STEP 1 · 案例引入
案例全景与背景深度档案
🚗 案例全景
风险矩阵期望风险（可能性高·影响高）：利益相关者对时间表和效果有不切实际的预期。资源风险（可能性中·影响高）：预算可能被削减、关键人员可能被调离。治理风险（可能性中·影响中）：数据安全和隐私合规问题。
顾问洞察顾问团队在诊断中总结了一句核心洞察：「问题不在技术，在于人」
purple痛点三：数据孤岛严重。4个独立系统之间缺乏数据互通机制，同一指标在不同系统中的定义和口径完全不同。数据标准化的工作量远大于AI模型开发的投入。
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。
行业背景汽车交通领域正经历从经验驱动到数据驱动的范式转移。约46%的头部企业已完成第一阶段的AI部署，行业平均效率提升约14%。
gold痛点四：认知偏差。客户对AI的认知受媒体和供应商营销影响，认为AI可以即插即用、三个月回本。实际上AI项目需要21个月才能产生可量化的业务价值。
※ 案例信息已脱敏处理。仅供教学参考。🧭本案例道法术器框架
以下展示本案例将应用的层面。Step2展开。
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。...
本案例：在某激光雷达AI点云检测中信任建立速度决定项目推进速度。顾问用了三个第一次：第一次见面不聊项目，第一次会谈不拿笔记本，第一次汇报不给方案。
表情、语气、肢体语言中蕴含的信息量远超语言本身。学会解读这些信号是进阶顾问的标志...
本案例：信任不是通过说「我懂」建立的，而是通过问「您怎么看」建立的。某激光雷达AI点云检测的第一周定义为「零技术周」。
目标（Goal）→现实（Reality）→选项（Options）→意愿（Will...
本案例：某激光雷达AI点云检测中顾问采用「先倾听再建议」策略：第一周安排7场一对一访谈，不做任何技术展示。
利用大语言模型生成访谈提纲和分析报告初稿，但必须经过人工审核和行业定制。...
本案例：在某激光雷达AI点云检测中信任建立速度决定项目推进速度。顾问用了三个第一次：第一次见面不聊项目，第一次会谈不拿笔记本，第一次汇报不给方案。
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。...
本案例：信任不是通过说「我懂」建立的，而是通过问「您怎么看」建立的。某激光雷达AI点云检测的第一周定义为「零技术周」。
顾问不是解决方案的提供者，而是客户自我发现的催化剂。真正的变革来自客户自己的认知...
本案例：在某激光雷达AI点云检测中信任建立速度决定项目推进速度。顾问用了三个第一次：第一次见面不聊项目，第一次会谈不拿笔记本，第一次汇报不给方案。
🗂 背景深度档案 · 具体事件还原
🕐 时间锚：2026年03月（统计区间 2026-2028年度）
🏢 企业概况：汽车后市场连锁（脱敏）成立于2018年，员工总数868人，在本行业细分市场处于前列，是本案例的委托方。
⚡ 触发事件：供应商来料不合格率连续17周超标
🗣 冲突现场：加装视觉模组需要2026年03月停机改造，交付节点等不起
👥 关键人物：孙财务经理（车联网架构师）；陈IT运维（质量工程师）；刘市场总监（项目负责人）
🖥 系统与数据现状：CRM客户管理；车联网TSP平台；售后工单系统；其中孙财务经理反映，数据在上述系统间尚未形成统一口径
🧱 数据困境：车辆CAN总线数据高频且格式不统一导致海量日志处理困难; 售后维修记录非结构化描述缺乏标准化术语; 研发测试数据与量产反馈数据缺乏闭环关联
📉 量化痛点：售后服务超期工单178单(2026-2028年度)；零部件交付延期140笔(2026-2028年度)；车联网数据上传失败178万条(2026-2028年度)
⚖ 关键决策点：传统机器视觉方案 vs 深度学习缺陷检测方案——传统派主张成熟稳定与调试周期短，深度派强调泛化能力强与长尾缺陷覆盖。
🔄 转折点：关键大客户突击验厂要求展示智能质检数据
