如果你是一家大型企業，
準備把用了二十年的舊系統，
搬進一套新的 SAP 平台，
以前最直覺的做法通常是：
找顧問公司。
專案經理來了。
工程師來了。
測試人員來了。
流程顧問來了。
一個大型 IT 專案，
最後可能變成幾十、甚至幾百人的長期工程。
而顧問公司的商業模式也很清楚：
需要的人愈多，
做的時間愈長，
可以計費的工時通常也愈多。
但到了 2026 年，
一個很有意思的反轉開始出現。
企業原本找顧問公司，
是希望顧問幫自己導入 AI。
結果 AI 開始真的能工作之後，
企業第一批重新檢查的成本之一，
竟然就是：
「我們還需要這麼多顧問嗎？」
Bayer 的六年 SAP 改造，現在有 30 個 AI Agents 一起做
德國製藥公司 Bayer 正在進行一個長達六年的大型 IT 改造。
核心工作之一，
是重新整理與部署公司的 SAP 系統。
這種大型企業系統轉換，
過去正是顧問公司的大型生意。
因為它不只是：
裝一套軟體。
而是要處理：
舊程式、
公司流程、
資料、
權限、
測試、
不同國家的系統，
以及大量客製化功能。
但負責 Bayer 這項 IT 改造的 Jochen Kamp 最近透露，
目前專案裡已經有：
30 個 AI Agents
協助進行程式撰寫與測試。
而他的目標之一，
就是在未來部署階段：
需要「明顯更少」的顧問。
這句話真正重要的地方，
不是：
Bayer 明天要把顧問全部趕走。
而是企業第一次有機會重新計算：
哪些工作真的一定需要一個外部顧問親自做？
因為以前最花錢的，常常不是「決定做什麼」
大型 IT 專案最昂貴的部分，
很多時候並不是那幾場高階策略會議。
真正吃掉大量人力的，
反而是後面一大串執行工作。
例如：
閱讀舊程式。
整理規格。
找系統相依關係。
寫技術文件。
修改程式。
建立測試案例。
跑測試。
找錯誤。
重新測試。
整理部署文件。
以前每一步，
都可能需要不同顧問、
工程師與專案人員投入大量時間。
所以企業顧問的生意，
很大一部分其實建立在：
「這件事情需要很多人工小時。」
但 AI Agent 改變的，
恰好就是「人工小時」這個單位。
SAP 自己甚至說：外部顧問成本可能下降
這個變化最尷尬的地方，
是連賣企業軟體的 SAP 自己，
都開始談如何降低企業對大量人工導入的依賴。
SAP 最近公開討論一種叫做：
deshoring
的概念。
以前企業降低 IT 專案成本的方法，
常常叫 offshoring。
也就是：
工作還是由人做，
只是把工作搬到工資比較低的地方。
例如：
原本在歐洲或美國完成的工作，
交給印度或其他成本較低的團隊。
但 AI Agent 帶來的新問題是：
我們為什麼只問：
「這個工作應該由哪一個國家的人做？」
而不先問：
「這個工作還需要全部由人做嗎？」
SAP News Center 最近引用一項對約 180 種 SAP 轉換工作活動的分析。
這項分析認為，
如果 AI Agent 能夠處理部分規格、分析、程式與其他工作，
整體轉換成本存在大幅下降的可能。
另一邊，
《Financial Times》報導，
SAP 認為未來系統內建更多 AI 與自動化後，
外部顧問成本最多可能降低約 50%。
但這裡一定要加一句：
這不是已經被所有企業證明的平均結果。
Capgemini 執行長 Aiman Ezzat 就直接表示，
50% 是非常積極的估計，
他們目前沒有看到如此大的普遍降幅。
不過他也承認：
SAP 部署方式確實正在重新設計，
目的就是：
更快，
也更便宜。
所以真正值得看的不是「一定省 50%」。
