STEP 1 · 案例引入
M3-018 医疗健康 · 案例引入
🏥 案例引入 · 某化学药企AI ADMET属性预测
🏥 案例全景

风险矩阵期望风险(可能性高·影响高):利益相关者对时间表和效果有不切实际的预期。资源风险(可能性中·影响高):预算可能被削减、关键人员可能被调离。治理风险(可能性中·影响中):数据安全和隐私合规问题。

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。

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。

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」

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。

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医疗健康行业的数字化升级。行业报告显示,AI技术在该领域的渗透率年增速达30%,预计2015年将达到35%。

blue痛点二:信任透支。过去6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。

触发事件新任技术VP(来自某互联网大厂)提交了完整的AI转型方案,预算456万元,预计17个月实现投资回报。董事会在评估后批准了该项目。

顾问诊断经过3天的深入诊断,顾问团队揭示了2个关键发现:利益相关者之间的信任已经透支,需要从头建立;数据基础需要5个月的专项治理;技术选型必须考虑组织能力约束。

※ 案例信息已脱敏处理。仅供教学参考。
🧭 本案例道法术器框架

以下展示本案例将应用的层面。Step2展开

【道】信任建立阶梯模型
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...
本案例:顾问进场后通过三步建立信任:存在感→专业感→共情感。在某化学药企AI ADMET属性预测中这一策略有效降低了客户的防御心理。
【器】知识管理工作坊
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。...
本案例:在某化学药企AI ADMET属性预测中信任建立速度决定项目推进速度。顾问用了三个第一次:第一次见面不聊项目,第一次会谈不拿笔记本,第一次汇报不给方案。
【器】诊断问卷五模块
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。...
本案例:在某化学药企AI ADMET属性预测中信任建立速度决定项目推进速度。顾问用了三个第一次:第一次见面不聊项目,第一次会谈不拿笔记本,第一次汇报不给方案。
【道】利益相关者影响策略
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。...
本案例:信任不是通过说「我懂」建立的,而是通过问「您怎么看」建立的。某化学药企AI ADMET属性预测的第一周定义为「零技术周」。
【术】非语言信号解读
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...
本案例:顾问进场后通过三步建立信任:存在感→专业感→共情感。在某化学药企AI ADMET属性预测中这一策略有效降低了客户的防御心理。
【术】一对一深度访谈术
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。...
本案例:顾问进场后通过三步建立信任:存在感→专业感→共情感。在某化学药企AI ADMET属性预测中这一策略有效降低了客户的防御心理。
【道】变革心理学曲线
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...
本案例:某化学药企AI ADMET属性预测中顾问采用「先倾听再建议」策略:第一周安排7场一对一访谈,不做任何技术展示。
【术】开放式提问六变体
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。...
本案例:顾问进场后通过三步建立信任:存在感→专业感→共情感。在某化学药企AI ADMET属性预测中这一策略有效降低了客户的防御心理。
【器】GROW教练模型
目标(Goal)→现实(Reality)→选项(Options)→意愿(Will...
本案例:在某化学药企AI ADMET属性预测项目中,顾问用3天时间走遍关键部门建立存在感,之后用行业分析报告建立专业感。
【器】AI辅助提示词工程
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。...
本案例:顾问进场后通过三步建立信任:存在感→专业感→共情感。在某化学药企AI ADMET属性预测中这一策略有效降低了客户的防御心理。
STEP 2 · 理论讲解
M3-018 医疗健康 · 理论讲解
📖 理论讲解
🎯 学习目标

掌握在医疗健康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:某化学药企AI ADMET属性预测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。

📘 【道】信任建立阶梯模型

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。

📌 本案例应用:顾问在某化学药企AI ADMET属性预测中将这一工具应用于5个业务部门的诊断中,显著提升了诊断效率。
📚 知识延伸:可结合彼得·圣吉的系统思考理论进一步理解
⚠️ 常见误区:忽略组织文化对变革的影响
📙 【器】知识管理工作坊

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。

📌 本案例应用:某化学药企AI ADMET属性预测的实践表明,这一框架有效帮助顾问在7场访谈中保持结构化和系统性。
📚 知识延伸:延伸阅读可参考科特的变革八步法相关文献
⚠️ 常见误区:急于展示方案而非先理解问题
📙 【器】诊断问卷五模块

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。

📌 本案例应用:某化学药企AI ADMET属性预测的实践表明,这一框架有效帮助顾问在7场访谈中保持结构化和系统性。
📚 知识延伸:建议查阅PMI项目管理知识体系中的相关实践
⚠️ 常见误区:过度承诺而低估实施难度
📘 【道】利益相关者影响策略

