培训需求AI诊断框架

要解决什么问题

很多培训团队的困境不是"缺课程"，而是说不清现状：完课率低、效果无法评估、培训与业务脱节。传统诊断依赖个人经验，结论难以复用和迁移。这个技能把多年跨国企业 L&D 实践编码成结构化的诊断流程，让 Agent 也能跑出顾问级分析。

五维框架如何工作

诊断分四步顺序执行，前一步完成前不要跳到报告：

1. 信息收集 — 每次以 2~3 个问题的小批次提问，覆盖组织画像、当前培训方式、TOP1 痛点、技术底座。答不上的字段记为 未知/待补充 并显式标注假设，不阻塞诊断。
2. 五维分析 — 从内容、交付、评估、技术、人员五个维度各输出现状摘要、成熟度评分（1~5）和关键差距。每个维度配有诊断问题清单、成熟度锚点和常见失败模式。
3. AI 机会排序 — 在每个维度标记 AI 可发力的子流程，按 Impact × Feasibility 网格打分，输出 P0/P1/P2 优先级列表。默认偏向攻击用户陈述的 TOP1 痛点、复用现有数据/系统、一个季度内可见结果的机会。
4. 生成报告 — 将所有结论组装为 JSON 数据文件，调用脚本生成 .docx，包含现状分析、AI 机会点、分阶段路线图和预估 ROI 四部分。

关键原则与边界

• 痛点驱动，而非技术驱动 — 每条 AI 建议必须锚定具体业务痛点。
• 先量化现状，再谈提升 — 没有基线数据就谈不上 ROI。
• Quick win 开路 — 路线图先安排低成本、可见的成果。
• ROI 要诚实 — 同时给出保守和乐观区间，不写虚高数字。
• 人员维度常被低估 — 落地失败往往出在人而不是技术。

不适合纯课程内容设计、单课教学设计或 LMS 选型，除非是更大范围需求诊断的一部分。