9月13日消息，在2024电子商务大会上，京东工业相关负责人发表了题为《数字时代，AI驱动采购模式新变革》的演讲。他指出，在数据时代，企业系统正在通过数据要素形成相应模型，驱使业务自动发展，做出更高效的决策。
温馨提示：本文为速记初审稿，在不影响原意的基础上，由亿邦动力编辑整理。
以下为演讲实录：
尊敬的各位领导，各位来宾，大家下午好。京东工业是京东集团旗下专注于工业供应链技术与服务的业务单元。京东工业经过这些年的发展，目前已覆盖大约7000多家的大型重点客户，以及超过260万个中小企业。京东工业之所以能发展迅速，源于我们的数字供应链能力。
今天非常感谢主办方的邀请，我来到这里和各位来宾一起探讨，京东工业通过AI如何驱动采购模式的新变革。我也会结合我们京东工业这些年来在数字供应链方面的探索和研究，分享一些思考和成果。
01 采购新趋势：从成本中心向利润中心转移
首先，让我们来看采购供应链的发展趋势。目前随着全球竞争的加剧，每个企业都转换了采购使命，采购正在从成本中心向利润中心转移。加上数字技术的快速发展，这两大驱动力共同推动了采购供应链的数字化转型。
供应链从浅水区往深水区的发展具体表现出四个特点，首先是数字化供应链，然后是智能化供应链，绿色化供应链以及网络化供应链。
其中，从浅水区来讲，以功能和流程为主；到深水区，以数据和智能为主。我们从采购数字化的技术跃迁角度来看，我们把采购分为三个阶段：信息化采购、数据化采购和智能化采购。
每个阶段都有发展曲线。每个曲线里面都包含了通过技术投入带来采购价值提升的快速增长点，当然也有瓶颈。比如我们看信息化采购的时代，采购在线化带来了比较快速的提升。但当我们实现一站全流程之后，靠功能和信息给我们带来的增长价值，边际效率已经很低了。
到数据化的时代，数据要素发挥关键作用。数据要素和信息化有非常大的区别。信息化主要给我们对应的采购人员、管理人员，采购供应链里面的人来使用的。但是数据要素除了给人使用之外，更多是给模型来使用。也就是说让我们的系统具备通过数据要素形成相应的模型，从而驱动我们的业务发展，做出更高效的决策。当然数据也有边界点和瓶颈。
02 AI如何解决采购十大痛点？
智能化时代通过AI技术的加持，开始了从场景到模式的变革，这是快速增长的阶段。可能在后续还有更为先进的阶段，我们今天不做延展，我们来看当前大型企业采购的痛点，实际上体现在三个方面，大概有十个点。
这十个点分别是从合规角度来看，有供应商合规、商品合规等；从流程来看，有运营流程的短板；从效率来看，有运营的短板、流程的短板；从降本来看，有显性成本、隐性成本。
经过我们的实践，除人才短板之外，其他的场景都可以通过AI发挥关键作用，解决这些痛点。那么AI发挥的作用，就是AI+采购所形成新质生产力三种形态。
第一种形态我把它叫做“趁手的工具”，第二种形态叫“产能的引擎”。第三种形态更高级一些，叫“发展的飞轮”。工具实际上很多企业已经应用了，无论是简单的小工具还是比较强大的工具，都是工具型的。
第二个产能的引擎，可能会打通一条线，或立起数字化的面。其中，数据起到非常关键的作用。数据和AI的结合也会为我们的管理线路或者某个场景带来比较大的提升。
第三个是造飞轮的阶段。实际上，人工智能场景、业务和数据会形成有机的结合，为数字化带来指数型的提升。
下面举几个具体的例子，我们先看工具型。这是我们京东工业基于AI大模型的采购助手。
这个采购助手比简单的小工具先进很多，但它仍属于工具型的典型形态。我们通过AI大模型的自然语言能力，以及对采购知识的理解能力、合成能力、生成能力和检索能力，辅助人工，提升效率。这是类似于助理员工，或者虚拟员工的角色。
