SUNYY · AI 重塑招采 · 收官篇

三道坎 + 一个未来：AI 重塑招采的收官与展望

—— 招采 EP14 · 收官篇 · 数据 / 合规 / 组织 + 2027-2030 趋势预测

 专栏写到第十四讲，今天聊点不一样的。 三道坎，是 AI 重塑招采必须迈过去的关。 一个未来，是给所有还在观望的人一个答案。 

整个专栏 13 讲写下来，我收到了几百条读者留言。

问得最多的是：「我们也上了 AI 招标系统，但效果一般，问题出在哪？」

我翻了一下这些年走访过的 60+ 家央国企，归纳出 3 个共性的「坎」。这 3 个坎，迈过去 AI 化就成了，迈不过去就成了「面子工程」。

第一道坎：数据坎 - 招采数据没「活」起来

AI 的本质是「用数据训练模型」。数据质量不行，再强的 AI 也白搭。

我见过最离谱的一个企业：招标管理系统用了 5 年，28000+ 个历史招标项目，结构化字段填全率不到 30%。中标价、投标单位、评标专家、打分记录这些核心字段 70% 都是空的。

这种数据喂给 AI，模型自然学不会东西。

数据坎有 3 个具体表现：

• 历史招标文件 70% 是扫描件格式，AI 提取不出关键字段
• 不同业务系统的数据口径不统一，金额有元/万元/亿元三种单位混用
• 招采流程的「决策过程」没有被记录，只有结果数据

如何迈过去？

第一步是「数据治理专项」。预算 100-300 万，6-9 个月，把历史数据做扫描 OCR + 结构化补录 + 数据标准统一。

第二步是「建数据中台」。把招采系统、ERP 系统、合同系统、OA 系统的数据全部打通。

第三步是「持续数据运营」。每月做一次数据质量评估，把数据完整性指标纳入业务部门的 KPI。

内蒙古电力（招采 EP13 详细讲过）能 60 天上线 AI 评标，最重要的前置条件就是「数据基础完整」。

⚠️ 避坑提醒：见过太多 AI 项目一上来就买模型、买算力，结果发现数据不行再回头补，浪费时间 + 浪费钱。先治理数据，再上 AI，这个顺序不能颠倒。 

第二道坎：合规坎 -「AI 可解释」不是技术问题，是政治问题

招采 EP02 我讲过，央国企的 AI 系统必须「可解释」。这个要求看起来是技术要求，本质上是政治要求。

我走访过一个央企，AI 评标系统上线了 2 年，效果不错，但纪委始终不愿意正式背书。原因是：AI 给出的某个低分，专家不能完全解释「为什么」，纪委不敢用这个结果去处理供应商投诉。

合规坎的本质问题：AI 决策的「黑盒性」和央国企「决策可审计」的硬要求存在天然冲突。

如何迈过去？

技术上是用「可解释 AI」（XAI）：

• SHAP 算法解释每个特征对最终决策的贡献度
• 注意力机制解释模型「关注了」文件的哪些段落
• 反事实分析解释「如果某个条件变了，结果会怎么变」

流程上是用「人机协同」：

• AI 出结果，专家复核并签字
• 专家可以推翻 AI 结果，但需要书面说明理由
• AI 结果和专家结果的差异，定期复盘归因

制度上是用「分级授权」：

• 低风险决策：AI 直接出结果（如打分排名）
• 中风险决策：AI 出结果 + 专家复核（如中标候选）
• 高风险决策：AI 仅作参考，专家全权决定（如废标、投诉处理）

这套「技术 + 流程 + 制度」三件套，是迈过合规坎的标准方案。

第三道坎：组织坎 - 业务部门不愿用 AI

这道坎最隐蔽，也最难迈。

某省级电网企业上线 AI 评标半年后我去回访，系统功能用得好的业务部门只有 30%，其余 70% 的部门还在用老办法。

调研原因，业务部门反馈：「AI 出的结果和我们经验判断不一致时，听谁的？如果听 AI 的，出了问题谁负责？」

这就是组织坎的本质：AI 系统改变了原有的工作习惯和工作责任，业务部门出于「避险」心态选择不用。

如何迈过去？

第一招是「中层干部带头用」。我看到的最有效案例是：某央企要求所有招采部经理每月必须用 AI 系统处理至少 10 个项目，纳入个人绩效考核。

第二招是「业务规则沉淀」。把 5 年来业务专家的「经验判断」结构化为 AI 规则，让业务专家看到 AI 是「学习了他们的经验」的，不是凭空冒出来的。

第三招是「失败容错机制」。AI 决策出现错误时，不追究具体个人的责任，而是启动「模型迭代流程」。这样业务专家才敢用 AI。

第四招是「价值可视化」。每月给业务部门发一份 AI 价值报告，把「节省了多少时间」「拦截了多少风险」「合规率提升了多少」等数据亮出来，让大家看到 AI 真的有用。