而是：
顧問業自己也承認，同一件工作未來需要的人工可能變少。
Bristol Myers Squibb 已經看到一些合約直接消失
另一個更直接的案例，
來自製藥公司 Bristol Myers Squibb。
公司數位與科技主管 Greg Meyers 說，
以前在資安領域，
BMS 會付很多錢給第三方公司，
請外部人員替公司：
監控系統、
查看異常、
處理大量日常安全訊號。
但現在，
AI 已經能做其中大量監控工作。
結果是：
部分原本存在的外部合約開始消失。
這種改變甚至比「顧問工作效率提高」更關鍵。
因為如果 AI 只是讓顧問：
原本十小時完成，
現在五小時完成，
企業還是需要顧問。
只是顧問更快。
但如果企業自己的 AI 系統，
已經能直接完成其中一整段工作，
問題就變成：
這份外包合約還需不需要存在？
所以企業開始不想再用「做多久」決定付多少錢
BMS 接著做的另一件事情，
可能才是真正會改變顧問業商業模式的地方。
公司開始要求部分外部顧問：
降低費用，
或者不要再只用：
按工時計價。
而是改談：
固定價格，
甚至成果型費用。
這背後的邏輯很簡單。
假設以前一個專案：
需要十個顧問，
做六個月。
現在 AI 幫助顧問公司：
只需要五個人，
三個月就能完成。
如果客戶最後仍然按照以前的人工規模付錢，
AI 創造的效率利益，
幾乎全部留在顧問公司。
客戶當然會問：
「既然 AI 讓你變快了，為什麼我的帳單沒有一起變小？」
所以未來企業可能愈來愈不願意買：
「1000 小時顧問時間。」
它真正想買的是：
「這個問題最後有沒有解決？」
這和印度 IT 外包正在發生的事情，其實是同一條線
以前 IT 服務業最重要的資產之一，
就是：
人。
一個客戶需要更多工作，
就派更多人。
更多工程師，
更多分析師，
更多顧問，
最後形成：
更多 billable hours。
所以很多大型服務公司的收入，
長期和：
人數 × 工時 × 費率
高度相關。
但 AI 把其中一些工作壓縮之後，
「用了多少人、做了多少小時」
開始變得沒有以前那麼重要。
客戶更想問的是：
結果是什麼？
系統有沒有上線？
錯誤有沒有下降？
成本有沒有降低？
流程有沒有變快？
如果 AI 可以把五天的分析縮成一天，
客戶不會因為顧問公司以前需要五天，
就主動要求：
「請你慢慢做五天，我照樣付錢。」
但顧問業並沒有因此消失
如果只看到「顧問變少」，
很容易把故事寫成：
AI 要消滅顧問業。
目前的數字其實不支持這麼簡單的結論。
市場研究公司 Source Global 估計，
2026 年企業仍可能花約：
4200 億美元
購買科技顧問服務，
比 2025 年還成長約 8%。
其中光是和新科技、包括 AI 有關的諮詢，
就可能達到約：
1400 億美元。
也就是說，
企業一邊用 AI 減少某些顧問工作，
同時又在另外一些事情上：
需要更多顧問。
這聽起來矛盾，
其實並不矛盾。
因為「執行工作」變少，不代表「困難問題」變少
如果 AI 可以幫忙：
整理資料、
寫初版程式、
建立測試、
做市場資料搜尋、
監控大量資安訊號，
那顧問原本靠大量人工完成的工作，
自然會受到壓力。
但企業仍然有很多 AI 不容易自己處理的問題。
例如：
公司應該先改哪一個流程？
這個 AI 系統應該拿到哪些權限？
員工為什麼不願意使用？
不同部門利益衝突怎麼解？
董事會可以承受多大的風險？
這項改造失敗時，
誰負責？
企業真正該關掉哪一套舊系統？
哪些工作雖然 AI 做得到，
卻根本不應該自動化？
這些問題不是單純：
「幫我產生一份答案。」