🗓 里程碑链：缺陷样本采集与清洗(M0)→算法选型与POC验证(M1)→产线联调与节拍压测(M2)→小批量试产与参数固化(M3)→全量上线与双轨并行(M4)→验收交付与SOP更新(M5)
STEP 2 · 理论讲解
知识点图谱与 AIPM 系统落地
🎯学习目标
掌握在汽车交通场景中运用结构化方法论诊断企业AI准备度的能力，学会区分表象问题与根因问题。
核心挑战：某激光雷达AI点云检测的核心挑战在于管理组织变革阻力、建立数据基础、对齐利益相关者期望这三个非技术因素。
📙【器】诊断问卷五模块
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。
📌 本案例应用：通过某激光雷达AI点云检测的案例练习，学员可以深入理解这一方法在实际咨询场景中的具体应用方式。
📚 知识延伸：可对比库尔特·勒温的变革三阶段模型
⚠️ 常见误区：用技术语言而非业务语言沟通
📕【术】非语言信号解读
理论概述：表情、语气、肢体语言中蕴含的信息量远超语言本身。学会解读这些信号是进阶顾问的标志。
📌 本案例应用：在某激光雷达AI点云检测中，顾问运用这一方法系统分析了客户的组织状态，发现了4个关键的变革障碍。
📚 知识延伸：建议查阅PMI项目管理知识体系中的相关实践
⚠️ 常见误区：忽略组织文化对变革的影响
📙【器】GROW教练模型
理论概述：目标（Goal）→现实（Reality）→选项（Options）→意愿（Will），让客户主动探索方案。
📌 本案例应用：顾问在某激光雷达AI点云检测中将这一工具应用于4个业务部门的诊断中，显著提升了诊断效率。
📚 知识延伸：可结合彼得·圣吉的系统思考理论进一步理解
⚠️ 常见误区：用技术语言而非业务语言沟通
📙【器】AI辅助提示词工程
理论概述：利用大语言模型生成访谈提纲和分析报告初稿，但必须经过人工审核和行业定制。
📌 本案例应用：顾问在某激光雷达AI点云检测中将这一工具应用于4个业务部门的诊断中，显著提升了诊断效率。
📚 知识延伸：可对比库尔特·勒温的变革三阶段模型
⚠️ 常见误区：急于展示方案而非先理解问题
📗【法】问题诊断方法论
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。
📌 本案例应用：通过某激光雷达AI点云检测的案例练习，学员可以深入理解这一方法在实际咨询场景中的具体应用方式。
📚 知识延伸：可对比库尔特·勒温的变革三阶段模型
⚠️ 常见误区：急于展示方案而非先理解问题
📘【道】信任建立阶梯模型
理论概述：顾问不是解决方案的提供者，而是客户自我发现的催化剂。真正的变革来自客户自己的认知和承诺。
📌 本案例应用：顾问在某激光雷达AI点云检测中将这一工具应用于4个业务部门的诊断中，显著提升了诊断效率。
📚 知识延伸：延伸阅读可参考科特的变革八步法相关文献
⚠️ 常见误区：急于展示方案而非先理解问题
📚 本案例知识点图谱 · 项目管理 + MBA
项目管理知识本案例涉及以下项目管理知识点（按编号排序，共 8 条）：
KP-005 项目质量管理质量Project Quality Management——确保项目满足既定需求与验收标准
识别信号：缺陷率;返工;客户投诉
操作要点：规划质量管理 / 管理质量 / 控制质量
知识来源：PMBOK 7 性能域
识别信号：缺陷率;返工;客户投诉
操作要点：规划质量管理 / 管理质量 / 控制质量
知识来源：PMBOK 7 性能域
KP-030 监控过程组集成Monitoring and Controlling Process Group——跟踪、审查并调节项目进展与绩效
识别信号：偏差监控;变更控制;绩效评估
操作要点：监控项目工作 / 实施整体变更控制 / 确认与控制范围/进度/成本/质量/资源/风险/采购/干系人
知识来源：5过程组
识别信号：偏差监控;变更控制;绩效评估
操作要点：监控项目工作 / 实施整体变更控制 / 确认与控制范围/进度/成本/质量/资源/风险/采购/干系人
知识来源：5过程组
KP-038 规划范围管理范围Plan Scope Management——制定如何定义、确认和控制项目范围
