企业概况扎根金融业领域25年的某资管公司AI监管报告自动化，成立于1995年 公司现有员工5977人，年营收约3.0亿元，累计获得198项专利授权。
顾问诊断顾问在4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8%以上。
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。
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」
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。
行业背景金融业行业的竞争格局正在被技术重新定义。数据显示，过去一年行业AI投入同比增长6%，但真正实现规模化落地的企业不足38%。
利益相关者CEO（影响力高·立场不确定）：项目发起人但AI认知偏差，需认知校准。CTO（影响力中·立场中性偏支持）：技术执行者，可成为盟友。业务负责人（影响力中·立场消极）：信任透支，需速赢重建信心。IT团队（影响力低·立场焦虑）：怕被边缘化，需纳入能力建设。一线骨干（影响力低·立场观望）：支持与否直接影响落地。
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17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。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金融业领域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：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：组织拥有对变革的内在防御机制。识别并化解这些防御，比推动变革方案更重要。
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：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：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：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：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。
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 | 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？" |
| T2 | 在过去3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？" |
| A3 | 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 |
| 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 | 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 | 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 | 根据行业数据，类似规模企业通常12个月实现9%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？" |
| 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"——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：《影响力》西奥迪尼
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？