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20个月才能产生可量化的业务价值。
痛点一：需求模糊。管理层说要用AI，但对AI的能力边界缺乏基本认知。三位核心高管对项目预期存在明显分歧——CEO关注品牌提升，CTO关注技术先进性，运营负责人关注效率提升。需求不是从业务问题推导出来的，而是从「别人有我们也得有」的从众心理产生的。
企业概况某识字AI汉字书写评分是教育领域具有代表性的企业，成立于2011年 总部位于华东地区，员工约6926人，年营收约61亿元。公司拥有22项核心专利，技术研发团队约34人。
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3036万元但期望覆盖全部业务线）、期望与现状不匹配（期待9个月见效但数据准备需要20个月）、问题与方法不匹配（用技术方案解决管理问题）。
行业背景政策层面正在加速推动教育行业的数字化升级。行业报告显示，AI技术在该领域的渗透率年增速达14%，预计2011年将达到9%。
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。
purple痛点三：数据质量堪忧。数据缺失率约10%，异常值占比约9%。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。
掌握在教育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：某识字AI汉字书写评分考验顾问在3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：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：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：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。
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：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：目标（Goal）→现实（Reality）→选项（Options）→意愿（Will），让客户主动探索方案。
注意非语言信号——眼神、语气、体态都可能是关键信息
| 层 | 参考问题 | 意图 | 追问 |
|---|---|---|---|
| S1 | 根据行业数据，类似规模企业通常11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？" |
| 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 |
| R4 | 如果这个项目不做，9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 | 在过去9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？" |
| 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 | 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 |
| R8 | 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 |
• 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"——引导"好方案源自深入了解，给我30分钟"
• 客户期望不切实际——坦诚沟通"可以分为两个阶段实现"
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？