某炼化AI常减压装置优化

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。

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1169万元但期望覆盖全部业务线）、期望与现状不匹配（期待4个月见效但数据准备需要19个月）、问题与方法不匹配（用技术方案解决管理问题）。

风险矩阵技术风险（可能性高·影响中）：模型效果不达预期、系统集成困难、数据质量不达标。组织风险（可能性高·影响高）：关键利益相关者抵制、变革中途失去动力、核心团队流失。进度风险（可能性中·影响中）：项目延期、速赢效果不显著、反复返工。

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。

purple痛点三：数据基础薄弱。核心业务数据分散在3套系统中，数据口径不统一，关键参数缺失率高达34%。根因是操作流程不规范，而非技术问题。

行业背景政策层面正在加速推动能源电力行业的数字化升级。行业报告显示，AI技术在该领域的渗透率年增速达7%，预计2028年将达到6%。

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。

触发事件一位年贡献51亿元的大客户在续约谈判中明确要求供应商具备AI服务能力，否则将终止合作。这成为了推动AI转型的直接导火索。

blue痛点二：信任透支。过去6次数字化项目均以失败告终，员工对新概念的接受度降至冰点。「数字化」这个词在内部已经成为一个负面标签。新项目需要花费额外精力重建信任。