STEP 1 · 案例引入
案例全景与背景深度档案
🛒 案例全景
顾问诊断诊断发现三个核心不匹配：目标与资源不匹配（预算3487万元但期望覆盖全部业务线）、期望与现状不匹配（期待12个月见效但数据准备需要23个月）、问题与方法不匹配（用技术方案解决管理问题）。
触发事件CTO提交了一份《行业AI竞争分析报告》，指出4家主要竞争对手已启动AI项目，其中一家已实现成本降低16%的显著效果。
gold痛点四：范围失控。管理层期望一次性建成「企业级AI平台」解决所有问题，而非小步快跑分阶段实施。这种大而全的思路增加了项目失败的风险和实施周期。
顾问洞察顾问团队在诊断中总结了一句核心洞察：「好的提问比好的答案重要一百倍」
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。
blue痛点二：部门壁垒。IT部门和业务部门之间缺乏有效的协同机制。IT抱怨业务不给数据，业务指责IT不懂业务。数据5套系统各说各话，跨部门沟通成本极高。
※ 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。
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：在某抽奖平台AI概率异常检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。
从业务（Business）、数据（Data）、组织（Organization）、...
本案例：某抽奖平台AI概率异常检测中顾问采用「先倾听再建议」策略：第一周安排5场一对一访谈，不做任何技术展示。
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：顾问进场后通过三步建立信任：存在感→专业感→共情感。在某抽奖平台AI概率异常检测中这一策略有效降低了客户的防御心理。
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：顾问进场后通过三步建立信任：存在感→专业感→共情感。在某抽奖平台AI概率异常检测中这一策略有效降低了客户的防御心理。
情境（Situation）→目标（Target）→行动（Action）→结果（R...
本案例：在某抽奖平台AI概率异常检测项目中，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。
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：在某抽奖平台AI概率异常检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。
目标（Goal）→现实（Reality）→选项（Options）→意愿（Will...
本案例：某抽奖平台AI概率异常检测中顾问采用「先倾听再建议」策略：第一周安排5场一对一访谈，不做任何技术展示。
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。...
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。某抽奖平台AI概率异常检测的第一周定义为「零技术周」。
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。...
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。某抽奖平台AI概率异常检测的第一周定义为「零技术周」。
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：在某抽奖平台AI概率异常检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。
🗂 背景深度档案 · 具体事件还原
🕐 时间锚：2024年11月（统计区间 2024-2026年度）
🏢 企业概况：生鲜冷链配送（脱敏）成立于2015年，员工总数1357人，在本行业细分市场处于前列，是本案例的委托方。
⚡ 触发事件：一线质检员因视觉疲劳上报多起漏检
🗣 冲突现场：客户可不管算法需不需要训练，明天发不出货就是事故。
👥 关键人物：李客服主管（客服主管）；刘数据分析师（数据分析师）；赵仓储长（项目负责人）
🖥 系统与数据现状：CRM会员营销；ERP进销存；供应链协同平台；其中李客服主管反映，数据在上述系统间尚未形成统一口径
🧱 数据困境：线上线下会员标签体系割裂导致画像冲突; 供应链多级经销商数据上报滞后且格式杂乱; 商品图文素材版权标识缺失影响合规使用
📉 量化痛点：物流履约超时客诉194单(2024-2026年度)；跨渠道库存差异订单209笔(2024-2026年度)；退换货纠纷积压194单(2024-2026年度)
