代理 AI 可以改变采购——但运营模式是第一位的

紫色执行路径通过受控边界,而绿色奖励令牌保留在负责任的决策所有者手中。

《哈佛商业评论》说得对:采购异常适合代理式 AI。我的观点是,技术不是第一步。领导者应该在扩大代理规模之前重新设计团队、挑战商业模式并明确决策权。

我的三个推动力
  • 改变工作,而不仅仅是工具。 旧交接中的代理人只会让交接更快——而不是新的运营模式。
  • 挑战您的支付方式。 如果代理执行更多工作流程,则席位和模块对价值的衡量作用将减弱。
  • 明确人为界限。 代理可以执行和推荐。人们批准奖励、承担风险、制定谈判策略并拥有供应商关系。
“AI 应该执行。人类必须保留决策权。如果这条界限模糊不清,那么您就没有 AI 问题。您有一个领导力问题。”
— 斯坦·莫斯科夫采夫

《哈佛商业评论》说得对。我还要更进一步。

当《哈佛商业评论》于 13, 月 AI 日发表《为什么代理式人工智能可以改变采购》时,我同意这个前提。包括波士顿咨询公司领导和一位学者在内的作者认为,采购异常适合代理,因为这项工作结构化、财务可衡量且充满需要判断的任务。

证据支持了部分观点。高德纳(Gartner)指出 合同管理、项目范围界定、供应商推荐和 RFx 起草 在新兴工作流用途中。同行评审的案例研究将 支出分类是支持战略采购决策的高级分析之一。如果代理能够承担更多的准备工作,买家就有更多的判断空间。但这仅仅是技术案例。

1。在部署代理之前,请更改组织结构图

BCG自己的2026研究调查了 北美、欧洲和亚太地区超过 200 位首席信息官、采购主管和技术采购买家。其作者表示,将技术部署与 能力建设、流程再设计和治理报告的结果比那些只关注技术的要好。这是一种自我报告的关联,并非证据。但这个方向仍然值得认真对待。

将代理放入相同的类别筒仓、相同的审批层级和相同的演示文稿交接中,您将获得一个更快版本的旧系统。有用吗?也许。变革性的吗?不。

我的观点是,一个精干的中心团队应该拥有代理平台、控制、标准和可重用工作流。它不应该拥有每个品类结果。品类和跨职能所有者保留战略、规范、供应商选择和奖励。代理承担更多的准备、分析和监控工作。人们专注于例外情况、商业判断、谈判和关系。

2。挑战围绕旧工作流程建立的定价

如果平台合同按席位或模块定价,领导者应询问当代理执行更多工作流程时,该单位是否仍与价值匹配。席位可能仍然易于销售和预算。它并非自动成为自然的价值单位。更好的问题是完成了什么工作,有什么证据,以及谁拥有结果。

高德纳的警告在这里很重要: 许多组织正在经历不均衡的投资回报率或未能达到预期。它还指出 采购系统中碎片化和低质量的数据可能会阻碍准确的产出, 而 将独立的生成式AI解决方案与现有平台集成通常很复杂。为未更改的堆栈购买代理附加组件并不能消除这些限制。它只会使旧架构变得更昂贵。

  • 我们为之付费的是什么:访问权限、已执行的工作流程,还是已验证的结果?
  • 哪个基线、数量和排除项定义了该结果?
  • 谁为供应商控制范围之外的不良投入、返工或异常情况买单?
  • 谁拥有丰富的供应商、合同和支出数据——我们能带走它吗?
  • 哪些审计权利、服务水平和终止支持能保护买方?

