همه چیز با یک معامله فست فود شروع شد. وقتی مارک بانکر در مورد بنیانگذاران یک شبکه فستفود بریتانیایی خواند که پس از یک معامله سهام خصوصی، ثروت زیادی به دست آوردند، احساسی نزدیک به حسادت به او دست داد. او به یاد میآورد که فکر میکرد: "کار آنقدرها هم دشوار نیست."
اما بانکر یک شریک مشاور ارشد در Deloitte بود، نه یک سرآشپز. راهاندازی یک شرکت مشاورهای جدید که قادر به رقابت با شرکتهای بزرگ و قدیمی باشد، به طور گستردهای غیرممکن تلقی میشد. در مشاوره، مقیاس حرف اول را میزد.
با این حال، اوضاع در حال تغییر بود. هوش مصنوعی شروع به از بین بردن مزیتهایی کرده بود که دههها از بازیگران اصلی محافظت کرده بودند و شایعاتی مبنی بر ترک شرکای چهار شرکت بزرگ (Big Four) برای راهاندازی شرکتهای مشاورهای مبتنی بر هوش مصنوعی با پشتوانه سرمایه خصوصی در حال انتشار بود.
بنابراین بانکر به آنها پیوست. در یک ناهار در مجلس عوام با یکی از دوستان قدیمیاش از کالج امپریال لندن، او طرحی را برای راهاندازی Queen’s Tower Advisory، که به افتخار یکی از نمادهای دانشگاه نامگذاری شده بود، ترسیم کرد. این شرکت قرار بود از عوامل هوش مصنوعی برای تقویت نیروی انسانی استفاده کند. او سپس یکی از شرکای ارشد EY را به عنوان رئیس استخدام کرد.
Queen’s Tower تنها یکی از شرکتهای مشاورهای رو به رشد است که در سالهای اخیر در بریتانیا با هدف به چالش کشیدن ساختار مشاوره سنتی راهاندازی شدهاند. هوش مصنوعی ناگهان شرکتهای کوچک را مقیاسپذیر کرده و شرکتهای سهام خصوصی یا سایر حامیان مالی بیشتر و بیشتر مایل به تأمین مالی آنها هستند.
برای دههها، مشاوره تحت سلطه تعداد انگشتشماری از شرکتهای غولپیکر بوده است، از شرکتهای استراتژی نخبه مانند McKinsey، Bain و Boston Consulting Group (BCG) گرفته تا بخشهای مشاورهای چهار شرکت بزرگ — Deloitte، EY، KPMG و PwC — و غولهای پیادهسازی فناوری مانند Accenture. هر یک از اینها دارای ارتشهایی از مشاوران جوان هستند که قادر به کار بر روی پروژههای بزرگ در چندین منطقه جغرافیایی میباشند.
هوش مصنوعی برای اولین بار شروع به از بین بردن این سلطه کرده و راه را برای رقبای دارای سرمایه کافی باز میکند. این فناوری مزیت اصلی شرکتهای تثبیت شده را که همان مقیاسپذیری است، از آنها میگیرد. با افزایش وظایفی که توسط عوامل هوش مصنوعی انجام میشود، شرکتهای کوچک میتوانند پروژههایی را به عهده بگیرند که قبلاً غیرممکن بود. انجمن مشاوره مدیریت (MCA) تخمین میزند که شرکتهای کوچکتر با کمک هوش مصنوعی برای رقابت با رقبای بزرگتر، نرخ رشد تا 50 درصد را تجربه میکنند.
بانکر میگوید هوش مصنوعی "موانع ورود" را کاهش داده است. "ممکن است پلتفرم شما 20 نفر داشته باشد، اما با عامل تقویتکننده هوش مصنوعی، ناگهان به سرعت به 100 یا 150 نفر میرسید. این مسئله به سرعت یک تغییر بزرگ در بازار ایجاد کرده است." هدف او تشکیل تیمهایی است که 20 درصد آنها انسان و 80 درصد عوامل هوش مصنوعی باشند.
