采购AI智能体的完整流程:需求、试用、比价、签约,四步走完不踩坑
报价文件夹摊开在采购经理的桌面上:七家供应商,七个版本。三家发 PDF,两家发 Excel,还有两家的交期写在邮件正文里,一家的服务范围藏在附件第二页。领导在会上问一句"到底哪家综合最优",会议室里没人能三秒答上来——不是没人会算账,而是先把七份表换算成同一种口径,就要花掉半天。
这也是很多企业开始考虑引入 AI 的真实起点:不是想追技术热点,而是采购这件事里,"读材料、对口径、找差异、追节点"的重复劳动太多,而真正需要人判断的部分——谈判策略、供应商关系、条款取舍——反而被挤压得没有时间做。本文想把采购AI智能体的完整流程讲清楚:需求怎么梳理、试用怎么验证、比价怎么定标、签约怎么收口,以及每一步 AI 应该做到哪、人必须管到哪。
一、需求阶段:先写清"要它干什么",再谈选谁
采购引入智能体最常见的失败,不是技术不够强,而是需求写成了一句"提升采购效率"。这种话没法验收,也没法判断试用结果算好还是不好。需求阶段真正要产出的是一张能验收的活清单。
1. 把"效率"翻译成三类具体的活
- 找信息的活:从多份报价、历史合同、采购制度里找出需要的那几条,原来靠人翻,现在可以自动提取。
- 跑流程的活:按固定口径比对、按模板生成清单、按时间提醒节点,步骤明确、结果可核对。
- 做判断的活:这家供应商能不能进、这个价格能不能接受、这条违约条款能不能让。这一类必须留在人手里。
三类活分清之后,你会发现真正适合交给 AI 的是前两类,而前两类恰恰占了采购人员大量时间。
2. 每条需求写到"输入—动作—输出"的颗粒度
一句模糊的需求,拆成三行就清楚了:
输入:本轮 7 家供应商的报价文件(PDF、Excel、邮件正文)
动作:统一提取价格、税率、运费、交期、服务范围,按同一口径排列
输出:差异对比表 + 缺失信息与待确认清单
写不出这三行,说明这个场景还没想透,先别急着试用。
3. 把"老采购脑子里的经验"先写下来
比价口径、评审要点、哪些供应商报价常缺项、哪些条款历史上出过问题——这些过去只存在于资深采购的经验里。要让智能体做得像样,这些经验必须先变成文字,进入可检索的知识范围。这是需求阶段最容易被跳过、也最影响后续效果的一步。
4. 明确划出三条不交给 AI 的线
供应商准入决策、最终价格谈判、合同条款签署与法务审核。这三件事涉及责任归属和专业判断,AI 可以准备材料、标出风险、给出对照,但决定权必须留在人手上。写需求时就把这条边界写进去,后面试用和上线都不会走偏。
在 Soiawork 中,采购制度、比价规则、历史评审要点可以放进知识库,报价文件与合同模板放在文件空间,需求阶段产出的那张清单,就是后续配置技能和自动任务的依据。
二、试用阶段:拿一轮真实报价跑,而不是看一段演示
试用阶段的核心问题是:怎么判断这个东西真的能用,而不是演示时好看?答案是用你自己的一轮真实业务跑一遍,并且提前定好判断标准。
1. 试用前准备三样东西
- 一轮真实报价:最好是最近刚做完的一轮,格式越乱越好,扫描件、微信截图、邮件正文都放进去。
- 你的比价口径:采购要求、税率处理规则、运费是否计入、交期怎么起算。
- 期望输出的样子:一张差异表长什么样,待确认清单要包含哪几列。有了这个,试用结果好不好一眼能看出来。
2. 用四个"能不能"来验收
- 能不能统一口径:不同币种、含税与不含税、含运费与不含运费,能否换算到同一张表上。
- 能不能标出缺失:某家没写质保期、某家没写清交期起算点,是要猜一个填上,还是单独列出来?正确答案是后者。
- 能不能说清依据:这个价格是从哪份文件第几页提取的,能不能回溯。可追溯是采购场景的硬要求。
- 能不能停下来问人:遇到两份报价型号对不上、单位不一致时,是硬着头皮比,还是标记为待确认。
3. 三个常见的试用坑
- 只给整理好的漂亮样本:真实报价里有合并单元格、有手写批注、有截图,样本太干净,等于没测。
