采购智能：为什么89%的B2B买家依赖人工智能，却仍然寻求人类专业知识

Konrad Wolfenstein

2个月前

采购情报：为何 89% 的 B2B 买家依赖人工智能，却仍然寻求人类专家的帮助？—— 图片来源：Xpert.Digital

人工智能过度使用会降低合同成本：为什么采购环节追求完美反而会成为真正的风险。

人机对抗？这正是全球采购市场的理想模式。

全球B2B采购正经历着前所未有的变革。地缘政治紧张局势、脆弱的供应链以及严格的ESG（环境、社会和治理）要求交织在一起，迫使企业彻底反思其采购策略。人工智能（AI）被誉为这个动荡时代的救世主，承诺能够快速进行数据分析、大幅降低成本，并在几秒钟内实现全自动化流程。普遍的观点是，忽视这项技术飞跃的企业将被时代抛弃。然而，围绕算法全能性的狂热却暴露出一个危险的盲点。人工智能系统会抹杀细微差别，过滤掉关键的经验数据，并在采购这个复杂领域中最关键的地方——建立真正的信任和评估不可预见的危机——出现缺陷。本文将探讨为何机器的完美会迅速成为竞争劣势，为何真正的真实性才是未来的制胜法宝，以及如何将数据驱动的人工智能与人类判断进行战略性融合，从而为未来成功的全球采购奠定基础。.

为什么在全球B2B采购市场中，人类专业知识仍然不可替代——以及为什么过度完善的AI反而会成为竞争劣势

新的冲突领域：数据机器与市场情报

过去三年，全球B2B采购的变化比过去二十年还要剧烈。疫情引发的供应链中断、生成式人工智能的快速发展、日益严格的ESG监管以及采购部门的根本性代际更迭，共同推动了这一变革，几乎所有企业都受到了影响。数字化平台承诺在数小时内（而非数周）实现全自动供应商匹配，人工智能系统能够实时分析数百万个数据点，自主采购代理无需人工干预即可进行报价谈判。在这种环境下，那些仍然依赖纯粹模拟流程的企业无疑正在失去优势。.

但这种对算法全能性的盲点，可能会给全球采购企业带来高昂的代价。人工智能系统会抹平差异，消除个性差异，并生成一个看似无摩擦的平均共识。那些仅仅依赖机器生成的采购情报的企业，可能会失去在动荡市场中至关重要的东西：基于情境做出判断、建立关系以及解读任何数据集都无法捕捉到的信号的能力。.

2026年全球采购市场格局

如今塑造全球采购市场的结构性力量错综复杂，在某些情况下甚至相互矛盾。一方面，中国持续占据主导地位：尽管面临关税威胁和地缘政治紧张局势，全球三分之二的企业计划在2025年维持甚至扩大与中国的业务往来。中国扮演着关键角色，尤其是在稀土元素以及数字化和能源转型所需的原材料领域；对于炼油产品，德国和欧盟目前几乎无法依赖中国。这并非短期依赖，而是一种结构性基础，尽管欧洲采取了应对措施，但这种基础的改变只能缓慢进行。.

另一方面，大宗商品市场持续承压。地缘政治紧张局势、结构性转变和高成本继续影响着全球大宗商品市场。2025年第二季度，铜价经历了剧烈波动：4月份跌至每吨8540美元后，6月份飙升至每吨10100美元的年内高点——这一飙升直接反映了美国对铜进口加征高达50%关税所导致的贸易摩擦升级。铝市场也面临着类似的波动环境：2025年6月全球铝库存较上年同期下降约67%，而地缘政治局势的发展和美国加征的关税进一步加剧了市场波动。.

这种波动并非暂时现象。对于大宗商品采购而言，这意味着价格和汇率风险同步增加，决策必须在更大的时间压力下做出。在这种情况下，实时信息和数据分析工具对于做出明智且灵活的决策变得日益重要。然而，实时数据并非不言自明，需要进行解读。.

近岸外包、朋友外包以及信任的新格局

当被问及企业如何应对这种脆弱性时，一个明确的答案正在浮现：通过对其供应链进行地域重组。鉴于地缘政治危机，德国80%的消费品和零售企业再次将重心转向区域采购，83%的企业正在投资所谓的“友好外包”（friendshoring）——即集中与政治盟友国家的供应商合作。实际上，“近岸外包”（nearshoring）通常意味着将生产能力转移到东欧、土耳其或北非，这可以显著缩短交货时间并提高响应速度，但也对边境流程、清关和基础设施提出了新的要求。.

