如果你是一家大型企业，
准备把用了二十年的旧系统，
搬进一套新的 SAP 平台，
以前最直觉的做法通常是：
找顾问公司。
项目经理来了。
工程师来了。
测试人员来了。
流程顾问来了。
一个大型 IT 项目，
最后可能变成几十、甚至几百人的长期工程。
而顾问公司的商业模式也很清楚：
需要的人愈多，
做的时间愈长，
可以计费的工时通常也愈多。
但到了 2026 年，
一个很有意思的反转开始出现。
企业原本找顾问公司，
是希望顾问帮自己导入 AI。
结果 AI 开始真的能工作之后，
企业第一批重新检查的成本之一，
竟然就是：
「我们还需要这么多顾问吗？」
Bayer 的六年 SAP 改造，现在有 30 个 AI Agents 一起做
德国制药公司 Bayer 正在进行一个长达六年的大型 IT 改造。
内核工作之一，
是刷新与部署公司的 SAP 系统。
这种大型企业系统转换，
过去正是顾问公司的大型生意。
因为它不只是：
装一套软件。
而是要处理：
旧程序、
公司流程、
数据、
权限、
测试、
不同国家的系统，
以及大量客制化功能。
但负责 Bayer 这项 IT 改造的 Jochen Kamp 最近透露，
目前项目里已经有：
30 个 AI Agents
协助进进程式撰写与测试。
而他的目标之一，
就是在未来部署阶段：
需要「明显更少」的顾问。
这句话真正重要的地方，
不是：
Bayer 明天要把顾问全部赶走。
而是企业第一次有机会重新计算：
哪些工作真的一定需要一个外部顾问亲自做？
因为以前最花钱的，常常不是「决定做什么」
大型 IT 项目最昂贵的部分，
很多时候并不是那几场高级策略会议。
真正吃掉大量人力的，
反而是后面一大串运行工作。
例如：
阅读旧程序。
整理规格。
找系统相依关系。
写技术文档。
修改程序。
创建测试案例。
跑测试。
找错误。
重新测试。
整理部署文档。
以前每一步，
都可能需要不同顾问、
工程师与项目人员投入大量时间。
所以企业顾问的生意，
很大一部分其实创建在：
「这件事情需要很多人工小时。」
但 AI Agent 改变的，
恰好就是「人工小时」这个单位。
SAP 自己甚至说：外部顾问成本可能下降
这个变化最尴尬的地方，
是连卖企业软件的 SAP 自己，
都开始谈如何降低企业对大量人工导入的依赖。
SAP 最近公开讨论一种叫做：
deshoring
的概念。
以前企业降低 IT 项目成本的方法，
常常叫 offshoring。
也就是：
工作还是由人做，
只是把工作搬到工资比较低的地方。
例如：
原本在欧洲或美国完成的工作，
交给印度或其他成本较低的团队。
但 AI Agent 带来的新问题是：
我们为什么只问：
「这个工作应该由哪一个国家的人做？」
而不先问：
「这个工作还需要全部由人做吗？」
SAP News Center 最近引用一项对约 180 种 SAP 转换工作活动的分析。
这项分析认为，
如果 AI Agent 能够处理部分规格、分析、程序与其他工作，
整体转换成本存在大幅下降的可能。
另一边，
《Financial Times》报导，
SAP 认为未来系统内置更多 AI 与自动化后，
外部顾问成本最多可能降低约 50%。
但这里一定要加一句：
这不是已经被所有企业证明的平均结果。
Capgemini 首席执行官 Aiman Ezzat 就直接表示，
50% 是非常积极的估计，
他们目前没有看到如此大的普遍降幅。
不过他也承认：
SAP 部署方式确实正在重新设计，
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：
顾问业自己也承认，同一件工作未来需要的人工可能变少。
Bristol Myers Squibb 已经看到一些合约直接消失
另一个更直接的案例，
来自制药公司 Bristol Myers Squibb。
公司数字与科技主管 Greg Meyers 说，
以前在资安领域，
BMS 会付很多钱给第三方公司，
请外部人员替公司：
监控系统、
查看异常、
处理大量日常安全信号。
但现在，
AI 已经能做其中大量监控工作。
结果是：
部分原本存在的外部合约开始消失。
这种改变甚至比「顾问工作效率提高」更关键。
因为如果 AI 只是让顾问：
原本十小时完成，
现在五小时完成，
企业还是需要顾问。
只是顾问更快。
但如果企业自己的 AI 系统，
已经能直接完成其中一整段工作，
问题就变成：
这份外包合约还需不需要存在？
所以企业开始不想再用「做多久」决定付多少钱
BMS 接着做的另一件事情，
可能才是真正会改变顾问业商业模式的地方。
公司开始要求部分外部顾问：
降低费用，
或者不要再只用：
按工时计价。
而是改谈：
固定价格，
甚至成果型费用。
这背后的逻辑很简单。
假设以前一个项目：
需要十个顾问，
做六个月。
现在 AI 帮助顾问公司：
只需要五个人，
三个月就能完成。
如果客户最后仍然按照以前的人工规模付钱，
AI 创造的效率利益，
几乎全部留在顾问公司。
客户当然会问：
「既然 AI 让你变快了，为什么我的帐单没有一起变小？」
所以未来企业可能愈来愈不愿意买：
「1000 小时顾问时间。」
它真正想买的是：
「这个问题最后有没有解决？」
这和印度 IT 外包正在发生的事情，其实是同一条线
以前 IT 服务业最重要的资产之一，
就是：
人。
一个客户需要更多任务作，
就派更多人。
更多任务程师，
