采购中失败的代理人工智能计划背后的三大陷阱

未来可能充满自主AI，但企业在从中获益前仍需克服诸多传统挑战。仅8%的采购领导者认为其部门的数字能力高度成熟。这些问题主要围绕变革、转型和数字化展开，涉及数据质量、系统兼容性和人员接受度。

数据缺陷问题
采购数据常分散在ERP和应付账款系统中，且多为非结构化格式。这导致即使“起始项目”如支出分析也出现偏差，企业错失简单节省机会。GEP区域副总裁Brian Bergerson指出，低质量数据会导致项目失败（80%的项目失败中，低数据质量是影响因素），因为大型语言模型会吸收这些数据并尝试计算，若数据不正确，只是自动化了错误。

技术栈兼容性问题
尽管86%以上企业已部署数字化应付账款解决方案，但这些系统未必“适合AI”。缺乏良好连接和集成会导致工作绕道，侵蚀CFO承诺的投资回报率。GEP区域副总裁Rich Rivera强调，创新可能受限于系统中最薄弱的环节，需解决遗留系统障碍。

内部技能问题
采购领导者报告显示，技术技能或经验缺乏是AI采用的最大障碍。若团队无法解读数据，AI实施ROI将低于预期。GEP建议立即进行针对性技能提升，强调AI是提升而非取代人类专家。

解决三大障碍的步骤

1. 碎片化数据

   • 策略：标准化格式、整合来源、实施治理
   • 快速见效：用AI数据清洗工具修复重复记录、从支出数据等高影响领域入手

2. 遗留系统

   • 策略：评估兼容性、采用云解决方案、分阶段升级
   • 快速见效：用中间件连接遗留系统与AI工具、使用模块化AI工具

3. 内部技能

   • 策略：招聘专家、培养学习文化、沟通AI价值
   • 快速见效：用AI助手提升易用性、从用户友好工具开始