这种“友邦化”远非简单的物流调整，而是一项关乎地缘政治风险的决策，会对核心业务运营产生深远影响。沿着信任的政治轴线重组供应链，需要以区域知识、人脉网络和文化能力为基础，而这些是任何算法都无法自动提供的。供应商多元化，以减少对单一地区和国家的依赖，是对全球供应链不稳定的战略应对——而这又以了解谁值得信赖为前提。信任并非建立在数据点之上，而是建立在经验之上。.

欧洲政策制定者正以《关键原材料法案》应对这一挑战：到2030年，欧盟设定了战略原材料国内开采、加工和回收利用的最低配额，分别为10%、40%和25%，从而为原材料自给自足设定了明确的基准。自2025年5月24日起，员工人数超过500人、年收入超过1.5亿欧元的大型企业必须每三年对其原材料供应链进行一次风险评估。这构成了结构性的合规要求，需要进行深入的分析和市场洞察，而不仅仅是数据汇总。.

人工智能在采购过程中究竟能取得哪些成就

人工智能在采购领域的强大力量不容忽视，令人瞩目。新一代人工智能系统利用大型语言模型来理解采购需求的上下文，运用图数据库来绘制供应商关系图，并通过用户反馈进行强化学习，不断提升匹配质量。过去需要数周才能完成的流程——从需求定义、供应商识别到最终筛选——现在只需数小时即可完成。74%的采购经理计划到2026年增加自动化投资，而自动化可以将采购周期缩短高达50%。.

在成本优化领域，人工智能能够带来切实可见的成果。波士顿咨询公司 (BCG) 的一项分析显示，持续运用人工智能可使直接采购成本降低高达 5%，间接采购成本降低高达 15%。人工智能通过识别低效支出、支持动态定价以及加强与供应商的谈判来降低采购成本。通过实时监控和预测分析，人工智能能够及早发现潜在的供应商风险，从而实现主动式中断管理。如果基础数据的质量足够高，B2B 企业通过人工智能支持的应用，成交率最多可提高 50%。最后一点至关重要。.

人工智能能够自动完成耗时的任务，例如调研、分析、合同审核和发票核对。它通过对大型采购数据集进行模式识别来提高决策质量，支持更准确的预测，并有助于及早进行风险评估。由于人工智能持续监控供应商的绩效、可靠性和风险，采购团队可以更好地评估供应商关系。其附加价值显而易见，不容低估。.

基于机器的采购智能的系统性局限性

尽管人工智能在B2B采购领域展现出卓越的性能，但其在实践中仍面临一些常被低估的结构性局限性。首要且最根本的局限性在于，人工智能在缺乏历史先例的情况下难以做出判断。人工智能可以分析、构建、总结和组织信息，但真正的判断力只能通过有意识的思考和人类的判断才能形成。在谈判中，声誉、关系历史和文化背景等因素都发挥着重要作用，因此算法只能反映过去交易的平均行为模式。.

第二个局限性在于算法均衡化现象。生成式人工智能系统力求保持中立，抹平差异，最终只留下一个表面上的平均值。在利用人工智能进行供应商推荐的采购平台中，这会导致一些具有显著差异化特征的供应商被系统性地过滤掉。对于算法而言，任何没有结构化数据点的事物都仿佛不存在。因此，依赖人工智能生成的推荐列表的公司经常会错过那些虽然数字化形象不够完美，但却拥有稀缺的市场信息或特权供应商网络的供应商。.

第三个边界涉及信任和关系建立。70%的B2B买家更倾向于选择沟通清晰、公开的供应商，尤其是在不确定时期。这种信任并非仅仅建立在技术之上，而是建立在透明的流程和负责任的数据处理之上。在B2B采购决策中，由于往往涉及大量投资和长期承诺，72%的决策者在最终确定供应商之前，至少会咨询三个不同的参考来源。这种筛选过程本质上是人为的：与同事交流、咨询专家以及评估个人经验。.

最后，还有第四个较少被提及的限制：数据质量依赖性。如果输入数据的质量差，即使是最先进的人工智能也会产生有缺陷的建议。大约18%的B2B供应商仍然认为人工智能在其组织内部没有具体的应用。虽然通过人工智能普及先进的采购智能创造了新的机遇——尤其对中小企业而言——但也带来了数据质量、成本、技能差距和伦理考量等方面的挑战，这些挑战必须得到认真对待。.

