某渔业AI渔港船只调度

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。

顾问诊断顾问在7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15%以上。

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37%。根因是操作流程不规范，而非技术问题。

触发事件公司获得政府3288万元的技术升级专项补贴，要求3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。

blue痛点二：信任透支。过去2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。

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。

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。

行业背景公共服务领域正经历从经验驱动到数据驱动的范式转移。约28%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14%。