این تغییر با موجی از علاقه سرمایهگذاری خصوصی به شرکتهای خدمات حرفهای در حال رشد همزمان شده است. بزرگترین گروه سرمایه خصوصی اروپا بیش از 500 میلیون یورو برای توسعه شرکت مشاوره مالیاتی WTS اختصاص داده است که قصد دارد در پنج سال آینده 100 شریک استخدام کند و مستقیماً با چهار شرکت بزرگ رقابت کند. پیش از این، اکثر شرکتهای مشاورهای جدید با سالها رشد ارگانیک کند مواجه بودند تا بتوانند برای رسیدن به مقیاس لازم برای به چالش کشیدن شرکتهای موجود، سرمایه از طریق عرضه اولیه عمومی (IPO) به دست آورند.
یک مدیر اجرایی سابق چهار شرکت بزرگ که بر پاسخ شرکت خود به نسل اول مدلهای زبان بزرگ نظارت داشت، میگوید که سرمایه خصوصی و هوش مصنوعی با هم "یک نقطه عطف عظیم" برای این صنعت ایجاد کردهاند.
فیونا چرنیاوسکا، مدیرعامل Source Global Research، میگوید وقتی خواستههای مشتریان به سرعت در حال تغییر و بودجههای کمتر را به این وضعیت اضافه میکنیم، "این یک طوفان کامل بدنام است." "از نظر تاریخی هر یک از این اتفاقات رخ دادهاند، اما هرگز تا به حال همزمان نبوده است."
شرکتهای بزرگتر اکنون تحت فشار هستند تا استراتژیهای نیروی کار خود را بازنگری کنند و در برخی موارد هزاران شغل را کاهش دادهاند. چهار شرکت بزرگ استخدام فارغالتحصیلان در بریتانیا را کاهش دادهاند، در حالی که تعداد کل کارکنان PwC در سال گذشته 5600 نفر کاهش یافته است، اگرچه این شرکتها عموماً این اقدامات را به شرایط اقتصادی و بازسازیهای روتین نسبت میدهند.
سایه قنبری، رئیس بخش مشاوره EY برای بریتانیا و ایرلند، میگوید که این صنعت قبلاً پذیرفته است که بخشهایی از مدل کسبوکار سنتی آن ناپدید خواهد شد. او پیشبینی میکند: "برخی از جنبههای کار دچار اختلال خواهد شد، یا به این دلیل که مشتریان خودشان آن را انجام میدهند یا به این دلیل که کار دیگر مرتبط نیست." او اضافه میکند که شرکتهای بزرگ خودشان تغییر شکل خواهند داد، استراتژیای که بارها از آن استفاده کردهاند. "جایی که برخی خدمات از بین میروند، خدمات دیگری ایجاد خواهند شد."
کمتر صنعتی به اندازه مشاوره در مورد پیامدهای هوش مصنوعی بحث و تبادل نظر میکند، چرا که هسته اصلی کار آن یعنی تحقیق، خلاصهسازی دادهها و تولید ارائههای پاورپوینت با طراحی مرتب، به شدت قابل اتوماسیون است.
ریچارد ساسکیند، یکی از نویسندگان کتاب «آینده حرفهها» (The Future of the Professions)، میگوید مشاوران بیشتر از سایر حرفههای اصلی آسیبپذیر هستند، زیرا کار کارکنان جوان "اکنون میتواند با نظارت خفیف، توسط سیستمهای هوش مصنوعی با قابلیت فزاینده انجام شود." او اضافه میکند که این بخش اکنون دو رقیب جدید دارد: "مشتری توانمند شده با هوش مصنوعی و استارتاپهای نوآور. هر دو مدل سنتی را به چالش میکشند."
سرمایهگذاران بیم آن دارند که شرکتهایی که به مراکز گسترده برونمرزی برای انجام کارهای شناختی روتین متکی هستند، ممکن است به طور خاص در معرض خطر باشند؛ Accenture، یکی از معدود شرکتهای مشاورهای فهرستشده و با تقریباً 800,000 کارمند، از اوج خود در اواخر سال 2021 شاهد کاهش بیش از 50 درصدی قیمت سهام خود بوده است، که ارزش بازار آن را از بیش از 260 میلیارد دلار به حدود 108 میلیارد دلار کاهش داده است.
