回覆 BCG:重新設計是正確的。這是您為此付出的代價。

BCG 認為採購中的 AI 需要重新設計工作流程是正確的,但首席採購官仍然必須為該重新設計定價:釋放的產能將落在哪裡,圍繞舊工作流程的套件合約會發生什麼,以及誰可以在未經詢問的情況下讓代理人採取行動。
- 為產能設定目標。 如果角色、預算和類別所有權保持不變,那麼更快的執行並不會自動產生價值。
- 將續約納入重新設計計畫。 公開證據並未揭示個別企業將支付多少費用來解除或保留其套件,因此這是一個談判問題,而非基準。
- 在擴大規模之前,先寫下決策權。 在異常、證據、所有者、覆蓋和停止權限明確之前,人工審查異常並不是一種控制。
「AI 可以執行更多任務,但人們仍然需要明確的決策權,因為模糊的界限會將自動化設計變成領導力問題。」
BCG 對於重新設計的看法是正確的
Wolfgang Schnellbächer 和他的 BCG 合著者提出了一個採購主管需要聽取的觀點:停止將 AI 放在以人為中心的工作流程中,並開始「圍繞工作流程而非工具重新設計。」他們的企業級建議很重要,因為這不僅僅是技術採購:圍繞代理商重新設計從採購到付款的流程,並擁有 執行長或營運長主導變革 因此,採購架構服務於整個企業。
這些數字需要比理論更嚴謹。該文章指出,重新設計的模型可以達成以下目標: 透過 60% 釋放採購人員的能力,明確將該數字標記為BCG模型,並且它 估計 70% 的精力需要花費在人員、組織和流程重新設計上這些是模型化的產能和預估的工作量,而非實際觀察到的採購成果。該文章還提出了三個成果範圍作為觀察結果,但置頂的公開段落並未提供任何樣本、比較組或方法。我會使用這些數據來提出問題,而不是建立商業案例。
釋放的產能需要有去處
一項獨立的2026 BCG 技術採購研究 調查了北美、歐洲和亞太地區超過 200 位 CIO、採購主管和專業買家。它表示將部署與 能力建設、流程再設計和治理報告的成果優於僅專注於技術的成果。這是一個有用的方向,也是諮詢公司研究的自我報告關聯,而不是組織結構圖變革創造價值的因果證明。
關於產能落地的獨立證據比大多數 AI 計劃的信心更薄弱。Gartner 表示,許多採用者正在看到 投資報酬率不均或未達預期,而同行評審的採購研究提出了使用混合模型的建議 人類專業知識可驗證 AI 輸出並進行調整兩者都沒有告訴 CPO 哪些職位會消失,哪些類別所有者會增加職責範圍,或者哪個預算會支付中央代理能力。這些都是領導層的決策,這正是為什麼單憑容量百分比本身並不是勞動力計畫。
- 指定代理標準、控制、可重複使用工作流程和證據保留的中央所有者。
- 保留商業策略、規格、供應商選擇、獎項以及與指定類別和跨職能所有者的關係。
- 在試點之前決定,釋放的時間是擴大類別範圍、深化供應商工作、隨著時間推移縮小團隊,還是只是未使用的容量。
舊版套件續訂應納入計畫中
BCG 建議 模組化升級,逐步解耦並取代舊有系統,而其採購代理範例 僅在出現例外情況或策略權衡時才將工作分配給人員。從操作上來說,這些想法應該結合在一起:改變執行步驟的系統也會改變買方可能從舊工作流程中繼承的席位、模組、整合、數據、支援和終止條款。
此處的公開記錄變得寂靜。這次研究發現了標價評論和一般比較,但沒有證據可以告訴特定企業其續約、解除捆綁、退出或轉型將花費多少。我將這種寂靜視為一個界限,而不是用一個方便的百分比來填補它。我的立場是,收件箱中的續約必須在營運模式決策中定價,因為商業承諾可能比其購買所支持的工作流程更長壽。
- 工作流程重新設計後,哪些模組和整合仍具有價值?
- 有哪些日期、通知期限、資料匯出權、過渡職責和依賴關係會限制此順序?
- 哪些可以淘汰,哪些必須共存,以及哪些證據可以證明每個決策的合理性?
