2025年9月，深圳一家中等规模的电商公司。
运营总监陈伟在晨会上提了一个问题：
"我们公司现在用AI工具，覆盖率多少了？"
全屋沉默。
有人用Copilot写代码，有人用Claude做文案，有人用Midjourney做图，有人用Notion AI整理会议纪要。
但问题来了——这些工具，都是员工自己摸索的。
公司没有统一培训，没有使用标准，没有效果评估。
陈伟后来跟我说了一句话：
"我们花了80万买AI工具，但大部分员工还在用'搜索+复制粘贴'的老方法干活。
钱白花了。"
这不是个案。
Google Cloud 2026年调研了全球3,466位企业决策者，发现一个惊人的数据：88%早期采用AI的企业获得了正向ROI，但52%已部署AI智能体的企业，居然没有专职人员负责"AI能力推广"。
翻译过来就是：大多数公司买了AI工具，但没有人负责"让大家真正用起来"。
这不是技术的问题。这是"谁来连接技术和业务"的问题。
正是在这个背景下，一个新的职业正在诞生：
企业内部AI顾问（Internal AI Consultant）。
从"IT支持"到"AI顾问"
以前每个公司都有IT支持（Help Desk）。
电脑坏了找他们，软件装不上找他们，网络连不上找他们。
但AI来了之后，员工遇到的问题变了：
"Copilot怎么用？"
"这个Prompt怎么写效果最好？"
"我的工作流怎么用AI优化？"
"我们部门能不能定制一个AI助手？"
这些问题，IT支持回答不了。
因为这不是"技术问题"，而是"怎么用AI创造价值"的问题。
德勤在2024年发布了一份报告，预测：到2027年，60%的大型企业将设立专门的"AI顾问"岗位。这个岗位不是IT岗位，而是"业务+AI"的复合型岗位。
它的核心职责，不是维护AI系统，而是：
1. 帮助业务团队发现AI应用场景。
2. 培训员工使用AI工具的最佳实践。
3. 设计人机协同的工作流程。
4. 评估AI应用的实际ROI。
翻译过来就是：这个人不是"修AI的"，而是"让AI真正帮到业务的人"。
McKinsey在2026年的一篇文章里，把这个角色称为"AI价值翻译官"——把AI技术语言翻译成业务价值语言。
这个翻译工作，是AI自己做不到的。
一个AI顾问的一天
王磊是我认识的一位AI顾问。他在一家互联网金融公司任职，月薪4万（比同级别产品经理高30%）。
他的工作是什么？
早上9点，他收到一封邮件：财务部说"报销流程太慢了，能不能用AI优化一下？"
王磊没有直接推荐工具。他先去财务部和大家聊了一天。
发现的问题：报销单填写不规范、审核标准不统一、退回重填比例高达40%。
王磊的解决方案：
第一，用AI OCR自动识别发票信息，填写报销单。
第二，用AI训练一个"报销审核模型"，学习历史审核标准。
第三，设计新的报销流程——员工只负责拍照，AI负责填单+初审。
结果：报销周期从7天缩短到1天，财务部门减少了2个审核岗位（转去做财务分析）。
王磊说了一句话让我印象深刻：
"我不是在卖工具。我是在帮他们找到'AI能解决什么、人该做什么'的边界。"
下午2点，王磊参加了产品部的周会。
产品总监提出一个问题："我们的用户调研太慢了，能不能用AI加速？"
王磊的建议：
用AI做初版用户画像分析（3小时出结果），然后人工做深度洞察（2天）。
不是"AI替代调研"，而是"AI做80%，人做20%深度洞察"。
产品总监一开始不同意："20%的深度洞察能值多少钱？"
王磊反问："如果AI能帮你省下3周时间，你打算用这3周做什么？"
产品总监想了想："做竞品分析、优化产品路线图。"
王磊说："那不就是答案吗？AI省下的时间，应该用来做AI做不了的事。"
这就是AI顾问的价值——不是推工具，而是推"工作方式的重新设计"。
为什么这个职位会火
AI顾问这个职位火起来，有三个原因。
第一，技能半衰期缩短了。
Google Cloud的报告指出：科技行业的技能半衰期已缩短至2年，其他行业是4年。
什么意思？
意思是你今天学会的AI工具，两年后可能就过时了。
但"怎么用AI创造价值"这个能力，不会过时。