然后就是引擎型的。引擎型比工具型要更为复杂一些，它往往不是单点的应用，而是一条线的应用。
这个引擎叫智能化供应商治理引擎。我们通过把供应商的数据收集起来，然后建立对应的这个模型。为什么要建立这个模型呢？我们要把供应商各方面的情况，各方面的能力，包括评价、风险、实力都要建立客观的数据化的评估维度，通过这些指标，我们再去构建模型矩阵。
这不是一个模型，而是一系列的模型，既有数据模型，也有人工智能模型，既有小模型，也有大模型。这些模型形成矩阵，在供应商全生命周期管理的各个环节发挥作用。然后应用过程中所产生的数据，我们再通过回流反哺引擎的链路。所以说它是有持续产能作用的引擎，能够帮助我们企业建立非常智能化的供应商管理体系，帮我们优化供应商结构。
说到这个引擎，实际上这个引擎的核心是什么呢？我把它稍微量化一下，就是我们看供应商数字化项目，在我们的案例里面有六大类供应商的画像，有超过30个维度，360多个数据指标。基于这些指标，我们构建供应商全链路的场景模型。这里面不光有人工智能的模型，也有数据类的模型。
这些模型综合起来，再融合我们大模型的能力，形成了这个供应商AI引擎的核心组成部分。我们为了让采购更简单更高效，背后需要我们去建设更强大的数据能力和AI能力，从而形成我们的引擎。
另外就是AI的背后，数据是很关键的。现在很多企业在进行数字化转型，遇到非常大的难题，往往就是数据的问题，数据质量的问题，或者说数据要素如何转化、如何应用的问题。这些实际上是我们AI在采购里面应用的大前提和关键点。
然后再分享飞轮型，我们京东工业的太璞供应链，实际上它是飞轮型的体现。这个结构像两个轮子一样。实际上它左边是链，是我们的京东工业的数字商品供应链，我们叫供应商的数字化。然后另外一侧，实际上是客户角度、需求端的数字化，是通过我们从顶层设计到全链路的能力，帮助我们的客户去搭建数字化的转型链路。
这两个飞轮结合起来，能够快速地带来供应链的数字化提升和价值增长。我们把太璞供应链拆解开，实际上是四个数字化。这四个数字化共同构筑了我们采购供应链中的数据高速公路。我们通过让数据多流动，让商品少跑动的原则，不断优化采购效率，缩短采购链路，为我们的客户带来更多价值，也为供应商带来更多价值。
03 太璞供应链的四大数字化
在这四个数字化中，我们通过人工智能和大数据的技术，把对应的这些链路打通，然后把相应的决策做好。然后链接采购双方形成非常高效的从商品到采购，到履约到运营的体系。
首先我们讲这个采购数字化变革，对于大型企业来说合规在先。合规和效率在很多大企业里往往是矛盾的存在。为了合规，要采用招投标等方式，但是周期可能需要二十多天，那么它的效率就会降低。我们怎么解决这个矛盾呢？
在数字化时代，靠人工智能和大数据能够很好地解决这个矛盾，带来模式上的变迁。合规和效率之间的矛盾点在于因为有大量的人工要参与，所以会产生很多合规的问题。当我们通过数据和人工智能来决策的时候，当一切都客观化之后，很多合规问题就迎刃而解。
因此我们太璞供应链的智能合规体系，是这样的结构：我们核心是通过中间层，从供应商合规、商品合规、价格合规、交易合规还有履约合规、结算合规等一系列的智能化能力，形成我们合规的控制塔。合规控制塔能够实现可视化全链条的合规可预警及全域合规风险的可追踪和防控。下面是一系列智能化的能力根基，没有这个根基，我们是无法构筑合规控制台和全链路合规的能力。
每个根基里面，比如说供应商合规，涉及到供应商的智能准入。这个智能准入与过去供应商注册之后提交资料，人工审核完全不同。这里面要通过大数据的能力帮供应商构建画像。我们要充分了解这个供应商的各方面能力，通过算法模型自动评估。所以智能准入就会发挥大数据和人工智能的关键能力，让我们供应商从准入起，就规避很多风险，同时能够监控供应商在全生命周期中的风险情况。