识别信号：范围模糊;验收争议;需求失控
操作要点：制定范围管理计划 / 制定需求管理计划 / 明确WBS编制规则 / 确定验收标准
知识来源：49过程
识别信号：范围模糊;验收争议;需求失控
操作要点：制定范围管理计划 / 制定需求管理计划 / 明确WBS编制规则 / 确定验收标准
知识来源：49过程
KP-052 三点估算进度Three-Point Estimating PERT——综合最乐观、最悲观与最可能估算以提高准确性
识别信号：估算不确定;历史数据不足;风险较高
操作要点：最乐观O / 最悲观P / 最可能M / 三角分布=(O+M+P)/3 / 贝塔分布=(O+4M+P)/6 / 标准差=(P-O)/6
知识来源：进度技术
识别信号：估算不确定;历史数据不足;风险较高
操作要点：最乐观O / 最悲观P / 最可能M / 三角分布=(O+M+P)/3 / 贝塔分布=(O+4M+P)/6 / 标准差=(P-O)/6
知识来源：进度技术
KP-059 控制质量质量Control Quality——监督并记录质量管理活动执行结果以评估绩效
识别信号：缺陷外溢;测试失败;质量失控
操作要点：检查 / 测试/产品评估 / 数据收集工具(因果图/流程图/核查表/直方图/帕累托图/散点图/控制图) / 统计抽样
知识来源：49过程
识别信号：缺陷外溢;测试失败;质量失控
操作要点：检查 / 测试/产品评估 / 数据收集工具(因果图/流程图/核查表/直方图/帕累托图/散点图/控制图) / 统计抽样
知识来源：49过程
KP-073 实施定性风险分析风险Perform Qualitative Risk Analysis——通过评估概率与影响对单个风险进行优先级排序
识别信号：风险优先级;资源分配;应对策略选择
操作要点：概率与影响矩阵 / 风险数据质量评估 / 风险分类 / 专家判断 / 更新风险登记册 / 识别高优先级风险
知识来源：49过程
识别信号：风险优先级;资源分配;应对策略选择
操作要点：概率与影响矩阵 / 风险数据质量评估 / 风险分类 / 专家判断 / 更新风险登记册 / 识别高优先级风险
知识来源：49过程
KP-100 用户故事敏捷User Story——以用户视角描述功能需求的简短简单语句
识别信号：需求表达;用户价值;估算
操作要点：角色-活动-价值格式 / INVEST原则(独立/可协商/有价值/可估算/小规模/可测试) / 验收标准 / 故事点估算 / 产品待办列表精炼
知识来源：敏捷
识别信号：需求表达;用户价值;估算
操作要点：角色-活动-价值格式 / INVEST原则(独立/可协商/有价值/可估算/小规模/可测试) / 验收标准 / 故事点估算 / 产品待办列表精炼
知识来源：敏捷
KP-130 提示词工程治理AI治理Prompt Engineering Governance——管理大语言模型提示词的设计、测试、版本与合规
识别信号：提示词失效;安全风险;效果不稳定
操作要点：提示词模板库 / 版本控制 / 测试与评估 / 安全审查(注入攻击/越狱) / 合规检查 / 效果监控 / 持续优化
知识来源：AI项目特有
识别信号：提示词失效;安全风险;效果不稳定
操作要点：提示词模板库 / 版本控制 / 测试与评估 / 安全审查(注入攻击/越狱) / 合规检查 / 效果监控 / 持续优化
知识来源：AI项目特有
MBA 知识本案例同时调用以下 MBA 课程知识点（按编号排序，共 6 条）：
MBA-002 价值链分析企业战略Value Chain Analysis——识别企业创造价值的各环节活动
识别信号：流程优化;AI赋能环节;成本重构;数字化增值
框架要点：基本活动(生产、销售、服务) / 支持活动(人力、技术、采购) / 价值增值点 / 成本驱动因素
关联项目管理：价值交付;效益管理
识别信号：流程优化;AI赋能环节;成本重构;数字化增值
框架要点：基本活动(生产、销售、服务) / 支持活动(人力、技术、采购) / 价值增值点 / 成本驱动因素
关联项目管理：价值交付;效益管理
