咨询｜从 Harvey 的三层服务和收费模式，看 AI 原生咨询公司的真正起点_tag2

来源：纽约客

这两年，很多人讨论 AI 对咨询行业的冲击，常见的切入角度还是“PPT 会不会被自动生成”、“研究员会不会被替代”、“顾问的交付会不会更快”。

这些问题当然重要，但如果只停留在工具替代层面，还是低估了这一轮变化的深度。真正值得研究的，不是 AI 会不会让咨询顾问更高效，而是会不会催生一种新的咨询公司形态：

“

它不再以人天和方法论文档为核心交付，而是以产品化平台、可执行工作流和持续运营能力为核心交付。

Harvey 是一个很好的观察样本。它最早切入的是法律行业，但它的成长路径已经超出了“法律 AI 工具”的范畴。Harvey 用不到四年的时间，从一个法律问答原型成长为服务全球大型律所和企业法务的平台型公司，核心不只是模型能力，而是它把专业服务行业的价值交付拆成了三层：底层是 AI 助手与平台，中层是知识与工作流，顶层是高接触度的实施、集成和变革服务。 这三层结构，恰恰也给未来 AI 原生咨询公司提供了一张非常清晰的路线图。

Harvey 真正在卖什么

Harvey 表面上是一家法律 AI 公司，但如果看它的产品描述、工作流能力和企业部署方式，会发现它卖的从来不只是一个“更聪明的聊天界面”。它正在构建的是一套面向法律和专业服务行业的工作平台：用户可以在其中完成检索、起草、审阅、知识调用、流程编排以及跨系统协作。

这也是为什么 Harvey 的价值，不应只用模型准确率去理解。对于大型律所而言，真正重要的是三件事：第一，AI 是否能够嵌入高价值、高保密、高责任的工作流；第二，它是否能接入外部专业内容与内部知识资产；第三，它是否有能力推动组织层面的采用，而不是停留在几位合伙人或创新团队的试点里。 从这个角度看，Harvey 的商业模式更接近“平台 + 行业解决方案 + 变革服务”的复合体，而不是传统意义上的 SaaS。

第一层：平台与助手，先把“个人生产力”产品化

Harvey 的第一层服务，是面向律师和法务人员的 AI 助手与企业平台。用户层面，它承担的是一个数字化初级律师的角色：帮助完成法律研究、合同审阅、条款比较、备忘录起草等标准化程度较高、但又需要专业语境理解的工作。 企业层面，它提供的则是权限控制、审计、合规、文档管理、模型接入和系统集成等基础设施能力。

这一层的本质，是把原来由初级专业人员承担的大量高频脑力劳动，重构成一个可随时调用的平台能力。它首先解决的是“个人效率”的问题，但又不仅是一个个人工具，因为它必须满足企业对安全、治理和协作的要求。Harvey 与 Microsoft 365 等系统的集成，以及其围绕企业场景进行的产品设计，都说明它的目标不是做一个外部插件，而是进入客户的主工作流。

在收费上，这一层最接近企业软件的经典模式。外部资料显示，Harvey 主要采取按席位订阅的方式计费，面向大型律所和大型法务部门，通常按年签约，且有较高的起订门槛。第三方分析和行业用户反馈显示，其公开市场上的典型报价区间大致在每名专业人士每月 1,200 至 2,000 美元，部分复杂方案或内容捆绑后的价格可能更高。 这套定价逻辑的基础，不是 token 成本，而是律师时薪与节省工时带来的可量化价值，因此 Harvey 的定价本质上是在对标“替代了多少人工脑力成本”。

第二层：知识与工作流，把“经验”变成可执行系统

真正让 Harvey 拉开差距的，并不是第一层，而是第二层。因为在专业服务行业里，工具本身很容易同质化，但组织经验、内容资源和多步骤工作流才是最难复制的壁垒。Harvey 很早就开始把平台从单点问答能力，推进到知识管理、外部内容连接和代理式工作流上。

这层服务包括两个非常关键的部分。第一是知识层。Harvey 不只是调用通用模型，还通过与 LexisNexis 的合作，把深度法律内容接入平台；同时它也在建设面向客户内部知识资产的能力，让历史文件、案例、范本和专业语料能够被结构化调用。 第二是工作流层。Harvey 推出的 Agent Builder 和 Workflow Builder，本质上是在把原来由律师手工串联的多步骤任务，重构成可配置、可复用、可审阅的自动化流程。

这一层的意义非常大，因为它意味着专业服务公司开始把“方法论”从 PPT 和培训手册中解放出来，转化为真正能够执行的系统。过去一个律所最有价值的资产，可能是合伙人的经验、案例库和模板库；而在 Harvey 这套体系里，这些资产有机会转化成长期积累的数字化工作流和组织知识图谱。 一旦走到这一步，客户采购的就不再是一个通用 AI 接口，而是在采购一家机构的“专业能力操作系统”。

