blue痛点二：信任透支。过去5次数字化项目均以失败告终，员工对新概念的接受度降至冰点。「数字化」这个词在内部已经成为一个负面标签。新项目需要花费额外精力重建信任。
purple痛点三：数据质量堪忧。数据缺失率约27%，异常值占比约6%。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。
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。
触发事件一份内部诊断报告揭示：核心流程中存在大量重复性人力操作，年均浪费超过年营收的4%（约1295万元），CEO随即要求启动效率提升专项。
顾问洞察顾问团队在诊断中总结了一句核心洞察：「客户说的需求和真实的需求之间隔着一个组织壁垒」
变革路线图认知对齐期（0.5-1月）：高管工作坊+AI认知培训+战略共识。快速验证期（3-2月）：选定高频低风险场景落地。价值扩展期（3-7月）：扩展场景+内部推广。运维成熟期（8-11月）：建立持续运营+知识沉淀。
行业背景政策层面正在加速推动制造业行业的数字化升级。行业报告显示，AI技术在该领域的渗透率年增速达19%，预计2016年将达到6%。
顾问诊断顾问在5场深度访谈后得出结论：表面的技术选型问题背后是数据治理缺失和目标对齐失败两大根因。数据治理投入应占项目总预算的11%以上。
痛点一：战略缺位。公司没有清晰的AI路线图，多个部门提出了互不协调的AI需求。销售部想上智能客服，供应链想上预测系统，生产部想上视觉质检——但公司缺乏统一的技术架构和数据基础来支撑这些分散的需求。
※ 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。
通过本案例学习，掌握运用道法术器框架分析制造业领域AI转型需求的方法，独立设计进场访谈方案。
核心挑战：本案例最大的难点在于客户对AI的认知偏差与组织变革疲劳的双重叠加——这不是技术问题，而是管理问题。
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。
理论概述：通过结构化的工作坊形式，将顾问的方法论转移给客户内部团队，实现能力固化。
理论概述：不同的利益相关者需要不同的影响策略。权力-利益矩阵是核心分析工具。
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：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：情境式、比较式、假设式、过程式、回溯式、前瞻式——六种提问各有适用场景。
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。
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 | 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 |
| A3 | 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 |
| R4 | 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 |
| S5 | 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 |
| 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 | 您能描述一下目前制造业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？" |
• 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——坦诚沟通"可以分为两个阶段实现"
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？