AI+咨詢：數據科學家會成為顧問嗎？
AI會讓咨詢行業迎來新的春天嗎?
在一個先進咨詢公司的人工智能開發部門工作過之后，筆者發現大多數顧問堅持讓顧客繼續投資AI，即便自己公司在AI發展方面已經滯后了。
事實正是如此，科技公司成為了管理咨詢公司新的競爭對手，谷歌和微軟正在搶麥肯錫，波士頓咨詢公司和貝恩的工作。
咨詢行業該如何改變自己的商業模式，在這場競爭中找到出路?筆者將會告訴你，咨詢公司該如何構建內部人工智能技能，雇傭數據科學家以及如何打造AI相關的新商業模型。
咨詢公司未來將會是怎樣?受科技巨頭威脅的咨詢行業該何去何從?數據科學家會成為顧問嗎?不如來聽聽筆者的看法。
獲取信息&更好的數據分析
顧問是基于研究提供昂貴且有洞察力的建議和指導，但事實上，人們大部分的咨詢費用都花在數據分析和列報上。顧問的工作是收集、清理、處理并解釋來自各組織不同部分的數據。
的確，數據挑戰讓人機交互的變得必要，但關鍵數據經常丟失或難以訪問，這使得企業需要專家(顧問)來創建、組合、清理、分析和解釋數據，從而在關鍵的戰略性問題上尋求數據驅動型的答案。
在越來越多的項目中，我們往往需要更多的數據科學家而非顧問。
在一定程度上，顧問的工作可以通過機器學習算法來實現自動化。一個機器學習模型可以通過檢測模式和推斷規則來了解復雜情況——即便是對規模最大、最睿智的咨詢團隊來說，這個過程也是極其困難的。
預測一：
- 決策者向智能設備(例如Alexa…)詢問這樣的問題：“在我們主要的市場中，對我來說最大的競爭對手是誰?”“我們應該如何分配資本去和亞馬遜競爭?”“我們應該怎樣重組董事會?”
- 答案在互聯網時代是廉價的，人工智能可以降低整個咨詢價值鏈的利潤率。
- 信息獲取渠道的擴大改變著這一局面。如今，曾經那種被嚴密保護的信息事實上已經被互聯網商品化了。如今，真正的增值是通過已經掌握的數據創造新的競爭優勢。
可以這樣認為，AI時代的管理顧問并不公開信息或運行分析。相反，他們正在利用大多數公司已經獲得的信息和分析。基于筆者的觀察，他們經常把不同的信息片段連接起來，形成一個完整的敘述或者指導。
除了現有的初始分析活動的自動化之外，算法還可以獲得對更高附加值部分的訪問權——譬如洞察整合和戰略制定。
AI回答變得越來越易獲得，這對于咨詢公司不是好消息：他們的客戶愿意為其支付的費用顯著減少。人們可能會認為真正的價值來自數據科學家，而不是無法識別數據中的隱藏模式的純粹的顧問。
有風險的商業模式……
大多數咨詢公司的經營基于以下要素，這也是AI會極大威脅咨詢行業的原因所在：
如今的形式
根據筆者的經驗，大多數咨詢任務都和業務問題有關，這些問題可以通過聚類、排序和分類或預測算法來解決。
比如，客戶流失預測非常普遍，回歸模型已經被證明是相當有效的。此外，協作過濾或排序問題也非常常見。如果業務問題明確，數據可用并相關，且預測真實，數據科學家就可以通過機器學習算法為許多業務問題帶來解決方案。
人工智能提供者與管理咨詢的較量
隨著人工智能越來越民主化(無代碼/低代碼人工智能解決方案，初創企業等等)，管理咨詢公司將面臨越來越大的競爭壓力。
大型科技公司的競爭
競爭始于三家主要的公司，他們提供預先訓練過的模型，企業客戶可以利用這些模型來構建人工智能系統。
事實上，有各種各樣的工具可以幫助主流公司構建一切，從引擎推薦到語音識別再到翻譯系統，客戶服務機器人等。在這些情況下，一個內部顧問和數據科學家團隊會更合適。
大型科技公司顯然更適合。或許有人會認為，這些服務需要大量的個性化服務和技術工作才能有用，科技公司已經在努力通過提供咨詢服務來填補這一空白。
谷歌已經開設了“高級解決方案實驗室(Advanced Solutions Lab)”，即部分提供咨詢服務，部分作為技術訓練營。來自客戶公司的整個團隊可以和谷歌工程師一起獲得機器學習技能并建立定制系統。科技公司的發展不再僅僅局限于基礎科技設施，也同樣不拘泥于政策和人員。
科技公司和管理咨詢公司的競爭越來越激烈，管理咨詢公司幫助客戶應對技術造成的破壞，并收取高額費用。
全能型人員知道他們本質上是脆弱的。很多客戶向科技公司咨詢意見，這些公司本身就是人工智能的先驅用戶。如果咨詢公司不能作出有效反應，更多的專業提供者可能會向價值鏈上游發展，不僅會成為數據分析提供者，而且還能為整體商業策略提供建議。