- 當技術藍圖和採購營運模式存在分歧時,由誰主導協商?
處理例外情況的人員需要實際文件
證據支持混合邊界,但它沒有為您寫下一個。Guida 及其同事描述了 AI 支出分類,其中包含 人工驗證與調整對於法律上歸類為高風險的系統,歐盟第 14 條規定它們必須是 在使用時由自然人有效監督,包括權限 在特定情況下不使用該系統。我並非聲稱普通採購工具屬於該法律類別。有用的操作經驗教訓更為狹隘:監督需要可見性、權威和停止路徑。
由 Kinaxis 贊助、DC Velocity 報導的 IDC InfoBrief,揭示了治理方面的差距,但應將其視為贊助商自行報告的供應鏈證據,而非採購證明,因此應予以折扣。該報告指出 在對九個市場中超過 2,000 名供應鏈領導者進行的調查中,只有 1 的 8 組織將治理完全嵌入到廣泛的 AI 推廣中。同樣的報導說 52% 將對 AI 驅動決策的信任視為主要障礙,這就是決策權記錄很重要的原因:它為人們提供了信任營運模式將如何運作的具體理由。
對於每個步驟,請寫明代理可以執行、推薦或必須等待。然後命名允許的數據、政策、閾值、證據、負責人、所需審閱者、覆蓋、回退和停止權限。獎勵、談判策略、風險接受和重要供應商承諾仍由現有授權委託和職責分離規則下的指定負責人負責;代理只能執行預先授權的、有明確閾值、證據、覆蓋和停止控制的有限交易。
當營運模式是為代理人設計時,會發生什麼變化?
我週一會做什麼
- 選擇一個重要的工作流程。 使用歷史重播或經批准的影子運行,並選擇在不給予代理人不受控制的供應商或財務權限的情況下,可以評估建議的工作。
- 繪製目前的交接和預期的決策。 將複製、檢查、分析、建議、核准、承諾和關係所有權分開。
- 將合約日曆放在工作流程圖旁邊。 記錄模組、整合、續約和通知日期、資料匯出權限、依賴關係和所有者,而無需猜測退出價格。
- 撰寫決策權記錄。 針對每個步驟,定義執行、建議、核准、覆寫、停止、證明和備用。
- 在衡量任何已釋放的產能之前,請先指定其目的地。 更廣泛的範圍、更深入的供應商工作、韌性、談判、治理或最終的結構性縮減是不同的選擇,需要不同的基準。
我們的 採購中的AI指南 繪製了從採購到付款週期中的執行與決策界線。對於這次重新設計,我會在要求另一個試點預算之前,將組織目的地和合約日曆添加到該地圖中。週一,我會盯著組織圖、決策權頁面,以及收件匣中待處理的續約,準備重新設計一個工作流程。這三者中,哪一個實際上拖慢了你的速度?
來源
- 採購中的 AI 如何推動競爭優勢 — Wolfgang Schnellbächer、Alex Dolya、Nino Mori、Tobias Schmidt 和 Tyler Vigen,波士頓諮詢集團,2026。情境證據(實務文章):參與的論點、其工作流程重新設計和 CEO 或 COO 領導建議、其建模的60%容量數字、其70%工作量估計、其未經方法化的結果範圍、其解耦提案及其例外邊界。
- 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):獨立的反證表明,實現的價值不均勻,並且現有的數據/整合限制依然存在。
- 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,米蘭理工大學知識庫), 2025。基礎證據(同行評審期刊):對混合式人工-AI驗證邊界的同行評審支持。
- 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):編纂的人工監督界限,明確限於高風險系統。
- IDC 調查發現供應鏈 AI 責任差距 — DC Velocity 員工報導由 Kinaxis、DC Velocity、2026 贊助的 IDC InfoBrief。目前的實證證據(新聞):關於治理嵌入和信任障礙的當前、明確折扣的證據。
- 在採購中擴展代理 AI 是一項組織挑戰 — Heiner Himmelreich、Ilan Oshri、Sven Brüggeboes、Anas Zaidani、Paolo Scala 和 Lukas Van Remoortel,波士頓諮詢集團,2026。目前的實證證據(基準研究):關於報告的營運模式差異的當前實證概況證據,其中諮詢公司和自我報告的限制顯而易見。