3。在要求信任之前写下决策权

持久的模型是混合的,而不是不干预的。支出分类研究提出 将 AI 处理与人工验证和调整相结合。对于被归类为高风险的系统,欧盟AI法案要求它们 在使用过程中可由自然人有效监督,包括权限 在特定情况下不使用该系统我并不是说普通的采购工具属于该法律类别。有用的操作原则更简单:一个人必须能够看到、质疑并阻止该行动。

使该边界可操作。让代理人在声明的政策范围内起草、规范、监控和推荐。将奖励、谈判策略、风险接受、财务承诺和供应商关系保留给指定人员。我们的 采购中AI指南 将执行与决策的界限映射到整个周期中。

  • 执行: 在代理人采取行动之前,明确允许的数据、系统、策略、阈值、所需证据和备用方案。
  • 推荐: 指定负责人、他们执行的审查以及在接受或推翻输出时保留的记录。
  • 批准或停止: 为授权所有者保留资金、风险、策略、面向供应商的承诺和系统关闭;保持职责分离和升级。

信任源于掌控,而非其他。

Kinaxis 赞助的 IDC 研究,由 CSCMP 的《供应链季刊》报道,揭示了这一差距。 只有 6% 的受访者表示他们的供应链实现了大规模自主化,而 41% 预计这将在未来一到两年内成为他们的核心运营模式。在同一项调查中, 52% 将对 AI 驱动决策的信任列为主要障碍。该研究涵盖了 九个市场中超过2,000位供应链领导者,比单独的采购部门覆盖更广泛的人群。

我不会把这些期望纳入预算。期望不是部署。但我会认真对待这个差距。信任的建立不是因为下一个模型更好。它是在每个人都知道代理可以做什么、必须留下什么证据以及谁拥有决策权时才会增长。

那么,到底有什么变化呢?

我周一会做什么

  1. 选择一个低风险的工作流程。 从历史回放或与实时事件并行的批准影子运行开始。在使用敏感数据之前,完成所需的安全、隐私、法律、记录和品类所有者审查。
  2. 绘制每次交接。 标记信息被复制、汇总、标准化、检查、沟通和批准的位置。
  3. 编写操作边界。 对于每个步骤,记录代理是否可以执行、推荐或必须等待;命名所有者、输入、阈值、证据、覆盖和回退。
  4. 重新开启商业条款。 当席位和人工操作减少时,请询问您的支出,以及您的丰富数据如何随您而去。
  5. 在试点之前确定基线。 记录周期时间、返工、异常率以及未经实质性修正而接受的产出份额。没有基线,就没有投资回报率的故事。

不要为了保留现有工作流程而购买代理。在几天内规划工作流程、基线、决策权矩阵和影子计划。只有在控制和批准与数据、供应商交互、财务权限和所涉风险匹配后,才能投入生产。快速是好事。未经授权的权限则不然。

来源

  1. 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 (作者接受稿, Politecnico di Milano 存储库), 2025。当前实证证据(同行评审期刊):战略支出分类工作和混合人机 AI 验证的同行评审锚点。
  2. 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,包括不使用高风险系统的权限。
  3. Gartner 表示,采购领域的生成式 AI 已进入“幻灭期” — Gartner, Inc., 2025。背景证据(行业分析):关于不均衡投资回报率和碎片化数据的反证,以及有记录的采购工作流程用例。
  4. IDC 调查发现供应链 AI 问责制存在差距 — IDC 调查,由 CSCMP 的《供应链季刊》报道,CSCMP 的《供应链季刊》,2026。当前经验证据(新闻):当前采用、预期和信任障碍数据,附赞助商和样本披露。
  5. 在采购中扩展代理 AI 是一项组织挑战 ——Heiner Himmelreich、Ilan Oshri、Sven Brüggeboes、Anas Zaidani、Paolo Scala 和 Lukas Van Remoortel,波士顿咨询集团,2026。当前实证证据(基准研究):最新的 EQ-04 证据表明,能力建设、流程再设计和治理将更强的报告结果与纯技术部署区分开来。

全球采购简报

采购新闻,简报

市场动态、供应商信号和重要的成本杠杆——由本期刊背后的团队精心策划。每日或每周,由您决定。

我们尊重您的隐私。无垃圾邮件。您的数据绝不出售。