AI在采购中的应用：从寻源到支付的实际变化
“AI 不会取代采购判断——它消除了围绕采购判断的文书工作。通过 AI 获胜的团队将采购的文书工作自动化，并将决策权保留在责任所在的地方。”
| 统计数据或主要发现 | 来源 |
|---|---|
| 80%的采购高管认为，AI赋能的技术是未来五年影响该职能最具变革性的趋势 | The Hackett Group, 2026 |
| 43% 的组织正在积极推行 AI 部署——几乎是前一年的两倍——但只有 12% 报告了大规模实施 | The Hackett Group, 2026 |
| 69%的组织通过其现有采购平台中嵌入的功能访问AI | The Hackett Group, 2026 |
| 92%的受访首席采购官正在2024规划和评估生成式AI能力；接近11%每年已在此方面花费超过$1M | 德勤 2024 全球首席采购官调查 |
| AI采购生成式AI在2025,年进入幻灭期，许多采用者报告投资回报率不均衡 | 高德纳，2025 |
| 采购中关于AI的研究缺乏对人工监督的整体整合，特别是对于支出分类等战略分析 | 采购与供应管理杂志，2025 |
调查数据描述了每个研究采样的群体——Hackett 的采购高管、Deloitte 的 100+ 首席采购官（遍布三个地区）——并且不是可互换的基准。这里的每个数字都衡量了采用或意图；没有一个衡量时间、成本或准确性结果。
采购中的 AI 到底意味着什么？
抛开供应商的说法，AI在采购中是将模式识别和文本生成应用于从采购需求到已支付发票的各个步骤：评估供应商、起草RFx文件、规范和评估投标、分析合同、支出分类、发票匹配。同行评审的处理方法精确定位了前沿——而不是在 自动化重复性任务 但在 支持战略采购决策的高级分析，例如支出分类，其中模型的输出为买方仍需负责的决策提供信息。
目前AI在采购中的应用情况如何？
关注度几乎是普遍的；规模化却很少见。在 Hackett Group 的 2026 关键问题研究中， 80% 的采购主管认为，AI 支持的技术是未来五年影响该职能最具变革性的趋势 ——而在同一项研究中， 43%的组织正在积极寻求部署AI，几乎是前一年的两倍，但只有12%报告了大规模实施。德勤对2024的独立调查 超过100位首席采购官 对不同人群提出了不同的问题——意图，而非规模： 92%正在规划和评估生成式AI能力.
组织如何采纳与是否采纳同等重要：在 Hackett 的研究中， 69% 通过嵌入其现有采购平台的功能访问 AI，集中在 合同管理、市场情报和支出分析。第一个AI决策通常是对您现有堆栈已交付内容的评估。
AI 实际接管了哪些采购步骤？
实际传播的用例集中在采购周期的信息密集型中间阶段。高德纳的 2025 炒作周期分析指出了常见的模式： 文本处理和工作流程自动化，支持合同管理自动化、项目范围界定、供应商推荐以及自动生成 "Request For" (RFx) 文档等任务.
请注意这证明了什么，又没有证明什么：它显示了组织部署的位置，而不是它们恢复了多少时间或成本。供应商发现遵循相同的模式——将漏斗扩大到已知现有供应商之外，这是我们的一步 供应商发现流程指南 详细介绍。
请注意该列表中缺少什么：其中没有任何内容能做出决定。起草 RFx 并非授予它；推荐供应商并非接受其风险。自动化的是准备工作，而非判断。
AI 在源到支付操作中改变了什么？
在采购的下游，研究最深入的案例是支出分类——根据 UNSPSC 或公司自己的品类树，逐行确定公司实际购买了什么，作为基础 支出分析 和品类策略。《采购与供应管理杂志》案例研究提出 结合了人类和AI能力的混合智能模型，利用人类专业知识验证AI的输出。这种形式概括了发票匹配和合同分析：模型大规模提出；人员处理异常情况。
投资遵循相同的逻辑。在德勤的调查中， 在2024年，近11%的组织已经将其年度预算中的$1多万美元用于采购和寻源的生成式AI能力 ——真金白银，尽管这份记录没有显示该预算的目标是什么。
哪些采购决策仍由人工决定？
对于欧盟归类为高风险的系统，这一界限不再仅仅是良好实践——它已成为法规。AI法案的14条要求这些系统 在使用期间可由自然人有效监督，包括权限 在任何特定情况下，决定不使用高风险的AI系统.
