从“工具智能”走向“助理智能”

——北大纵横发布全场景咨询智能助理“纵小横”

人工智能正在进入管理咨询这一典型的知识密集型行业。

从政策研究、行业分析，到战略规划、组织设计、人力资源，再到报告撰写和演示文稿制作，大模型正在快速改变咨询顾问获取信息、处理数据和生产知识的方式。但当越来越多的咨询工作被拆解成一个个AI工具之后，一个新的问题也随之出现：如果顾问仍然需要自己判断使用什么工具、寻找哪些数据、按照什么顺序执行，并将不同工具产生的结果重新核验、拼接和整理，那么人工智能改变的主要还是单个工作环节的效率。

能否让人工智能从“完成一个任务”，进一步走向“理解一项工作”？

日前，北大纵横管理咨询集团发布全场景咨询智能助理“纵小横”，尝试给出一种新的答案：与其不断给咨询顾问增加AI工具，不如让AI逐步成为能够理解工作目标、组织工作流程、调用专业数据并形成成果的综合智能助理。

这意味着，管理咨询行业对人工智能的探索，正在从“工具智能”走向“助理智能”。

从“人找工具”到“AI组织工作”

咨询工作具有一个鲜明特点：很少有真正孤立的任务。

以一个企业管理咨询项目的投标为例。顾问拿到招标文件后，需要从数百页材料中识别时间节点、资格条件、废标条款和评分规则；需要从历史项目中寻找符合要求的项目业绩；需要找到真正具有相关项目经验的顾问；还要调取合同、中标通知书、满意度证明、公司资质等材料。同时，还可能需要了解招标企业的工商、财务、信用、历史采购情况及所在产业的发展趋势，最终将大量信息组织成为符合要求的投标文件。

过去，这些工作往往意味着在多个数据库、内部系统、文件夹和软件之间反复切换。

大模型出现以后，其中许多工作可以分别交给不同的AI工具完成。但工具增加之后，“使用什么工具、按照什么顺序、不同数据之间如何核验、发生冲突如何处理、最终形成什么成果”，仍然需要人来完成。

纵小横试图改变的正是这一环节。

顾问可以直接提出一个完整的工作目标，系统根据任务自主进行拆解，判断需要调用哪些数据和能力、哪些任务可以并行、哪些结果需要交叉核验，并根据最终使用场景形成表格、报告、演示文稿或者商务材料。

北大纵横将这种区别概括为：工具负责完成一个动作，助理需要理解一项工作。

其关键并不在于AI拥有多少功能，而在于谁来承担工作流程的编排责任。纵小横的设计定位因此不是一个孤立的功能按钮，而是覆盖战略规划、组织人力、国企改革、薪酬绩效、数字化转型等主要咨询领域的综合工作助理。 

这也是北大纵横提出“咨询智能体2.0”概念的基本逻辑：如果第一阶段解决的是“一个专业任务如何由AI完成”，那么下一阶段需要解决的，是“一项复杂工作如何由AI协同组织完成”。

咨询AI首先要解决“可信”问题

与一般内容生成不同，专业咨询对于人工智能还有一个更加严格的要求——可核验。

咨询成果中的客户名称、项目金额、财务指标、股权关系、政策条款、历史业绩、招标评分标准等，任何一项关键事实出现错误，都可能影响项目判断甚至带来实际风险。

因此，决定咨询AI能否真正进入专业工作现场的，不只是语言生成能力，更重要的是三个问题：数据从哪里来，数据是否可信，结论能否追溯。

基于这一认识，纵小横没有把“更会写”作为首要目标，而是首先建设数据基础。目前，其数据体系连接内部历史项目、企业与金融专业数据、行业运行指标、政策法规及公开资讯、内部商务材料等五类资源。对于咨询顾问而言，这意味着AI不再仅仅依赖大模型自身已有的通用知识，而能够根据不同任务进入相应的专业数据环境。 

其中，北大纵横多年积累的咨询与培训项目，可以按照行业、客户性质、服务类型、时间等不同维度进行组合检索。企业与金融专业数据则覆盖工商股权、实际控制人、财务指标、司法诉讼、行政处罚、信用评级、债券、担保质押等信息；产业研究可以进一步调用宏观、区域、行业产销及进出口等运行数据。

更重要的是，不同数据来源之间建立了明确的使用规则。内部项目数据、专业数据、行业数据、公开信息和通用知识具有不同优先级；不同来源出现矛盾时，系统不通过生成式模型“自行调和”，而是保留差异并标明出处，把需要专业判断的部分交还给顾问。

“拿真数据，说有出处的话”，正在成为专业咨询AI区别于一般生成式AI的重要标准。

从“生成答案”走向“形成成果”

数据可信只是第一步。

对于一家咨询机构而言，人工智能真正产生生产力，还必须从回答问题进一步进入工作流程。

目前，纵小横已经围绕咨询业务形成投标、企业尽调与商务研判、产业研究、汇报成稿与材料交付等业务闭环。

仍以投标场景为例。过去可能需要分别使用标书分析、企业查询、历史项目查询、人员检索、文档生成等不同工具，纵小横则尝试把这些能力组织在一条工作链上：读取招标文件，建立时间节点，识别资格条件和废标项，拆解评分规则，检索历史项目和匹配业绩，推荐具有相关经验的人员，调取合同及证明材料，再进一步进行投标文件检查和模拟评标。

企业尽调同样如此。系统不仅可以查询单一企业信息，还可以按照专业尽调逻辑，对司法、执行、处罚、评级、担保质押等信息进行分类组织；产业研究则可以进一步连接产业链分析、代表企业筛选、财务比较、行业景气度和宏观环境分析。

由此，人工智能的输出也从一段文字、一张表格，逐渐走向能够继续编辑和使用的报告、演示文稿和商务材料。

这背后实际上发生了两个变化：

从“人找工具”转向“AI找工具”，从“答案生成”转向“成果交付”。

前者改变人机协作方式，后者则开始触及专业服务行业真正的生产过程。

越是进入专业领域，越需要明确人的责任

人工智能进入咨询工作越深，一个问题越不能回避：哪些事情可以交给AI，哪些事情必须由人负责？

北大纵横并没有把纵小横设计成一个“替顾问作决定”的系统。

在商务标制作过程中，AI可以检索并推荐候选业绩，但候选项目需要顾问确认后才进入后续材料；如果项目编号不能精确匹配，系统返回候选项而不是自行决定；遇到材料缺失、证书过期或者需要人工处理的文件，则明确提示人工介入。 

在企业关联关系核查中，AI可以发现股权、共同高管、注册地址、联系方式、供应链或担保等关联路径，但只陈述存在什么关联，不自行作出涉及围标串标等性质判断。 

围绕专业咨询的特点，纵小横由此形成“不编造、可溯源、有边界”三项基本约束。对于无法获得的数据明确说明缺失，对重要数据保留来源，对于评标、投资、法律等需要专业责任的结论明确人工复核要求。 

这实际上提出了一个值得专业服务行业关注的人机协作原则：

AI把事实准备到位，把判断留给专业人员。

因为AI越强，人的价值并不会因此消失，反而可能变得更加集中。

三十年咨询积累正在成为新的数字资产

纵小横的推出，还有一个更深层的行业背景。

2026年，恰逢北大纵横成立三十周年。三十年来，中国管理咨询行业伴随着国有企业改革、民营企业成长、现代企业制度建设和中国企业国际化不断发展。咨询机构也积累了大量项目案例、行业数据、管理方法和实践经验。

但长期以来，咨询行业存在一个典型问题：知识很多，却未必能够被组织有效调用。