شرکتهای مشاورهای بزرگتر به سرعت در حال درک ابعاد چالش پیش رو هستند. لیزا فرنیهاف، رئیس بخش مشاوره در KPMG بریتانیا، میگوید: "من میخواهم این سازمان - ما - همچنان وجود داشته باشیم... این میزان اختلالی است که من معتقدم هوش مصنوعی ایجاد خواهد کرد. اگر ما تغییر نکنیم، تغییر برای ما اتفاق خواهد افتاد."
برای بانکر، تأسیس Queen’s Tower به معنای کنار گذاشتن راحتی زندگی شراکتی و مواجهه با واقعیتهای یک استارتاپ بود – "چه تمیز کردن حمام باشد چه نوشتن گزارشها،" همانطور که خودش میگوید.
نوآوران اذعان میکنند که روند فعلی هنوز در مراحل اولیه خود است. ماریسا توماس، مدیر عملیات سابق PwC انگلستان که در راهاندازی استارتاپ Unity Advisory کمک کرده است، میگوید: "ما در دامنه این تغییر قرار داریم، اما سرعت آن در حال افزایش است."
آنها معتقدند که ریسکپذیریشان نتیجه خواهد داد، زیرا هوش مصنوعی از سه جبهه به پایههای مدل مشاوره سنتی حمله میکند: اتکای تاریخی آن به مشاوران عمومی، مدل صورتحساب آن و ساختار کارکنان هرمی آن.
شرکتهای بزرگتر به طور سنتی مشاوران عمومی را استخدام میکردند، که به دلیل توانایی تحلیلیشان نه تخصص بخش، ارزشمند بودند و در صنایع مختلف به کار گرفته میشدند.
اما بخش زیادی از آن کار با وظایفی همپوشانی دارد که هوش مصنوعی مولد به خوبی انجام میدهد. بانکر میگوید مشتریان به طور فزایندهای از ابزارهای هوش مصنوعی برای تولید تشخیص اولیه استفاده میکنند و سپس برای تخصص عمیقتر به مشاوران روی میآورند. مشتریان او با "دیدگاهی سطحی یا تیتروار" از یک مشکل میآیند و تنها به "یک متخصص عمیق برای ورود به لایههای پایینتر" نیاز دارند.
تام شیو، رئیس عملیات اروپا و آسیا-پاسیفیک در شرکت مشاوره مالیاتی رایان (Ryan)، میگوید: "شرکتهایی که در این دنیای هوش مصنوعی موفق میشوند، آنهایی خواهند بود که بسیار تخصصی هستند، نه نوع خدمات عمومیتر."
به گفته او، شرکتهای با تخصص عمیق کارهای بیشتری از مشتریان دریافت خواهند کرد. شرکتهای بزرگ باید تیمهایی با تخصص عمیق صنعتی و تخصصی ایجاد کنند و تعداد کارشناسان عمومی خود را کاهش دهند – تلاشی که سالها پیش در برخی کشورها آغاز شده – در حالی که استارتاپها بر اساس همین اصول تأسیس میشوند. ارقام MCA نشان میدهد که شرکتهای عضو آن در سال گذشته 25 درصد بیشتر نیروی باتجربه استخدام کردهاند.
هوش مصنوعی همچنین یکی از مدلهای اقتصادی اساسی خدمات حرفهای را تهدید میکند: صورتحساب بر اساس زمان. زمانی که یک ربات میتواند هزاران قرارداد را در چند دقیقه بررسی کند و اسناد پیچیده را در چند ثانیه پیشنویس کند، رابطه بین ساعتهای کار و ارزش ارائه شده شروع به از هم پاشیدن میکند.
به طور فزایندهای، مشتریان خواستار قیمتگذاری مرتبط با نتایج هستند تا ورودیهای کاری. McKinsey بیش از دو سال را صرف بازنگری نحوه پرداخت به شرکای خود کرد تا با حرکت به سمت مدل قدیمی ساعتهای قابل صورتحساب سازگار شود. به گفته یک فرد آشنا با این شرکت، تقریباً یک سوم از کارهای آن اکنون به هزینههای مبتنی بر عملکرد مرتبط است.