在收费上，第二层一般不会以单独的基础 seat 逻辑来理解，而更多体现为增值模块、内容捆绑和企业级工作流能力的加价。第三方分析认为，诸如 Knowledge、Workflows，以及与 LexisNexis 等内容服务的深度捆绑，会明显抬高整体合同价值与每席位平均收入；有的能力体现在 Harvey 合同中，有的则会部分体现在合作伙伴合同中。 这与传统咨询公司的盈利结构很不一样：过去咨询公司靠资深顾问的人时来提高单价，未来 AI 原生专业服务公司则会越来越依赖“可复用知识资产”和“工作流模块”来提升 ARPU 与客户黏性。

第三层：高接触度服务，真正完成组织变革 很多人会把 Harvey 当成一家软件公司，但如果仔细看它的落地方式，会发现它已经具备了明显的“咨询化”特征。Harvey 在企业部署里不仅提供软件，还投入了大量前律师、行业专家和实施人员，帮助客户做场景识别、系统接入、质量评估、培训推广和变革管理。

这第三层非常关键，因为专业服务行业的采购决策，从来不是单纯的软件购买，而是一个组织风险控制过程。客户真正担心的，并不是 AI 能否生成答案，而是这套系统能不能接进现有流程、有没有权限和伦理边界、谁来验证结果、出了问题由谁负责。Harvey 在这一层通过高接触度服务，把自己从一个供应商升级成了“变革伙伴”。 换句话说，它不只是把工作做快，而是在帮客户重写工作的组织方式。

这一层通常对应项目型收入和年度服务收入。虽然 Harvey 没有公开完整的定价表，但第三方资料显示，其企业方案中常常伴随实施、集成、培训和持续支持等服务，这些服务既是收入来源，也是客户关系和续约的关键抓手。 这与很多垂直 SaaS 企业不同。后者通常希望尽量降低服务比重，而 Harvey 这样的专业服务型 AI 平台，反而会刻意保留一部分高价值、高接触度服务，因为这部分服务能增强其在客户组织中的嵌入深度和替换成本。

如果把 Harvey 平移到咨询行业，会发生什么

Harvey 的启发在于，它证明了一个原本被视为“高度依赖专业人才”的行业，也可以被重新拆成三层交付：第一层是面向个体的 AI 能力，第二层是面向组织的方法论与工作流，第三层是面向系统变革的实施与运营。 这三层结构对咨询行业尤其重要，因为咨询本身就是一个高度依赖知识、流程和高接触度协作的行业。

如果未来出现真正的 AI 原生咨询公司，它大概率不会再像传统咨询公司那样，从“卖资深顾问的人时”和“交一份报告”开始，而会从这三层能力同时搭建：先用产品化平台占据一线顾问和客户团队的工作入口，再用方法论工作流沉淀可复用能力，最后通过实施与运营把自己嵌入客户的长期决策体系。这样的公司，表面上像软件公司，深层上却会越来越像一家新型咨询公司。

AI 原生咨询公司的第一层：咨询助手，而不是聊天机器人

咨询行业的第一层，最容易理解，也最容易被低估。未来 AI 原生咨询公司的基础产品，一定会是面向顾问、分析师和客户项目组成员的“咨询助手”。但这个助手不应只是一个通用大模型界面，而应该是一个深度嵌入咨询工作场景的操作层：它知道如何读招股书、行业报告、纪要和访谈记录，知道如何形成市场地图、竞争格局、增长假设、运营诊断和董事会材料的初稿。

这一层的关键能力，不在于模型本身是否足够强，而在于它是否真正理解咨询工作的上下文。它需要接入企业文档系统、会议系统、数据分析环境和材料模板；需要具备多语言检索、访谈摘要、结构化分析、图表生成和叙事写作能力；还需要满足客户对于数据隔离、权限控制和审计留痕的要求。换句话说，这个“咨询助手”其实是咨询行业的 AI workbench，是未来每位顾问和客户经理的基础工作环境。

从商业模式看，这一层同样适合采用 seat-based 的方式收费。因为对咨询公司和客户来说，最容易预算和采购的不是“每次调用多少钱”，而是“每位顾问或每个项目组一年需要多少 AI 能力”。Harvey 已经证明，在高人力成本行业，按席位收费、用人效提升来讲价值，是一种比 usage pricing 更容易被管理层接受的定价方式。 咨询行业的人力成本和小时费率本来就很高，因此只要 AI 助手能实质性替代研究、梳理、初稿和材料加工工作，第一层就有足够的定价基础。

AI 原生咨询公司的第二层：把方法论编译成工作流

未来咨询行业真正的分水岭，会出现在第二层。传统咨询公司的核心资产长期以来被认为是方法论、案例库、专家网络和顾问训练体系，但这些资产大多仍停留在“人脑记忆 + 文档模板 + 团队协同”的状态。AI 原生咨询公司最大的机会，不是把这些资产做成一个知识库，而是进一步把它们编译成可以执行的工作流系统。