MBA-015 全面质量管理运营管理Total Quality Management (TQM)——全员参与持续改进质量的管理体系
识别信号：AI质检;全链路质量监控;持续迭代
框架要点：客户导向 / 全员参与 / 过程方法 / 持续改进 / PDCA循环
关联项目管理：质量保证;PDCA
识别信号：AI质检;全链路质量监控;持续迭代
框架要点：客户导向 / 全员参与 / 过程方法 / 持续改进 / PDCA循环
关联项目管理：质量保证;PDCA
MBA-051 作业成本法管理会计Activity-Based Costing (ABC)——按作业活动分配间接成本的方法
识别信号：AI算力成本分摊;多项目成本归集;精细化核算
框架要点：作业识别 / 成本动因 / 资源→作业→产品 / 成本池
关联项目管理：成本管理;资源管理
识别信号：AI算力成本分摊;多项目成本归集;精细化核算
框架要点：作业识别 / 成本动因 / 资源→作业→产品 / 成本池
关联项目管理：成本管理;资源管理
MBA-053 标准成本法管理会计Standard Costing & Variance Analysis——以预设标准衡量实际成本偏差
识别信号：AI项目预算偏差;成本超支分析;绩效对标
框架要点：价格差异 / 用量差异 / 效率差异 / 有利/不利分析
关联项目管理：成本控制;绩效度量
识别信号：AI项目预算偏差;成本超支分析;绩效对标
框架要点：价格差异 / 用量差异 / 效率差异 / 有利/不利分析
关联项目管理：成本控制;绩效度量
MBA-068 协同效应投资学与估值Synergy Valuation——合并后价值大于独立价值之和
识别信号：AI整合增效;并购后协同;能力互补
框架要点：收入协同 / 成本协同 / 财务协同 / 整合风险
关联项目管理：整合管理;效益管理
识别信号：AI整合增效;并购后协同;能力互补
框架要点：收入协同 / 成本协同 / 财务协同 / 整合风险
关联项目管理：整合管理;效益管理
MBA-117 云计算经济学信息系统与数字化转型Cloud Economics——云模式改变IT成本结构与弹性
识别信号：AI算力云化;GPU即服务;弹性伸缩;成本优化
框架要点：CapEx转OpEx / 按需计费 / 规模效应 / 锁定风险 / 多云策略
关联项目管理：成本管理;采购管理
识别信号：AI算力云化;GPU即服务;弹性伸缩;成本优化
框架要点：CapEx转OpEx / 按需计费 / 规模效应 / 锁定风险 / 多云策略
关联项目管理：成本管理;采购管理
🗺 全知识域覆盖矩阵 · 项目管理 15 域 + MBA 12 领域
下表给出两大知识体系的完整维度清单及本案例的覆盖情况： 项目管理知识体系共 138 个知识点、15 个知识域，MBA 知识体系共 120 个知识点、12 个领域； 本案例强相关（含详述）的项目管理域 7 个、MBA 领域 5 个，其余维度标注了同类项目中的出现环节，便于按需扩展学习。
一、项目管理知识域覆盖（15 域）
| 知识域 | 本案例覆盖度 | 代表知识点 | 切入点 / 出现环节 |
|---|---|---|---|
| 集成 | 高 | KP-030 监控过程组 | 操作切入点：监控项目工作 |
| 范围 | 高 | KP-038 规划范围管理 | 操作切入点：制定范围管理计划 |
| 进度 | 高 | KP-052 三点估算 | 操作切入点：最乐观O |
| 成本 | 低 | KP-107 挣值管理EVM | 操作切入点：计划价值PV |
| 质量 | 高 | KP-005 项目质量管理 | 操作切入点：规划质量管理 |
| 资源 | 低 | KP-064 获取资源 | 操作切入点：预分派 |
| 沟通 | 未涉及 | — | 同类项目中出现于信息分发与汇报节奏设计环节 |
| 风险 | 高 | KP-073 实施定性风险分析 | 操作切入点：概率与影响矩阵 |
| 采购 | 低 | KP-088 合同类型 | 操作切入点：固定总价FFP/总价加激励FPIF/总价加经济价格调整FPEPA |
