解码猎头丨之三:判断力,顾问最后的护城河

六月短短两周之内，两位客户不约而同地问起了 AI。

一位全球CEO翻着我们的标书，问道：这些候选人，是你们想出来的，还是AI推荐的？

另一位是某公司负责招聘的副总裁，问得更直接：你们的 "tech stack" 里都有什么？你们是怎么利用 AI的？两个角色，两个问法，底下却是同一种隐忧。

作为咨询行业的一隅、高管寻聘的从业者，我打算聊聊我的一孔之见。我相信，这个想法远不止适用于高管寻聘。而要谈起AI，起点却是一种更古老、只是被技术放大了的天性。

在关于 "AI 与写作" 的争论里，有一个越来越被认同的说法，叫努力的不对称（asymmetry of effort）：今天，生成一段文字只要作者几秒钟；读完它，读者却要花上几分钟。把一段你自己都懒得动笔的文字发给别人，无形中变成一种小小的不尊重，因为这段文字没有思维的证据（proof of thought）。有一句话最近流传甚广：

凭什么要我读一篇你自己都懒得写的东西？

努力，说到底是一种"在乎"的信号。而客户真正寻求的，正是这份在乎。在高管寻聘里，同样一句话，可以套在那两位客户的问题上：

凭什么要我雇一位你都懒得去发现、去评估、去调查的人？

这两位领导者问的与其说是技术问题，不如说是一种担心：我们行业赖以生存的判断力，是不是已经被交给了机器。道理并不复杂：该让 AI 去做那些消耗时间的事，并不指望它能增添智慧。我们绝不能让AI来替代客户真正付费购买的：我们的判断力。 一旦本末倒置，把思考自动化，却对着排版纠结半天，你就误解了自己的价值。

天平的一端，是 AI 实实在在能帮上的忙：把候选人地图铺得更宽、搜集并整理公开信息、把笔记结构化、跨语言、跨市场的寻聘工作等等。这些好处是真的，这些活也值得做。用得好，AI 能让我们看到更大的盘面，而且看得更快。如果客户问起我们的 "tech stack"，诚实的答案往往平淡无奇：AI是帮助我们检索和摘要公开信息、起草和翻译、把笔记理清楚的工具。这是把 AI 当助手，而不是当决策者。

天平的另一端，是客户真正付费请我们做的一切。一位领导者能不能在一个特定的情境里——客户公司的文化、董事会、在某个特定时点的处境——交付好的业绩：这是一个判断力的问题。与候选人的深谈，从一段长长的职业生涯里读出的规律，被反复掂量的背景调查，以及一家咨询机构愿意具名背书作出的推荐，这些，依然依赖人的工作。

大模型能告诉你谁存在，却无法告诉你谁合适。

这样用，AI 非但不会让工作变单薄，反而让它更厚实。

被 AI 省下来的时间，不该消失在"效率"二字里，而该重新投到紧要处：投到评估上，投到对难题的追问上，投到第二次、第三次那种能钻到冰山之下、且第一次面试所触碰不到的对话里。当 AI 让每位候选人的信息浮现得更充分，正确的反应是筛得更严格、问得更尖锐，而不是抄近道。也正因为推理过程(chain of thought)如今可以被看见，就更该把推荐背后的候选人经历与故事分享给客户，而不是只丢一段听起来很笃定、词藻华丽的总结。

客户应当听到的承诺很朴素：

AI 赎回了一家咨询机构最稀缺的资源：时间。而这些时间，都花在了客户身上。

所以，当客户问起我们怎么用 AI，答案就该讲得清清楚楚：哪里它帮了忙，哪里它从未沾边。这份坦诚，恰恰是回应两位客户开口发问的那同一种"在乎"。一家对自己的判断力有信心的咨询机构，没有理由藏着自己的工具。

放到所有咨询顾问的工作里，道理都一样：

AI 应该拿走那些杂活，好让我们带给客户更多的判断力——而不是更少。

你呢？最近一次被问到"你们怎么用 AI"，你是怎么答的？欢迎在评论区聊聊。