Public Insight｜公开洞察 本篇为 Alice PLSC Insights 公开文章。未经授权请勿全文复制或用于商业用途；引用或摘录请注明来源。
ALICE PLSC INSIGHTS · 2026.10.07 · P / PROCUREMENT
AI进入采购之后，什么才是企业真正应该留下来的能力？
2026年9月23日，McKinsey发表了一篇很值得采购从业者阅读的文章：Rewiring procurement in resources: Making judgment an enduring asset。
真正让我停下来的，不是“AI进入采购”这件事本身，而是标题里的这句话：
Making judgment an enduring asset.
让判断成为一种可以长期留下来的资产。
01｜采购真正稀缺的，可能不是数据
在资源型行业，采购团队经常经历一种 Feast–Famine Cycle：市场上行时迅速扩张，市场下行时人员缩减。
问题是，当有经验的 Category Manager 离开以后，真正消失的往往不只是一个人，而是这个人多年积累下来的供应市场理解、谈判经验、历史决策背景，以及那些很难写进流程文件里的判断。
下一轮周期重新开始，企业又要重新学习。
McKinsey提出的一个重要方向，就是利用AI把这些分散在个人身上的 Category Expertise 更系统地捕捉、组织和复用。
这意味着AI在采购中的价值，可能不仅仅是自动化几个任务。
它还可能开始参与企业知识与经验的保存。
02｜从 Data 到 Intelligence Spine
McKinsey把支撑这些采购工作流的数据与知识基础称为 Intelligence Spine。
它连接的不只是合同和发票，还包括 Vendor Master、Rate Cards、Asset Criticality、Work Orders，以及历史采购策略和专家经验。
这里有一个很值得采购团队注意的变化：
AI真正有价值的地方，不一定是“知道更多”，而是让原来分散的知识开始能够被连接、调用和重复使用。
McKinsey给出的一个案例中，一家化工企业把历史采购策略、专家经验和分析能力放进同一个平台，在下一轮招标之前实现了大约 14%的海运费率改善，同时也加快了新 Category Manager 的上手速度。
这已经不只是效率问题。
它开始触及一个更深的问题：
一个组织能不能把个人经验逐渐转化成组织经验？
03｜但是，知识留下来，不等于判断留下来
这是我读这篇文章时最想继续往前走的一步。
AI可以帮助企业保存历史策略，可以整理合同，可以持续监测市场，可以找到价格变化，也可以根据已有知识提出多个采购方案。
但真正进入决策的时候，采购仍然需要回答：
- 现在应该重新谈判，还是继续执行合同？
- 什么时候应该寻找第二个供应商（Second Source）？
- 价格更低的供应商，是否真的值得切换？
- 供应连续性和短期成本发生冲突时，应该怎样取舍？
- AI给出的几个方案都“有道理”时，到底应该选择哪一个？
这些问题已经不只是 Knowledge。
它们开始进入 Judgment。
04｜AI越强，采购判断可能反而越重要
过去，采购人员面对的问题常常是信息不够。
未来的问题可能恰恰相反：AI会快速生成更多信息、更多分析、更多选项。
于是采购工作的核心链条可能逐渐变成：
Procurement Knowledge + AI-generated Options
↓
Procurement Judgment
↓
Decision
当选择越来越多的时候，真正稀缺的能力不一定是“找到答案”，而是判断：
哪一个答案最适合这个企业、这个时间、这个供应市场和这个具体情境。
05｜能力之外，还有 Decision Rights
McKinsey在文章里还提出了一个非常重要的设计问题：Decision Rights。
不同采购决策，并不应该给AI相同的权限。
- High-stakes decisions：Human-led, Agent-enabled
- Broad middle：Agent-led, Human-in-loop
- Routine decisions：Fully Agentic + Human Audit
这意味着企业面对的已经不只是一个技术问题：
AI能不能做，是 Capability；AI被允许做到什么程度，则是 Governance。
这两件事情不能混在一起。
06｜Workflow is the unit of value
McKinsey还有一句很实用的话：
Workflow is the unit of value.
也就是说，企业不应该因为“要做AI”而做AI，而应该从真正能够创造价值的采购工作流开始。
文章重点讨论了三个方向：Category Management、Continuous Sourcing 和 Leakage Control。
例如在 Leakage Control 中，AI可以把 Contract → PO → Invoice → Actual Delivery 连起来，持续寻找合同执行与实际支出之间的偏差。
McKinsey提到，一家能源企业在超过40亿美元的供应商支出中识别出超过1.2%的支出泄漏机会，潜在年度价值约5500万美元；另一家公用事业企业分析超过100万张发票和600多份合同，准确率超过99%，形成超过1000万美元的年度运行价值。
这也是一个很好的提醒：
AI项目最终仍然要回到真实的业务价值，而不是停留在技术展示。
07｜Making Judgment an Enduring Asset
我很喜欢McKinsey这次使用的这个表达。
因为它把采购能力讨论从“一个采购人员会什么”，往前推了一步：
一个组织究竟能够留下什么？
数据可以留下。
流程可以留下。
合同可以留下。
知识正在越来越容易留下。
下一步真正值得研究的是：
判断能不能也成为一种组织资产？
如果可以，那么AI对采购真正深远的影响，也许并不是减少了多少采购人员，而是第一次让企业有机会把原本高度依赖个人的经验与判断，逐渐变成一种可以积累、传递、挑战和持续改善的组织能力。
Further Reading｜进一步阅读
《采购认知金字塔——采购判断治理模型》
Procurement Cognition Pyramid — Procurement Judgment Governance Model
何芳 / Fang He
如果McKinsey这篇文章讨论的是如何借助AI保存和放大 Category Expertise，那么《采购认知金字塔——采购判断治理模型》进一步追问的是另一个问题：
- 采购判断究竟是怎么形成的？
- 什么因素允许、约束或抑制判断的形成与表达？
- 个人判断与组织决策之间，究竟是什么关系？
两者并不是同一个研究问题。一个更接近AI时代的采购知识与类别经验如何成为组织资产；另一个关注采购判断本身，以及判断如何在组织中形成、运行和被治理。
SEARCH TAGS｜Procurement Judgment · AI in Procurement · Category Management · Decision Rights · Intelligence Spine · Procurement Governance
Sources｜资料来源
• McKinsey & Company, Rewiring procurement in resources: Making judgment an enduring asset, September 23, 2026.
说明：文中关于采购判断、AI与采购治理关系的讨论，属于 Alice PLSC Insights 基于公开信息与采购实践提出的分析，不是上述来源的原文结论。
欢迎在文章下方留下不同意见、补充与期待。具有信息价值的评论，经审核后可精选进入 Member Voice。