AI顾问的核心技能，不是"会用某个工具"，而是"能持续学习新工具，并翻译成业务价值"。
这种能力，是AI自己学不会的。
第二，从"购买工具"到"落地价值"的鸿沟越来越明显。
WEF 2026年的组织转型报告指出：不到2/3的企业成功从试点扩展到全面部署AI。
为什么？
因为买了工具不等于用起来了。
大部分公司卡在"试点成功、推广失败"的泥潭里。
AI顾问就是来解决这个问题的——他们专门负责"让试点变成全公司都能用的能力"。
第三，这个角色是"人机协同"的最佳实践者。
Anthropic在2026年3月发布的《Learning Curves》报告中有一个数据：使用AI超过6个月的用户，成功率比新用户高出10%。
为什么？
因为老用户学会了"和AI协作的节奏"——知道什么时候该放手让AI做，什么时候该自己介入。
AI顾问的工作，就是把这个"协作节奏"教给全公司的人。
他们不是"AI专家"，而是"AI协作专家"。
这两个角色完全不同。
AI顾问的三种工作模式
根据我观察到的案例，AI顾问通常有三种工作模式。
模式一：诊断+方案（咨询模式）。
深入某个部门，诊断当前工作流的痛点，然后设计AI解决方案。
百胜中国有个专门的"AI转型小组"，由5位AI顾问组成。
他们半年内走访了300多家门店，为每个门店设计了"AI值班助手"——帮助店长做排班、库存、人员调度的智能决策。
结果：门店人效提升14%，店长的工作时间从每周60小时降到50小时。
模式二：培训+赋能（教练模式）。
不是给每个部门做方案，而是培训"种子用户"，让他们自己去推广。
Moderna的CEO把HR和IT合并，创建了数千个自定义GPT。
但公司没有强制使用，而是培训了50位"GPT大使"——每个部门选一个人，专门负责教会本部门的人用GPT。
结果：70%的员工在3个月内开始使用自定义GPT，用户满意度提升了25%。
模式三：平台+生态（架构模式）。
不是解决具体问题，而是搭建AI能力平台，让各部门自助服务。
某大型零售企业搭建了"AI能力超市"——把公司内所有AI工具、模型、最佳实践都放在一个平台上。
员工可以自己搜索"我这个岗位有什么AI工具可以用"，然后自助学习。
AI顾问的角色从"解决问题"变成了"运营平台"。
这三种模式，对应AI顾问的不同发展阶段。
初创期用模式一，成长期用模式二，成熟期用模式三。
这个职位和传统岗位的区别
很多人会问：AI顾问和以下岗位有什么区别？
和IT支持的区别：IT支持解决"工具坏了"的问题，AI顾问解决"工具怎么创造价值"的问题。
和数据分析师的区别：数据分析师分析历史数据，AI顾问设计未来工作流。
和培训师的区别：培训师教"怎么用工具"，AI顾问教"怎么用工具解决业务问题"。
和咨询公司的区别：外部咨询公司做方案，AI顾问负责落地执行。
最关键的差异是：AI顾问是"内部人"，他们懂公司的业务、懂公司的痛点、懂公司的文化。
外部咨询公司做不到这一点。
McKinsey的CEO访谈中提到：AI转型是80%业务转型 + 20%技术转型。
AI顾问就是这个"80%业务转型"的专职负责人。
他们不需要懂最深的AI技术，但他们必须懂"怎么让AI技术变成业务结果"。
这个能力缺口，正是这个职位的机会。
写到最后
2026年春天，陈伟的公司终于招到了第一个AI顾问。
那个人叫小周，以前是产品经理，后来自己钻研AI工具，在公司内部做了几次分享。
陈伟给他开了3.5万月薪，比原岗位高40%。
我问陈伟："值吗？"
他说："小周来了两个月，帮我们优化了5个核心流程，节省的人力成本已经超过他的年薪了。"
"而且，员工现在遇到AI问题，终于有人可以问了。"
这让我想到一个比喻：
AI工具就像一把电钻。
IT支持负责修电钻。
AI顾问负责教你"怎么用电钻把墙钻透"。
而公司真正需要的，不是"谁会修电钻"，而是"谁能让电钻真正派上用场"。
这个需要"让工具产生价值"的人，就是AI顾问。
在AI工具越来越便宜、越来越普及的未来，这个角色的价值，只会越来越高。
因为工具可以买，但知道"怎么用工具创造价值"的人，是买不来的。
老邓 × 艾游
2026年5月