然后在京东工业太璞供应链里面，每个环节都有对应的智能决策系统，我分享比较关键的是京东工业智能决策大脑，京东工业通过数据联通采购双方。这其中涉及到很多资源调配，资源整合利用，包括我们的商家仓、厂家仓、京东仓。这样能极大地提升效率，降低成本。
刚才提到，我们的海量客户，每天产生大量的订单。同时在供端也有大量的供应商，涉及到我们各种资源的调配。我们通过智能决策大脑，定商定仓，定时效，定承运商，定末端资源。实际上，每个“定”都是我们通过一系列的算法和模型，实现整体的调度。
如果换成人来做这件事的话，是不可能的。没有人能够在如此短的时间内去计算清这么大量的订单和资源，以及链路调配。但是我们通过智能决策大脑就可以完成。
对很多客户来说，数字化供应链的转型可以带来很明显的成本降低。其中，从这个显性成本来说，显性成本能降低15%，甚至更多。如果从隐性成本上来看，那包括采购的成本，管理的成本，运营的成本，可能还有更多的这种成本，能降低30%以上。
太璞供应链建立了非常完善的全链路的采购供应链，我们把太璞供应链里一些核心的AI场景拿出来看，就是这个图上面是我们采购的全流程，包括采购前、采购中、采购后。我们在不同的环节对应人工智能可应用的关键场景。
比如说，供应商智能化，供应商管理中涉及到智能的审核、智能巡员、全景画像、风险防控等。商品的管理涉及到商品标准化、商品治理，商品审核等。仅商品的标准化再细分又涉及到每个供应商商品信息不同，我们怎么样把多元的商品建立统一标准，比如同品识别，商品参数的校验，类目乱挂的检测等等一系列的算法能力。
所以说每个场景背后，涉及到对应的一系列的能力构建。它底层还有两个引擎，这两个引擎也非常重要。我们叫数据引擎。数据引擎是帮助我们企业把原来只以承载信息为主的数据变成了数据元素，变成了高质量数据，这个数据可以被我们的人工智能、被我们的模型使用，做出精准决策。
如果这类数据属于知识类的数据，那么对应知识图谱的能力非常重要。中间这一层则是算法引擎。算法引擎涉及到一系列的算法，基于AI模型，我们有相对偏小的模型，也有大模型，还有基于模型和应用的智能体。这其中又分为识别引擎、推理引擎、决策引擎这三大类。所以这是我们采购全链路数字化转型的全景框架。
基于这个框架，在采购场景里，人工智能应用还是有ROI值得衡量的，就是我们通过十个要素的评估，包含价值方面度量的五个要素，和成本方面度量的五个要素。因为每个企业所属行业不一样，每个企业的阶段不一样。我们站在企业视角，看怎么应用人工智能是符合企业发展的，那么它的投入是相对来讲更有价值的。
我们就通过这些要素来进行这个分析。经过我们的实践，大体上呈现这样曲线，其中，在价格智能化方面，投入的成本相对更大。它对数据的投入成本要求比较高，但是它的应用价值也比较大。其次，在智能化供应商方面，它的价值也比较大。但是投入的成本相对来讲会比价格的少一些。
当然，在对账结算上，人工智能可发挥的价值好像没有那么大了。原因主要在于财务数据的精准性要求和当前人工智能的不可解释性之间还存在一些gap。
因此，企业要结合自己的情况，结合自己的数据，结合自己的目标，去构建自己的人工智能建设路径。我的分享如上，再次感谢主办方，感谢各位领导和各位来宾。
关于本次会议：
电子商务大会自2011年以来已连续举办十四届，作为中国国际服务贸易交易会（简称“服贸会”）重要组成部分，已成为引领电子商务发展前沿理念、展现电子商务创新成果、洞悉电子商务发展趋势的国际化专业化交流平台。