從 McKinsey’s Lilli 生成式 AI 工具，看顧問的獨特價值

[大衛選讀] 自從今年三月 Claude 3 Opus 開放使用後，我最常做的事情就是，把資料丟進去，然後開始跟 AI 對話。

做做單篇內容的翻譯總結跟摘要是很基礎的，比較有趣的用法會是把有上下文關係的多個文檔放進去，然後試著做綜合分析跟比較。例如把研究規劃、訪綱、逐字稿都塞進去，然後開始靈魂拷問：每一個關鍵的研究問題下，發現到什麼脈絡、會如何詮釋跟解讀，跟去年的另一篇報告相比又有什麼不同的發現？

這樣做的目的，並不是要一個結果，而是要在過程中幫助思考各種可能性。

同樣是顧問業，麥肯錫在去年發表了 Lilli 這個生成式 AI 工具。Lilli 是以 1945 年聘用的首位女性專業人員 Lillian Dombrowski 命名，她創立了麥肯錫的第一個檔案資料庫，以敢於接受任何挑戰的精神而聞名。

看著 Lilli 的應用案例，會去深刻想想，再過五年，顧問業還是今天這樣的樣貌嗎？什麼東西是值得留下來的，哪些只會變成時代的眼淚？身為顧問的獨特價值又是什麼？

多篇文章的內容整理如下，原文連結則放在留言中。

---

▋Lilli has unleashed the creative potential in McKinsey’s Consultant

▎把過往幾十年到剛剛出爐的顧問報告，轉變成馬上可以取用的諮詢資源

眾所週知，麥肯錫有個 「KNOW」資料庫，裡頭涵蓋了多年來累積的案例研究、產業剖析、方法論指南等逾十萬份文件與訪談記錄。這些知識結晶在結案之後，會經過去識別化等保密處理，然後放到內部資料庫中，變成全球上萬名麥肯錫顧問可取用的參考資源。

而 Lilli 之所以強大，關鍵在於它能夠直接存取麥肯錫內部龐大的知識庫「KNOW」。只需輸入問題或關鍵字，Lilli 便能快速搜尋資料庫並給出綜合答覆。相較於過往必須透過搜尋、閱讀跟比對大量文件資料；以對談方式萃取過往知識脈絡，大幅節省了顧問蒐集資料的時間。

▎多層次知識源整合 (Multi-level Knowledge Integration) Lilli 能夠將 KNOW 資料庫中不同層次、不同維度的知識進行有機融合，形成全面、系統性的洞見。

在專案層面 (Project Level) 上，包括項目的背景、目標、團隊組成、工作計劃等。Lilli 可以從中根據新專案的特性，提煉出專案管理上的最佳實踐，如里程碑設置、資源配置等，作為新項目的規劃參考。

在方法論層面 (Methodology Level) 上，麥肯錫過往積累了大量的通用方法論和分析框架，如五力模型、價值鏈分析、波士頓矩陣等。Lilli 可以將這些方法論與具體的專案脈絡相結合，預先示範如何利用方法論與工具去解決特定的問題。藉此幫助顧問思考，並且提升分析的深度和廣度。

行業洞見層面 (Industry Insight Level) 上，KNOW資料庫涉及各個行業的研究報告、趨勢分析、標桿案例等。這些內容反映了對特定行業的宏觀掌握。Lilli 可以將這些行業洞見與專案層面的經驗相結合，將單一專案放在行業大背景下審視，去有效識別出更多的機會與風險。

專家網絡層面 (Expert Network Level) 上，KNOW資料庫中還包含了麥肯錫全球專家網絡的資訊。Lilli 可以結合專家觀點，並且串連起全球各地麥肯錫顧問間的交流聯繫。

▎A researcher, a time saver, and an inspiration

在研究輔助上，搜尋檢索海量文件，然後整合歸納形成簡潔、條理清晰的摘要。這為顧問節省了大量時間，從以往的幾天，減少到幾個小時。

對於初級顧問來說，撰寫建議書 (Letters of proposals, LOP) 可能是一項非常耗時的任務，特別是當他們缺乏特定行業經驗時。Lily 透過提供相關來源的要點摘要，以及提供內部諮詢專家名單等，徹底改變了這一過程。

如果需要的是多維度的分析，Lilli 可以從項目、交付物、方法論、行業等多個維度，對問題進行全面剖析。這為顧問提供了更加立體、深入的視角，人機協作所能省下的時間更是從以往的一週，減少到一天。

更有趣的是，Lilli 可以做為顧問的靈感來源。主動從其他行業、領域中找出類似問題的解決方案，這樣的跨界思考在過往更為困難，現在透過人工智慧則增加了很多連結的可能性。

至於快速跟 Lilli 進行頭腦風暴，生成大量的點子，然後由 Lilli 協助分析、篩選、優化，那就更不在話下。

▎但 Lilli 並無法取代人類顧問的角色

儘管 Lilli 展現了強大的能力，大大提升了顧問的工作效率和洞見質量，但它無法完全取代人類顧問。

在人際互動 (Interpersonal Interaction) 上，顧問工作的核心是與客戶的密切互動，需要透過面對面的溝通、workshops等方式，深入理解客戶的需求和痛點。並建立信任關係。這是 AI 難以完全替代的。

在情境理解 (Contextual Understanding) 上，每個客戶的情況都是獨特的，問題的表象之下往往隱藏着複雜的組織文化、利益衝突等因素。顧問需要深入組織情境，全面把握問題的本質。這是要靠人際互動才做得到的事情。

最後是變革領導 (Change Leadership)。顧問工作的最終目標是幫助客戶實現變革、提升績效。這個過程需要顧問去擔當變革領導者的角色。調動組織資源，激發員工的主動性。這總是離不開顧問本身的領導力。