大多数采购工具都不属于该分类。监管推理的方向同样明确：人是负责任的操作员，而不是备用。
政府采购指南从采购方划出了一条平行线：美国行政管理和预算局（OMB）的2025采购备忘录（M-25-22）指出 机构必须确保他们采购的AI系统符合目的，并提供一致的结果，以维护公众信任。这两份文件都没有规定谁签署采购订单——但结合起来看，它们与采购问责制的工作方式相符：授予、谈判立场和风险承担由负责人员承担。
采购中的AI在哪些方面表现不佳？
说实话：在许多地方，分析师的记录也证实了这一点。高德纳（Gartner）的2025七月刊的标题是 Gartner 表示，采购领域的生成式 AI 已进入“幻灭期” — 许多组织正在经历不均衡的投资回报率或未能达到预期。机制比标签更重要： 采购系统中分散的低质量数据会妨碍准确的输出，而且集成独立的生成式人工智能解决方案通常很复杂.
从采纳方来看，最可能的解释不是技术差距，而是数据基础差距。一个读取碎片化支出数据的模型会比电子表格更快地产生自信的错误答案——这是对Gartner所命名机制的推断，而非实测结果。
尊重边界的采纳顺序
- 在模型之前修复数据。 记录在案的故障模式贯穿于碎片化的采购数据；支出分类和供应商主数据清理是枯燥的、可衡量的，并且是先决条件。
- 首先自动化文档工作——但不要一概而论。 在工件仍在内部时，起草和总结的错误成本很低；这是真正的控制点，因为一旦发出招标，纠正意味着对所有投标人进行正式修订，并且更改标准会造成平等待遇风险。投标标准化根本不属于这一层：将投标调平到共同基础构建了授予所依据的比较，因此它需要对每个提交的投标进行行级可追溯性，并对假设进行第二人称检查。根据错误输出的成本自动化序列，而不是根据是否有名义上的人工参与。
- 划定界限。 对于AI辅助的每个步骤，请指明负责人以及他们在输出转化为行动之前需要检查的内容。
- 像采购其他任何东西一样采购 AI。 符合目的的证据、可衡量的结果、退出条款——现在对美国机构施加的标准是一个健全的私人默认选项。
- 以证据而非路线图进行扩展。 仅在您自己的测量周期时间或准确性数据支持的情况下扩展试点。
AI 代理如何改变采购工作？
常见问题
AI 在采购中是否真的被大规模使用？
狭义上是，广义上还不是。在哈克特的2026研究中， 43%的组织正在积极寻求AI部署，但只有12%报告了大规模实施 — 主要集中在试点项目 合同管理、市场情报和支出分析.
AI有哪些用例在采购中部署最广泛？
信息密集型文档工作： 自动化合同管理、项目范围界定、供应商推荐和自动生成RFx文档，加上支出分类——研究提出 结合AI处理和人工验证的混合模型.
为什么 AI 采购项目会失败？
分析师记录指向基础，而非模型： 采购系统中分散且低质量的数据会阻碍准确的输出，并且与现有平台的集成通常很复杂跳过数据清理的组织会使自己的噪音自动化。
AI会取代采购专业人员吗？
证据和法律都指向重新分配而非替换。欧盟AI法案要求高风险系统 在使用过程中可由自然人有效监督, 以及有据可查的案例研究描述了 混合人类-AI模型 ——判断工作集中在更少、更重要的决策上。
来源
- 人工智能在采购中的应用：对支出分类的影响（OIPT案例研究） — M. Guida, F. Caniato, A. Moretto, S. Ronchi, Journal of Purchasing and Supply Management（作者接受的手稿，米兰理工大学存储库），2025。当前经验证据（同行评审期刊）：作为战略分析的支出分类以及混合人-AI验证模型的同行评审依据。
- Hackett Group 报告采购 AI 议程取得快速进展 ——The Hackett Group，2026。当前经验证据（基准研究）：当前采用规模：80%变革性信念，43%正在追求与12%已大规模应用，69%平台嵌入式访问，集中区域。
- 首席采购官们正在引导生成式人工智能在采购领域乘风破浪（2024全球首席采购官生成式人工智能调查） — 德勤咨询，德勤，2024。当前经验证据（供应商调查）：首席采购官层面的意图和投资：92% 评估 2024 中的生成式人工智能；11% 每年支出超过 $1M。
- M-25-22：推动政府高效采购人工智能 — 美国行政管理和预算局，总统行政办公室，行政管理和预算局，2025。背景证据（官方报告）：官方采购职责：采购的AI必须符合用途，并能持续提供值得信赖的结果。
- 欧盟人工智能法案，第14条：人工监督 — 欧盟（法规 (EU) 2024/1689），2024。基础证据（官方报告）：编纂的人工监督边界：自然人有效监督，包括不使用系统的权力。
- Gartner 表示，采购领域的生成式 AI 已进入“幻灭期” — Gartner, Inc., 2025。情境证据（行业分析）：已证实的用例集群（文档工作）和反证层：幻灭的低谷、不均衡的投资回报率、数据碎片化、对话式-AI过时。