行业背景医疗健康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5%，但真正实现规模化落地的企业不足60%。
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11个月才能产生可量化的业务价值。
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。
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。
顾问诊断经过2天的深入诊断，顾问团队揭示了6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8个月的专项治理；技术选型必须考虑组织能力约束。
痛点一：急于求成。CEO希望8个月内完成全公司AI部署，但行业基准显示类似规模的AI项目平均需要11个月。客户对AI「即插即用」的期望与现实之间存在显著落差。
顾问洞察顾问团队在诊断中总结了一句核心洞察：「AI是放大器——好流程放大效率，差流程放大混乱」
purple痛点三：数据质量堪忧。数据缺失率约20%，异常值占比约40%。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。
※ 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：某康复医院AI康复方案推荐考验顾问在6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：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：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：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：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：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：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。
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 | 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 |
| T2 | 根据行业数据，类似规模企业通常12个月实现13%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？" |
| A3 | 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？" |
| R4 | 在过去8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？" |
| S5 | 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 |
| 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 | 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？" |
| 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 |
• 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：《提问的艺术》
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？