采购 / 供应链专员

一家国家级机构的企业调查;它被记在「使用者采用」而不是「实际部署」之下,理由写在同一份报告里。问到生成式 AI 在组织内怎么被用,63.3% 的企业回答「个人在工作中使用」,44.8% 回答「个人或部门在试用」,而只有 11.9% 回答「已嵌入部门的业务流程」、18.6% 回答「已嵌入全公司的服务」。这正是这个阶段存在的理由:人在用这个工具,而雇主基本上没有围绕它重建任何东西。IPA 是日本经济产业省下属的独立行政法人,它不销售它所统计的任何工具 —— 这正是它比厂商遥测更好的地方。对这一页有两个限制要说清楚。这个数字落到的是「部门」,不是「任务」—— 它确立的是这个职能属于使用最少的一档,而不是它的哪几项职责被碰到了;报告中关于用途的另一道题,在已导入、正在试用或正在研究导入 AI 的企业中,给出「文档与语音的摘要、翻译、校对」82.5%、「信息检索、收集、分析与报告」77.0%。另外,调查期为 2026 年 4 月中旬至 6 月中旬,范围是日本,对象是作答的企业;100 人以下企业中只有 41.6% 报告在做 DX,而 1,001 人以上企业为 98.7%,所以企业间的平均值掩盖了按规模的明显分化。

一件工具在真实工作里被大规模使用,并且被测量到 —— 而做出「用它」这个决定的是使用者本人,不是雇主。它比「技术能力」多:干的是真活,不是演示;又比「实际部署」少:没有任何雇主把它投入生产、要求使用、或围绕它改过流程。权重定为 `cautious`:`automating` 的定义是「机器能做这件事**并且**有采用迹象」,而这就是一种采用迹象 —— 但使用可能只是试用,而且相当一部分测量来自有利害关系的一方,所以一条永远不够,两条独立的才够。还要注意是谁在计数。厂商遥测直接看得见这件事,而它同时在卖这件工具,所以这类记录要在适用范围里写明这层利害;而一个统计机构去问企业「员工有没有在任务里用 AI」,看见的是同一条通道、却没有任何利害 —— 在它存在的地方,它是更好的来源。

某一家厂商的消费级与专业版产品上的对话,由该厂商自己归类到职业任务条目,覆盖全球,统计窗口为 2026 年 5 月 1 日起的一个月。下面这些数字报告正文里没有,是从该次发布自带的数据文件(release_2026_06_26)里、按全球口径筛出来后在本地算的,任何人都可以复算。「交办占比」指的是对话形态属于指令式或反馈循环、而不是学习或反复打磨的那一部分;它描述的是人怎么使用这个工具,不是有谁因此失去了工作。就「找供应商、做比较」而言,那条关于按价格、质量、服务与可靠性调研评估供应商的任务条目,交办占比 57.71%,而其流量中属于工作的占 51.22%。就「下单与单据」而言,编制与处理请购单和采购订单这条,交办占比 67.42%,其流量中属于工作的占 88.30%,是这个职业里最干净的一行。为什么第二条比第一条更可信,原因是污染,而这也是这条记录里最重要的一点:这里交办占比最高的是「查阅产品目录与名录以找到所需货物」,80.71%,但它的流量里只有 20.52% 属于工作——因为替自己买东西的人,会落到和采购员同一条任务条目上。另一头的规律正好相反:三条几乎全是工作的条目都低于中位数——撰写产品规格 45.90%(工作占 90.16%)、谈判并管理供应商合同 38.30%(工作占 89.36%)、分析报价 31.73%(工作占 93.33%),而 2,691 条公布了交办占比的任务条目的中位数是 48.55%(若把详细、中间与概括工作活动也算进去,3,650 个节点的中位数是 50.00%)。老实读下来,它说的是:在人们真正当作工作带到这个工具上的采购任务里,交办程度处在全部职业的中间或更低,而看起来最自动化的那几条,恰恰是消费者在问的。稳定性:四月窗口里,这八条中有七条保持同样的次序,谈判与价格分析在最末两位互换。它证明不了什么:这份数据里没有人说过自己是采购员,任务归属是分类器判的;这几个节点占总使用量的比例在 0.00% 到 0.05% 之间,底层计数很小而且没有公布;文件里缺席的任务条目是被压制了,不是测到了零。发布方既运营这个工具也销售它,也就是说只有有商业利害的一方才看得见这份数据——这正是本站为什么规定这一类记录单独一条永远不够。