更多分析师，
更多顾问，
最后形成：
更多 billable hours。
所以很多大型服务公司的收入，
长期和：
人数 × 工时 × 费率
高度相关。
但 AI 把其中一些工作压缩之后，
「用了多少人、做了多少小时」
开始变得没有以前那么重要。
客户更想问的是：
结果是什么？
系统有没有上线？
错误有没有下降？
成本有没有降低？
流程有没有变快？
如果 AI 可以把五天的分析缩成一天，
客户不会因为顾问公司以前需要五天，
就主动要求：
「请你慢慢做五天，我照样付钱。」
但顾问业并没有因此消失
如果只看到「顾问变少」，
很容易把故事写成：
AI 要消灭顾问业。
目前的数字其实不支持这么简单的结论。
市场研究公司 Source Global 估计，
2026 年企业仍可能花约：
4200 亿美元
购买科技顾问服务，
比 2025 年还成长约 8%。
其中光是和新科技、包括 AI 有关的咨询，
就可能达到约：
1400 亿美元。
也就是说，
企业一边用 AI 减少某些顾问工作，
同时又在另外一些事情上：
需要更多顾问。
这听起来矛盾，
其实并不矛盾。
因为「运行工作」变少，不代表「困难问题」变少
如果 AI 可以帮忙：
整理数据、
写初版程序、
创建测试、
做市场数据搜索、
监控大量资安信号，
那顾问原本靠大量人工完成的工作，
自然会受到压力。
但企业仍然有很多 AI 不容易自己处理的问题。
例如：
公司应该先改哪一个流程？
这个 AI 系统应该拿到哪些权限？
员工为什么不愿意使用？
不同部门利益冲突怎么解？
董事会可以承受多大的风险？
这项改造失败时，
谁负责？
企业真正该关掉哪一套旧系统？
哪些工作虽然 AI 做得到，
却根本不应该自动化？
这些问题不是单纯：
「帮我产生一份答案。」
而是涉及：
公司内部脉络、
权力、
风险、
经验，
以及最后必须有人承担的决定。
所以顾问业比较可能发生的事情，
不是：
全部消失。
而是：
大量运行型工作被压缩，高价值判断型工作被留下。
这也是为什么「懂客户」可能重新变得更重要
家电公司 SharkNinja 最近也表示，
公司正在减少部分顾问支出。
它使用 AI 与科技合作伙伴，
自己完成更多分析与预测工作。
公司 CEO Mark Barrocas 提到一个很重要的理由：
内部真正负责业务的人，
本来就最了解：
自己的产品、
客户、
促销方式、
供应链，
以及公司到底想解决什么。
如果 AI 已经能处理大量：
整理、
分析、
初步研究，
那企业就会重新思考：
是不是一定要把数据交给一群外部人，
让外部人先花几个月理解公司，
再把答案带回来？
这也是 AI 对顾问业真正危险的一点。
它不只是：
让顾问做得更快。
它也可能：
让客户自己做得够好了。
但「自己做得到」和「自己做得好」仍然不是同一件事
这里也不能走到另一个极端。
公司装了 ChatGPT、
Claude，
或几个 AI Agents，
不代表突然就不需要任何外部专业。
大型 ERP 改造失败，
可能影响：
财务、
库存、
订单、
供应链、
法规，
甚至整家公司营运。
资安判断错误，
代价更可能非常高。
所以企业真正应该做的，
不是看到 AI 就问：
「谁可以砍掉？」
而是重新拆解工作。
哪些是：
大量、
重复、
规则清楚、
可以验证的工作？
可以优先让 AI 处理。
哪些是：
重大决策、
例外情况、
跨部门协调、
高风险判断？
可能仍然值得付钱找真正有经验的人。
这时顾问的价值，
就不再只是：
「我有很多人可以替你做。」
而变成：
「我知道什么不该做错。」
AI 最后可能改变的，是「专业服务到底卖什么」
律师、
会计师、
顾问、
广告代理商、
软件外包公司，
长期都有一个共同特征：
客户很难精确知道一件工作到底需要多少时间。
所以：
工时
一直是最容易理解的计价方式。
但 AI 正在让同样一件工作需要的时间快速改变。
昨天要三天。
今天可能三小时。
明年甚至可能三分钟。
当时间本身愈来愈不稳定，
专业服务业最后可能不得不回答：
如果客户不再愿意为「花了多久」付钱，我到底提供了什么价值？
可能是：
成果。
判断。
经验。
责任。
风险承担。
组织改变。
或者：
替客户避开一个代价非常高的错误。
最有意思的是：顾问公司可能亲手教会客户怎么少用自己
这就是整个故事最讽刺的地方。
现在几乎每一家大型顾问公司，
都在告诉企业：
你必须导入 AI。
你必须重新设计流程。
你必须让 Agent 进入工作。
你必须提高生产力。
而当客户真的做到这些事情之后，
客户自然会回过头，
把所有成本重新看一遍。
包括：
顾问费。
所以 AI 对顾问业最大的威胁，
可能不是某一个模型突然宣布：
「我可以当 McKinsey。」
而是企业慢慢学会：
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，
内部员工搭配 AI 就能完成。
剩下真正困难的四十件，
才值得找外部专家。
如果这件事真的发生，
未来最值钱的顾问，
可能不会是：
带最多人进客户公司的那一家。
而是：
能用最少的人，帮客户解决最难问题的那一家。
今天，和 AI 一起进步一点。
每天学会一个 AI 技巧。
每天节省一点时间。
每天提升一点能力。
SasaDaily，陪你一起成长。
推荐阅读
AI 晚报｜2026/08/21：AI 把印度 IT 外包「按工时收费」打破，TCS 部分企业服务约 80% 已改按成果计价