شیو، که از کارمندانش نمیخواهد تایمشیت پر کنند، میگوید: "هوش مصنوعی واقعاً مدل [ساعتهای قابل صورتحساب] را که بسیاری از شرکتها بر اساس آن ساخته شدهاند، به چالش میکشد."
برای شرکتهایی که حول محور حسابرسی ساخته شدهاند، این انتقال به خصوص دشوار است. شیو میگوید قوانین استقلال و هنجارهای فرهنگی دیرینه، هزینههای مبتنی بر دستیابی موفقیتآمیز به اهداف خاص را برای چهار شرکت بزرگ پیچیدهتر از شرکتهایی میکند که فقط کار مشاوره انجام میدهند. "صورتحساب مبتنی بر موفقیت برای شرکتهای بزرگ و خدمات حرفهای مانند چهار شرکت بزرگ ناخوشایند است."
شرکت بانکر از ترکیبی از هزینههای مبتنی بر موفقیت و هزینههای اشتراک برای قرض دادن عوامل هوش مصنوعی خود به مشتریان استفاده میکند.
فرنیهاف میگوید KPMG نیز انتظار دارد مدلهای قیمتگذاری به سمت اشتراک و هزینههای مبتنی بر موفقیت پیش بروند، حتی اگر این امر در کوتاه مدت درآمدها را کاهش دهد. اما او روی این حساب میکند که مشاوره هم سریعتر و هم ارزانتر شود تا مشتریان "بودجه اضافی و... ظرفیت انجام کارهای بیشتری" داشته باشند و در نهایت درآمدها رشد کند.
تغییر از صورتحساب ساعتی همچنین ساختار هرمی سنتی را تضعیف میکند، که در آن یک شرکت هزاران کارمند سطح پایین را استخدام میکند و با فرهنگ ترفیع "یا بالا رفتن یا خروج" صفوف را کاهش میدهد.
برای دههها، شرکتها به گروههای بزرگی از کارکنان جوان متکی بودند که ساعتهای قابل صورتحساب آنها سود را برای تعداد کمتری از شرکا در رأس ایجاد میکرد. هوش مصنوعی نیاز به آن مدلهای ارائه متکی بر نیروی کار را کاهش میدهد.
شیو میگوید: "بدون تایمشیتها، کل مدل منابع انسانی منطق خود را از دست میدهد. ما همه مدلهای بسیار چابکتری داریم زیرا دیگر به ارتشهایی از افراد برای انجام کار نیاز نداریم."
برخی از شرکتها به جای آن روی ساختار "هرمی" با لایههای کمتر و اتکای کمتر به کارکنان جوان شرط میبندند، در حالی که برخی دیگر یک "ساعت شنی" را پیشبینی میکنند – که در میانه باریک میشود، زیرا هوش مصنوعی وظایف روتین سطح میانی را خودکار میکند.
همه مدیران اجرایی موافق نیستند که هوش مصنوعی ساختار هرمی را از بین ببرد. مدیران اجرایی چهار شرکت بزرگ در بریتانیا از وضعیت شرکتهای خود به عنوان کارفرمایان بزرگ فارغالتحصیلان آگاه هستند و به طور خصوصی در مورد مسئولیت خود برای جذب تعداد زیادی از جوانان و آموزش نسل بعدی حسابداران و مشاوران صحبت میکنند.
کیت اسمیج، سرپرست جهانی هوش مصنوعی McKinsey، میگوید شرکت او "شیرهای استخدام فارغالتحصیلان را نمیبندد." MCA میگوید استخدام فارغالتحصیلان و کارآموزان در حال حاضر در سراسر این بخش رو به افزایش است.
اما بدون مدل صورتحساب ساعتی و با وجود رقبای کوچکتر که قادر به ارائه قیمتهای بسیار پایینتر هستند، اقتصاد این وضعیت دشوار خواهد بود.
