传统AI、生成式AI、智能体AI:采购人必须搞清楚的三种AI

有个场景我见过不止一次：采购总监在会上拍板，"我们要上AI"。下面的人点头，散会之后没人说得清楚要上哪种AI、用来做什么、跟现有系统怎么连。三个月后，花了钱，买了一个能聊天的工具，然后发现它对采购订单的实际处理帮助不大。

这种错位不是因为AI不够强，而是因为"AI"这个词被用得太宽泛了。

就好像你说"我要买车"，没有人会直接推给你一辆，因为跑长途的人要SUV，城里通勤的人要小轿车，搬货的人要卡车。采购里的AI也是一样——不同类型的AI，能力特征完全不同，对应的场景各有侧重。搞混了，用错了，结果要么是"感觉没用"，要么是"花了大价钱，问题原封不动"。

今天我们把这件事说清楚一次。

第一种：传统AI——默默工作二十年的老黄牛

先认识一个在采购圈里存在了至少二十年、却从没被大张旗鼓介绍过的老伙计：传统AI，也叫经典机器学习。

它的工作原理不是"看书学知识"，而是"从大量历史数据里找规律"。你给它一百万张发票，它就学会哪种发票最可能有错；你给它三年的采购价格记录，它就能预测下个季度某类原材料的大致走向；你给它供应商的绩效数据，它就会自动给供应商打分、标红高风险的那些。

这类AI做的是数字世界里的规律识别。

在企业级采购软件里，它已经深度嵌入很多年了。发票三单匹配（采购订单、收货单、发票三者比对）、支出自动分类、重复付款检测、需求预测……这些你可能用过的功能背后，基本都是传统AI在默默跑着。它不会说话，不会写文章，你问它问题它不会回答你，但只要数据质量够好，它的准确率高、稳定性好，而且已经经过了多年的实战检验。

用一个比方来说：传统AI像公司里那位经验丰富的数据分析师，给他一堆报表，他能很快看出异常、画出趋势、预测下季度。但你让他帮你写一封谈判邮件？他可能面有难色。

传统AI的短板，恰好是后两种AI的主场。

第二种：生成式AI——那位能说会道的外部顾问

2022年底ChatGPT横空出世，大多数人第一次真正感受到的，就是这种AI。

生成式AI的核心能力是处理语言，而且是双向的——既能读懂你写的文字、上传的文件、粘贴的合同，也能生成流畅的文字内容。这个能力在采购里打开了一个全新的空间，因为采购工作里有大量内容本质上是"语言任务"：写询价函、起草合同、整理供应商调研报告、撰写谈判策略、摘要会议纪要……

过去这些事情只能靠人来做，因为机器看不懂非结构化的文字，更别说生成有意义的内容。传统AI处理的主要是数字和结构化数据，对文字无能为力。生成式AI打通了这道门。

它最擅长的事情大概有几类：把一份100页框架协议里的风险条款梳理出来，生成一份可以直接用的RFP草稿，把供应商的回标内容做成对比摘要，帮你分析谈判对手的优势和软肋，甚至把一段英文供应合同实时翻译并解释其中的法律含义。

回到那个比方：生成式AI像一位能言善道的外部顾问，你把材料丢给他，他能帮你整理思路、起草文件、给出分析意见。但如果你说"帮我去供应商系统里查一下这批货的实时库存"，他会礼貌地说：那不是我能做到的事。

生成式AI仍然是一个"被问才答"的工具——你不给任务，它什么也不会主动做。

第三种：智能体AI——那位可以独当一面的项目助理

这是目前最新、也最让采购人感到兴奋和困惑的一类。

智能体AI（Agentic AI）和生成式AI用的是同一个底层技术，但多了一套关键能力：它能主动采取行动。具体来说，它可以调用外部工具（搜索引擎、数据库、ERP系统接口），可以把一个大目标拆成多个步骤依次执行，可以在执行过程中根据中间结果调整下一步，还可以在一段时间内保持记忆，不需要每次都从头说一遍背景。