一件工具在真实工作里被大规模使用,并且被测量到 —— 而做出「用它」这个决定的是使用者本人,不是雇主。它比「技术能力」多:干的是真活,不是演示;又比「实际部署」少:没有任何雇主把它投入生产、要求使用、或围绕它改过流程。权重定为 `cautious`:`automating` 的定义是「机器能做这件事**并且**有采用迹象」,而这就是一种采用迹象 —— 但使用可能只是试用,而且相当一部分测量来自有利害关系的一方,所以一条永远不够,两条独立的才够。还要注意是谁在计数。厂商遥测直接看得见这件事,而它同时在卖这件工具,所以这类记录要在适用范围里写明这层利害;而一个统计机构去问企业「员工有没有在任务里用 AI」,看见的是同一条通道、却没有任何利害 —— 在它存在的地方,它是更好的来源。

全球最大的采购方之一描述它自己的采购。专门负责重组与供应可靠性的采购人员持续监控全球供应商的财务状况,供应风险应通过预警系统识别。为了人权与环境方面的尽职调查,集团采购可持续发展部门用外部服务商的专用 IT 工具,对相关供应商做持续的、基于风险的媒体监控;2025 年覆盖 4 万多家直接供应商(2024 年为 3.95 万多家),占采购额的 96%(89%),发现的异常再由人进一步审查。年报称之为系统和 IT 工具,而不是 AI,也没有给出预警的准确率或它带来了什么改变。

企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。

采购与采买岗是这个基准里 44 个美国职业之一,取自对美国 GDP 贡献最大的九个部门;完整集 1,320 个任务、每个职业至少 30 个,每一个都由一位平均 14 年经验的从业者用真实工作产物构建,并覆盖该职业 O*NET 工作活动的大部分。被评的是一次性的交付物,由同行专家盲评两两比较 —— 不是一份工作。这里没有客户、没有修改轮次、没有谈判,答错也没有后果。标题数字(某个模型在黄金子集上 47.6% 的交付物被评为优于或不亚于专家)属于 2025 年 9 月那一代模型,现已被更新的模型取代;更有用的是论文另一处的报告:胜率在耗时 0-2 小时的任务上最高,并随任务变长稳定下降。按职业拆分的胜率只以图的形式发布,所以这里不引用任何采购专属的数字。这个基准由 OpenAI 设计、运行,而 OpenAI 出售被它测量的模型。

演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。

这是一项经同行评审的实验研究:扮演供应商的参与者,与被设定为竞争型或合作型的生成式 AI 聊天机器人谈判。研究报告:竞争型聊天机器人拿到更高的价格折扣、更好的付款条件、更快的谈判,而供应商更信任合作型聊天机器人,对结果更满意,也更愿意今后继续打交道。它是受控实验,不是实际部署,参与者也不处在真实的长期供应关系中。

演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。

一项欧盟法规,约束把七种大宗商品 —— 牛、可可、咖啡、油棕、橡胶、大豆和木材 —— 及其制品投放到欧盟市场或出口的经营者。第 4(1) 条:经营者在投放市场之前应当开展尽职调查,以证明产品合规,没有尽职调查声明不得投放;第 9(1)(d) 条要求提供原料产地所有地块的地理坐标。经 2025 年 12 月修订后,这些义务自 2026 年 12 月 30 日起适用,微型和小型经营者更晚,下游贸易商主要保存供应商信息和声明编号。它为这些商品创设了证明来源的义务;它没有说公司内部由谁来做这项工作。

监管、补贴或公共采购正在要求或出资推动采用 —— 与「限制或撤回」互为镜像。它说明采用正在被要求,不说明采用已经发生,所以单独一条永远不够,两条互不相干的才够。

这篇文章由两名沃尔玛国际业务采购高管与两名学者合写。文中说,沃尔玛部署了带文字界面的 AI 谈判软件来对接供应商,目前该聊天机器人与所接触供应商中的 68% 谈成并签约;它把目标描述为大约 20% 此前签的是往往未经谈判的格式条款的供应商。它涉及的是过去没人去谈的长尾小供应商,而不是战略性关系,而且是采购方自己的说法。

