内部 AI 顾问
企业内部尚未普遍挂牌的 AI 角色：不把价值押在「最会搭自动化」上，而押在诊断业务约束、决定 AI 打哪里、把自动化做出来并推动同事采用——再用可量化证明把岗位正式化。英文语境常称 in-house AI consultant。
简介
内部 AI 顾问（In-house AI Consultant）是 Nate Herk 在 2026-07-26-youtube-nate-herk-inhouse-ai-consultant 中系统描述的职业机会。它不是外部 AI agency 的驻场版，也不是纯工程师 Builder 岗，而是从现有公司岗位内部长出来的「AI 医生」：审计工作方式、找出吞工时与卡增长的约束、搭建自动化、培训采用、最后用「等价 FTE」数字向管理层提案 title 与预算。
这个角色出现的背景是双重翻转：① 企业裁员叙事下，真实机制往往是「一人 + AI ≈ 过去 3–5 人」；② 外部 AI automation 市场已膨胀到约千亿美金量级，但工具民主化后 CEO 自己会用 ChatGPT/Claude，「会修问题」的溢价下降，「知道该修什么」的溢价上升。大厂（OpenAI、Anthropic 等）公开强调人的价值在 judgment / taste / ambiguity——与本角色的定义一致。
与相近概念的边界：
| 角色 | 身份 | 核心产出 | 典型雇主 |
|---|---|---|---|
| 内部 AI 顾问 | 甲方员工，内生 | 约束诊断 + 自动化 + 采用 + 造岗证明 | 本人所在公司 |
| 咨询师型员工 | 甲方员工，内生 | 经验萃取 → SOP → 复制 | 本人所在公司 |
| 业务架构师 | 常偏驻场/方法论 | 隐性 SOP 显性化 + AI 边界 | 内部或项目制 |
| FDE 前线部署工程师 | 乙方外派 | 把厂商产品从 Demo 推到上线 | AI 产品公司 |
| 外部 AI agency | 乙方 | 项目/retainer 交付 | 客户公司 |
| AI咨询阶梯模型 路径 | 独立顾问 | 卖小时→审计→项目→月费 | 自营客户组合 |
Nate 的医生/药剂师隐喻：Builder ≈ 药剂师（按方实现）；内部 AI 顾问 ≈ 医生（先判断该治什么）。岗位名称与 JD 尚未标准化，这本身就是窗口：等市场饱和时，早期已经用四步做出证明的人已经坐在席位上。
关键信息
- 类型：角色 / 职业路径 / 企业岗位进化方向
- 英文名：In-house AI Consultant（亦称 internal AI consultant）
- 提出/系统阐述：Nate Herk（AI Automation 频道；与 AI咨询阶梯模型 同源）
- 核心使命：决定 AI 打什么问题、把方案在内部落地并推动采用，最终正式化为编制
- 能力重心：判断力与约束诊断 > 纯搭建能力（搭建仍是必要但非充分）
- 组织信号：IBM 调查口径下，大公司 CEO 中「已有某种首席 AI 官/类似席位」约从 26% 升至 76%；具备 AI 技能者薪酬约可比同岗高 56%（视频引用数据，需当方向性信号而非严谨统计结论）
- 相关概念：咨询师型员工、业务架构师、FDE 前线部署工程师、AI咨询阶梯模型、AI暴露度、人机协同、企业AI落地
核心特性
1. 价值从「会建」转向「知建何物」
- 开发与使用门槛下降后，单纯 Builder 不再是稀缺护城河。
- 稀缺能力：判断、品味、消解模糊、决定哪些问题该/不该上 AI。
- 与 AI与职业影响 中的「执行贬值、判断升值」「可迁移能力组合」同向。
2. 日常工作四块，缺一不可
- 审计团队/个人如何工作
- 定位吞工时与业务瓶颈任务
- 构建自动化并量化基线