⚖ 关键决策点：传统机器视觉方案 vs 深度学习缺陷检测方案——传统派主张成熟稳定与调试周期短，深度派强调泛化能力强与长尾缺陷覆盖。
🔄 转折点：核心供应商来料工艺变更导致缺陷特征漂移
🗓 里程碑链：缺陷样本采集与清洗(M0)→算法选型与POC验证(M1)→产线联调与节拍压测(M2)→小批量试产与参数固化(M3)→全量上线与双轨并行(M4)→验收交付与SOP更新(M5)
STEP 2 · 理论讲解
知识点图谱与 AIPM 系统落地
🎯学习目标
掌握在零售电商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：某抽奖平台AI概率异常检测考验顾问在4类利益相关者之间建立共识的能力，差异化沟通是关键。
📘【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：顾问在某抽奖平台AI概率异常检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
📗【法】OCE四维诊断法
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。
📌 本案例应用：顾问在某抽奖平台AI概率异常检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
📙【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：顾问在某抽奖平台AI概率异常检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：忽略组织文化对变革的影响
📘【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：顾问在某抽奖平台AI概率异常检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：急于展示方案而非先理解问题
📗【法】STAR结构化进场框架
理论概述：情境（Situation）→目标（Target）→行动（Action）→结果（Result）四步访谈框架。
📌 本案例应用：在某抽奖平台AI概率异常检测中，顾问运用这一方法系统分析了客户的组织状态，发现了4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：过度承诺而低估实施难度
📕【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：顾问在某抽奖平台AI概率异常检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：急于展示方案而非先理解问题
📙【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：某抽奖平台AI概率异常检测的实践表明，这一框架有效帮助顾问在5场访谈中保持结构化和系统性。
📚 知识延伸：可对比库尔特·勒温的变革三阶段模型
⚠️ 常见误区：用技术语言而非业务语言沟通
📗【法】期望管理框架
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。
📌 本案例应用：在某抽奖平台AI概率异常检测中，顾问运用这一方法系统分析了客户的组织状态，发现了4个关键的变革障碍。
📚 知识延伸：可对比库尔特·勒温的变革三阶段模型
⚠️ 常见误区：用技术语言而非业务语言沟通
📗【法】问题诊断方法论
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。
📌 本案例应用：顾问在某抽奖平台AI概率异常检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：忽略组织文化对变革的影响
📕【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：某抽奖平台AI概率异常检测的实践表明，这一框架有效帮助顾问在5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
📚 本案例知识点图谱 · 项目管理 + MBA
项目管理知识本案例涉及以下项目管理知识点（按编号排序，共 8 条）：
KP-026 管理原则8：质量质量Quality Principle——将质量融入过程与可交付成果
识别信号：缺陷外溢;返工频繁;客户投诉
操作要点：质量内建 / 持续改进 / 根因分析 / 数据驱动 / 客户导向
知识来源：PMBOK 7 原则
识别信号：缺陷外溢;返工频繁;客户投诉
操作要点：质量内建 / 持续改进 / 根因分析 / 数据驱动 / 客户导向
知识来源：PMBOK 7 原则
