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」
痛点一：目标分歧。高管团队对AI的认知停留在「自动化」和「降本」两个关键词上，忽视了「增效」和「创新」的潜力。业务部门和技术部门在需求定义上存在根本分歧——业务关注场景，技术关注数据。
利益相关者创始人（影响力高·立场坚定）：技术出身，对AI理解远超团队。运营VP（影响力中·立场观望）：多次失败后持谨慎态度，需要可见成果。产品经理（影响力低·立场积极）：希望借助AI提升产品力，是内部推动力量。
blue痛点二：变革疲劳。公司在过去20年中经历了多轮组织架构调整，员工对「新项目」持观望甚至抵触态度。变革管理成为比技术选型更具挑战性的任务。
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。
企业概况扎根汽车交通领域25年的某座舱AI语音交互，成立于2004年 企业规模约1472人，年营收达80亿元。研发投入占总营收约39%，拥有205项自主知识产权。
purple痛点三：数据基础薄弱。核心业务数据分散在7套系统中，数据口径不统一，关键参数缺失率高达11%。根因是操作流程不规范，而非技术问题。
触发事件公司获得政府4107万元的技术升级专项补贴，要求11个月内完成至少一个AI应用场景的落地，否则需全额退回补贴款项。
※ 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。
通过某座舱AI语音交互深入学习道法术器框架在汽车交通企业的实战应用，建立系统的诊断思维。
核心挑战：某座舱AI语音交互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。
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：高质量的访谈通过精心设计的提问顺序，引导客户自己发现问题的真实面貌。
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。
理论概述：组织变革中成员经历可预测的情绪曲线：震惊→否认→愤怒→讨价还价→沮丧→接受→探索→承诺。
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：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。
区分客户说的问题和真实的问题——症状往往不是根因
| 层 | 参考问题 | 意图 | 追问 |
|---|---|---|---|
| S1 | 如果这个项目不做，11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 |
| T2 | 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？" |
| A3 | 根据行业数据，类似规模企业通常6个月实现10%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？" |
| 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 | 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 | 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 |
| 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11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？" |
• 客户问"你做过我们行业吗？"——回应"我们团队做过多个类似场景"
• 客户坚持"先说说方案"——引导"好方案源自深入了解，给我30分钟"
• 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：《关键对话》
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？