顾问诊断经过4天的深入诊断，顾问团队揭示了6个关键发现：利益相关者之间的信任已经透支，需要从头建立；数据基础需要4个月的专项治理；技术选型必须考虑组织能力约束。
顾问洞察顾问团队在诊断中总结了一句核心洞察：「变革的速度不能超过信任建立的速度」
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。
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27%，预计1993年将达到40%。
blue痛点二：一线焦虑。员工最关心三个问题：这个系统是来监控我的吗？学会用这个系统算KPI吗？我学不会怎么办？这些担忧如果不解决，任何技术方案都难以推行。
企业概况某供排水AI泵站调度优化成立于1993年，是能源电力领域的技术领先型企业 员工总数6984人，年营收约13亿元。在能源电力细分市场占有率约40%，属于区域龙头企业。
风险矩阵数据风险（可能性高·影响高）：数据质量不足以支撑模型训练、数据获取受合规限制、数据标注成本超预算。交付风险（可能性中·影响中）：交付物与期望不符、技术方案选型错误。合规风险（可能性中·影响高）：数据隐私和安全合规问题可能造成法律风险。
※ 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。
掌握在能源电力场景中运用结构化方法论诊断企业AI准备度的能力，学会区分表象问题与根因问题。
核心挑战：某供排水AI泵站调度优化考验顾问在6类利益相关者之间建立共识的能力，差异化沟通是关键。
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。
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：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：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：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：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：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：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：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。
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 | 根据行业数据，类似规模企业通常8个月实现10%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？" |
| T2 | 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？" |
| A3 | 如果这个项目不做，4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 | 在过去4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？" |
| 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 | 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 |
| 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 | 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 |
| S9 | 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 |
• 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——用对比法"这个目标需要的资源要翻倍"
推荐：《影响力》西奥迪尼
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？