KP-030 监控过程组集成Monitoring and Controlling Process Group——跟踪、审查并调节项目进展与绩效
识别信号：偏差监控;变更控制;绩效评估
操作要点：监控项目工作 / 实施整体变更控制 / 确认与控制范围/进度/成本/质量/资源/风险/采购/干系人
知识来源：5过程组
识别信号：偏差监控;变更控制;绩效评估
操作要点：监控项目工作 / 实施整体变更控制 / 确认与控制范围/进度/成本/质量/资源/风险/采购/干系人
知识来源：5过程组
KP-035 管理项目知识集成Manage Project Knowledge——利用现有知识创造新知识以实现项目目标
识别信号：知识流失;重复踩坑;经验沉淀
操作要点：识别显性/隐性知识 / 建立知识库 / 经验教训登记册 / 知识共享机制 / 持续学习文化
知识来源：49过程
识别信号：知识流失;重复踩坑;经验沉淀
操作要点：识别显性/隐性知识 / 建立知识库 / 经验教训登记册 / 知识共享机制 / 持续学习文化
知识来源：49过程
KP-052 三点估算进度Three-Point Estimating PERT——综合最乐观、最悲观与最可能估算以提高准确性
识别信号：估算不确定;历史数据不足;风险较高
操作要点：最乐观O / 最悲观P / 最可能M / 三角分布=(O+M+P)/3 / 贝塔分布=(O+4M+P)/6 / 标准差=(P-O)/6
知识来源：进度技术
识别信号：估算不确定;历史数据不足;风险较高
操作要点：最乐观O / 最悲观P / 最可能M / 三角分布=(O+M+P)/3 / 贝塔分布=(O+4M+P)/6 / 标准差=(P-O)/6
知识来源：进度技术
KP-059 控制质量质量Control Quality——监督并记录质量管理活动执行结果以评估绩效
识别信号：缺陷外溢;测试失败;质量失控
操作要点：检查 / 测试/产品评估 / 数据收集工具(因果图/流程图/核查表/直方图/帕累托图/散点图/控制图) / 统计抽样
知识来源：49过程
识别信号：缺陷外溢;测试失败;质量失控
操作要点：检查 / 测试/产品评估 / 数据收集工具(因果图/流程图/核查表/直方图/帕累托图/散点图/控制图) / 统计抽样
知识来源：49过程
KP-078 监督风险风险Monitor Risks——在整个项目期间监督风险应对执行、跟踪已识别风险并识别新风险
识别信号：风险变化;储备耗尽;新风险涌现
操作要点：风险审计 / 偏差与趋势分析 / 储备分析 / 会议 / 更新风险登记册 / 识别新风险 / 关闭过时风险
知识来源：49过程
识别信号：风险变化;储备耗尽;新风险涌现
操作要点：风险审计 / 偏差与趋势分析 / 储备分析 / 会议 / 更新风险登记册 / 识别新风险 / 关闭过时风险
知识来源：49过程
KP-130 提示词工程治理AI治理Prompt Engineering Governance——管理大语言模型提示词的设计、测试、版本与合规
识别信号：提示词失效;安全风险;效果不稳定
操作要点：提示词模板库 / 版本控制 / 测试与评估 / 安全审查(注入攻击/越狱) / 合规检查 / 效果监控 / 持续优化
知识来源：AI项目特有
识别信号：提示词失效;安全风险;效果不稳定
操作要点：提示词模板库 / 版本控制 / 测试与评估 / 安全审查(注入攻击/越狱) / 合规检查 / 效果监控 / 持续优化
知识来源：AI项目特有
KP-133 数据标注数据治理Data Annotation——为训练数据添加标签以监督模型学习
识别信号：标注质量;标注成本;数据质量
操作要点：标注指南 / 标注工具 / 标注质量控制 / 一致性检查 / 标注人员培训 / 标注成本优化 / 主动学习
知识来源：AI项目特有
识别信号：标注质量;标注成本;数据质量
操作要点：标注指南 / 标注工具 / 标注质量控制 / 一致性检查 / 标注人员培训 / 标注成本优化 / 主动学习
知识来源：AI项目特有
MBA 知识本案例同时调用以下 MBA 课程知识点（按编号排序，共 6 条）：
MBA-002 价值链分析企业战略Value Chain Analysis——识别企业创造价值的各环节活动
识别信号：流程优化;AI赋能环节;成本重构;数字化增值
框架要点：基本活动(生产、销售、服务) / 支持活动(人力、技术、采购) / 价值增值点 / 成本驱动因素
关联项目管理：价值交付;效益管理
识别信号：流程优化;AI赋能环节;成本重构;数字化增值
框架要点：基本活动(生产、销售、服务) / 支持活动(人力、技术、采购) / 价值增值点 / 成本驱动因素
关联项目管理：价值交付;效益管理
MBA-013 TOC约束理论运营管理Theory of Constraints——识别并消除系统瓶颈提升产出
识别信号：系统瓶颈定位;AI算力瓶颈;吞吐量提升
框架要点：五步聚焦法 / 瓶颈识别 / 从属非瓶颈 / 缓冲管理 / 思维流程
关联项目管理：关键路径;资源平衡
