AI在供应链中的应用呈现碎片化但正在发展的趋势，结构化任务引领发展。三分之一的公司现在可以被视为AI爱好者，它们在至少五个供应链职能中部署了该技术，并且有效性评分高于75%。规划和预测是其中最好的应用之一，但在这两个领域的采用率相对较低，这可能是由于集成挑战。AI在规则明确且数据标准化的情况下表现最佳，但只有四分之一的公司说它们已经将AI与现有平台对齐。采购任务，由于其结构化的工作流程，仍然是应用最广泛的，这表明AI的覆盖范围更多地取决于其潜力，而不是组织的准备情况。
AI代理注定要改变采购和供应链运营——但公司仍在探索AI代理在哪里能创造最大价值。只有十分之一的公司已经完全集成了AI代理，但兴趣正在增长。大约40%的公司已经在跨职能领域使用了一些AI代理，另外三分之一正在试验像库存或路线优化这样的孤立用例。采用率最高的是具有明确逻辑的任务，例如供应商入职和绩效监控。然而，近一半的公司认为AI代理有可能协商合同或自主管理采购——这表明虽然很少有人已经迈出了这一步，但许多人正在准备这样做。
公司难以衡量AI的投资回报率，冒着在具有高影响力的领域投资不足的风险。六分之五的公司说，他们很难量化AI的操作收益——例如减少停机时间或加快决策速度——同样多的公司说，难以衡量无形收益，例如风险规避。这种不确定性正在阻碍投资：超过一半的公司引用不明确的回报或高昂的实施成本作为采用AI的障碍。然而，一些最有效的AI应用，从情景建模到早期供应商风险检测，正是通过防止从未出现在资产负债表上的问题来提供价值。如果没有更好的指标，公司可能会在那些提供最大长期弹性的应用中投资不足。
AI正在重塑采购角色，但公司对技能再培训表示放心。一半的公司已经调查了员工对AI的看法，45%的公司已经启动了技能再培训计划——但很少有人这样做规模。大多数公司更喜欢混合模式：四分之四十的公司倾向于将自动化与人工监督相结合，另外三十分之十的公司希望使用AI来加强合作伙伴之间的协作。只有五分之一的公司支持转向完全由AI驱动的采购工作流程。如果没有对培训和职业重新设计的更大投资，公司可能会在AI的能力与其员工的准备能力之间造成差距。
部门化和决策制定是限制AI战略收益的因素。大约三分之一的公司仅在孤立的职能中使用AI，而类似的份额则提到了外部数据共享的担忧。内部，僵化的部门结构可能会阻碍AI提供端到端可见性。外部，不愿共享敏感的商业数据可能会限制协作。这样的隔阂——在公司内部和供应链之间——正在阻止AI作为协调工具的全部潜力。如果没有更好的对齐，AI将优化局部流程，但无法提高系统整体绩效。
AI正在提高效率，但信任和透明度将决定其在供应商关系中的成功。几乎一半的公司认为AI将减少错误并提高采购中的复杂性管理。但同样比例的公司担心算法偏见、供应商不信任以及对自动化的过度依赖。自主供应商选择和合同谈判引发了公平性的担忧，尤其是在采购长期以来依赖非正式判断的情况下。一些公司正在通过审计跟踪和人工参与审查来解决这些问题。随着AI越来越多地调解供应链关系，信任可能不是来自个人关系——而是来自机器决策的清晰度。