💡 小贴士：三道坎里，组织坎是最难迈过去的。前两道坎靠「投入 + 方法」能解决，组织坎要靠「时间 + 文化」慢慢来。给组织 AI 化预留 12-18 个月的适应期，是比较现实的预期。 

一个未来：2027-2030 招采 AI 化的 5 大趋势

讲完三道坎，再聊一个未来。

基于我这两年看到的央国企 AI 化实践，加上和供应商、行业专家的多次深度交流，我预测 2027-2030 年招采 AI 化会有 5 大趋势：

趋势 1：AI Agent 化 - 从「工具」走向「数字员工」

2024-2026 年的招采 AI 还停留在「工具」层面，AI 系统等业务人员发起指令后给出结果。

2027 年起，AI Agent 会大行其道。所谓 AI Agent，是「能自己感知任务、自己决策、自己执行」的智能体。比如：

• 感知到「某项目临近交付」，自动联系供应商确认进度
• 感知到「某供应商发票即将过期」，自动触发催办
• 感知到「某类物资价格异常」，自动发起价格复核流程

AI 不再是工具，而是像「数字员工」一样主动工作。

趋势 2：全栈国产化 - 从「试点」走向「标配」

2024 年央国企 AI 国产化率约 35%，预计 2027 年达到 75%，2030 年 95%+。

底层算力（华为、寒武纪、海光）、基础框架（昇思 MindSpore、PaddlePaddle）、行业模型（国家电网「国网智言」、中石油「昆仑大模型」、中国电信「星辰」），都会逐步替代原有海外技术栈。

趋势 3：Agent 协同化 - 从「单点应用」走向「流程自动化」

2024-2025 年招采 AI 应用还停留在单点，比如「AI 评标」「AI 合同审查」「AI 发票核验」各自独立。

2027 年起，会出现「Agent 协同」模式：评标 Agent、合同 Agent、付款 Agent 之间能自动通信，一个 Agent 完成工作后自动触发下一个 Agent，整个招采流程像「流水线」一样自动运转。

我在「Agent 重塑 ERP」专栏 EP16 有详细展开。

趋势 4：合规 AI 化 - 从「事后审计」走向「事中拦截」

传统合规是「事后审计」，出了问题再查处。

2027 年起，合规 AI 化会让纪检审计变成「事中拦截」。AI 实时监控招采流程的每一个节点，发现违规行为实时冻结流程、留痕取证、自动上报。

这会让央国企的合规管控水平发生质的变化。

趋势 5：生态化 - 从「企业自建」走向「行业共享」

2024 年央国企 AI 系统基本是「企业自建」，重复建设严重。

2027 年起，行业级招采 AI 生态会逐步成型：

• 国资委推动的「国资监管 AI 平台」会向全行业开放
• 行业头部企业（国网、中石化、中建、中粮）的 AI 模型会向产业链上下游开放
• 第三方 AI 服务商会提供「行业级标准模型」，中小央国企直接采购即可使用

写在最后：写给还在观望的你

专栏写到最后一讲，我想对所有还在犹豫要不要上 AI 招采系统的企业说几句话。

第一句：AI 化不是选择题，是必答题。不是因为 AI 有多神奇，而是因为合规压力、经营压力、竞争压力都在倒逼企业必须变革。

第二句：不要想着「一步到位」。从最容易出效果的环节切入，先拿到 10% 的价值，再做剩下的 90%。

第三句：不要把 AI 化当成 IT 项目，它是一把手工程。一把手不支持，再好的方案也跑不起来。

第四句：不要盲目追求最新技术。能解决你 80% 痛点的「旧技术」，比暂时解决不了你任何痛点的「新技术」更有价值。

第五句：不要忽略组织和文化。AI 真正发挥价值的前提是「业务部门愿意用」，这需要时间和耐心。

整个专栏从 EP01 写到 EP14，我从政策讲到技术、从技术讲到案例、从案例讲到落地、从落地讲到未来。14 讲讲不完所有的事，但希望能给你一个完整的思考框架。

专栏之后，我还会继续写 「Agent 重塑 ERP」 专栏（已写到 EP16），以及更多垂直领域的 AI 化研究。

如果你看了这个专栏有任何想法、问题、想要讨论的案例，欢迎在公众号后台留言。每一条留言我都会看。

让我用一句话总结整个专栏的核心观点：

AI 不替代招采人，AI 武装招采人。招采人不被 AI 淘汰，招采人会被「会 AI 的招采人」淘汰。

下周二晚上 18:00，「Agent 重塑 ERP」专栏继续更新，EP15 讲企业知识库的 AI 重构，从「找文档」到「问 AI」。

3 个常见问题快答

写完正文，照例回答读者问得最多的 3 个问题：

Q1：央国企招采 AI 化，到底是「一把手工程」还是「业务部门工程」？

我的回答：一把手 + 业务部门「双轮驱动」。一把手管战略决策和资源调配（立项审批、预算划拨、组织协调），业务部门管具体场景落地和持续运营（场景梳理、数据标注、效果反馈）。任何一端缺位，项目都跑不远。