识别信号：系统瓶颈定位;AI算力瓶颈;吞吐量提升
框架要点：五步聚焦法 / 瓶颈识别 / 从属非瓶颈 / 缓冲管理 / 思维流程
关联项目管理：关键路径;资源平衡
MBA-017 业务流程再造运营管理Business Process Reengineering (BPR)——根本性重新设计流程实现突破性改善
识别信号：AI驱动流程重构;端到端自动化;组织重组
框架要点：根本性反思 / 彻底重设计 / 突破性改善 / 流程导向
关联项目管理：变更管理;流程设计
识别信号：AI驱动流程重构;端到端自动化;组织重组
框架要点：根本性反思 / 彻底重设计 / 突破性改善 / 流程导向
关联项目管理：变更管理;流程设计
MBA-032 加权平均资本成本公司金融Weighted Average Cost of Capital (WACC)——企业各类融资成本的加权平均
识别信号：AI项目折现率;投资门槛设定;融资结构
框架要点：股权成本 / 债务成本 / 资本结构权重 / 税盾效应
关联项目管理：商业论证;成本管理
识别信号：AI项目折现率;投资门槛设定;融资结构
框架要点：股权成本 / 债务成本 / 资本结构权重 / 税盾效应
关联项目管理：商业论证;成本管理
MBA-051 作业成本法管理会计Activity-Based Costing (ABC)——按作业活动分配间接成本的方法
识别信号：AI算力成本分摊;多项目成本归集;精细化核算
框架要点：作业识别 / 成本动因 / 资源→作业→产品 / 成本池
关联项目管理：成本管理;资源管理
识别信号：AI算力成本分摊;多项目成本归集;精细化核算
框架要点：作业识别 / 成本动因 / 资源→作业→产品 / 成本池
关联项目管理：成本管理;资源管理
MBA-115 数据资产估值信息系统与数字化转型Data Asset Valuation——将数据视为资产进行价值评估
识别信号：数据资产入表;AI训练数据价值;数据治理
框架要点：成本法 / 收益法 / 市场法 / 数据质量 / 确权与合规
关联项目管理：商业论证;知识管理
识别信号：数据资产入表;AI训练数据价值;数据治理
框架要点：成本法 / 收益法 / 市场法 / 数据质量 / 确权与合规
关联项目管理：商业论证;知识管理
🗺 全知识域覆盖矩阵 · 项目管理 15 域 + MBA 12 领域
下表给出两大知识体系的完整维度清单及本案例的覆盖情况： 项目管理知识体系共 138 个知识点、15 个知识域，MBA 知识体系共 120 个知识点、12 个领域； 本案例强相关（含详述）的项目管理域 6 个、MBA 领域 5 个，其余维度标注了同类项目中的出现环节，便于按需扩展学习。
一、项目管理知识域覆盖（15 域）
| 知识域 | 本案例覆盖度 | 代表知识点 | 切入点 / 出现环节 |
|---|---|---|---|
| 集成 | 高 | KP-030 监控过程组 | 操作切入点：监控项目工作 |
| 范围 | 低 | KP-038 规划范围管理 | 操作切入点：制定范围管理计划 |
| 进度 | 高 | KP-052 三点估算 | 操作切入点：最乐观O |
| 成本 | 低 | KP-107 挣值管理EVM | 操作切入点：计划价值PV |
| 质量 | 高 | KP-026 管理原则8：质量 | 操作切入点：质量内建 |
| 资源 | 低 | KP-064 获取资源 | 操作切入点：预分派 |
| 沟通 | 未涉及 | — | 同类项目中出现于信息分发与汇报节奏设计环节 |
| 风险 | 高 | KP-078 监督风险 | 操作切入点：风险审计 |
| 采购 | 低 | KP-088 合同类型 | 操作切入点：固定总价FFP/总价加激励FPIF/总价加经济价格调整FPEPA |
| 干系人 | 低 | KP-080 识别干系人 | 操作切入点：干系人登记册 |
| 治理 | 低 | KP-091 项目治理 | 操作切入点：治理框架 |
| 变更 | 低 | KP-037 实施整体变更控制 | 操作切入点：建立变更控制委员会CCB |
| 敏捷 | 低 | KP-100 用户故事 | 操作切入点：角色-活动-价值格式 |
| 数据治理 | 高 | KP-133 数据标注 | 操作切入点：标注指南 |
| AI治理 | 高 | KP-130 提示词工程治理 | 操作切入点：提示词模板库 |
二、MBA 知识领域覆盖（12 域）
| 知识领域 | 本案例覆盖度 | 代表知识点 | 切入点 / 出现环节 |
|---|---|---|---|
| 企业战略 | 高 | MBA-002 价值链分析 | 操作切入点：基本活动(生产、销售、服务) |
| 运营管理 | 高 | MBA-013 TOC约束理论 | 操作切入点：五步聚焦法 |
| 市场营销 | 低 | MBA-023 顾客终身价值 | 操作切入点：获取成本 |
| 公司金融 | 高 | MBA-032 加权平均资本成本 | 操作切入点：股权成本 |