شرکتهای موجود پافشاری دارند که موقعیت خود را در صدر زنجیره غذایی حفظ خواهند کرد.
آنها استدلال میکنند که شرکتها برای مقابله با تکهتکه شدن ژئوپلیتیکی، اختلال در زنجیره تأمین و پذیرش هوش مصنوعی همچنان به تخصص خارجی نیاز دارند – BCG ادعا میکند 40 درصد از درآمدهای آن از کسبوکار مبتنی بر هوش مصنوعی و فناوری است. اسمیج میگوید: "مردم همچنان به مشاور نیاز خواهند داشت. ماهیت آنچه مشاوره است... البته باید تغییر کند."
علاوه بر این، چرنیاوسکا اشاره میکند که چهار شرکت بزرگ قبلاً از اختلال ناشی از ظهور غولهای مشاورهای هندی Infosys و Tata Consultancy Services در اوایل دهه 2000 جان سالم به در برده بودند.
شرکتهای بزرگ یک مزیت برتر دارند: پول. آنها میلیاردها دلار در هوش مصنوعی سرمایهگذاری کردهاند. این امر مشکلاتی را به همراه دارد – مجموعهای از حملات هکری به LLMها با امنیت سایبری ضعیف، و توهمات عمومی هوش مصنوعی که شرمآور بودهاند – اما آنها ادعا میکنند که این سرمایهگذاری نتیجه خواهد داد.
شبکههای جهانی آنها همچنین به آنها امکان میدهد تخصص را در حوزههای قضایی و صنایع مختلف به اشتراک بگذارند. اغلب، همکاری شرکتهای عضو در یک پروژه جهانی به شدت سیاسی و آکنده از تفاوتها در استراتژی است، اما فرنیهاف از KPMG میگوید فوریت هوش مصنوعی همکاری را بهبود بخشیده است: "ما در این زمینه بهتر از همیشه همکاری میکنیم."
McKinsey رویکرد متفاوتی در پیش گرفته است، با تشکیل اتحاد با شرکتهای فناوری به جای صرف سرمایه برای ساخت همه چیز به صورت داخلی. اسمیج تیمهایی را توصیف میکند که آنقدر با هوش مصنوعی آشنا هستند که کاملاً از "بستههای 50 صفحهای که روی میز میافتند" صرف نظر کردهاند.
بر اساس تحقیقات Source Global Research، چنین اتحادهایی برای نحوه دستیابی شرکتهای مشاورهای بزرگ به کسبوکار اساسی شده است. این تحقیق در نظرسنجی از مشتریان اصلی مشاوره نشان داد که آنها خواهان دسترسی به تخصص ارائهدهندگان فناوری متخصص بودند.
مشکل اینجاست که شرکتهای بزرگ فناوری نیز این را میدانند. OpenAI و Anthropic در حال حاضر در تلاش برای تسلط بر بازار فزاینده سودآور فروش ابزارهای هوش مصنوعی به کسبوکارها هستند که به طور بالقوه مشاوران را دور میزنند.
OpenAI یک کسبوکار مشاوره و خدمات جدید را با پشتوانه 4 میلیارد دلار پول سهام خصوصی راهاندازی کرده و با شرکتهای مشاورهای بزرگ اتحاد تشکیل داده است، که انتقاداتی را مبنی بر اینکه مشاوران "روباه را به لانه مرغ راه میدهند" برانگیخته است.
بیشترین پول برای کسب درآمد از مشتریان چندملیتی است که نیاز دارند در مقیاس وسیع و به روشهای پیچیده و تعاملی مختلف سازگار شوند. شرکتهای بزرگ استدلال میکنند که این کار با ارزش را به دست خواهند آورد زیرا آنها برای چندرشتهای بودن ساخته شدهاند و توانایی رشد سریع شاخههای جدید را دارند.
قنبری از EY میگوید: "مسائل پیچیده هستند، به ندرت تخصصی." "این صنعت فضایی برای بازیگران تخصصی دارد، اما این به مسائل مشتری و موضوع مورد نظر بستگی دارد... نقش ما برای مشتریانی است که مسائل پیچیده دارند... جایی که رویکرد چندرشتهای لازم است."
