利益相关者董事长（影响力高·立场支持）：战略推动者但不参与日常。CIO（影响力高·立场支持）：项目执行者，需要技术支持。财务总监（影响力中·立场中性）：关注ROI，需量化论证。项目经理（影响力低·立场积极）：执行骨干，需要明确授权。
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39%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7%。
顾问诊断顾问在4场深度访谈后得出结论：表面的技术选型问题背后是数据治理缺失和目标对齐失败两大根因。数据治理投入应占项目总预算的10%以上。
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。
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。
企业概况专注于能源电力领域的某垃圾焚烧AI炉温优化，自2015年成立以来持续深耕 员工总数5069人，年营收约5.1亿元。在能源电力细分市场占有率约9%，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。
通过某垃圾焚烧AI炉温优化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：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：利用大语言模型生成访谈提纲和分析报告初稿，但必须经过人工审核和行业定制。
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：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：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：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。
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。
注意非语言信号——眼神、语气、体态都可能是关键信息
| 层 | 参考问题 | 意图 | 追问 |
|---|---|---|---|
| S1 | 如果这个项目不做，10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 |
| T2 | 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 |
| A3 | 在过去10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？" |
| R4 | 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？" |
| S5 | 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 |
| T6 | 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 |
| A7 | 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 |
| 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 | 根据行业数据，类似规模企业通常6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？" |
• 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"好方案源自深入了解，给我30分钟"
• 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：《提问的艺术》
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？