式」——AI被視為一種功能性軟件，由人類在需要時啟用、使用後關閉。但McKinsey的「數碼同事」模型賦予每個AI代理明確的「職責」（role）和「職權範圍」（scope of authority）。例如，一個專責市場分析的AI代理可以自主監測特定行業的數據源，在偵測到重要變化時主動通知相關人類團隊成員，甚至在授權範圍內自行更新進行中的分析報告。
Sternfels將這種模式比喻為「一家擁有60,000人的公司——只不過其中20,000人永遠不需要休假、不會帶情緒上班，而且每個月都在變得更聰明」。這種表述雖然帶有行銷色彩，但其背後的組織架構變革是實在的：McKinsey已開始設立專門的「AI代理管理」（Agent Management）崗位，負責監督、評估和優化數碼同事的表現。
這種「數碼同事」框架的深層意義在於，它改變了企業看待AI投資的方式。當AI被定位為「工具」時，它是IT預算中的一個支出項目；但當AI被定位為「同事」時，它成為人力資源策略的一部分。這種認知轉變促使企業從「我們需要買什麼軟件」的思維，轉向「我們需要怎樣的團隊組合」的思維——而後者是一個影響深遠得多的戰略問題。
諮詢業的AI軍備競賽
McKinsey的高調宣布在業界引發了連鎖反應。全球各大諮詢公司均在加速自身的AI戰略部署，一場行業級的AI軍備競賽已全面展開。據行業分析師估計，全球前十大諮詢公司在2025至2026年間的AI相關投資總額已超過150億美元，這一數字預計在未來兩年內將翻倍。
BCG（波士頓諮詢集團）早在2023年便與OpenAI達成獨家合作，推出了內部AI平台「Turing」。BCG聲稱其顧問使用AI工具後，報告產出速度提升了40%，但尚未公佈AI代理的具體部署數量。BCG的策略更側重於將AI作為「增強個體顧問能力」的輔助工具，與McKinsey的「數碼同事」理念有所不同。
Deloitte則投入超過20億美元建設AI基礎設施，並在審計和稅務業務中大規模部署自動化AI工作流。Deloitte的方向更偏向「流程自動化」——讓AI接管標準化、重複性高的工作環節，釋放人類顧問的時間用於更高層次的策略思考。
Accenture作為全球最大的諮詢及IT服務公司，已累計投資超過30億美元於AI相關業務。Accenture的差異化策略在於其同時扮演「AI使用者」和「AI實施者」的雙重角色——不僅在內部使用AI，更將AI轉型服務作為核心營收來源，幫助客戶完成類似的部署。
四大會計師事務所同樣不甘落後。PwC、EY、KPMG均在2025至2026年間宣布了數十億美元的AI投資計劃，主要集中在審計自動化和稅務合規領域。這場AI軍備競賽的勝負不僅取決於投入的資金規模，更取決於誰能最快將AI能力轉化為客戶可感知的服務品質提升。
結構性影響：諮詢顧問的未來
McKinsey部署20,000個AI代理的消息，在諮詢業內部引發了關於就業前景的廣泛討論。一個無法迴避的問題是：如果AI代理已經能完成大量初級和中級分析工作，傳統的「金字塔式」諮詢人力結構是否面臨根本性改變？
傳統諮詢公司的組織架構形如金字塔：底層是大量初級分析師，負責數據收集和基礎分析；中層是項目經理和高級顧問，負責綜合分析和策略制定；頂層是合夥人，負責客戶關係和最終決策。AI代理的大規模部署直接衝擊的正是金字塔的底部和中下部分。
目前業內的共識觀點是：AI不會直接取代諮詢顧問，但會大幅減少每個項目所需的人力。一個過去需要六人團隊花兩週完成的市場分析項目，現在可能只需要兩名人類顧問配合數個AI代理在五天內完成。這意味着諮詢公司未來的招聘規模可能顯著縮減，而入行門檻——特別是在AI協作能力方面——將大幅提高。
諮詢業的「金字塔」正在重塑
傳統諮詢金字塔的底層（初級分析師）依賴大量人力進行數據收集、清理和基礎分析。McKinsey的AI代理部署直接改變了這一層級的人力需求。但業界預計，這不會導致金字塔「消失」，而是讓它變得更「扁平」——初級崗位減少，但每位留下的初級顧問被期望具備更強的AI協作能力和更高的綜合判斷力。同時，頂層的客戶關係管理和策略決策角色短期內受AI影響較小，因為這些工作高度依賴人際信任和政治判斷。
風險與質疑：20,000個AI代理的隱患
McKinsey的大膽舉措並非沒有爭議。多位業內觀察者和前McKinsey顧問提出了若干值得關注的風險。
客戶信任問題：諮詢業的核心價值在於「人的判斷」——客戶支付高昂費用，購買的是頂尖人才的洞察力和經驗。如果大量工作實際上由AI代理完成，客戶是否仍願意支付同等費用？McKinsey每小時的諮詢費可高達數千美元，當AI承擔了相當比例的工作量後，定價模式是否需要調整，將成為一個敏感而棘手的商業問題。
