AI进入采购之后，真正值钱的不是降本，而是这件事

很多企业算AI项目的账，第一反应都是：一年要花多少钱？能省多少人？效率能提高多少？

这个思路没有错，但如果只算这笔账，很可能低估了AI真正的价值。

在“AI＋采购供应链：重塑、赋能、进化”的演讲中，卢山提出了一个可能有些反常识的判断：AI投入是资产，不只是成本。

这里说的“资产”，不是会计意义上所有AI软件、算力和服务费用都可以直接计入资产，而是站在企业经营的角度看：一项AI投入，如果能够持续沉淀知识、形成能力，并且随着使用不断创造新的价值，它就具有了“战略资产”的属性。

这两者最大的区别是什么？成本消耗掉就结束了；资产则会留下来，并且继续产生价值。

一、AI最初是工具，用得越多，才可能变成资产

假设采购部门买了一个AI工具，用它写供应商邮件、做市场分析、整理会议纪要。第一次使用，它当然只是一个效率工具。

但如果这个工具持续被使用1000次，情况就开始发生变化。1000次供应商分析、1000次价格判断、1000次风险识别、1000次报告生成，背后实际上沉淀了大量企业自己的业务知识。如果这些知识能够被结构化、保存下来，并进一步进入企业知识库，那么AI就不再只是“替员工干活”，而是在帮助企业积累能力。

这正是“资产化”最核心的逻辑。

演讲全案中有一句话，卢山认为非常值得采购管理者重新思考：“用一次是效率工具，用一千次就是企业的知识资产。”

过去，一个优秀采购离职了，最可惜的往往不是少了一个人，而是这个人十几年积累下来的经验也跟着离开了。他知道哪些供应商不能碰，知道什么情况下必须坚持三家比价，知道什么价格看起来便宜其实风险很高，也知道某个供应商在什么情况下最容易延期。这些东西很难完整写进制度。

于是企业一直存在一个隐性损失：经验掌握在个人手里，却没有真正成为组织资产。AI第一次让这件事有了新的解决路径。

二、真正值得沉淀的，不是数据，而是“经验＋规则＋判断”

当然，把文件全部丢进知识库，并不等于拥有了知识资产。真正有价值的，是把那些原本散落在人脑、邮件、Excel、历史报告和项目记录里的经验，逐渐结构化。

比如，一个采购专家面对供应商涨价，会考虑哪些因素？

原材料价格是不是上涨了？市场价格有没有同步变化？供应商的产能是不是出现问题？竞争供应商有没有替代能力？这次涨价是短期波动还是长期趋势？

过去，这些判断可能需要一个资深采购人员自己完成。现在，可以尝试把这些判断逻辑沉淀下来，让AI在新的业务场景中调用。

于是，原来的路径是：个人经验 → 个人判断 → 一次性决策。

新的路径可以变成：个人经验 → 企业知识 → AI调用 → 多次复用 → 持续迭代。

这才是AI真正可能形成企业资产的地方。

卢山自己亲自主导过一个大型企业的“智能报告生成系统＋企业知识库”项目，核心并不是简单地让AI自动写报告，而是把不同部门、不同人员积累的采购经验、历史谈判记录、供应商风险案例等，系统性地沉淀下来，形成企业可以持续调用的知识。

这件事情的价值，甚至超过了一份报告本身。因为报告完成之后就结束了，而知识留下来了。

三、AI资产的第二层，是让效率变成可以复利的能力

很多企业做AI项目，喜欢看一个数字：效率提高了多少。这当然重要。

例如，九州通把AI大模型和智能体应用到智慧物流，通过智能调度算法优化订单组波、商品存储、出库命中和AGV调度，演讲案例中给出的结果是拣选出库效率提升10%。

这属于最容易理解的第一层价值：效率资产。一次AI应用带来一次效率提升；持续应用，则可能把效率优势固化到流程和系统里。

但更高级的是第二层：知识资产。企业不是每次都从零开始解决问题，而是让过去解决问题的方法，可以被下一次继续调用。

再往上，是第三层：决策资产。当AI开始理解企业的规则、历史和边界，它就不仅是在“帮人做事”，而可能开始参与判断。

辉瑞的采购前门就是一个很典型的方向：员工只需要用自然语言描述“卢山需要什么”，AI帮助理解意图，并判断应该进入什么采购流程、是否需要招标、是否需要额外审批。

这时候，企业购买的就已经不只是一个软件。它实际上是在建设一套新的组织能力。

四、所以，AI真正的价值，是从“省钱”走向“留下东西”

把这三层放在一起，就能理解为什么AI投入不能只用“降本”来衡量。

第一层是效率：今天做得更快。

第二层是资产：今天做过的东西，明天还能继续用。

第三层是决策：过去依赖专家个人的判断，开始变成企业可以持续调用的能力。

这三层其实是一条价值链。

如果一个企业每天让员工打开AI问问题，用完就结束，那么AI大概率还是工具。

如果企业能够把这些交互、经验、规则和结果持续沉淀下来，再反馈给知识库和业务流程，AI才开始产生复利。

所以真正值得企业关注的问题，不应该只是：“今年AI帮我省了多少钱？”

而应该进一步问：“一年以后，我的企业因为AI多留下了什么？”

可能是一套更快的采购流程，一套供应商风险知识库，一批标准化的谈判策略，也可能是一套过去只有几个“老师傅”掌握、现在整个团队都可以调用的判断体系。

这就是AI和传统软件最大的不同之一。

传统软件主要是把已经明确的流程数字化；而生成式AI和Agent进一步提供了一种可能：把过去难以结构化的知识、经验和判断，也逐渐纳入企业的数字化体系。

当然，这并不意味着所有AI投入都天然是资产，更不意味着买一个大模型账号就能产生资产。

真正的分水岭是：企业有没有把一次次AI使用，变成可沉淀、可复用、可迭代的组织能力。这也是卢山认为采购供应链未来最值得关注的一件事情。

因为采购从来不是一个靠一次技术革命就能被改变的行业。它靠的是一代又一代人，把经验沉淀成方法，再把方法沉淀成流程和系统。

而AI给我们的，是一个前所未有的机会：把那些过去只能留在“老师傅”脑子里的东西，真正留下来。

下一篇，我们继续往前走一步。当AI不只是帮采购写邮件、做分析，而是开始进入审批、供应商准入、物流调度，甚至尝试参与谈判时，问题就变了：AI究竟什么时候开始从“辅助决策”，走向“自己做决策”？这可能才是AI＋采购供应链真正进入深水区的标志。

图片来源：AI生图

版权及免责声明：“卢山说AI精进”个人公众号的文章均为本人原创（含联合AI创作部分）。未经本人许可，禁止进行转载、摘编及复制等任何使用。如需转载、引用或者有其它意向，请事先通过本公众号后台等方式申请并获得授权。原创文章中的部分文字、图片源于网络，如有任何问题请联系本公众号。