- 培训与 change management——没有采用率，自动化只是个人脚本
类比：过去 IT 里「电脑/Wi‑Fi 坏了找的那个人」；未来是「AI 机会与故障找的那个人」。
3. 四步造岗路线图（从现有职位内生）
| 步骤 | 名称 | 关键动作 | 成功标志 |
|---|---|---|---|
| 1 | 审计自己的工作 | 列日/周任务；双条件筛选（吞工时 + 低伤害可兜底） | 有可开工的短名单，非全公司改造清单 |
| 2 | 自动化并写死数字 | 先做自己的 Top 任务；记录 2h→10min 类证明 | 像私教先练自己；可重复出示证据 |
| 3 | 证明可见 → 打约束 | 例会 demo、帮同事、文档化 Prompt/流程；话术绑业务结果；第二轮审计「客户翻倍先断什么」 | 从「有用」升级到「让公司赚钱」 |
| 4 | 正式化 | 汇总等价 FTE/省钱数字；提案角色与 title | 不是求人情，是带着预算逻辑要编制 |
4. 双条件选型闸门
优先任务须同时满足：
- 每周吞真实工时（有基线可算账）
- AI 偏一点也不致命（可人工兜底：周报、纪要、收件箱、清洗、基础调研等）
反模式：一上来动生产库、无授权外发、触碰敏感数据、或只消「最烦人」但几乎不占工时的琐事。
5. 从 annoyances 到 constraints
- 消烦恼：省团队几小时 → 让你成为「有用的人」
- 打约束：去掉卡住业务增长的瓶颈 → 才是顾问级议价与 CAIO 叙事的素材
- 第二轮审计问题从「什么烦」换成「什么在拖住业务」
6. 强监管行业的侧翼策略
- 不把敏感数据扔进公有模型；不擅自自动化受控流程
- 用 dummy 数据 复刻本职工作流做侧翼作品
- 四步逻辑不变：证明「会怎么想 + 会怎么交付」
不同素材中的观点
- 2026-07-26-youtube-nate-herk-inhouse-ai-consultant：Nate 以 Chegg 与裁员叙事开场，纠正「AI 直接换人」的误读；指出 AI automation 外部市场繁荣后，因工具普及，公司转向内部解题。提出 in-house AI consultant 与医生/药剂师隐喻，并给出四步路线图、双条件闸门、业务结果话术、等价 FTE 提案法，以及 IBM CAIO 席位 26%→76%、AI 技能薪酬溢价约 56% 的组织信号。强调岗位尚未标准化正是早期窗口；强监管行业可用 dummy 数据侧翼证明。与同作者对外咨询的 AI咨询阶梯模型 形成「对内造岗 / 对外爬梯」双轨。
实用信息
本周可执行的最小闭环
- 花 30 分钟列出本周真实任务与大致耗时
- 圈出 1–2 个满足双条件的任务
- 用现有工具（ChatGPT/Claude 等）自动化其中一个，写下前后分钟数
- 下次站会用业务语言分享一次（省了多少小时/赶在什么截止前）
- 把 Prompt/步骤写进团队可复制的一页文档
对老板说话的模板
- 弱：「我用了 ChatGPT。」
- 强：「季度报告前省了 8 小时。」
- 提案：「这五条自动化相当于每年省回一个全职编制；建议把职责固化为 [title]，并给 AI 项目单独预算口。」
与「只学工具」的分水岭
- 只会跟教程搭工作流 → 停在药剂师层
- 会选问题、能量化、能推采用、能提案编制 → 进入内部 AI 顾问层
- 搭建能力仍要学（Nate 亦强调不会 build 则路线图空转），但选拔标准已从纯 build 转向判断 + 交付证明
常见误区
- Day-1 就想改造全公司 → 应从自己的工作证明起
- 只消最烦人、不算账 → 老板记不住
- 只做个人脚本不培训 → 采用率为零，无法造岗
- 在禁 AI 环境硬怼生产数据 → 合规翻车；应走 dummy 侧翼