來自初創公司的競爭
初創公司也對咨詢公司造成了威脅。事實上，很多公司提供的服務有，幫助清理和標注數據等，并承擔許多大型公司尚未提供的具體服務。有時數據科學家在不需要管理顧問的情況下，就可以完美地解決一個精確的業務問題。
對大型公司來講，將其大部分人工智能工作外包出去是有意義的。這些初創公司往往擁有咨詢公司不具備的一些強大機器學習專業知識。這些初創公司經常開發與客戶業務結合的個性化解決方案，并可持續使用——即使顧問離開之后也可以使用。
來自獨立人工智能公司的競爭
獨立的人工智能咨詢公司也不得不提。的確，越來越多的公司開發了一系列服務，以幫助公司合并、發展或開創人工智能項目。這些公司擁有規模上的優勢(靈活性，價值等等)。
人工智能，軟件服務化和一些新的商業模式
很多咨詢公司已經通過培訓顧問，雇傭數據科學家，開發人工智能和軟件服務，以及創造新的商業模式來適應新的競爭環境。
新數據能力
顯然，像波士頓咨詢公司(BCG)和麥肯錫(McKinsey)這樣的市場領導者早就投資于具有機器學習經驗的分析型初創企業，或雇傭了大量的數據科學家，并創造了新的數據驅動部門(例如BCGGamma)，為客戶帶來新的數據能力。
公司文化與培訓
首先從培訓和公司文化入手。事實上，筆者認為當代管理顧問不能再指望于頂尖學校畢業生或特定領域的專家了，所有的顧問都必須精通技術或數據。
生態系統創造
越來越多的咨詢公司正在試圖通過與一些特定的機構、初創公司或其他和AI相關的組織合作，來創建人工智能生態系統。其目標在于提升品牌形象，建立自己的領導地位，雇傭技術專家以及提升解決方案。
對于大多數最先進的咨詢公司來說，這將包括創建一個具有人工智能專業知識的“實驗室”，或許還有個孵化器。
變成一個技術提供者
咨詢公司已經開始開發更多的專有軟件(通常使用SaaS或AlaaS模型)，因為很多客戶都有類似的需求(比如定價策略)，這些方法經常根據客戶的需求來定制。
事實上，如果你已經與公司合作并且充分了解業務問題，那么就很容易推廣你的SaaS解決方案。開發獨特的解決方案為咨詢公司創造了新的收入來源。這一新的商業模式完美契合于那些沒有資金投資于自己的人工智能發展的客戶。
如果經常給客戶進行一些日常診斷和推薦，客戶就會有更大的動力去投資于軟件提供商，“按需思維”消失了。此外，在顧問需求方面，依靠利用實時數據工具的需求改變了現狀。
和人工智能經濟相關的新的服務
也有咨詢公司在新興的職業經濟和在線培訓上進行大量投資。
預測
筆者相信，基于技術的咨詢解決方案將獲得更多的空間，在咨詢方面的搶人大戰將比今天更加激烈。此外，筆者也期望更多的數字科學家變成顧問。
由于人工智能民主化和顧客忠誠度的降低，競爭或許會更激烈。客戶期望，對咨詢服務的購買能依據其特定要求變得更容易。
人工智能供應商將越來越多地與管理咨詢公司競爭。
但是，筆者期望客戶繼續受益于對管理咨詢公司的使用，而不是供應商本身(比如，Google,AWS, SAP)，管理咨詢公司的優勢在于：
- 客觀性
- 了解這個行業中的其他公司是怎么通過人工智能轉型的
- 將人工智能轉換和總體業務戰略以及關于如何擴大人工智能項目聯系起來
顯然，咨詢的勞動密集性可能會有所降低。筆者認為，在未來的20年，人們將會看到以下事情的發展：
顧問會完全被數據科學家取代嗎?在某些情況下，是的。但是當人工智能和機器學習在被賦予變革和變化的任務時，仍然很難獨自應對。因此，筆者相信，顧問在短期內是不可替代的，但是發展趨勢依然是現實。
基于自己作為人工智能顧問的經驗，筆者發現，機器學習算法可能會產生非常強大且有洞察力的分析，但在將這些分析轉化為特定的業務決策時，往往缺失了一個環節。在這些情況下，專家顧問的存在就很必要了。況且由于環境和現實的原因，人工智能系統無法涵蓋太多的變數。
數據科學家面臨的最大問題是，他們衡量一個項目的實際有形價值仍然不容易，而這對一個非科學家或單純關注結果而不關注于過程的人來說更是困難。所以，合作會是必然的。
最后的問題是，即使建立了完美的人工智能驅動的解決方案，讓客戶理解這個解決方案仍是難題。咨詢的工作任務之一是如何讓解決方案實現。
科技的發展給咨詢行業帶來了很大的難題，所幸危中有機，抓住機遇，擁抱變化，咨詢業或許會迎來新的春天。