با این حال، شرکتهای موجود با اتهامات حرکت بسیار کند مواجه هستند. پیادهسازی ابزارهای هوش مصنوعی در سازمانهایی با صدها هزار کارمند ممکن است ماهها طول بکشد، و در آن زمان مدلهای جدیدتر ممکن است از آنها پیشی گرفته باشند.
بخشی از مشکل، متقاعد کردن استعدادهای برتر برای ماندن به جای روی آوردن به یک رقیب کوچکتر و چابکتر است. این موضوعی است که مدیران اجرایی چهار شرکت بزرگ به آن توجه ویژه دارند.
فرنیهاف اذعان میکند که بوروکراسی میتواند برای پروژههای هوش مصنوعی که نیاز به حرکت سریع دارند، تقریباً فلجکننده باشد. KPMG یک ابتکار داخلی "جداشده از شبکه" به نام Project Watts را برای دور زدن فرآیندهای تأیید معمول و آزمایش مستقیم با مشتریان ایجاد کرد. او میگوید نتیجه این است که ابزارهایی که زمانی ماهها طول میکشید تا ساخته شوند، اکنون میتوانند در عرض چند هفته توسعه یابند.
چهار شرکت بزرگ و سایر شرکتهای مشاورهای بزرگ زمان کافی برای سازگاری دارند، زیرا نسل جدید استارتاپها تلاش میکنند سهم بازار را به دست آورند.
چرنیاوسکا میگوید مقیاس تغییر میتواند "قابل توجه" باشد، اما ممکن است سالها طول بکشد تا اثرات آن نشان داده شود. او میافزاید: "شواهد بسیار کمی" از اختلال هوش مصنوعی در بخشهای بزرگی از این صنعت در حال حاضر وجود دارد. مدیر اجرایی سابق چهار شرکت بزرگ نیز اضافه میکند که بسیاری از مشتریان "وفاداری عمیقی" به برندهای دیرینه دارند.
در کوتاه مدت، خطر ممکن است برای شرکتهای میانرده بیشتر باشد که نه سرمایه چهار شرکت بزرگ را برای سرمایهگذاری تهاجمی در زیرساختهای هوش مصنوعی دارند و نه چابکی شرکتهای بوتیک را. آنها که بین هر دو انتهای بازار فشرده شدهاند، در معرض خطر ماندن در میانه هستند.
لورا امپسون، استاد مدیریت در دانشکده بازرگانی Bayes لندن، میگوید: "شرکتهای بزرگ همیشه میتوانند عقبنشینی کنند و به چیزی لاغرتر و متمرکزتر تبدیل شوند. اما شرکتهای میانرده، اگر بیش از حد این کار را انجام دهند، ممکن است دچار سوء تغذیه شوند."
اما چالشکنندگان میگویند اگر به مناطق جغرافیایی مناسب گسترش یابند و استعدادهای ارشد کافی را جذب کنند، میتوانند به سرعت سهم بیشتری از بازار را به دست آورند. توماس از Unity Advisory قول میدهد که آنها به زودی سهم بازار را از شرکتهای موجود خواهند گرفت.
بانکر از Queen’s Tower Advisory اضافه میکند که مطمئناً استارتاپهای بیشتری ظاهر خواهند شد، زیرا مشاوران با تجربه بیشتری بوی پول را حس میکنند. اما او مصمم است که این وضعیت به "غرب وحشی استارتاپها" تبدیل نشود، بلکه ورودیهای جدید به شدت توسط خواستههای حامیان مالی که تلاش آنها برای کسب شهرت را ممکن کردهاند، منظم خواهند شد.
سوال برای بنیانگذارانی مانند او این است که آیا میتوانند در برابر ادغام مجدد در سیستمی که تلاش میکنند آن را مختل کنند، مقاومت کنند یا خیر. امپسون اشاره میکند که پس از سالها "تلاش بیوقفه" برای ساخت یک شرکت مشاوره، بنیانگذاران اغلب خسته میشوند – "و شرکتهای بزرگتر در کمین خواهند بود تا آنها را جذب کنند."