企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。

一部美国联邦法律。第 3 条指示海关与边境保护局推定:全部或部分在新疆维吾尔自治区开采、生产或制造的货物,或由名单上的实体生产的货物,是用强迫劳动制造的,禁止进口;要获得例外,进口商必须遵守了政府的指南、回答了海关的全部询问,并以清楚且令人信服的证据证明这些货物没有全部或部分使用强迫劳动。该法还要求向进口商发布关于尽职调查和有效供应链追溯的指南。它把「证明货物来自哪里」的举证责任放在了货物被扣留时的进口商身上;它不要求进口商提交年度报告(它要求的年度报告由政府的工作组提交),也没有说公司内部由谁来做追溯。

监管、补贴或公共采购正在要求或出资推动采用 —— 与「限制或撤回」互为镜像。它说明采用正在被要求,不说明采用已经发生,所以单独一条永远不够,两条互不相干的才够。

美国,联邦采购。该法规规定,只有合同官可以代表政府订立和签署合同,其定义把采购订单等订单算作合同。它保留的是具有约束力的签字,而不是发票核对或订单周边的文书;各机构 2025-26 年的改革偏离文件未经核查。

失败、撤回、监管或成本正在抑制采用。可以下调评估,或扩大不确定区间。

这份工作里从外面看最像专业能力的那一半 —— 找供应商、比报价、开单 —— 正是暴露的那一半,而它也是你会最先被交派的。撑得住的那一半关于人:一家供应商没告诉你什么,以及东西不够时你们公司保谁。这两样都不是从系统里学到的,都是在你还没被叫去旁听的那些电话里学到的。早点要求旁听。

你的杠杆已经从「懂这个市场」挪到了「懂这些对手方」。一份比价现在任何人几分钟就能做出来;做不出来的是「这家供应商能撑过一个糟糕的季度、那家不能」这个判断。注意:这也正是你们公司没有任何记录的那份知识 —— 那对他们是风险,对你是位置。

保住并强化

转到供应商很少的品类

当可选的供应商是三家而不是三百家,比价一文不值,而关系就是全部 —— 那正是撑得住的那一半。

调整职责

接住「关于这条链公司能证明什么」

美国已经把证明货物来源的责任放在进口商身上,欧盟则将从 2026 年 12 月 30 日起要求提供每一块地块的地理定位 —— 两者都没有说公司内部由谁来做。多数公司还没有把它指派给任何人。

相邻转岗

转到做需求计划的那一侧

多数供应问题,是晚到的需求问题;而一个见过缺货是怎么来的采购,知道预测里没有的东西。

逐项去问,因为这里的分界少见地清楚。找供应商、比报价、单据匹配,都是结构化工作,而它们正是这一页上被判为自动化的那两项任务。「判断一家供应商撑不撑得住」如今有监测工具帮忙,由人去审看它们发出的预警;而「决定让谁先断」没有动。一个你自己能核对的信号:你最近十个决定里,有几个需要的信息是一次检索就能产出的。如果大部分是,那暴露是真的,而该走的方向是剩下那几个。

可以,而那正是这份工作里最贵的一个错误。最便宜的报价便宜是有原因的,而那些原因 —— 利润薄、工厂排满、他快丢掉一个大客户 —— 恰恰都不出现在报价单上。采购不是一个选价格的问题,它是一个戴着价签的对手方风险问题。一个按价格排序的系统,优化的是那个容易测量的东西 —— 而供应链上那个没人选择过的单点故障,就是这么来的。

取决于你会做哪一半,而这件事值得在转过去之前问清楚。做单据、匹配、比价的岗位处在暴露的那一半 —— 而多数初级采购岗就是这个。有品类归属、管着供应商关系的岗位在另一半,而它通常要求你先做前一种 —— 这就是本站反复发现的那个不太舒服的形状。面试时问一句:东西不够分的时候,谁做决定。

不覆盖,而这个区别比听起来重要。在政府采购里,规则是法律而不是公司政策;流程本身被设计成可被质疑的,而一个自动化的决定会继承那份可被质疑性。那同时改变了「什么可以被自动化」和「谁必须能解释它」—— 和政务服务窗口那一页是同一个模式,而那是另一页。