在很多人的想象里，咨询顾问的工作就是写 PPT、做访谈、跑模型，然后在项目结束时给客户一套厚厚的报告。
过去二十年里，这套逻辑支撑了咨询行业的高速发展，也塑造了一代「PPT 工程师」。但 KPMG 最近的一次小小试验，正在悄悄改写这个故事。
让业务人员写代码
今年 1–2 月，KPMG 美国税务部门做了一个 6 周的试点项目：让大约 30 名税务专业人士和工程师组队，用所谓的「vibe coding」方式一起开发软件工具。
多数参与者只是普通的税务 associates、managers，并没有严肃的编程背景，却在短短六周内，做出了可以被客户真实使用的软件原型——自动化税务与合规流程、打通多系统数据、生成分析和内容，这些过去都需要大量手工工作才能完成。
如果从传统路径看，这几乎有点「反常识」。以前的流程是：业务顾问告诉技术团队「我想要一个系统可以做 A、B、C」，然后排期、立项、写 PRD、开工，半年后也许能看到第一个版本。
现在，KPMG 让业务人员亲自「下场」，用低门槛的 AI coding / low-code 工具先把自己脑子里的想法变成一个「能跑」的轻量工具，再交给专业工程师做安全、性能、架构等层面的完善。 业务和技术之间，不再隔着一堵厚厚的需求墙，而是通过一个个可运行的原型彼此对话。
更有意思的是，这并不是一个「玩票式」的创新项目。KPMG 对外确认，试点中做出来的一些工具，现在已经被整合进给客户用的税务工作流和数据管理软件里，成为日常交付的一部分。 对那些原本只会写 Excel 宏和 PPT 的税务顾问来说，他们第一次直接看到：自己写下的几行「提示词」和配置规则，真的能变成一个所有同事和客户都在用的产品。这种成就感，和在甲板上看别人开船，是完全不同的体验。
KPMG 税务数字官 Brad Brown 把这种变化概括为：你可以「现场看到」服务交付方式的演化。 在这个试点里，每支团队都有一位来自 tax tech 团队的技术经理充当教练，帮他们解决技术卡点，但主导权牢牢掌握在业务同事手里。
他们负责想象要解决什么问题、设计怎样的流程，再通过 vibe coding 平台和专业开发工具的组合，快速拉出一个可以 demo 的版本。 这意味着，过去那种「开一个需求会，所有人对着流程图吵一下午」的场景，正在被「先做出一个跑得起来的东西，边用边改」所取代。
咨询行业里的新角色
在这个过程中，一个新的角色形象浮出水面——不是传统意义上的「顾问」，也不是狭义的「工程师」，而是 KPMG 口中的「10x consultant」：
一类能把业务洞察、产品思维和 AI 工具能力真正整合在一起的人。
在硅谷，大家讨论的是「10x engineer」，说少数优秀工程师在 AI 的加持下可以放大十倍产出；而在 KPMG 这样的专业服务公司，类似的放大效应开始发生在咨询顾问身上——他们用 AI 和 low-code 把自己的行业经验「固化」成工具，交付的就不再只是一次性报告，而是可以反复复用的能力。
从这个角度看，KPMG 的试点并非只是「让税务人员玩一玩 AI」，而是在重新定义咨询顾问的基本工作单元。以前，顾问的产出是交付物（deliverable）：一份诊断报告、一套流程蓝图、一张实施路线图。现在，顾问可以直接产出一个可用的工具：一个自动拉取数据并生成合规分析的脚本，一个嵌在客户内部系统里的税务风险监控模块，一个可以由客户团队持续迭代的决策小应用。 交付物不再是静态的 PPT，而是活在客户业务现场里的产品。
这背后变的是方法论。传统咨询的核心能力，来自「理解问题 + 结构化分析 + 沟通表达」。
在 AI 时代，这三个能力并没有过时，但它们的终点被向前推进了一大步：理解问题之后，你不再停在「写建议」，而是进一步思考「这个建议能不能做成一个自动化流程，或者一个交互式工具」；结构化分析不再只停留在 Excel 和幻灯片里，而是通过 AI 辅助的数据处理、代码生成，把分析逻辑固化在系统中；沟通表达也从一次性汇报，变成通过工具界面、数据可视化和日常使用体验持续发生的「长期对话」。
这也是为什么，KPMG 正在考虑把这种实验做成一个长期机制：组建十来个由约 30 名员工组成的跨职能团队，让税务专家和软件工程师长期绑定，一起开发 AI 驱动的软件工具。 这是一个非常清晰的信号：未来的咨询顾问，不会只是项目制的「外脑」，而会是产品化能力的共同创造者；他们的价值，也从「卖时间」向「卖工具与结果」迁移。
AI会不会取代顾问？
站在今天回头看，很多人喜欢问的一个问题是：AI 会不会取代顾问？KPMG 的做法给出了一条更现实的路径：AI 不会直接取代你，但它会放大懂业务、懂问题、愿意动手的那一批人的能量。
那些只会写 PPT、不愿意碰工具的人，很可能会先被「10x consultant」边缘化，而不是被模型本身取代。从这个意义上讲，与其担心 AI 抢饭碗，不如尽快把自己变成那批能「和 AI 合作交付」的人。
我们也在这条路上。作为一家 AI 原生的公司，我们和不少咨询公司和客户一起做项目时，已经很少满足于只交付一份「报告」。
更常见的路径是：先和业务团队一起梳理问题、搭出一个 AI 驱动的分析或决策原型，然后在几周之内就把这个原型接入到他们现有的系统里，让一线团队真实用起来，再根据使用反馈快速迭代。很多客户会惊讶地发现：原本被认为要「立大项目」才能做的东西，其实用合适的 AI 工具和一点点 low-code 拼装，就能在一个季度内上线第一版。
我们内部有一个共识：好的顾问，不应该把 AI 当成「外包给技术团队」的黑盒，而是要把它当成自己的日常工作台。我们给客户搭建的不仅仅是单个 chatbot 或自动化脚本，而是一整套「AI 时代的咨询工作站」：从需求访谈的智能笔记和洞察提炼，到快速生成并运行分析脚本，再到把这些逻辑封装成给客户日常使用的小工具——这些环节都不需要顾问具备传统意义上的程序员背景，只需要他们愿意用自然语言和 AI 反复对话、调试、迭代。
对正在看这篇文章的你来说，可能更重要的问题是：
在这样的趋势下，我应该做什么？
如果你还在咨询、投行、四大、互联网做业务工作，最现实的起点不是去学一门完整的编程语言，而是挑一个你每天最烦、最机械、最重复的工作流程，尝试用 AI 工具或 low-code 做出一个只供自己用的小工具。它可以很粗糙，但必须「真有用」。当你手里有了第一个跑得起来的东西，你看待自己职业身份的视角，就会开始变化——你不再只是问题的分析者，而是解决方案的构建者。
如果你希望从 KPMG 这样的案例快速跃迁到自己的实践，我们也非常愿意做你的伙伴。基于我们在多个行业的实战经验，可以帮你从一个小场景出发，一起设计、搭建并落地属于你团队的「AI + 业务」工具，让你的团队从「会用 AI」真正升级为「和 AI 一起交付」。当越来越多的顾问开始亲手把自己的方法论变成工具，整个行业也才真正进入「10x consultant」的时代。
请您用邮件联系我们contact-growth@proton.me，后台有时候看不过来。其次，邮件能更好地梳理思路，所以也麻烦您把您的思路通过邮件写下来，我们后台比较多的类似“合作，电话：XXXXX”的内容，这不方便我们更好地去选择合作伙伴。感谢您的关注和支持！
