gold痛点四：期望错位。CEO已在内部承诺9个月内效率提升28%，但行业基准显示类似企业合理的提升范围是5%。期望与现实的落差需要尽快管理。
purple痛点三：数据质量堪忧。数据缺失率约30%，异常值占比约36%。数据以T+1报表形式存在，无法支撑实时AI决策。数据治理的首要任务不是建平台，而是建流程。
顾问诊断诊断发现三个核心不匹配：目标与资源不匹配（预算944万元但期望覆盖全部业务线）、期望与现状不匹配（期待9个月见效但数据准备需要22个月）、问题与方法不匹配（用技术方案解决管理问题）。
变革路线图破冰期（1-1月）：组织诊断+紧迫感建设+锁定速赢场景。验证期（2-4月）：POC验证+效果量化+组织培训。扩展期（6-9月）：跨部门推广+能力转移+平台建设。规模化期（11-15月）：全面覆盖+持续运营+文化塑造。
企业概况创立于1998年的某蔬菜AI轮作推荐，是农业行业中坚力量 公司现有员工7612人，年营收约76亿元，累计获得157项专利授权。
顾问洞察顾问团队在诊断中总结了一句核心洞察：「数据不是越多越好，而是越准越好」
风险矩阵数据风险（可能性高·影响高）：数据质量不足以支撑模型训练、数据获取受合规限制、数据标注成本超预算。交付风险（可能性中·影响中）：交付物与期望不符、技术方案选型错误。合规风险（可能性中·影响高）：数据隐私和安全合规问题可能造成法律风险。
触发事件CTO提交了一份《行业AI竞争分析报告》，指出2家主要竞争对手已启动AI项目，其中一家已实现成本降低19%的显著效果。
※ 案例信息已脱敏处理。仅供教学参考。以下展示本案例将应用的层面。Step2展开。
通过某蔬菜AI轮作推荐深入学习道法术器框架在农业企业的实战应用，建立系统的诊断思维。
核心挑战：某蔬菜AI轮作推荐考验顾问在2类利益相关者之间建立共识的能力，差异化沟通是关键。
理论概述：区分症状问题和根因问题是顾问的核心能力。症状是客户描述的，根因是顾问发现的。
理论概述：连续追问为什么，但不是机械地问五次，而是在不同深度层面对症下药。
理论概述：情境（Situation）→目标（Target）→行动（Action）→结果（Result）四步访谈框架。
理论概述：承诺-交付-反馈循环是期望管理的核心机制。每次超额交付都在积累信任资本。
理论概述：从业务（Business）、数据（Data）、组织（Organization）、技术（Technology）四个维度系统性评估企业AI准备度。
理论概述：企业基本面、业务运营、IT成熟度、组织文化、AI准备度——五维评估。
注意非语言信号——眼神、语气、体态都可能是关键信息
| 层 | 参考问题 | 意图 | 追问 |
|---|---|---|---|
| S1 | 在过去9个月中，业务运营中最大的挑战是什么？ | 聚焦具体问题而非泛泛而谈 | 追问"对业务指标的影响有多大？" |
| T2 | 您希望用什么机制来定期评估项目进展？ | 建立持续沟通机制 | 建议每月正式review+每周非正式同步 |
| A3 | 您对这个项目的最高预算和资源投入是什么？ | 了解资源约束和真实投入意愿 | 追问"如果预算不够，您愿意调整范围吗？" |
| R4 | 您对这个项目的成功是如何定义的？ | 了解客户的顶层期望 | 注意是否存在多个不同的成功标准 |
| S5 | 如果给您团队的数字化能力打分，您打几分？ | 了解内部能力差距 | 看客户是否愿意承认能力短板 |
| T6 | 还有没有其他重要的事情我没有问到？ | 收尾开放性问题 | 通常客户会在这里说出最重要的担忧 |
| A7 | 如果这个项目不做，9个月后会发生什么？ | 建立紧迫感 | 帮助客户认识到不做的风险 |
| R8 | 根据行业数据，类似规模企业通常8个月实现19%提升，您觉得这个范围合理吗？ | 管理期望，建立参考基准 | 追问"如果实际效果低于范围，您的底线是什么？" |
| S9 | 如果项目成功了，您希望在什么时间看到什么样的变化？ | 明确可量化目标和时间预期 | 追问"这些数字怎么得出来的？"评估合理性 |
• 客户问"你做过我们行业吗？"——回应"跨行业经验可迁移性强"
• 客户坚持"先说说方案"——引导"先了解您的挑战才能切中要害"
• 客户期望不切实际——用行业数据校准"通常需要X到X个月"
推荐：《高效能人士的七个习惯》
自我检查：客户说了70%以上时间？有3次以上有效追问？识别了隐藏需求？管理了不切实际的期望？