[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。
閱讀全文 從 McKinsey’s Lilli 生成式 AI 工具,看顧問的獨特價值