- 只测一份文件:单份文件靠人看也不慢,价值在于七份、十份同时进来时还能保持同一口径。
- 只让 IT 测,不让采购业务人员测:好不好用,业务人员第一次看输出结果就有直觉判断,绕开他们试用等于白测。
试用阶段可以这样配置:通过连接器从邮箱、共享盘直接取回报价文件,无需人工搬运;Worker 在授权设备上打开本地软件取数或另存;把已经验证过的比对方法固化为技能,下次直接调用;步骤固定的部分用工作流串起来,减少每次重新描述要求的成本。
三、比价阶段:口径统一是流程问题,不是 Excel 技巧问题
比价之所以费时,本质不是算得慢,而是几份报价根本不在同一个坐标系里。把这件事交给某个人临时处理,结果依赖这个人的经验和当天的状态;把它变成流程,结果才稳定。
1. 报价难比,难在五个"不统一"
- 币种不统一:外币报价要不要按当天汇率折算,按哪天的汇率。
- 税不统一:含税价与不含税价混着报,税率还不一样。
- 运费不统一:有的含运,有的到付,有的到厂价、有的出厂价。
- 交期口径不统一:是下单日起算还是付款日起算,是到厂还是发货。
- 服务范围不统一:质保一年还是两年,含不含备件,含不含上门。
这五项不拉平,任何"哪家便宜"的结论都站不住。
2. 把比较方法固化成技能,而不是每次重新交代
一次把规则写清楚——汇率口径、税价换算、运费归集、交期折算、服务项打分——沉淀成可复用的方法。下一次换一批供应商、换一个品类,调用同一个方法即可,团队里谁来做,结果口径都一致。这正是"技能"要解决的问题:把某个人的方法,变成一支队伍的能力。
3. 输出必须是两张表:差异表 + 待确认清单
差异表回答"各家差在哪",待确认清单回答"哪些信息还不足以判断"。第二张表常被忽略,但它才是讨论效率的关键——开会前所有人先看同一份待确认项,讨论就从"我觉得"变成"这条谁来确认"。
以 Soiawork 场景库中的供应商报价对比场景为例,其设计链路是:读取多份报价文件并提取价格、交期与服务范围 → 从知识库检索采购要求,补充比较口径与审核要点 → 调用报价对比技能,按统一口径整理差异 → 输出待确认清单,把缺失信息与需确认事项单独列出。对应的变化是:原来逐份打开、手工换算、容易漏项,现在多份报价按同一口径并列,差异与缺失项一目了然,讨论前就可以先核对清单。
4. 询价频繁、品类多的时候,让流程自己跑
如果每周都有新一轮询价、多个品类同时在比,可以把这套流程配置为自动任务:新报价进入指定位置即触发比对,结果按固定格式推送给采购负责人,超期未回复的待确认项自动提醒。人不需要记得去点,流程按时发生。
四、签约阶段:AI 把材料备齐、把风险标出来,签字仍然由人
签约阶段容易被误解成"AI 不参与",其实恰恰相反——签约前大量工作是核对要素齐不齐,这类工作规则明确、检查项固定,非常适合交给智能体;而条款能不能接受、这家供应商要不要签,仍然由采购负责人和法务决定。
1. 签约前先核"要素齐不齐"
和制造里的物料齐套检查是一个道理:算清要什么、手上有什么、还缺什么。合同签约前要核的是:
- 中标结果与最终报价是否一致,有没有在谈判后悄悄变更
- 价格、税率、付款方式、交期、质保、违约条款是否逐项填全
- 附件是否齐全:技术协议、样品确认单、资质文件、廉洁承诺
- 审批记录是否完整,谁批的、什么时间批的
缺哪一项、哪一项与中标结果不一致,列成清单交给经办人,比事后在合同里发现漏项成本低得多。
2. 与模板和历史合同对照,标出偏离项
合同中哪些条款偏离了标准模板、偏离到什么程度、历史上类似偏离是怎么处理的,这些都能从知识库里查依据。智能体做的是把偏离项挑出来并附上出处,而不是替人判断这个偏离能不能接受。可追溯,是这一环节最重要的价值。
3. 签约之后,履约节点交给自动任务
到货节点、验收节点、付款节点、质保到期,这些时间点过去靠人记、靠表催。配置为自动任务后,到期前按规则提醒对应负责人,并把提醒记录留痕。采购的价值应该花在供应商管理和谈判上,而不是记住 27 个付款日。