| 财务会计 | 低 | MBA-042 权责发生制 | 操作切入点：收入确认时点 |
| 管理会计 | 高 | MBA-051 作业成本法 | 操作切入点：作业识别 |
| 投资学与估值 | 低 | MBA-068 协同效应 | 操作切入点：收入协同 |
| 组织行为学 | 低 | MBA-077 心理契约 | 操作切入点：交易型 |
| 人力资源管理 | 低 | MBA-081 人力资源规划 | 操作切入点：需求预测 |
| 管理经济学 | 低 | MBA-098 规模经济与范围经济 | 操作切入点：规模经济 |
| 商业伦理与公司治理 | 低 | MBA-105 商业伦理框架 | 操作切入点：功利主义 |
| 信息系统与数字化转型 | 高 | MBA-115 数据资产估值 | 操作切入点：成本法 |
🖥 知识点在 AIPM 系统中的落地操作
下列知识点在本案例中的系统落实路径，可按步骤逐条录入 aipm.twzx.bj.cn：
MAP-05 进度管理-关键路径可落实可直接在系统内完成
页面：/critical-path
入口：关键路径路线图页面>项目选择>路径展示区>甘特缩放控件
操作步骤：进入关键路径路线图；选择目标项目；系统自动计算并展示关键路径；使用缩放控件调整时间粒度；点击节点查看详情
数据录入：基于任务依赖关系与工期自动计算
边界与变通：依赖任务间逻辑关系需手动维护完整
页面：/critical-path
入口：关键路径路线图页面>项目选择>路径展示区>甘特缩放控件
操作步骤：进入关键路径路线图；选择目标项目；系统自动计算并展示关键路径；使用缩放控件调整时间粒度；点击节点查看详情
数据录入：基于任务依赖关系与工期自动计算
边界与变通：依赖任务间逻辑关系需手动维护完整
MAP-07 进度管理-日历排程可落实可直接在系统内完成
页面：/calendar
入口：日历页面>视图切换(月/周/日)>事件创建>日期/任务关联
操作步骤：进入日历页；切换至月视图；点击目标日期创建事件；关联对应任务或里程碑；保存
数据录入：日历事件与任务双向关联
边界与变通：资源日历独立于项目日历，需分别维护
页面：/calendar
入口：日历页面>视图切换(月/周/日)>事件创建>日期/任务关联
操作步骤：进入日历页；切换至月视图；点击目标日期创建事件；关联对应任务或里程碑；保存
数据录入：日历事件与任务双向关联
边界与变通：资源日历独立于项目日历，需分别维护
MAP-20 风险管理-风险识别可落实可直接在系统内完成
页面：/risk
入口：风险登记册>新建风险>风险描述/类别/概率/影响
操作步骤：进入风险登记册；点击「+新建风险」；填写风险描述与类别；评估概率与影响等级；保存
数据录入：风险条目含描述、类别、概率、影响、责任人
边界与变通：无风险自动识别引擎
页面：/risk
入口：风险登记册>新建风险>风险描述/类别/概率/影响
操作步骤：进入风险登记册；点击「+新建风险」；填写风险描述与类别；评估概率与影响等级；保存
数据录入：风险条目含描述、类别、概率、影响、责任人
边界与变通：无风险自动识别引擎
MAP-22 风险管理-定量分析不可落实需系统整改后支持
页面：无对应页面
入口：缺口类型 G2
操作步骤：系统无蒙特卡洛模拟/决策树/敏感性分析引擎
数据录入：不涉及数据录入
边界与变通：需外部统计工具或自建 Agent 变通
整改清单FIX-2026-001（P0，工作量L）：AIPM内新建「风险分析引擎」模块，集成蒙特卡洛模拟与敏感性分析
页面：无对应页面
入口：缺口类型 G2
操作步骤：系统无蒙特卡洛模拟/决策树/敏感性分析引擎
数据录入：不涉及数据录入
边界与变通：需外部统计工具或自建 Agent 变通
整改清单FIX-2026-001（P0，工作量L）：AIPM内新建「风险分析引擎」模块，集成蒙特卡洛模拟与敏感性分析
MAP-41 AI治理-伦理审查部分可落实需变通组合实现
页面：/principle-checks + /knowledge
入口：原则自查页；知识库创建伦理审查条目
操作步骤：在原则自查页创建伦理相关检查项；在知识库新建伦理审查指南条目；关联到项目模板
数据录入：伦理审查以知识条目形式沉淀
边界与变通：无独立 AI 伦理评估工作流
整改清单FIX-2026-020（P1，工作量M）：通过工作流编排+Agent构建伦理审查流程，审查结果归档到知识库
页面：/principle-checks + /knowledge
入口：原则自查页；知识库创建伦理审查条目
操作步骤：在原则自查页创建伦理相关检查项；在知识库新建伦理审查指南条目；关联到项目模板
数据录入：伦理审查以知识条目形式沉淀
边界与变通：无独立 AI 伦理评估工作流
整改清单FIX-2026-020（P1，工作量M）：通过工作流编排+Agent构建伦理审查流程，审查结果归档到知识库
