前情提要：上一篇讲跨部门取舍，留了一个问题没有展开：拍板的人手里的信息对不对？这一篇就谈这件事——采购看供应商，生产看排产，销售看客户，同一件事在不同部门嘴里是三个版本。
系列引言：AI时代谈风险，先要把风险理解清楚。对业务关系和运行条件的判断有偏差，AI也可能把偏差放大。本系列先重建风险认知、重新审视管理，第7篇起再讨论AI如何参与判断与行动，最终落到控制塔的持续运营。
01 同一个断供，三个版本
还是B企业（本篇情境及数据均为示意，不特指哪家企业）。
S1停供后的第一次协调会上，三个人先后发言。
采购负责人说：S2已经通过M7的验证，在履行原有订单之外，每周还能提供100件。
生产负责人说：M7用在两条产线上，现有库存还能维持十来天，具体哪几天见底要看排产节奏。
销售负责人说：客户K1的11月订单可能受影响，需要尽快给客户一个说法。
三个人各自提供了部分信息，但这些信息还不足以回答同一个业务问题：哪些订单能够按时交付？
采购不知道M7具体用在哪几张订单上；生产不知道，乙事业部的预案也在引用同一份备用产能；销售不知道还有一批在途货，也不知道哪一笔订单真正会断。
于是这场会的实际结果是：每个人都汇报了自己掌握的部分，没有人能回答那个真正的问题——这次断供，到底影响哪几笔订单、影响多少、最晚什么时候必须处理。
02 缺的不是记录，是把记录放在一起看的方式
很多人以为这是数据没打通。其实B企业的数据并不少：供应商信息在采购系统里，物料和库存在ERP里，在途运输在物流系统里，排产在MES里，订单和客户承诺在销售系统里。
记录并不缺。但要把风险看清楚，至少有三样东西要补上。
一是信息要关联。系统里能查到「S2已通过验证」，这是一条记录；但判断这次能不能切换，还需要另外四条：S2当前能提供多少、什么时候能提供、这个产能是否已承诺给别的部门、切换后要不要重新做样品验证。这四件事散落在不同的系统、不同的人手里。这里还值得多记一笔：预案里写了「引用」、内部做了预分配、供应商确认了承诺，是三种不同的状态，名称相近，业务含义完全不同——预案引用的产能，未必真的归你用。
二是口径要一致。一张报表把账面库存标成「可用」，另一张报表扣除了待检、已占用和不匹配批次。同一个字段名称，背后算的却不是同一批资源。开会时，谁都觉得自己是对的。
三是可用性要确认。仓库里有货，不等于规格、地点和调拨权限都满足；供应商有富余产能，不等于已经为本企业预留。可用性不是一个字段，是一组条件。
把业务对象及其属性、依赖关系、时间状态、约束与责任，按共同口径组织起来，使不同记录能够共同说明一项业务的运行条件——这就是我们所说的供应链业务数据模型。模型叫什么不重要，重要的是：单条记录只说明一个对象在某个时点的状态；按关系组织起来，才说明一项业务当前的运行条件。
03 六步追查，而不是一条直线
还是这个场景。把「沿着关系找」拆成六步追查——这是理解问题的顺序，实际业务关系里还包含共享和替代，风险并不只沿一条直线传递。
第一步，供应商S1停供，受影响的是哪些物料。要连的是S1供应哪些物料、各自占多大比例。
第二步，M7用到哪里。连的是产线和产品——两条产线都在用，各自的日均消耗不同。
第三步，库存和在途能撑多久。先核实共享库存、在途和替代供应在各个时段实际可用多少，再按已确认或待比较的分配方案，分别测算各项业务的可支撑时间与恢复时间。如果分配方案尚未确定，就应保留不同方案的测算结果，不能默认每条产线都能拿到全部资源。
第四步，受影响的订单。连的是哪些生产订单要用M7、分别对应哪几张客户订单。
第五步，客户承诺。连的是交付日期、违约条款、这个客户是不是战略客户。
第六步，责任人与处置权限。连的是每一步由谁确认、谁能改、什么情况下要升级。
走完这六步，判断才有落点：企业应能列出受影响的订单、各方案下的缺口，以及依据执行所需时间倒推的最迟决策时点，再匹配相应的牵头人与授权层级。
关系模型让判断有依据，但关系连通本身不会自动产生数量和日期——数量和日期，仍要靠测算与核实。
04 从一个场景开始，而不是从平台开始
这项工作的做法，我建议反过来做：不要先规划一个大平台，先挑一个最可能被触发的场景，比如「M7断供六周」，把这个场景里需要连接的对象、关系、状态、责任人，在一张图上画清楚。
画的时候要定三件事。
一是口径与维护。每个对象的口径由谁维护、基本更新频率是多少，同时明确哪些变化必须触发更新——频率与触发条件，要服从这个场景的决策时限。备用产能今天被其他订单占用，等下周更新可能就晚了。
二是关系主干。不必一次连完所有关系，但影响判断的主干——物料到产线、产线到订单、订单到客户承诺——必须连上。
三是时间属性。区分记录截至何时、状态何时生效，以及到货日期属于确认承诺还是预计时间。「什么时候会变」往往只是预测，不能与已核实的事实混在一起。
画完之后，还有一个动作不能省：拿一笔真实订单走一遍，核对这张图能否说明它需要哪些物料、哪些资源可以覆盖需求、什么条件尚未确认，以及判断能否回到原始记录核实。通过验证后，再逐步扩展到其他场景。
这张图不需要新系统就能先做。它可以纳入既有经营分析和预案演练；等场景多了，再把它们拼起来——但扩展前要先统一对象标识、口径、关系定义与维护责任，图才不会越拼越乱。
AI时代的含义：AI可以辅助发现候选关联和缺失线索。企业需要把已确认的依赖关系、业务约束和数据来源表达清楚，并对未经核实的推断保留标记。这样，后续判断才更容易追溯、核对和修正。这里的关键：业务关系表达得越清楚，AI的判断就越容易被核对和修正。
五分钟自检
挑一个你最担心的物料。能不能在五分钟内说清：它由哪家供应商供、用在哪些产线、影响哪几笔订单、对应哪位客户的什么承诺、由谁负责确认这些数字？
下篇预告
关系清楚了，AI才有可以工作的对象。下一篇《AI如何识别正在形成的风险组合？》，谈AI怎样从日常数据中发现线索、怎样区分已核实的事实与待验证的判断，以及它的边界在哪里。
蔡鸿亮 博士 / 文
上海交通大学苏州人工智能研究院 产业教授、供应链人工智能研究中心主任；上海交通大学上海高级金融学院 企业数字化战略与实践课程教授