在AI的世界中，基本上可區分為「數據應用」或是「硬體應用」二種，硬體應用最簡單，例如目前物流業普遍使用的料架搬運機器人，以及無人機配送、無人機協助盤點等，都可大幅節省人類作業員時間。然而在數據應用上，許多企業都忽略了數據潛在的價值，因此尚未達到與AI共舞的美麗世界。本集開始，我們將陸續介紹關於採購、溫室氣體減量、庫存與配送管理這三種利用AI做到進一步優化的作法。

        我們可以說，採購活動才是真正觸發供應鏈運作的源頭，採購決策的優劣很大程度影響了後續的企業運作。

        從人類的角度，我們能處理的資訊量有限，而且容易陷入「經驗」的迷思，甚至更不好的，採購人員可能與潛在供應商勾結，或是使用了對公司不利的條件去採購。從採購部門的角度，只要滿足交期、數量、價格、付款條件的需求，就可以下單。但時代在變，這真的是最好做法嗎？

        採購數量多或許可降低單價，但是採購進來的商品需要庫存、盤點，如果買進來的商品無法在期限內賣出，甚至還會有報廢的成本，光是一種商品的採購就有許多的排列組合，例如可以一個月買100個，或是一次買足一年需求1200個進來庫存，每種採購決策都有不同成本，更何況企業需要採購的商品多達上萬種，有些需要分散風險因此向不同供應商買，有些為了成本考量因此向單一供應商大量購買。類似這種採購最佳化決策已非傳統線性回歸模型可解決，使用AI來解決是較佳方案。

        要注意的是，實施AI採購必須全面集中採購，也就是說，原本同公司內分散於各部門各自的採購業務，必須要集中處理，往後各部門或事業單位只填請購單，並由AI模型統一計算，累積相關的採購大數據才能做到具體節省效果。

        採購活動大致上可分為供應商開發、採購前置處理、配送、到貨後處理等階段，每一個階段都有AI發揮的空間，特別是涉及大量文字、數字處理的部份。要做到智慧採購，應該把企業內每個採購環節完整列出，逐一檢討AI輔助的可行性。

階段零：新供應商的開發

        供應商的開發傳統上都是人工判斷，透過人類經驗與接洽、評選，初步找出可能的供應商，這過程上百年來都是如此；但在AI時代，這件事有機會做得更快更好，類似ChatGPT這種大型語言模型，擅長的就是分析大量文件後進行重點摘要。

        聯合利華就利用這樣的技術，先利用網路爬蟲探索全世界特定產品的供應商，下載供應商網站相關的內容、例如年報、財務報告、社會責任報告等電子檔，然後透過AI模型分析關於這家公司所有的網站內容，甚至網路上別人對於這家公司的評價，AI消化資料的速度，以及跨語言分析能力是人類比不上的，只需幾分鐘就可完成一家潛在供應商的重點分析，符合條件的後續再交給真正的採購人員進行評估。

        這樣的技術稱為「數位偵查」，也就是比原本我們熟悉的Google Search更進一步，由AI找出所有相關資料，摘要分析後再提供結果。包括德國的西門子，目前也使用這樣的技術。

階段一：前置處理

        採購前置處理是最複雜的，因為要從眾多可能的供應商中，找到可以配合的供應商、議價，一直到正式簽約、下單，如果本階段決策正確，可使公司用最合理價格，買到適當品質的商品，同時使得企業整體溫室氣體排放最低，且庫存最低。

        全球零售龍頭Wal-Mart在2021年開始試行使用聊天機器人與供應商溝通。Wal-Mar t全球供應商超過10萬家，如果一位採購人員要負責溝通50家，也得聘請2,000位採購人員。Wal-Mar t 發現，在沒改善以前，至少有20%供應商都是直接簽訂「千篇一律」的合約，這些合約沒有再經過仔細議價或是付款條件的談判。

【如欲閱讀全文，敬請訂閱】