⚠️ 系统能力缺口：本案例涉及的 FIX-2026-001、FIX-2026-020 已登记入《AIPM 系统整改清单》，在功能补齐前可按上方"变通组合"执行。
STEP 3 · 学员实践
动手实操与 AI 协同工作法
📋实践任务
🎯 场景：你被派往某抽奖平台AI概率异常检测项目现场。客户CEO说"我们试过几个方案都失败了"。
总用时约145分钟。
总用时约145分钟。
⏱ 第1步（9分钟）
任务1
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？
⏱ 第2步（10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（45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（36分钟）
任务4
设计STAR访谈提纲T层3题：明确项目目标和期望，注意识别不切实际的期望。
⏱ 第5步（45分钟）
任务5
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？
💡提示
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
🤖 用 WorkBuddy 调用通小维 / 项目管理专家团落实管理动作
👥 参与的专家团角色：质量经理、交付PM、高级PM、项目总监
🎬 本案例剧本：智能质检（基于 WB-09 质量门与验收管理 变体）
💬 开场提示词（可直接复制到 WorkBuddy）
背景：生鲜冷链配送智能质检 AI 项目处于试点验证，视觉检测模型当前误检率为显著改善，漏检率为显著改善，需进行质量门评审与验收准备。角色：主责质量经理，协审交付PM与高级PM，项目总监确认验收计划。交付物：输出智能质检质量门报告（Word）与缺陷分析表（Excel），包含模型识别准确率、产线实测数据、验收测试计划与改进建议。
背景：生鲜冷链配送智能质检 AI 项目处于试点验证，视觉检测模型当前误检率为显著改善，漏检率为显著改善，需进行质量门评审与验收准备。角色：主责质量经理，协审交付PM与高级PM，项目总监确认验收计划。交付物：输出智能质检质量门报告（Word）与缺陷分析表（Excel），包含模型识别准确率、产线实测数据、验收测试计划与改进建议。
操作步骤
第1步
对 WorkBuddy 输入产线实测数据与模型输出记录，触发质检评审
第2步
质量经理核对检测标准与模型判定逻辑，标注偏差项
第3步
交付PM整理产线部署环境与硬件适配情况
第4步
高级PM评估误检/漏检根因与数据增强可行性
第5步
项目总监制定客户验收计划与签字流程
第6步
在 AIPM 中更新质量管理模块，录入报告与验收计划
第7步
将产线调优任务转为执行项，分配责任人与测试周期。
📦 预期产出物：智能质检质量门报告；缺陷分析表；验收测试计划
🔄 AIPM 回流动作：更新质检项目模块的模型指标与验收状态，绑定报告附件
⚖️ 通小维（CEO）决策点：①是否允许带条件验收并设定整改期限；②是否追加数据采集或硬件改造以提升检测稳定性
STEP 4 · 参考答案
参考答案与评分要点
📝案例回顾
总结：某抽奖平台AI概率异常检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。
【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（8问）
| 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 | 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 | 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 |
| R4 | 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 |
| 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 | 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 |
| A7 | 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 |
| R8 | 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 |
⚠️失分场景
•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"好方案源自深入了解，给我30分钟"
•客户期望不切实际——用对比法"这个目标需要的资源要翻倍"
📚拓展
推荐：《高效能人士的七个习惯》
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？