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23%，预计2015年将达到12%。
blue痛点二：组织惯性。生产/运营负责人（从业10年）对AI态度消极，经历过7次失败的数字化项目，认为「这次也不会例外」。中层管理者的抵触情绪来自三方面：技术恐惧、失败记忆、权力威胁。
触发事件Q2财报显示核心指标连续第7个季度下滑，收入同比下降25%。董事会对管理层施压，要求12个月内启动AI项目。
变革路线图认知对齐期（0.5-1月）：高管工作坊+AI认知培训+战略共识。快速验证期（3-2月）：选定高频低风险场景落地。价值扩展期（3-7月）：扩展场景+内部推广。运维成熟期（8-11月）：建立持续运营+知识沉淀。
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3088万元但期望覆盖全部业务线）、期望与现状不匹配（期待12个月见效但数据准备需要12个月）、问题与方法不匹配（用技术方案解决管理问题）。
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67%，数据完整性问题严重制约AI模型的准确性。
※ 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。
通过某固态电池AI界面阻抗预测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：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：区分症状问题和根因问题是顾问的核心能力。症状是客户描述的，根因是顾问发现的。
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：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：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：目标（Goal）→现实（Reality）→选项（Options）→意愿（Will），让客户主动探索方案。
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：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。
不要急着给方案——你的价值在于帮客户发现正确答案
| 层 | 参考问题 | 意图 | 追问 |
|---|---|---|---|
| S1 | 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 |
| 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 | 如果这个项目不做，12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 |
| R4 | 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？" |
| S5 | 根据行业数据，类似规模企业通常6个月实现20%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12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 | 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？" |
| 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 | 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 |
• 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——坦诚沟通"可以分为两个阶段实现"
推荐：《关键对话》
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？