4. 一条必须说清的边界
合同的最终审核、条款取舍与签署,仍由采购负责人和法务等责任人决定。AI 在这一环的角色是"备齐材料、标出差异、提示风险",不替代专业判断,也不承担签署责任。
五、把四步沉淀下来:从一个人的方法,到一支队伍的能力
走完需求、试用、比价、签约这四步,很多企业会发现真正的收获不止是这一轮比价快了,而是方法被留下来了——口径写清楚了,经验进知识库了,比对流程固化成技能了,节点提醒变成自动任务了。下一次换人做、换品类做,起点不再是零。
对应到平台能力上,大致是这几件事:
- 组织业务上下文:采购制度、比价口径、历史合同放在知识库与文件空间,智能体用的是可追溯的信息。
- 连接业务现场:通过连接器接入邮箱、共享盘、ERP 与 SRM 的导出文件,AI 进入现有的工作环境,而不是要求业务搬到一个新系统。
- 沉淀解决方法:把验证过的比价方法做成技能,团队复用。
- 完成业务任务:从目标推进到差异表、待确认清单、提醒或待办。
- 持续运行:高频动作配置为自动任务,按时间或事件触发。
- 经营运行结果:任务、过程、产物、异常和人工介入都有记录,能核对、能复盘、能改进。
Soiawork 作为企业级 AI 智能体平台,做的事情是把这几层接到企业的业务目标、人员和系统上。实在智能自 2018 年起投入 AI 与自动化,累计服务 6,000+ 企业客户,这些积累主要体现在"怎么把方法沉淀成可复用的能力"上,而不是某一个单点的模型指标。
从一份报价开始试跑
采购引入 AI,不必从"全面智能化"开始。更稳的路径是:挑一个重复度最高、结果最容易核对的环节——多数企业就是供应商报价对比——用一轮真实报价跑通,把口径和缺失项清单核一遍,看结果能不能被采购人员直接拿去开会;异常和人工介入的记录看一遍,判断哪些是数据问题、哪些是规则没写清;确认这两件事之后,再决定要不要扩到询价、签约要素核对、履约提醒。这也是采购AI智能体的完整流程在落地时最该坚持的一条:先跑通一段,再连成一条,最后才铺开一面。
常见问题解答
1. 引入采购 AI 智能体,要不要先改造 ERP 或 SRM?
通常不需要。更现实的做法是不动主系统,通过连接器取用系统导出的报价单、采购订单、库存与在途数据,AI 在系统之外完成读取、比对、汇总和提醒,结果回写到表格或推送给责任人。改造系统周期长、牵扯广,适合放在验证清楚价值之后,而不是放在第一步。
2. 报价和供应商信息敏感,权限怎么控制?
三层来处理:一是数据范围按角色划分,谁能看哪些品类、哪些供应商的报价,在接入时就限定;二是操作留痕,谁取过数、生成了什么产物、谁做了确认,都有记录;三是敏感动作设人工确认点,比如对外发送、提交审批这类有外部影响的动作,系统会向用户确认后再执行。权限边界属于管理侧的事,必须在上线前定清楚,而不是事后补。
3. AI 比价算错了,责任在谁?
责任仍在企业设定的责任人身上,这也是为什么流程设计里必须保留"可追溯"和"待确认清单"两个机制:每个结论要能回到原始文件和具体字段,无法确认的信息不能猜,必须单独列出交人确认。AI 的定位是把材料备齐、把差异摆出来,判断和签署由人完成。把这条写进流程,比事后追责更有用。
4. 和我们现在用的 RPA、BI 是什么关系?
三者解决的不是同一层问题。RPA 擅长按固定规则执行确定的点击和搬运;BI 擅长把数据汇总成报表给人看;智能体在此基础上多了理解目标、组织上下文、选择路径和在不确定时向人确认的能力。实际落地中它们常常配合:智能体判断该做什么、调用已有技能完成比对,确定性的重复动作仍可由原有自动化承担,最终结果进入报表供人查看。
5. 第一个场景从哪开始最稳?
优先选同时满足三个条件的场景:重复频率高、输入材料形态相对固定、结果好坏一眼能判断。采购领域里,供应商报价对比、签约前要素核对、履约节点提醒都比较符合。反过来,涉及大量模糊判断、结果短期内无法验证的场景,先别作为第一个试点。



