AI在采购的23个应用场景:哪些真用AI,哪些只是自动化

上个月，一家系统商来给我们演示他们的"AI采购平台"。

四十分钟的演示，我看到的是：金额超过五万自动走二级审批、供应商资质到期前三十天自动发提醒、合同编号按规则自动生成。

演示结束，讲师问我感受。我说挺好，挺清楚的。他又问：那AI这块您觉得怎么样？

我没好意思说：这里面没有AI，全是自动化。

这种场面你迟早也会遇到。供应商说它用AI了，系统商说它用AI了，你们内部的数字化方案里也要写AI。分不清，就只能跟着点头。

分不清的代价很实在：该自动化的地方花了AI的钱，该用AI的地方只做了流程改造，两头都落空。

今天一次说清楚：采购领域到底哪些场景真用AI、用的是哪种能力，哪些场景根本不需要AI。

清单有点长，建议直接收藏。

判断一个场景要不要AI，只问两句：

■第一句：输入是不是非结构化的？比如合同文本、新闻舆情、自由填写的物料描述。

■第二句：结果是不是需要判断或生成，而不是唯一答案？

两句都不占，就是自动化。三单匹配就是典型：三份单据上的金额、数量、单价对一下，对得上或对不上，唯一答案，规则引擎做得比AI更稳、更快、还能审计。

占了一条，才轮到AI。合同审查就是典型：几十页自由文本，要判断"这份合同的付款条件对我们不利"。

为什么规则做不了合同审查？你想用关键词找违约条款，搜"违约责任"四个字——

该找到的找不到，不该找到的找了一堆

合同里写"乙方未按期交付的，每逾期一日按合同总额的千分之三支付赔偿金"，没有"违约责任"四个字，可它就是违约条款。反过来，写"双方责任按《民法典》相关规定执行"，有"责任"两个字，其实什么都没约定。

再看物料主数据。同一颗螺丝，有人写"内六角螺栓M8×30不锈钢"，有人写"螺栓8*30 304"，编码系统里是三条记录。靠编码比对没用，靠名称比对也没用，只能靠AI判断"它们说的是不是同一个东西"。