🎯🎯🎯 全球采购与商品贸易，整合物流

原材料、全球采购与贸易 - 图片来源：Xpert.Digital

最先进的货机、优化的运输路线和多式联运物流链可以互换——它们可以购买、租赁或外包。但金钱买不到的是与秘鲁矿区生产商的直接联系、独联体国家可靠的供应关系，以及在外界不熟悉的市场中多年积累的信任。全球大宗商品贸易的决定性竞争优势不在于将货物从A地运到B地，而在于了解货物的来源、生产商以及如何在其他人甚至不知道市场存在之前就获得准入。谁掌握了网络，谁就制定价格，其他人则为此买单。.

更多信息请点击这里：

综合采购贸易公司：原材料、全球采购与贸易

重新定义采购情报：人类与人工智能如何创造真正的竞争优势

真实性作为一种竞争因素：精雕细琢的人工智能语言摧毁了什么

人工智能无疑提高了运营采购效率，但在市场定位和信任建立方面却出现了一个新问题：同质化内容泛滥。企业使用人工智能生成的文本、供应商评价和沟通模块越多，信息环境就越趋于同质化，而那些拥有独立判断、真实经验和鲜明个性的人则显得越发珍贵。.

根据Nosto最近的一项研究，86%的消费者表示，真实性是他们选择支持哪些品牌的关键因素。在B2B领域，这种趋势更为显著。B2B采购决策复杂、长期且成本高昂。信任决定着订单的授予、风险承受能力的评估以及推荐意见的采纳。真实性、可靠性和专业知识是维系可持续客户关系的必要条件。在这个即使是市场领导者也可能因为产品数据隐藏在PDF文件中，或者网站和新闻稿之间存在矛盾信息而因人工智能系统而销声匿迹的世界里，始终如一的内容就成为一种战略优势。.

缺乏相应成就和真正专业知识支撑的宣传很快就会被揭穿。反之亦然：那些在特定行业领域拥有稀缺专业知识，并以真诚的方式表达出来，而不是用人工智能修饰的语言掩盖的人，能够获得算法无法复制的差异化优势。诚实和透明是建立信任的关键，客户能够迅速分辨出对方是真心致力于合作，还是仅仅在运用优化的语言。.

采购情报的战略配置：人力与机器

真正的问题不在于人工智能和人类专业知识在国际采购中孰优孰劣，而在于如何将二者完美结合，实现最佳互补。71% 的公司计划未来与 IT 采购顾问开展更紧密的合作，部分原因是为了更好地向云服务提供商维护自身利益。这反映出一个基本共识：数字化转型若缺乏人类的领导和监督，就无法发挥最佳效用。.

最高效的方法如下：人工智能负责数据密集型、重复性高且对速度要求极高的任务，例如市场价格监控、供应商数据库维护、风险预警和合规性检查。而人类专家则负责处理与上下文相关的解读、关系构建、战略分类和最终判断。责任仍然由人承担，因为每个决策都会产生后果，而后果总是会影响到人。这种分工并非迈向完全自动化的过渡阶段，而是复杂市场的一种永久性模式。.

尽管B2B买家将生成式人工智能工具作为研究的起点，但他们越来越倾向于向同行、专家以及供应商本人寻求验证，以确认这些工具的分析结果。这种转变至关重要：人工智能可以处理初步的信息收集工作，但在充满挑战的采购环境中做出决策——例如在商品短缺时进行谈判、在政治敏感地区更换供应商、评估长期可靠性——则需要人工智能无法从根本上提供的信息：源自特定行业和市场实践经验的嵌入式知识。.

行业专长是一种不可复制的优势

在当前关于人工智能颠覆性的讨论中，人们常常忽略了特定领域内小众工业市场所需的专业知识无法被训练数据所取代。机械工程、能源基础设施、内部物流——这些领域的市场发展、监管信号和技术轨迹都需要多年的分析才能得出可靠的评估。而锂、钴或稀土等关键矿产的原材料市场则遵循地缘政治逻辑，其过时速度远超任何历史数据集。.

