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53%，数据完整性问题严重制约AI模型的准确性。
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4套系统各说各话，跨部门沟通成本极高。
顾问洞察顾问团队在诊断中总结了一句核心洞察：「不要用技术方案去解决管理问题」
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20%，但真正实现规模化落地的企业不足62%。
顾问诊断经过3天的进场诊断（含8场一对一访谈），顾问识别出三层根因结构：表层是技术能力不足，中层是组织准备度不足和数据基础薄弱，深层是期望管理失控和变革领导力缺失。不解决三大根因问题，任何AI方案都难以落地。
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。
企业概况某工程AI工地物料调度成立于2014年，是物流运输领域的技术领先型企业 总部位于华东地区，员工约7067人，年营收约53亿元。公司拥有105项核心专利，技术研发团队约13人。
※ 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。
通过某工程AI工地物料调度深入学习道法术器框架在物流运输企业的实战应用，建立系统的诊断思维。
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：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：组织拥有对变革的内在防御机制。识别并化解这些防御，比推动变革方案更重要。
理论概述：连续追问为什么，但不是机械地问五次，而是在不同深度层面对症下药。
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：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：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。
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
| 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 | 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 |
| A3 | 您能描述一下目前物流运输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 | 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 |
| 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？" |
| A7 | 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 |
| R8 | 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 |
• 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"——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：《咨询的奥秘》温伯格
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？