而是涉及：
公司內部脈絡、
權力、
風險、
經驗，
以及最後必須有人承擔的決定。
所以顧問業比較可能發生的事情，
不是：
全部消失。
而是：
大量執行型工作被壓縮，高價值判斷型工作被留下。
這也是為什麼「懂客戶」可能重新變得更重要
家電公司 SharkNinja 最近也表示，
公司正在減少部分顧問支出。
它使用 AI 與科技合作夥伴，
自己完成更多分析與預測工作。
公司 CEO Mark Barrocas 提到一個很重要的理由：
內部真正負責業務的人，
本來就最了解：
自己的產品、
客戶、
促銷方式、
供應鏈，
以及公司到底想解決什麼。
如果 AI 已經能處理大量：
整理、
分析、
初步研究，
那企業就會重新思考：
是不是一定要把資料交給一群外部人，
讓外部人先花幾個月理解公司，
再把答案帶回來？
這也是 AI 對顧問業真正危險的一點。
它不只是：
讓顧問做得更快。
它也可能：
讓客戶自己做得夠好了。
但「自己做得到」和「自己做得好」仍然不是同一件事
這裡也不能走到另一個極端。
公司裝了 ChatGPT、
Claude，
或幾個 AI Agents，
不代表突然就不需要任何外部專業。
大型 ERP 改造失敗，
可能影響：
財務、
庫存、
訂單、
供應鏈、
法規，
甚至整家公司營運。
資安判斷錯誤，
代價更可能非常高。
所以企業真正應該做的，
不是看到 AI 就問：
「誰可以砍掉？」
而是重新拆解工作。
哪些是：
大量、
重複、
規則清楚、
可以驗證的工作？
可以優先讓 AI 處理。
哪些是：
重大決策、
例外情況、
跨部門協調、
高風險判斷？
可能仍然值得付錢找真正有經驗的人。
這時顧問的價值，
就不再只是：
「我有很多人可以替你做。」
而變成：
「我知道什麼不該做錯。」
AI 最後可能改變的，是「專業服務到底賣什麼」
律師、
會計師、
顧問、
廣告代理商、
軟體外包公司，
長期都有一個共同特徵：
客戶很難精確知道一件工作到底需要多少時間。
所以：
工時
一直是最容易理解的計價方式。
但 AI 正在讓同樣一件工作需要的時間快速改變。
昨天要三天。
今天可能三小時。
明年甚至可能三分鐘。
當時間本身愈來愈不穩定，
專業服務業最後可能不得不回答：
如果客戶不再願意為「花了多久」付錢，我到底提供了什麼價值？
可能是：
成果。
判斷。
經驗。
責任。
風險承擔。
組織改變。
或者：
替客戶避開一個代價非常高的錯誤。
最有意思的是：顧問公司可能親手教會客戶怎麼少用自己
這就是整個故事最諷刺的地方。
現在幾乎每一家大型顧問公司，
都在告訴企業：
你必須導入 AI。
你必須重新設計流程。
你必須讓 Agent 進入工作。
你必須提高生產力。
而當客戶真的做到這些事情之後，
客戶自然會回過頭，
把所有成本重新看一遍。
包括：
顧問費。
所以 AI 對顧問業最大的威脅，
可能不是某一個模型突然宣布：
「我可以當 McKinsey。」
而是企業慢慢學會：
原本要外包出去的一百件事情，
其中三十件，
AI 可以先做。
另外三十件，
內部員工搭配 AI 就能完成。
剩下真正困難的四十件，
才值得找外部專家。
如果這件事真的發生，
未來最值錢的顧問，
可能不會是：
帶最多人進客戶公司的那一家。
而是：
能用最少的人，幫客戶解決最難問題的那一家。
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
推薦閱讀
AI 晚報｜2026/08/21：AI 把印度 IT 外包「按工時收費」打破，TCS 部分企業服務約 80% 已改按成果計價