Q2：AI 化投入动辄几百万，怎么向领导要预算？

这里有个我常用的「三段式」测算逻辑：第一段是直接收益（人工节省 + 风险拦截，每年 800-3000 万）；第二段是间接收益（合规率提升带来的审计减损 + 投诉率下降带来的品牌加分，估算 500-1500 万）；第三段是机会收益（早于对手 2-3 年布局，抓住政策窗口的红利）。把三段加起来，再对比投入，预算答辩基本能过。

Q3：AI 招采系统上线 3 个月了，业务部门还在用老办法，怎么办？

先别急着推系统，先做「场景示范」。选 2-3 个最高频、最高价值的场景（比如 AI 评标、AI 异常支付预警），让业务部门在「不得不用的场景」里先用起来，感受到 AI 比人工好使 5-10 倍，自然会扩散开。强推 + 考核是下下策。

📋 招采 AI 化收官速查清单：

• 数据坎：历史数据完整度 ≥ 70%，字段标准化，统一金额/日期/单位口径
• 合规坎：可解释 AI（SHAP + 注意力机制），人机协同流程，三级授权制度
• 组织坎：中层带头用 + 业务规则沉淀 + 失败容错 + 价值可视化，预算 12-18 月适应期
• 趋势 1：2027 年起 AI Agent「数字员工」化，不再等指令
• 趋势 2：国产化率 2024 年 35% → 2027 年 75% → 2030 年 95%+
• 趋势 3：单点应用 → Agent 协同，流程自动化
• 趋势 4：事后审计 → 事中拦截，合规 AI 化
• 趋势 5：企业自建 → 行业共享，国资监管 AI 平台开放

写在最后的话

整个专栏 14 讲写完，我最大的感受是：招采 AI 化不是 IT 升级，而是一次工作方式的变革。

它改变的不仅是「我们用什么工具做招采」，更是「招采人怎么思考、怎么决策、怎么和系统协作」。

所以我说，招采人不被 AI 淘汰，但招采人会被「会 AI 的招采人」淘汰。这不是危言耸听，是我走访 60+ 家央国企后最真切的观察。

希望这个专栏，能成为你 AI 化路上的「参考手册」之一。

📮 收官互动：整个专栏 14 讲，对你最有启发的 1 讲是哪个？请在评论区留言，如果点赞数最高的 1 个主题，我会写一个续篇深入展开。👩 作者：SUNYY · 招采 EP14 · 收官篇📅 发布：2026 年 · 周二 18:00🔗 专栏：AI 重塑招采（共 14 讲，本讲为收官篇）📚 关联：招采 EP01-EP13 全 13 讲 | ERP EP15《企业知识库 AI 重构》 

附：一个遗憾 + 一个承诺

专栏写完，留一个遗憾：我讲的更多是「怎么干」，讲的相对少的是「为什么有些企业不愿意干」。

我接触过的央国企里，有一些企业的态度是「等等再说」，理由是「现在做的也能用」「风险太大」「合规边界不清」。

这些理由站得住脚，但反过来看，等到所有人都看清楚方向时，机会窗口也就关了。

招采 AI 化的窗口期，根据我的判断，到 2028 年会基本闭合。届时：

• 行业标准已经定型，先行者形成事实标准
• 供应商资源开始向头部集中，后入局者议价能力下降
• 国资委、审计署的合规要求逐步提升，不做的企业会被「点名」

这是为什么我反复推荐「现在就开始」的原因。

一个承诺：我会继续在这个公众号写 AI 重塑招采的深度内容，专栏结束后改成「AI 招采深度研究」专题，每两周更新一篇，聚焦更具体的主题，比如「评标 AI 与供应商关系的平衡」「投诉处理 AI 的伦理边界」「AI 评标结果的二次审计机制」等。

如果你希望持续跟踪这个领域，记得星标公众号，第一时间收到更新。

附 2：14 讲速查索引

整个专栏 14 讲，主题跨度很大。为了方便大家回看，我做了一份速查索引：

整个专栏的结构是「政策（EP01-02）→ 技术（EP03-06）→ 实操（EP07-12）→ 落地（EP13-14）」四幕式，建议按顺序阅读。