| 干系人 | 低 | KP-080 识别干系人 | 操作切入点：干系人登记册 |
| 治理 | 低 | KP-091 项目治理 | 操作切入点：治理框架 |
| 变更 | 低 | KP-037 实施整体变更控制 | 操作切入点：建立变更控制委员会CCB |
| 敏捷 | 高 | KP-100 用户故事 | 操作切入点：角色-活动-价值格式 |
| 数据治理 | 低 | KP-133 数据标注 | 操作切入点：标注指南 |
| AI治理 | 高 | KP-130 提示词工程治理 | 操作切入点：提示词模板库 |
二、MBA 知识领域覆盖（12 域）
| 知识领域 | 本案例覆盖度 | 代表知识点 | 切入点 / 出现环节 |
|---|---|---|---|
| 企业战略 | 高 | MBA-002 价值链分析 | 操作切入点：基本活动(生产、销售、服务) |
| 运营管理 | 高 | MBA-015 全面质量管理 | 操作切入点：客户导向 |
| 市场营销 | 低 | MBA-023 顾客终身价值 | 操作切入点：获取成本 |
| 公司金融 | 低 | MBA-032 加权平均资本成本 | 操作切入点：股权成本 |
| 财务会计 | 低 | MBA-042 权责发生制 | 操作切入点：收入确认时点 |
| 管理会计 | 高 | MBA-051 作业成本法 | 操作切入点：作业识别 |
| 投资学与估值 | 高 | MBA-068 协同效应 | 操作切入点：收入协同 |
| 组织行为学 | 低 | MBA-077 心理契约 | 操作切入点：交易型 |
| 人力资源管理 | 低 | MBA-081 人力资源规划 | 操作切入点：需求预测 |
| 管理经济学 | 低 | MBA-098 规模经济与范围经济 | 操作切入点：规模经济 |
| 商业伦理与公司治理 | 低 | MBA-105 商业伦理框架 | 操作切入点：功利主义 |
| 信息系统与数字化转型 | 高 | MBA-117 云计算经济学 | 操作切入点：CapEx转OpEx |
🖥 知识点在 AIPM 系统中的落地操作
下列知识点在本案例中的系统落实路径，可按步骤逐条录入 aipm.twzx.bj.cn：
MAP-02 范围管理-WBS分解可落实可直接在系统内完成
页面：/ai/wbs
入口：AI WBS 页面>输入框>生成按钮>树形展示区
操作步骤：进入 AI WBS 页面；在输入框填写项目目标与交付物描述；点击「生成 WBS」按钮；检查树形分解结果；按需手动调整节点层级
数据录入：以自然语言描述驱动 AI 生成，生成结果可手动编辑
边界与变通：AI 生成质量依赖输入描述的完整度
页面：/ai/wbs
入口：AI WBS 页面>输入框>生成按钮>树形展示区
操作步骤：进入 AI WBS 页面；在输入框填写项目目标与交付物描述；点击「生成 WBS」按钮；检查树形分解结果；按需手动调整节点层级
数据录入：以自然语言描述驱动 AI 生成，生成结果可手动编辑
边界与变通：AI 生成质量依赖输入描述的完整度
MAP-20 风险管理-风险识别可落实可直接在系统内完成
页面：/risk
入口：风险登记册>新建风险>风险描述/类别/概率/影响
操作步骤：进入风险登记册；点击「+新建风险」；填写风险描述与类别；评估概率与影响等级；保存
数据录入：风险条目含描述、类别、概率、影响、责任人
边界与变通：无风险自动识别引擎
页面：/risk
入口：风险登记册>新建风险>风险描述/类别/概率/影响
操作步骤：进入风险登记册；点击「+新建风险」；填写风险描述与类别；评估概率与影响等级；保存
数据录入：风险条目含描述、类别、概率、影响、责任人
边界与变通：无风险自动识别引擎
MAP-22 风险管理-定量分析不可落实需系统整改后支持
页面：无对应页面
入口：缺口类型 G2
操作步骤：系统无蒙特卡洛模拟/决策树/敏感性分析引擎
数据录入：不涉及数据录入
边界与变通：需外部统计工具或自建 Agent 变通
整改清单FIX-2026-001（P0，工作量L）：AIPM内新建「风险分析引擎」模块，集成蒙特卡洛模拟与敏感性分析