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。

📌 本案例应用:在某化学药企AI ADMET属性预测中,顾问运用这一方法系统分析了客户的组织状态,发现了2个关键的变革障碍。
📚 知识延伸:可结合彼得·圣吉的系统思考理论进一步理解
⚠️ 常见误区:急于展示方案而非先理解问题
📕 【术】非语言信号解读

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。

📌 本案例应用:通过某化学药企AI ADMET属性预测的案例练习,学员可以深入理解这一方法在实际咨询场景中的具体应用方式。
📚 知识延伸:可结合彼得·圣吉的系统思考理论进一步理解
⚠️ 常见误区:用技术语言而非业务语言沟通
📕 【术】一对一深度访谈术

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。

📌 本案例应用:顾问在某化学药企AI ADMET属性预测中将这一工具应用于5个业务部门的诊断中,显著提升了诊断效率。
📚 知识延伸:可结合彼得·圣吉的系统思考理论进一步理解
⚠️ 常见误区:过度承诺而低估实施难度
📘 【道】变革心理学曲线

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。

📌 本案例应用:某化学药企AI ADMET属性预测的实践表明,这一框架有效帮助顾问在7场访谈中保持结构化和系统性。
📚 知识延伸:可结合彼得·圣吉的系统思考理论进一步理解
⚠️ 常见误区:忽略组织文化对变革的影响
📕 【术】开放式提问六变体

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。

📌 本案例应用:某化学药企AI ADMET属性预测的实践表明,这一框架有效帮助顾问在7场访谈中保持结构化和系统性。
📚 知识延伸:延伸阅读可参考科特的变革八步法相关文献
⚠️ 常见误区:忽略组织文化对变革的影响
📙 【器】GROW教练模型

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。

📌 本案例应用:顾问在某化学药企AI ADMET属性预测中将这一工具应用于5个业务部门的诊断中,显著提升了诊断效率。
📚 知识延伸:可对比库尔特·勒温的变革三阶段模型
⚠️ 常见误区:急于展示方案而非先理解问题
📙 【器】AI辅助提示词工程

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。

📌 本案例应用:顾问在某化学药企AI ADMET属性预测中将这一工具应用于5个业务部门的诊断中,显著提升了诊断效率。
📚 知识延伸:延伸阅读可参考科特的变革八步法相关文献
⚠️ 常见误区:用技术语言而非业务语言沟通
STEP 3 · 学员实践
M3-018 医疗健康 · 学员实践
✍️ 学员实践
📋 实践任务
🎯 场景:作为OCE首席顾问首次进入某化学药企AI ADMET属性预测项目。客户运营VP说我们有一个团队请你培训。
总用时约48分钟。
⏱ 第1步(14分钟)
任务1
运用道法术器进行四维分析:【道】客户真正需要什么?【法】用什么方法诊断?【术】用什么技巧?【器】用什么工具?
⏱ 第2步(12分钟)
任务2
设计STAR访谈提纲A层3题:了解客户过去的尝试,注意识别重复失败模式。
⏱ 第3步(33分钟)
任务3
将访谈提纲整理为完整文档,包括受访者清单、访谈策略、STAR提纲、开场话术和棘手问题应对方案。
⏱ 第4步(28分钟)
任务4
快速阅读案例背景,提炼核心信息并回答:这个信息揭示了什么?对项目意味着什么?
💡 提示

注意非语言信号——眼神、语气、体态都可能是关键信息

STEP 4 · 参考答案
M3-018 医疗健康 · 参考答案
参考答案
📝 案例回顾
总结:某化学药企AI ADMET属性预测的实践表明顾问的核心价值不在技术方案本身,而在帮助客户建立正确的认知和可行的路线图。
道法术器应用
【道】先建立信任再谈技术。
【法】用OCE和STAR指导进场工作。
【术】一对一访谈和5Why是核心技能。
【器】诊断问卷和GROW模型是效率倍增器。
🎯 STAR访谈提纲(11问)
参考问题意图追问
S1在过去5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
A3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
R4如果这个项目不做,5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
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?"
A7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?"
R8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
S9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
T10您能描述一下目前医疗健康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?"
A11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
⚠️ 失分场景

客户问"你做过我们行业吗?"——回应"没有行业惯性反而视角更新"

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"

📚 拓展

推荐:《影响力》西奥迪尼
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?

🏥OCE-TRANSFORM
🏠 官网首页📚 案例教学首页🏥 医疗健康首页北京通维管理咨询有限公司