在这些行业，B2B采购建立在信任之上。客户方涉及多位决策者的漫长决策过程需要深入的分析。不同沟通渠道之间的不一致会迅速损害定位的可信度。语言、判断和态度上的一致性无法通过算法生成；它源于真诚的信念和扎实的专业知识。例如，在能源行业，最终的决策者并非拥有最佳搜索引擎优化（SEO）数据的供应商，而是那些拥有值得信赖的专业知识，并且即使在不可预见的情况下也能采取恰当行动的供应商。.

此外，团队因素也至关重要。一支由来自不同B2B领域（例如机械工程、能源、数字技术和物流）的专家组成的协调团队，能够建立起单个专家或纯粹的数据驱动系统难以察觉的联系。跨职能专业知识是获取真正意义上情报的原材料：它不仅仅是数据处理，更是跨越行业、技术和市场边界的网络化思考。.

算法预选时代的可见性

另一个日益给B2B市场企业带来压力的因素是：89%的B2B买家已经在采购流程中使用人工智能。对他们而言，搜索结果中缺失的信息就如同不存在一样。TrustRadius最近的一项研究表明，72%的决策者在调研过程中会遇到人工智能生成的概览，其中90%的人会查阅引用的信息来源以验证信息的真实性。这意味着：第一阶段的筛选由算法完成，第二阶段则由人工完成——而真正有价值的内容正是在第二阶段起决定性作用的。.

生成式人工智能系统旨在保持中立，通过消除差异来获得客观平均值。对于在细分市场拥有真正深度的采购专家和平台而言，这并非威胁，而是机遇。那些在特定主题（例如商品市场、交易平台比较、机械工程供应商、ESG合规性）方面拥有结构化、实质性和精准内容的平台，将优先被人工智能系统引用，其表现将优于那些内容肤浅的通用平台。在人工智能时代，可见度不再取决于预算，而是取决于深度。.

环境、社会及治理（ESG）、合规性和道德采购的新维度

监管政策的发展从根本上改变了全球采购的要求。欧盟的《关键原材料法案》、美国的《供应链安全指令》（CSDDD）以及《维吾尔族强迫劳动预防法案》等法规，要求企业积极监控并确保其供应链的透明度，其力度远超传统的供应商审核。数字化供应链的透明度是非数字化供应链的两倍，准时性也提高了30%，但预算限制和不断变化的优先事项正在阻碍许多企业的进步。.

隐藏的危险并非潜伏在已知之中，而是潜藏在未知之中：欧盟与中国之间持续不断的制裁、供应链的突发中断、政治紧张局势下可能出现的原材料短缺，以及关键基础设施日益增长的网络风险。首席采购官肩负着预测这些隐性风险、构建情景模型并制定积极主动的采购策略的重任，而仅仅依靠仪表盘是远远不够的。沉默并非安全的象征，而是警示信号。在此，人类的判断同样不可替代——并非因为人工智能无法生成情景，而是因为权衡行动的后果是一项不可推卸的责任。.

83%的德国企业将供应链可持续性视为竞争优势，但只有57%的企业启动了相应的举措来真正实现这一目标。这种理想与现实之间的差距，正是转型阶段的典型特征，在这个阶段，运营需求仍然凌驾于战略承诺之上。.

综合分析：情报来源是数据与判断的结合。

实践告诉我们，这既令人警醒又令人鼓舞：无论是纯粹的数据驱动型机器，还是孤立的专家，都无法满足当前复杂全球采购市场对质量的要求。唯有融合才是可行之道。人工智能提供速度、数据深度和可扩展性，而人类的专业知识则提供背景信息、信任以及正确解读意外情况的能力。.

因此，采购情报的真正意义并非在于技术，而在于能力——一种将结构化数据分析与深刻的市场洞察、真实的人脉网络和清晰的价值观相结合的组织能力。这种能力无法随意复制，它需要时间积累，通过在特定市场的经验、从错误中吸取教训并加以纠正、通过建立稳固的关系以及深入的行业知识而逐步形成。在人工智能系统能够在几分钟内自动完成通用采购服务的时代，持久的竞争优势不在于自动化本身，而在于那些无法自动化的因素：真正的能力、个性以及团队内部不同领域专业知识之间建立的良好互动。.

了解这一点的公司会正确使用人工智能：在经验丰富的人手中，它是一种强大的工具。不多不少，恰到好处。.

您的原材料供应商 ⛏️ 全球采购 🚢🌐 和贸易 📦