当AI进入采购领域，最大的阻力并不在软件本身
几乎所有经历深层技术转型的组织中，都反复出现同一种规律：最难的部分不是选择平台，而是在上线数周之后才发现，根本问题其实并非技术层面的问题。
在将人工智能应用于采购与供应领域——业界称之为"procurement"——的实践中，这种规律已经变得如此普遍，以至于有了自己的专属描述。麦肯锡以外科手术般的精准措辞指出：在采购领域成功规模化落地AI的组织，并不是那些选对了软件的组织，而是那些在要求模型自动化之前，就已将工作流程从头到尾彻底重新设计的组织。 没有做到这一点的组织则发现，AI并不能修复运营碎片化问题，反而会将其放大。
企业采购领域正在发生的一切，并不是工具的升级换代，而是关于谁来做决策、依据什么信息、以怎样的速度、在多大程度上引入人工干预这一系列问题的重新排序。这些问题无法靠购买一张授权许可来解决。这要求组织重新理解自身对"价值"、"控制"和"问责"的认知。
---
成功试点的幻觉
Box公司技术采购高级总监、福布斯技术委员会成员Prajkta Waditwar描述了一个任何运营负责人都会感同身受的场景：一家全球化组织引入AI，旨在提升供应商可见性并在不同地区实现风险评估自动化。模型在测试环境中运行良好。但当需要扩大规模时，系统暴露出供应商数据不一致、审批流程碎片化，以及多年来依靠人类对模糊性的容忍才得以存活的企业管理系统之间的脱节。
这种试点后失败有其内在逻辑，值得我们明确指出：试点之所以成功，是因为变量受到了控制。团队会挑选一个有序的支出类别、一支积极性强的团队、一个配合度高的供应商。AI表现亮眼，投资得到验证，决策层随即拍板扩大规模。然后，系统开始与完整的运营现实接触——接触到那些由即兴流程、错误标注数据以及靠电话拍板做出的决策所积累下来的所有历史包袱。
问题不在于组织做错了什么，而在于多年来，组织的效率是靠那些熟知捷径、例外情况和难以分类供应商的人的个人判断来维系的。这种隐性知识从未被记录下来，从未被结构化，从未被转化为数据。AI无法在不存在数据的地方运转。
德勤在其2025年全球采购总监调查中记录了这一点：数字化成熟度更高的组织，正在从生成式人工智能投资中获得显著更高的回报。差距不在于谁能获得这项技术，而在于谁在这项技术之下打好了地基。
---
尚无人明确点出的结构性问题
组织在开启这场转型时，往往会低估某件事，而这件事值得被精确地点明：采购领域的运营碎片化并非偶然，而是多年来在地方层面做出的理性决策所积累的结果。
每个自行谈判合同的区域都有其充分理由。每个构建自有审批流程的业务单元，都是在用现有资源解决真实存在的问题。每个在企业系统之外维护平行电子表格的团队，都是因为企业系统的响应速度无法满足他们的需求。在很多情况下，碎片化是一个组织增长速度超越其治理能力所留下的数字足迹。
当这样的组织将人工智能引入采购流程时，恰恰就是那段历史被彻底曝光的时刻。而被曝光的，不仅是技术层面的低效，更是一个依赖特定个人的判断才能运转的治理模式。
这与麦肯锡在描述其所称的"AI代理"进化趋势时所指出的内容密切相关：这类系统能够摄取上下文信息、规划复杂任务，并在一定自主程度上同时操作多个系统。当这样一个代理试图在以下环境中运作——供应商数据因查询系统不同而存在三个不同版本、审批政策因地区而异且缺乏书面逻辑、主合同存放在一台本地服务器上而唯一知情者早已离职——代理的失败并非源于技术局限，而是因为所处环境缺乏支撑自动化决策的最低架构。
这为高层管理者提出的问题，并不是是否要在采购中部署AI，而是在要求系统做出决策之前，他们对自身数据基础设施和治理现状究竟有多诚实。
---
当采购职能不再只是运营执行
Zycus在其2026年采购人工智能指南中，以乍听像是营销语言、但仔细阅读后便会发现其中蕴含更深层结构性内容的措辞描述了这一转变：AI的到来，并不是为了让采购中现有的一切更高效，而是为了吸收大部分事务性工作，从而释放人力资源去做不同的事情。
