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。
企业概况以能源电力为核心赛道的某园区AI综合碳管理成立于1995年，是该领域重要参与者 员工总数1627人，年营收约6.0亿元。在能源电力细分市场占有率约22%，属于区域龙头企业。
行业背景能源电力领域正经历从经验驱动到数据驱动的范式转移。约60%的头部企业已完成第一阶段的AI部署，行业平均效率提升约8%。
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9个月才能产生可量化的业务价值。
触发事件公司获得政府721万元的技术升级专项补贴，要求11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。
痛点一：急于求成。CEO希望11个月内完成全公司AI部署，但行业基准显示类似规模的AI项目平均需要9个月。客户对AI「即插即用」的期望与现实之间存在显著落差。
顾问诊断经过5天的进场诊断（含7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。
※ 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。
通过某园区AI综合碳管理深入学习道法术器框架在能源电力企业的实战应用，建立系统的诊断思维。
核心挑战：某园区AI综合碳管理的核心挑战在于管理组织变革阻力、建立数据基础、对齐利益相关者期望这三个非技术因素。
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：情境（Situation）→目标（Target）→行动（Action）→结果（Result）四步访谈框架。
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：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：通过结构化的工作坊形式，将顾问的方法论转移给客户内部团队，实现能力固化。
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 | 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 |
| T2 | 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？" |
| A3 | 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 |
| R4 | 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 |
| S5 | 如果这个项目不做，11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 |
| T6 | 您能描述一下目前能源电力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？" |
| A7 | 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 |
| R8 | 在过去11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？" |
| S9 | 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 |
| T10 | 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？" |
• 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"先了解您的挑战才能切中要害"
• 客户期望不切实际——坦诚沟通"可以分为两个阶段实现"
推荐：《关键对话》
自我检查：建立了足够信任？识别了真正根因？给了客户有价值的洞察？客户愿意继续合作？