举例来说，一家做增长咨询的 AI 原生公司，可以把“市场进入分析”做成一个标准化工作流：自动抓取行业数据，识别细分赛道，生成竞争对手地图，输出客户访谈问题框架，最后汇总形成若干增长路径选择。又比如一家做运营咨询的 AI 原生公司，可以把“供应链诊断”做成另一个工作流：接入客户 ERP 与库存数据，自动识别瓶颈节点，生成损耗归因，提出可执行的优化动作。这样的工作流一旦跑通，它的价值就不再依赖某个项目经理的经验，而可以在多个客户、多个项目中复用和迭代。

这一层需要接入的能力非常明确：知识抽取与结构化能力，用来把过去的项目资料转化为可计算资产；多代理工作流编排能力，用来把复杂咨询任务拆成若干可执行步骤；以及与客户经营数据、外部数据库和协作工具的连接能力，用来让“分析”真正建立在实时数据之上。 从收入上看，这一层既可以作为高级模块加价，也可以发展成按场景、按业务线、按功能模块收费的产品化收入来源。它会成为 AI 原生咨询公司最有规模化想象力的一层。

AI 原生咨询公司的第三层：从建议交付，走向共同运营

最能拉开差距的，仍然是第三层。过去咨询公司最大的收入来源，是高价项目制服务；未来这部分服务不会消失，但它的内涵会发生变化。AI 原生咨询公司不会满足于“交付一份建议书”，而会进一步帮助客户把 AI 平台、工作流和治理机制真正植入组织，甚至持续参与客户的经营运行。

这意味着未来咨询公司的第三层，可能不只是转型咨询，而是“AI 驱动的联合运营”。例如，在销售、采购、客服、财务、人力这些职能中，咨询公司不只是给建议，而是与客户共同搭建一套能持续运行的 AI 管理系统，负责模型配置、流程迭代、指标追踪、人员培训和结果评估。这样一来，咨询公司的角色就从项目顾问变成了一个介于软件供应商、运营服务商和组织变革顾问之间的新物种。

这一层会接入更多传统咨询公司并不擅长、但未来必须掌握的能力，包括数据治理、AI 风险控制、权限体系、组织激励设计、数字运营管理以及以周、月为单位的业务复盘机制。 商业模式也会从一次性项目费，延展到“平台订阅 + 实施费 + 年度运营服务费”的组合。谁能在这一层建立长期驻留能力，谁就更可能成为客户真正意义上的长期伙伴，而不是一次性交付的外部智囊。

为什么未来的咨询公司，可能来自 AI 产品行业

如果把视野再拉远一点，会发现这篇讨论真正有意思的地方，不在于“咨询公司应该如何学习 Harvey”，而在于“Harvey 这样的公司，会不会反过来定义未来的咨询公司”。这是一个对咨询行业颇具冲击力，但越来越现实的问题。

传统咨询公司的强项，是理解高层议题、组织问题和复杂利益相关方；但它们的弱项也很明显：产品化能力不强，工作流沉淀慢，复用效率低，对持续软件运营并不天然擅长。相反，原生 AI 产品公司从第一天开始就在构建平台、收集反馈、优化交互、编排工作流、追踪使用数据，它们天然更容易占据专业服务行业的第一层和第二层。 一旦这些公司补足行业专家、实施团队和组织变革能力，它们就会开始向第三层爬升，而那正是传统咨询公司赖以生存的核心腹地。

因此，未来最有竞争力的咨询公司，未必是今天那些最会写战略报告的公司，也可能是今天那些最懂如何把 AI 产品、知识资产和组织流程接在一起的公司。它们未必出自传统战略咨询行业，反而可能来自法律 AI、金融 AI、医疗 AI、企业搜索、工作流自动化乃至垂直 SaaS 的创业公司。 这些公司先从一个高价值工作场景切入，再逐步向知识层和变革层扩展，最终成为某个行业里的“AI 原生咨询公司”。

结语

Harvey 的真正启发，不是它把律师变得更高效，而是它展示了一条更重要的路径：一家原生 AI 公司，可以先从工具切入，再走向工作流，最后走向组织变革，最终获得与传统专业服务公司相近、甚至更强的行业影响力。 对咨询行业来说，这意味着竞争不再只是来自同行，也来自那些正在悄悄掌握产品、知识和运营三层能力的 AI 公司。

未来的咨询公司，可能依然会做战略、做转型、做组织设计、做高层决策支持，但它们的交付形态将不再只是报告和 workshop，而会越来越像一个长期运行的 AI 系统。谁能把“顾问经验”编译成平台，把“方法论”编译成工作流，把“建议”编译成持续运营，谁就更有可能定义下一个时代的咨询行业。

欢迎后台评论区留言讨论，也欢迎对AI原生咨询的感兴趣的伙伴们加入我们的圈子。