Waditwar根据自身直接经验，清晰地描述了这个"不同的事情"是什么：采购团队越来越早地被召入战略性对话，不是为了谈判价格，而是为了评估供应商决策在长远运营层面的影响。与一家软件供应商深度整合会产生多大的依赖？三年后退出该合同的复杂程度如何？正在采购的技术架构是增强还是削减了未来的灵活性？
这些问题历来并不属于采购职能的职责范畴，它们是战略风险管理的问题。而这些问题如今已成为该部门议程的一部分，这揭示了一件重要的事情：事务性工作的自动化，不仅仅是释放了时间，更是重新分配了权威。
HFS Research以更直接的语言表述道：AI平台正在推动采购领导层从运营执行转向战略赋能。这意味着该领域所需的能力图谱正在发生变化，衡量其成功的指标也必须随之调整，而采购、财务、法务与运营之间的关系也必须重新设计——因为当一个跨系统的智能连接层贯穿其中时，这些职能之间的边界会变得愈发模糊。
麦肯锡估计，完成这一转型的采购职能，可以比现有模式效率提升25%至40%。但这个数字不应被解读为预期的人员削减，而应被解读为能力的重新配置：更少的人处理事务，更多的人做出系统目前还无法独立完成的决策。
---
这场变革所需要的领导力，与它通常遭遇的领导力
正是在这里，从组织视角分析这场转型变得格外有趣——因为历史上主导采购职能的领导力画像，是围绕一套非常具体的能力建构起来的：强硬的谈判、对供应商的深度了解、在压力下推动合同落地的能力，以及对哪个供应商在十年前哪个情境下失败过的机构记忆。
这套能力有其价值。但它与一个采购职能所需要的能力画像并不相同——在那种职能中，对业务最大的贡献在于风险分析的质量、将市场信号整合进采购决策的速度，以及当情境需要时能够对系统生成的建议提出质疑的能力。
这种转型并不轻松，若将其描述为对所有人都是简单的成长机会，则未免过于天真。有些在采购领域拥有二十年经验的人，其核心价值恰恰在于将某些事情做得很好——而系统现在能够以更快的速度、更高的一致性完成同样的事情。 这会产生真实的阻力，而这种阻力并非非理性。它是一个发现游戏规则已经改变、却无人事先征询其意见的人的可理解反应。
德勤指出了一个值得关注的现象：那些在推进技术现代化的同时投入团队能力建设的组织，始终优于那些只专注于技术部署的组织。这一发现并不令人惊讶。但其在组织实践中的转化方式确实至关重要。问题不在于向那些同时眼睁睁看着自己核心任务被自动化的团队提供AI课程，而在于重新设计角色，让人们理解哪种人类判断仍然不可替代，以及在流程的哪个环节这种判断最具价值。
许多组织面临的风险，并不是其采购团队会拒绝AI，而是他们会浅层地采纳它——用它来加速原本就在做的事情，却不改变底层逻辑——并在这个过程中错失构建一个真正作为企业战略智能层运转的职能的机会。
---
结构性成熟度无法在部署之后临时拼凑
采购领域正在发生的一切，从本质上说，是组织在几乎所有深层技术转型中都会面临的一个非常具体的版本：他们所拥有的架构与他们构建目标所需的架构之间的差距。
采购中的AI并非例外。它是这一差距显现得最快、最清晰的应用场景，因为一个自动化失当的采购决策所带来的后果是具体且代价高昂的。一个算法基于过期数据做出的供应商选择。一份因系统无法访问另一套系统中已存在的风险信号而被自动续签的合同。一项审批被系统自行处理，仅仅因为没有人明确定义哪个支出级别需要人工监督。
这些不是AI的错误，而是组织设计层面的错误——而AI会以完美的精确度将其执行出来。
在这整场讨论中，最值得关注的论点，并不是人工智能是否会改变企业采购，这一结果已有足够充分的证据支撑。最值得关注的论点是：有多少组织将在具备所需的数据架构、治理流程和角色重新设计的前提下迎来这场转型，从而让系统按照承诺的方式运转；又有多少组织会发现，自己不过是在一个尚未做好准备承载它的基础之上，安装了一套复杂精密的技术。
这个问题的答案，不取决于他们选择哪家软件供应商，而取决于他们愿意在部署之前——而非之后——付诸多大程度的机构诚实。
