这份研报探讨了企业采购中代理式人工智能的实施挑战。报告指出,尽管高管对代理式AI充满愿景,但实际应用多限于嫁接于遗留系统,而非实现端到端自主执行。核心问题包括数据工程薄弱、财务投入不足、决策缺乏透明度和供应商数字化程度低。报告建议企业应将数据工程视为变革性投资,优先构建企业级数据架构,并从低价值编排入手逐步扩展AI自主权,同时将供应商纳入AI战略,共同投资数据连接。
代理式AI在采购行业的应用呈现不均衡的自主权推进趋势。目前AI主要自动化结构化、基于规则的流程,如采购订单处理,但在战略决策中仍需人工主导。未来趋势需解决数据工程挑战,推动数据现代化,并逐步扩展AI在更复杂领域的应用。企业需认识到AI转型是长期旅程,需培养领域智能并理解业务目标,同时将供应商数字化程度提升至可互动水平,以实现更广泛的数据共享和流程优化。
研报重点分析了代理式AI在采购中的实施挑战和解决方案。核心分析方向包括:企业高管对AI的愿景与现实差距、数据工程和软件现代化的财务困境、AI决策的可审计性和可解释性需求、AI自主权发展不均衡问题,以及如何将供应商纳入AI战略。报告还探讨了企业投资不足、高管层共识不足等问题,并提出了六大优先事项,如从可靠工作入手逐步扩展、将数据现代化视为资本投资等。
当前采购行业应用代理式AI的市场现状是潜力巨大但挑战重重。多数企业仍将AI运行在遗留软件上,数据工程薄弱,导致AI应用受限。98%的公司在“采购到付款”流程中至少运行三个独立系统,数据现代化进展缓慢。AI在结构化流程中表现良好,但在战略决策中仍需人工主导。此外,供应商数字化程度低,数据共享有限,进一步阻碍了AI的自主性发展。市场普遍存在投资不足、高管层共识不足等问题。
研报提示了代理式AI在采购行业实施的主要风险。首先,企业高管对AI的愿景与现实存在差距,导致AI应用受限。其次,数据工程和软件现代化投入不足,多数企业不愿增加支出,阻碍了AI与流程结合。第三,供应商数字化程度低,数据共享有限,难以实现实时数据共享。第四,AI决策的可审计性和可解释性要求高,企业需设计可管理性并嵌入行为解释。最后,高管层共识不足,仅5%企业高管层在自主供应链战略上完全达成一致,42%将投资回报不确定性列为最大障碍。