说一个具体的场景：你让它"帮我找三个符合欧盟RoHS认证要求的替代供应商，要求交货期不超过45天，附近一年的价格趋势"。智能体不只是给你一个建议列表，它会去数据库里搜索供应商信息，查询认证记录，抓取市场价格数据，最后把结果整理成你需要的格式——全程不需要你一步步告诉它该怎么做。

这就是从"动嘴"到"动手"的质变。

Gartner的预测是，到2030年，50%的跨功能供应链管理解决方案将包含智能体AI能力。而今天这个数字不到5%。这意味着我们正处于一个非常早期的阶段——先行者有机会建立真实的竞争优势，但多数人还在观望。

三者的关键区别，下面一张表说清楚

成熟度方面，传统AI毫无疑问最高，经历了二十年以上的实战打磨；生成式AI发展了三年左右，已经在大量场景中经历了真实部署的考验；智能体AI目前还处于早期快速发展阶段，应用场景和工具链都在迅速演化。

自主程度方面则刚好相反：传统AI最低，它只能在设定好的规则范围内做事；生成式AI有相当高的灵活性，能处理没见过的场景；智能体AI的自主程度最高，也因此带来了最多的不确定性——它在执行复杂任务时可能走弯路，或者做出超出预期的决定。

几个需要纠正的误区

"生成式AI能做一切。" 这是最常见的认知误区。生成式AI的强项是语言和内容，对需要精确计算、实时数据或系统操作的任务并不擅长。用ChatGPT直接做财务对账，结果往往不靠谱。

"传统AI已经过时了。" 完全相反。发票匹配、异常检测、需求预测这些高频、高准确率要求的任务，传统AI仍然是最佳选择。生成式AI加入进来是为了补充它处理不了的语言类任务，不是替代它。

"上了AI就不会犯错。" 三种AI都有各自的失败模式。传统AI会在数据质量差的时候给出错误预测；生成式AI会产生"幻觉"，把不存在的条款说得言之凿凿；智能体AI在执行复杂任务时可能出现错误传播——一步走偏，后面全乱。人工审核的节点依然不可或缺。

"公司体量小，用不上AI。" 其实中小型采购团队往往从生成式AI里获益更直接——因为他们最缺的就是写文案、整理文件、分析信息的人力，而这些恰好是生成式AI成本最低的贡献。

那么，下一步怎么看？

认识了这三种AI之后，后续几篇我们会按照采购的核心流程逐一拆解——寻源询价、合同管理、供应商管理、运营自动化——在每个环节里，这三种AI分别能做什么、真实效果怎样、现在落地的门槛在哪里。

理解工具的边界，是用好工具的前提。

引用来源

1、Gartner新闻稿——《Gartner Identifies Three Key Advancements in Generative AI That Will Shape the Future of Procurement》（2024年11月20日）

2、Gartner新闻稿——《Gartner Predicts Half of Supply Chain Management Solutions Will Include Agentic AI Capabilities by 2030》（2025年5月21日）

3、Gartner新闻稿——《Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026, Up from Less Than 5% in 2025》（2025年8月26日）

4、Gartner新闻稿——《Gartner Says Generative AI for Procurement Has Entered the Trough of Disillusionment》（2025年7月30日）

5、Gartner新闻稿——《Gartner Forecasts Supply Chain Management Software with Agentic AI Will Grow to $53 Billion in Spend by 2030》（2026年4月7日）

6、Art of Procurement——《State of AI in Procurement in 2026》（2026年4月）

7、Sievo——《The Ultimate Guide for AI in Procurement》

图片来源：AI生成

版权及免责声明：“卢山说AI精进”个人公众号的文章均为本人原创（含联合AI创作部分）。未经本人许可，禁止进行转载、摘编及复制等任何使用。如需转载、引用或者有其它意向，请事先通过本公众号后台等方式申请并获得授权。原创文章中的部分文字、图片源于网络，如有任何问题请联系本公众号。