风险矩阵技术风险（可能性高·影响中）：模型效果不达预期、系统集成困难、数据质量不达标。组织风险（可能性高·影响高）：关键利益相关者抵制、变革中途失去动力、核心团队流失。进度风险（可能性中·影响中）：项目延期、速赢效果不显著、反复返工。
blue痛点二：组织惯性。生产/运营负责人（从业27年）对AI态度消极，经历过5次失败的数字化项目，认为「这次也不会例外」。中层管理者的抵触情绪来自三方面：技术恐惧、失败记忆、权力威胁。
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4905万元但期望覆盖全部业务线）、期望与现状不匹配（期待8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）。
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66%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18%。
顾问洞察顾问团队在诊断中总结了一句核心洞察：「不要用技术方案去解决管理问题」
gold痛点四：范围失控。管理层期望一次性建成「企业级AI平台」解决所有问题，而非小步快跑分阶段实施。这种大而全的思路增加了项目失败的风险和实施周期。
企业概况某售后AI备件预测是汽车交通领域具有代表性的企业，成立于1997年 公司现有员工6650人，年营收约1.3亿元，累计获得238项专利授权。
变革路线图启动阶段（第1月）：组建项目组+数据摸底+技术选型。攻坚阶段（第3-6月）：数据治理+模型开发+验证测试。推广阶段（第6-8月）：系统部署+流程适配+一线培训。收尾阶段（第12-16月）：效果评估+知识移交。
purple痛点三：数据质量堪忧。数据缺失率约8%，异常值占比约33%。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。
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。
※ 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。
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：某售后AI备件预测考验顾问在5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：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。
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：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：情境（Situation）→目标（Target）→行动（Action）→结果（Result）四步访谈框架。
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。
好的开场白是访谈成功的一半——它不是介绍而是建立合作框架
| 层 | 参考问题 | 意图 | 追问 |
|---|---|---|---|
| S1 | 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 |
| T2 | 如果这个项目不做，8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 |
| 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 | 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 |
| S5 | 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 |
| T6 | 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 |
| A7 | 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 |
| R8 | 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？" |
• 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"——回应"先提两个方向供您参考"
• 客户期望不切实际——坦诚沟通"可以分为两个阶段实现"
推荐：《提问的艺术》
自我检查：建立了足够信任？识别了真正根因？给了客户有价值的洞察？客户愿意继续合作？