採購中的 AI：從採購到付款的實際變化
「AI 並不能取代採購判斷 — 它消除了圍繞判斷的文書工作。透過 AI 獲勝的團隊將採購的文書工作自動化，並將決策權保留在問責制所在的地方。」
| 統計或關鍵發現 | 來源 |
|---|---|
| 80% 的採購主管認為，AI 支援的技術是未來五年內影響該職能最具變革性的趨勢 | The Hackett Group, 2026 |
| 43% 的組織正在積極推動 AI 部署 — 幾乎是前一年的兩倍 — 但只有 12% 報告大規模實施 | The Hackett Group, 2026 |
| 69%的組織透過其現有採購平台中嵌入的功能存取AI | The Hackett Group, 2026 |
| 92%的受訪CPO正在規劃和評估AI在2024中的能力；接近11%每年已經在這方面花費超過$1M | Deloitte 2024 全球採購長調查 |
| 用於採購的生成式 AI 在 2025, 年進入了幻滅的低谷，許多採用者報告投資回報率不均 | Gartner，2025 |
| 目前在採購方面，針對 AI 的研究缺乏對人為監督的整體整合，尤其是在支出分類等策略分析方面。 | 採購與供應管理期刊，2025 |
調查數據描述了每個研究採樣的人群 — Hackett 的採購主管、Deloitte 在三個地區的 100 多位 CPO — 並且不是可互換的基準。這裡的每個數字都衡量了採用或意圖；沒有一個衡量時間、成本或準確性結果。
採購中的AI究竟是什麼意思？
拋開供應商的術語，採購中的 AI 是將模式識別和文本生成應用於採購需求與已付發票之間的步驟：資格審查供應商、起草 RFx 文件、標準化和評分投標、分析合約、分類支出、匹配發票。同行評審的處理精確地定位了前沿——而不是在 自動化重複性任務 但在 支援策略採購決策的進階分析，例如支出分類，其中模型的輸出會影響買方仍需負責的決策。
目前採購中 AI 的採用情況如何？
關注度幾乎是普遍的；規模卻很少見。在 The Hackett Group 的 2026 關鍵問題研究中， 80% 的採購主管認為 AI 支援的技術是未來五年影響該職能最具變革性的趨勢 — 在同一項研究中， 43% 的組織正在積極推動 AI 部署，幾乎是前一年的兩倍，只有 12% 報告大規模實施。Deloitte 針對 2024 的獨立調查 超過 100 位採購長 對不同人群提出了不同的問題 — 意圖，而非規模： 92% 正在規劃和評估生成式 AI 功能.
組織如何採用與是否採用同樣重要：在 Hackett 的研究中， 透過嵌入其現有採購平台的功能，69% 存取 AI，集中於 合約管理、市場情報和支出分析。第一個 AI 決策通常是評估您現有的堆疊已經出貨了什麼。
AI實際接管了哪些採購步驟？
實際已普及的用例集中在採購週期中資訊密集的環節。Gartner 的 2025 炒作週期分析指出了常見模式： 文字處理和工作流程自動化，支援自動化合約管理、專案範圍界定、供應商推薦以及自動生成"Request For" (RFx) 文件等任務.
請注意這證明了什麼，以及沒有證明什麼：它顯示了組織的部署地點，而不是他們節省了多少時間或成本。供應商發掘遵循相同的模式——將範圍擴大到已知供應商之外，這是我們的下一步 供應商發現流程指南 詳細介紹。
請注意該清單中缺少什麼：其中沒有任何東西可以決定。起草 RFx 並不是授予它；推薦供應商並不是接受其風險。自動化的是準備工作，而不是判斷。
AI 在從採購到付款的營運中改變了什麼？
在採購的下游，研究最深入的案例是支出分類 — 逐行決定公司實際購買了什麼，根據分類法（例如 UNSPSC 或其自己的類別樹），作為基礎 支出分析 和類別策略。《採購與供應管理期刊》的案例研究提出 結合人類和AI能力的混合智慧模型，利用人類專業知識來驗證AI輸出。這種形式推廣到發票匹配和合約分析：模型大規模提出建議；人員處理例外情況。
投資遵循相同的邏輯。在德勤的調查中， 在 2024，近 11% 的組織已經將其年度預算中超過 $1 百萬美元用於採購和採購的生成式 AI 功能 — 真金白銀，儘管此記錄未顯示該預算的目的。
哪些採購決策仍由人工決定？
對於歐盟歸類為高風險的系統，此界限不再僅是良好實踐 — 而是法規。 AI 法案的第 14 條要求這些系統 在它們被使用的期間內，可以由自然人有效地監督，包括權限 在任何特定情況下，決定不使用高風險的 AI 系統.