數據安全與保密性：諮詢公司處理大量客戶的機密商業資訊。20,000個AI代理在處理這些數據時，如何確保資訊不會在不同客戶項目之間交叉污染？McKinsey聲稱其AI代理在嚴格的數據隔離架構下運行，但隨着代理數量和複雜度的增加，維護這種隔離的難度也在指數級上升。
同質化風險：如果所有諮詢公司都使用類似的AI工具進行分析，最終輸出的建議是否會趨於同質化？當BCG和McKinsey的AI都使用相似的數據源和分析框架時，差異化的策略建議從何而來？這個問題可能最終促使諮詢業的競爭核心從「分析能力」轉向「創造性的策略整合」和「深度的行業專業知識」。
AI幻覺與責任歸屬：AI代理生成的分析中可能包含錯誤甚至「幻覺」（hallucination）。在一個策略建議可能影響數十億美元決策的行業中，一個AI代理的錯誤分析若未被人類及時發現，後果可能是災難性的。責任應由誰承擔——AI代理的「管理者」、項目負責人，還是公司本身？這些問題的法律框架尚未完善。
人才流失的隱憂：部分資深顧問可能對「與AI代理共事」的新模式感到不適，選擇離開傳統諮詢公司轉投精品諮詢或獨立執業。若這種人才流失達到一定規模，反而可能削弱McKinsey的核心競爭力——畢竟，AI代理的訓練數據和策略框架很大程度上依賴於人類顧問積累的知識和經驗。
對香港專業服務業的啟示
香港作為亞太區重要的專業服務中心，McKinsey的AI轉型實驗對本地業界具有直接的參考意義。香港四大會計師事務所和多家國際諮詢公司的亞太區總部均設於此，它們在AI部署方面的策略選擇將直接影響本地數千名專業服務從業者的職業前景。
香港金融管理局和證監會近年來已開始就AI在金融服務中的應用制定監管指引。諮詢業雖然不直接受金融監管約束，但涉及金融客戶的諮詢項目仍需遵守相關數據處理規定。隨着AI代理在諮詢項目中的角色日益重要，香港的監管機構可能需要考慮將AI代理納入更廣泛的專業服務監管框架。
值得留意的是，McKinsey在香港的辦公室是其亞洲業務的重要據點之一。該辦公室服務的客戶涵蓋本地龍頭企業和跨國公司的亞太區業務。McKinsey全球層面的AI代理部署是否已延伸至香港辦公室、本地團隊如何適應這一轉變，都是值得持續關注的動態。
對於香港的年輕專業人士而言，McKinsey的「AI面試」實踐發出了一個明確信號：掌握AI協作技能已不再是「加分項」，而是進入頂級專業服務公司的「必要條件」。本地大學的商學院和專業培訓機構應及時調整課程設計，將人機協作能力納入核心訓練模塊。
此外，香港本地的中小型諮詢公司也應關注McKinsey的動向。雖然中小企業無法負擔20,000個AI代理的部署規模，但市場上已有越來越多的企業級AI代理平台以訂閱模式提供服務。即使是一家只有50人的本地諮詢公司，也可以通過引入5至10個AI代理來顯著提升項目交付效率，在與大型國際公司的競爭中縮小能力差距。
展望：諮詢業的下一個十年
McKinsey部署20,000個AI代理，可能只是專業服務業大規模變革的序幕。按照目前的技術發展軌跡，到2030年，AI代理的能力和可靠性將遠超今天。屆時，AI代理與人類員工的比例可能從目前的1:2提升至1:1甚至更高。
更深遠的影響在於，這種「人機混合勞動力」模式若在諮詢業證明可行，將迅速擴散至法律、會計、投資銀行等所有知識密集型行業。McKinsey作為全球商業界最具影響力的諮詢公司之一，它的選擇往往引領整個行業的方向。當McKinsey用行動宣告「AI代理是我們的員工」時，其他企業很難繼續將AI視為可有可無的附加功能。
從商業模式角度看，諮詢公司的收費結構也將面臨根本性的重新設計。傳統的「按人頭按小時計費」模式，在AI代理承擔大量工作的情境下顯得不再合理。未來更可能出現的定價模式包括：基於成果的「價值定價」、涵蓋AI代理與人類顧問的「混合訂閱制」，以及根據項目複雜度和AI參與程度動態調整的「分層費率」。McKinsey是否願意率先公開其AI代理在項目中的參與比例，將直接影響整個行業的透明度標準。
諮詢業的終極問題或許是：當AI代理能完成越來越多的分析和策略制定工作時，人類諮詢顧問的不可替代價值究竟是什麼？答案可能在於創造力、倫理判斷、人際關係建立，以及在模糊和不確定環境中做出勇敢決策的能力——這些恰恰是AI目前最欠缺的領域。McKinsey的實驗，本質上是一場關於「人的價值」的重新發現之旅。
無論結果如何，McKinsey已經用20,000個AI代理寫下了企業AI轉型歷史上最大膽的一頁。這不僅是一家公司的戰略選擇，更是整個知識經濟面向AI時代的一次集體宣言。世界正在注視，而答案將在未來幾年逐步揭曉。