页面：无对应页面
入口：缺口类型 G2
操作步骤：系统无蒙特卡洛模拟/决策树/敏感性分析引擎
数据录入：不涉及数据录入
边界与变通：需外部统计工具或自建 Agent 变通
整改清单FIX-2026-001（P0，工作量L）：AIPM内新建「风险分析引擎」模块，集成蒙特卡洛模拟与敏感性分析
MAP-23 风险管理-应对规划可落实可直接在系统内完成
页面：/risk + /tasks
入口：风险登记册>选择风险>应对策略字段>关联应对任务
操作步骤：选择目标风险条目；选择应对策略（规避/转移/减轻/接受）；点击「创建应对任务」自动跳转到任务页创建
数据录入：应对任务与原风险双向关联
边界与变通：应对效果需人工跟踪更新
页面：/risk + /tasks
入口：风险登记册>选择风险>应对策略字段>关联应对任务
操作步骤：选择目标风险条目；选择应对策略（规避/转移/减轻/接受）；点击「创建应对任务」自动跳转到任务页创建
数据录入：应对任务与原风险双向关联
边界与变通：应对效果需人工跟踪更新
MAP-41 AI治理-伦理审查部分可落实需变通组合实现
页面：/principle-checks + /knowledge
入口：原则自查页；知识库创建伦理审查条目
操作步骤：在原则自查页创建伦理相关检查项；在知识库新建伦理审查指南条目；关联到项目模板
数据录入：伦理审查以知识条目形式沉淀
边界与变通：无独立 AI 伦理评估工作流
整改清单FIX-2026-020（P1，工作量M）：通过工作流编排+Agent构建伦理审查流程，审查结果归档到知识库
页面：/principle-checks + /knowledge
入口：原则自查页；知识库创建伦理审查条目
操作步骤：在原则自查页创建伦理相关检查项；在知识库新建伦理审查指南条目；关联到项目模板
数据录入：伦理审查以知识条目形式沉淀
边界与变通：无独立 AI 伦理评估工作流
整改清单FIX-2026-020（P1，工作量M）：通过工作流编排+Agent构建伦理审查流程，审查结果归档到知识库
⚠️ 系统能力缺口：本案例涉及的 FIX-2026-001、FIX-2026-020 已登记入《AIPM 系统整改清单》，在功能补齐前可按上方"变通组合"执行。
STEP 3 · 学员实践
动手实操与 AI 协同工作法
📋实践任务
🎯 场景：你被派往某激光雷达AI点云检测项目现场。客户CEO说"我们需要一个全面的AI规划"。
总用时约153分钟。
总用时约153分钟。
⏱ 第1步（6分钟）
任务1
设计STAR访谈提纲T层3题：明确项目目标和期望，注意识别不切实际的期望。
⏱ 第2步（24分钟）
任务2
设计STAR访谈提纲R层3题：建立合理的预期和评估标准，防止过度承诺。
⏱ 第3步（39分钟）
任务3
快速阅读案例背景，提炼核心信息并回答：这个信息揭示了什么？对项目意味着什么？
⏱ 第4步（44分钟）
任务4
设计STAR访谈提纲S层3题：了解客户业务现状（用开放式问题引导说出全貌）。
⏱ 第5步（40分钟）
任务5
将访谈提纲整理为完整文档，包括受访者清单、访谈策略、STAR提纲、开场话术和棘手问题应对方案。
💡提示
注意非语言信号——眼神、语气、体态都可能是关键信息
🤖 用 WorkBuddy 调用通小维 / 项目管理专家团落实管理动作
👥 参与的专家团角色：质量经理、交付PM、高级PM、项目总监
🎬 本案例剧本：智能质检（基于 WB-09 质量门与验收管理 变体）
💬 开场提示词（可直接复制到 WorkBuddy）
背景：汽车后市场连锁智能质检 AI 项目处于试点验证，视觉检测模型当前误检率为显著改善，漏检率为显著改善，需进行质量门评审与验收准备。角色：主责质量经理，协审交付PM与高级PM，项目总监确认验收计划。交付物：输出智能质检质量门报告（Word）与缺陷分析表（Excel），包含模型识别准确率、产线实测数据、验收测试计划与改进建议。