大多數採購工具都不屬於該分類。儘管如此，監管推理的方向是明確的：人是負責任的操作員，而不是備用方案。
政府採購指南從採購方劃出平行線：美國 OMB 的 2025 採購備忘錄 (M-25-22) 指出 機構必須確保其採購的 AI 系統符合目的，並提供一致的結果以維護公眾信任。這兩份文件都沒有規定誰簽署採購訂單 — 但綜合來看，它們與採購問責制已經運作的方式相符：獎勵、談判立場和風險承擔由負責人承擔。
AI 在採購方面有哪些不足之處？
老實說：在許多地方，分析師記錄也這麼說。Gartner 2025 年 7 月發布的報告標題是 Gartner 表示，用於採購的生成式 AI 已進入幻滅期 — 許多組織正經歷不均衡的投資回報率或未達預期。機制比標籤更重要： 採購系統中零碎且低品質的資料可能會阻礙準確的輸出，而且整合獨立的生成式 AI 解決方案通常很複雜.
從採用面來看，最可能的解釋不是技術差距，而是資料基礎差距。一個讀取零碎支出資料的模型，會比試算表更快地產生自信卻錯誤的答案——這是根據 Gartner 所述機制進行的推斷，而非實際測量結果。
尊重界限的採用順序
- 在模型之前修正數據。 記錄在案的故障模式源於零散的採購數據；支出分類和供應商主數據清理是枯燥、可衡量且必不可少的。
- 首先自動化文件工作 — 但不要統一。 在文件仍在內部時，起草和摘要的錯誤成本很低；這是真正的控制點，因為一旦發出招標，更正意味著對所有投標人進行正式修改，並且更改的標準會產生平等待遇的風險。投標規範化根本不屬於此層級：將投標調整到共同基礎以構建獎勵所依據的比較，因此它需要對每個提交的投標進行行級追溯，並對假設進行第二人稱檢查。根據錯誤輸出的成本來排序自動化，而不是根據人類是否名義上參與其中。
- 界定邊界。 對於每個 AI 輔助的步驟，請指明負責人以及他們在輸出成為行動之前檢查的內容。
- 像採購其他任何東西一樣購買 AI。 符合目的的證據、衡量結果、退出條款 — 美國機構現在實施的標準是一個健全的私人預設值。
- 以證據而非藍圖來擴展。 僅在您自己衡量的週期時間或準確性數據支持的情況下才延長試點。
AI 代理如何改變採購工作？
常見問題
現今，採購領域的 AI 是否已大規模應用？
狹義上是，廣義上還不是。在 Hackett 的 2026 研究中， 43%的組織正在積極推動AI部署，但只有12%報告了大規模實施 — 大多數試點集中在 合約管理、市場情報和支出分析.
哪些 AI 用例在採購中最廣泛部署？
資訊密集的文件工作： 自動化合約管理、專案範圍界定、供應商推薦，以及自動產生 RFx 文件，加上支出分類 — 研究建議 結合 AI 處理與人工驗證的混合模型.
為什麼 AI 採購專案會失敗？
分析師記錄指向基礎，而非模型： 採購系統中零碎且低品質的數據可能會阻礙準確的輸出，而且與現有平台的整合通常很複雜。跳過資料清理的組織會自動產生自己的噪音。
AI 會取代採購專業人員嗎？
證據和法律都指向重新分配而不是替換。歐盟 AI 法案要求高風險系統 在使用時可由自然人有效監督，而記錄最完善的案例研究描述了 混合人機 AI 模型 — 判斷工作集中在更少、更重要的決策上。
來源
- 採購中的人工智慧：對支出分類的影響（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，米蘭理工大學儲存庫), 2025。目前的實證證據（同行評審期刊）：將支出分類作為策略分析以及混合式人工-AI驗證模型的同行評審依據。
- Hackett Group 報告採購 AI 議程的快速進展 — The Hackett Group，2026。目前的實證證據（基準研究）：目前的採用程度：80% 轉型信念，43% 正在追求與 12% 大規模實施，69% 平台嵌入式存取，集中區域。
- CPO 透過未知領域引導採購中的生成式 AI（2024 全球 CPO 生成式 AI 調查） — 德勤諮詢，德勤，2024。目前的實證證據（供應商調查）：CPO 級別的意圖和投資：92% 評估 2024 中的生成式 AI；11% 每年花費超過 $1M。
- M-25-22：推動政府高效採購人工智慧 — 美國管理和預算辦公室，總統行政辦公室，管理和預算辦公室，2025。情境證據（官方報告）：官方採購職責：採購的 AI 必須符合目的，並產生一致、保持信任的結果。
- 歐盟人工智慧法案，第14條：人為監督 — 歐盟（法規 (EU) 2024/1689），2024。基礎證據（官方報告）：編纂的人類監督界限：自然人的有效監督，包括不使用系統的權力。
- Gartner 表示，用於採購的生成式 AI 已進入幻滅期 — Gartner, Inc., 2025。情境證據（行業分析）：已證實的用例集群（文件工作）和反證層：幻滅期、不均勻的投資回報率、數據碎片化、對話式-AI過時。