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24个月才能产生可量化的业务价值。
purple痛点三：数据孤岛严重。6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。
触发事件公司遭遇了1200万元的重大运营事故，管理层痛下决心引入AI。事故的直接原因是30小时的信息延迟导致了错误决策。
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。
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」
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。
掌握在金融业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：某支付公司AI商户入驻审核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：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：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：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：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：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：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。
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 | 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 |
| T2 | 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 |
| 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 | 您能描述一下目前金融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？" |
| S5 | 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？" |
| T6 | 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？" |
| A7 | 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 |
| R8 | 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 |
| S9 | 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 |
| T10 | 根据行业数据，类似规模企业通常10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？" |
| A11 | 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 |
| R12 | 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 |
• 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"——回应"先提两个方向供您参考"
• 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：《变革之心》科特
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？