背景：汽车后市场连锁智能质检 AI 项目处于试点验证，视觉检测模型当前误检率为显著改善，漏检率为显著改善，需进行质量门评审与验收准备。角色：主责质量经理，协审交付PM与高级PM，项目总监确认验收计划。交付物：输出智能质检质量门报告（Word）与缺陷分析表（Excel），包含模型识别准确率、产线实测数据、验收测试计划与改进建议。
操作步骤
第1步
对 WorkBuddy 输入产线实测数据与模型输出记录，触发质检评审
第2步
质量经理核对检测标准与模型判定逻辑，标注偏差项
第3步
交付PM整理产线部署环境与硬件适配情况
第4步
高级PM评估误检/漏检根因与数据增强可行性
第5步
项目总监制定客户验收计划与签字流程
第6步
在 AIPM 中更新质量管理模块，录入报告与验收计划
第7步
将产线调优任务转为执行项，分配责任人与测试周期。
📦 预期产出物：智能质检质量门报告；缺陷分析表；验收测试计划
🔄 AIPM 回流动作：更新质检项目模块的模型指标与验收状态，绑定报告附件
⚖️ 通小维（CEO）决策点：①是否允许带条件验收并设定整改期限；②是否追加数据采集或硬件改造以提升检测稳定性
STEP 4 · 参考答案
参考答案与评分要点
📝案例回顾
总结：某激光雷达AI点云检测揭示了AI转型的关键洞察：成功的转型始于清晰的业务问题定义和务实的预期管理。
道法术器应用：
【道】先建立信任再谈技术。
【法】用OCE和STAR指导进场工作。
【术】一对一访谈和5Why是核心技能。
【器】诊断问卷和GROW模型是效率倍增器。
【道】先建立信任再谈技术。
【法】用OCE和STAR指导进场工作。
【术】一对一访谈和5Why是核心技能。
【器】诊断问卷和GROW模型是效率倍增器。
🎯STAR访谈提纲（12问）
| 层 | 参考问题 | 意图 | 追问 |
|---|---|---|---|
| S1 | 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 |
| T2 | 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？" |
| A3 | 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 |
| R4 | 你觉得团队对新技术的接受度如何？有没有预见到什么阻力？ | 评估组织变革准备度 | 注意客户是否回避或粉饰这个问题 |
| S5 | 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 |
| T6 | 如果这个项目不做，12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 |
| A7 | 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 |
| R8 | 在过去12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？" |
| S9 | 您能描述一下目前汽车交通业务整体的运营情况吗？ | 开放式开场，让客户主动说出全貌 | 等他自然说完后追问"还有吗？" |
| T10 | 您过去在效率提升方面做过哪些尝试？效果如何？ | 了解历史经验和组织惯性 | 追问"如果效果不理想，主要原因是什么？" |
| A11 | 您认为最重要的成功标准是什么？ | 了解客户价值观和优先级 | 注意客户是否过度关注技术指标 |
| R12 | 根据行业数据，类似规模企业通常12个月实现8%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？" |
⚠️失分场景
•客户问"你做过我们行业吗？"——回应"没有行业惯性反而视角更新"
•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——用对比法"这个目标需要的资源要翻倍"
📚拓展
推荐：《系统思考》丹尼斯·舍伍德
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？