收藏夹里存过"麦肯锡方法论"的朋友，先别急着打开。
很多人的收藏夹里躺着同类内容：麦肯锡七步法、金字塔原理、645页九大手册、“为什么麦肯锡的PPT一眼就觉得贵”。这类帖子的收藏量往往比点赞还高一截，因为大家都默认"总有一天用得上"。
但最近半年，麦肯锡自己身上发生的事，直接改写了这些收藏夹的价值。
先看一组数字。麦肯锡全球管理合伙人Bob Sternfels在《哈佛商业评论》播客访谈中披露（多家科技媒体转录）：麦肯锡现在有6万名"员工"，4万是人类，2万是AI智能体，而一年半前这个数字只有3000。36氪AI去年在检索和资料整理上节省了150万小时，过去6个月智能体生成了250万张麦肯锡经典的PPT图表，目标是18个月内做到每人配一个智能体。
也就是说：你收藏帖里那种号称"一页几万块"的麦肯锡PPT，现在麦肯锡自己的AI半年量产250万张。检索资料、整理案例、画框架图——方法论里"可以被教"的部分，在麦肯锡内部已经是AI的日常工作。知乎
另一面，据《华尔街日报》报道，麦肯锡已裁员超过11%，给出的理由正是AI改变了项目的选人与交付方式。36氪行业编译文章引用的哈佛商学院研究则给了个更直观的对比：完成标准化任务，AI比人快25%，质量高40%。咨询业那个靠初级顾问每小时300到500美元计费撑起来的金字塔，正在被从底部抽走。
那问题来了：麦肯锡方法论是不是彻底不值钱了？
也不是。真正值得琢磨的，是麦肯锡自己改了的招人标准。
Sternfels在访谈里确认，麦肯锡正在招聘中试点一个新流程：让候选人面试时直接用麦肯锡内部AI工具Lilli。36氪考的不是背框架，是三件事：能不能清楚地下达指令，把一个模糊问题拆成AI能回答的问题；能不能判断AI给出的内容靠不靠谱；能不能基于AI的输出做改写、重构，提出更好的思路。他把AI时代需要的能力总结成三个词：抱负、判断力、创造力，内部管这种人叫"合作型专家"。
换句话说，麦肯锡亲手把自己的方法论切成了两层。
第一层是"可执行的知识"：七步法是哪七步、MECE怎么分、金字塔图怎么画、资料怎么检索。这一层麦肯锡自己都交给AI干了，普通人用任何主流大模型都能拿到七八成——免费。收藏夹里那些教排版、教配色、发手册PDF的帖子，价值正在快速归零：不是它们错了，是它们不稀缺了。
第二层是"判断"：问题到底该怎么定义、AI给的答案哪个能用、什么时候该推翻它。这一层AI替不了你，麦肯锡现在面试考它，也是方法论里唯一还值得花时间练的部分。
落到普通人的选择上，分三种情况给三个建议。
第一种，资料囤积党，也就是大多数人。收藏夹里几百条方法论帖子不用再逐条学了，留两类就够：教"怎么想"的（怎么定义问题、怎么验证结论），和带真实案例拆解的。纯模板、纯配色、纯手册合集，直接让AI按"麦肯锡风格"输出，比背模板快，效果也不差。
第二种，正考虑花钱报课的。给一个判断标准：课程内容以"框架+模板+资料包"为主的，基本不用买了，这些东西AI免费给你；课程卖的是"真实案例拆解+有人批改你的输出"的，批改那部分仍然值钱——因为AI缺的，恰恰是对你具体处境的判断。
第三种，想真把方法论用进工作的。不用报课，把AI按麦肯锡的方式使起来，今天就能做的有三件事：
一是拆问题。别上来就要答案，把问题丢给AI，让它按MECE拆成互不重叠、完全穷尽的子问题，并且每个子问题都注明"要验证它需要什么数据"。麦肯锡干活的第一步从来是"把问题定义对"，这一步最适合让AI打底稿。
二是做对抗验证。拿到结论后，让AI扮演反对者："假设这个结论是错的，给出五个可能的原因，以及各自的验证方式。"这一步练的就是麦肯锡面试考的那种判断力。
三是重构输出。AI的初稿永远只是初稿：让它给完整草稿，你来决定砍掉什么、补充什么、按什么顺序讲。"敢推翻"这个动作，就是麦肯锡现在筛人的那把尺子。
最后照例交代证据边界：上面麦肯锡的运营数字来自其CEO在公开播客的自述、经媒体转录，属于转型期公司的自我披露，不排除有宣传成分；裁员消息来自《华尔街日报》的报道，哈佛商学院的数据来自行业编译文章。但方向本身——咨询业的执行层工作被AI大量接管、对人的考察从"懂方法论"转向"驾驭AI"——多个信源反复交叉出现，足以作为判断依据。
想继续跟踪的话，盯两个信号就够：一是2026年内麦肯锡"每人一个智能体"的目标兑现后，"合作型专家"会不会变成正式的能力认证；二是咨询客户会不会开始按"见效速度"而不是"人天"付费。前者决定这波变革走多远，后者决定你的公司还雇不雇得起麦肯锡，也决定这份"免费的方法论红利"能吃多久。
