变革路线图启动阶段（第1月）：组建项目组+数据摸底+技术选型。攻坚阶段（第3-6月）：数据治理+模型开发+验证测试。推广阶段（第6-8月）：系统部署+流程适配+一线培训。收尾阶段（第12-16月）：效果评估+知识移交。
purple痛点三：数据采集依赖人工。一线数据填报靠员工手动录入，缺乏自动采集手段。部分关键工序的数据采集覆盖率不到88%，数据完整性问题严重制约AI模型的准确性。
gold痛点四：期望错位。CEO已在内部承诺7个月内效率提升6%，但行业基准显示类似企业合理的提升范围是12%。期望与现实的落差需要尽快管理。
利益相关者董事长（影响力高·立场支持）：战略推动者但不参与日常。CIO（影响力高·立场支持）：项目执行者，需要技术支持。财务总监（影响力中·立场中性）：关注ROI，需量化论证。项目经理（影响力低·立场积极）：执行骨干，需要明确授权。
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」
触发事件公司获得政府996万元的技术升级专项补贴，要求7个月内完成至少一个AI应用场景的落地，否则需全额退回补贴款项。
顾问诊断顾问在5场深度访谈后得出结论：表面的技术选型问题背后是数据治理缺失和目标对齐失败两大根因。数据治理投入应占项目总预算的22%以上。
行业背景物流运输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21%，但真正实现规模化落地的企业不足16%。
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2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。以下展示本案例将应用的层面。Step2展开。
通过本案例学习，掌握运用道法术器框架分析物流运输领域AI转型需求的方法，独立设计进场访谈方案。
核心挑战：本案例最大的难点在于客户对AI的认知偏差与组织变革疲劳的双重叠加——这不是技术问题，而是管理问题。
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：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：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：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：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：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。
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 | 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 |
| 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 | 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？" |
| R4 | 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 |
| S5 | 根据行业数据，类似规模企业通常8个月实现7%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？" |
| T6 | 在过去7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？" |
| A7 | 如果这个项目不做，7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 |
| R8 | 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 |
| S9 | 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 |
• 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"
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？