下面这张清单，按采购业务链路的六大环节，把23个真AI场景全部列出来，每个场景都标明用的是哪种AI能力。

■需求预测（预测）——读历史消耗、排产计划和季节性，给出未来12个月的需求基线，让年度计划从拍脑袋变成有依据。

■需求自动归类（分类）——按物料属性、使用部门、支出金额，自动分到直接采购或间接采购、A类B类C类，不用品类经理手工分单。

■一物多码识别（语义匹配）——识别一物多码、一码多物、一企多码，给出合并建议。这是全部AI应用的地基。

■申请相似合并（语义匹配）——申请人下单前，系统提示"已有同类申请，是否合并"，从源头减少重复采购。

这一环节不用AI的：需求计划自动汇总（同一维度求和）、审批流路由（按金额和权限矩阵走流程）。

■最优供应商推荐（优化排序）——综合历史履约、质量数据、产能、报价多维因子排序，给出推荐和理由。

■价格验证与议价指导（异常检测+生成）——拿历史采购价、公开行情、成本模型三方比对，告诉你这个报价贵在哪一项，还能生成议价话术。

■大宗行情择时（预测）——预测采买时点和采买量。原料占成本大头的企业，这一项一个决策就值回全部系统投入。

■公开信息挖掘（抽取）——从招投标网站、行业媒体、工商信息里抓潜在供应商，做初筛。

这一环节不用AI的：询价单自动发出（模板套用）、报价单比价汇总（结构化字段对齐）。

合同环节3个：

■条款审查（语义匹配）——待签合同与标准模板逐条比对，标出偏差项和缺失项。

■要素抽取（抽取）——自动从合同里抽出价格、账期、有效期、罚则，回填系统，替代人工录入。

■文本生成（生成）——按品类模板加谈判结果，自动起草合同初稿。

订单履约环节5个：

■异常发票识别（分类+异常检测）——规则先筛明显异常，AI判断疑难件，不匹配的自动挂起并说明原因。

■重复申请识别（语义匹配）——下单瞬间比对在途单据，编码相同靠规则，描述相似靠AI。

■紧急采购合规判定（异常检测）——规则管"有没有紧急标记"，AI判"标记是否合理"，一个部门一年十七次紧急采购会自动现形。

■交期风险预警（预测）——结合供应商历史交付、物流信息、外部事件，在延期发生之前预警。

■变更取消异常检测（异常检测）——识别高频变更、异常撤单，异常单据自动提请审批。

这一环节不用AI的：PR自动转PO（字段映射）、三单匹配（等值比对）、超权限下单拦截（权限表比对）、合同归档编号（命名规则）。

结算与支出分析3个：

■品类支出洞察（分类+生成）——自动做支出画像、价格趋势、集中度分析，告诉你哪些品类分散度太高，还能自动生成分析报告。

■降本追踪归因（异常检测）——把降本额按谈判、集中、替代、工艺四个来源量化归因，降本成绩第一次算得清。

■价格趋势基准（预测）——从历史价格反推合理区间，报价偏离基准线自动告警。

供应商全生命周期4个：

■风险舆情监控（抽取+分类）——外部新闻、司法、财务信号自动抓取，命中风险即推送。

■供应商智能问答（生成）——把制度、要求、历史问题做成知识库，供应商自助查询，采购从重复答疑里解放出来。

■绩效自动评分（优化排序+异常检测）——交期、质量、价格、服务四维自动打分，异常好或异常差自动标出。

■供应商画像生成（生成）——多源信息自动汇总成一段话画像。

这一环节不用AI的：付款申请与执行（按账期触发）、财务报表出具（固定口径）、供应商注册审核与资质到期提醒（清单比对加日期触发）。

23个场景往上归，真正被反复调用的AI能力只有七种：

■预测——从历史推未来：需求预测、行情择时、交期预警

■分类——给定标签里选：需求归类、异常发票、风险分级

■抽取——从文本里取字段：合同要素、公开信息挖掘

■语义匹配——判断说的是不是一回事：一物多码、重复申请、条款比对

■异常检测——找出不太对的：价格偏离、变更异常、紧急采购滥用

■生成——写文本给建议：议价话术、合同起草、报告、问答

■优化排序——多因素里挑最优：供应商推荐、绩效评分

下次有人跟你讲他的AI方案，你第一句就问：调用的是七种里的哪一种？答不上来的，往下就不用谈了。

清单讲完了，说两个我在企业里见过最贵的错误。

第一个：该自动化的地方硬上AI。三单匹配用模型判断金额是否相等，识别率百分之九十二，剩下百分之八人工复核——比原来百分之百人工还多出一套系统维护费。而且采购最看重可追溯，规则自动化天然满足审计，AI的判断要额外解释。

该自动化的地方硬上AI，是花钱买不确定性

第二个：该用AI的地方只做了自动化。合同审查用关键词搜索，标准模板管住了格式，管不住内容。对方把质保期从二十四个月改成十二个月，格式还是那个格式，模板校验查不出来；在附件里加一条"逾期视为验收合格"，正文里没有，校验也过了。

这两个错误，一个是白花钱，一个是漏风险。避开它们，就值回这张清单。

真要动手，次序只有四步，别倒着来：

■第一步，先把物料和供应商主数据弄干净——地基脏了，上面全是危楼。

■第二步，挑数据现成、见效最快的先做——重复申请识别、异常发票拦截，数据全在系统里，效果当月可见。

■第三步，打通内外数据——支出分析、供应商风险监控、价格基准。

■第四步，最后碰预测和寻源推荐——这两类对数据量和规则清晰度要求最高，前面没积累就硬上，最容易翻车。

下次再有人跟你讲AI方案，按这个顺序问四个问题：

■它调用的是七种能力里的哪一种？

■要我准备什么数据？现在有没有？干不干净？

■判断错了怎么办？有没有人工复核？错了谁兜？

■多久能看见效果？三个月内能出数字的优先做。

我们这行做久了有个毛病：怕自己显得不懂新东西，别人一说AI就先点头。

但采购的专业从来不体现在点头上。你不需要懂模型怎么训练，那是别人的活。你需要的是——在一堆新名词里，认出哪件事值得花钱，哪件事不值得。

他答得上来是真东西，答不上来是PPT

这张清单收好。下次再有人指着架构图上那个"AI引擎"的时候，你心里有数。