這一兩年，只要談到 AI，採購幾乎都會出現同一個隱約的不安感。
「以後比價是不是 AI 就能做？」
「需求預測、報表、RFQ 彙整，好像也不一定需要人工處理了？」
「那採購，會不會變成第一批被取代的角色？」
但真正該問的，不是「AI 會不會取代採購」，而是：AI 正在取代的，是哪一種採購價值？
◆ AI 正在接手哪些「傳統採購工作」？
先說結論：AI 取代的，幾乎都是可被標準化、可被規則化、可被大量複製的工作。
像是報價一來，把不同供應商的價格、交期攤開來比；
或是把過去幾年的價格、需求、交期資料整理成趨勢； 再或者是每個月固定要交的績效報表，OTD、PPM 一個都不能少； 甚至連合約條款，也能先幫你比對出差異。
這些事情，本來就不是在「做判斷」，而是在「做整理」。
只是以前靠人力撐，現在換成系統與模型。
從效率來看，這其實是好事。
問題不在 AI 做了什麼，而在於：如果你的採購價值，只存在於這些事情裡，焦慮自然會找上門。
◆ 採購會不會被取代，關鍵不在 AI
前陣子看到 NVIDIA 董事長在訪談中談 AI 對產業的影響，他提到一個很關鍵的觀點：
人們之所以害怕大規模失業，往往是因為混淆了工作中的「任務」和「目標」。
很多工作裡，確實包含大量可重複、可拆解的任務，這些任務很適合交給技術來優化。
但工作的目標本身並沒有消失，也沒有改變，只是完成的方式不同了。
如果把這個概念放回採購，其實非常貼切。
採購的目的一直都很清楚：一是降低成本，二是確保需求能被穩定滿足。
為了達成這個目的，我們每天在做的，卻往往是各種「任務」：整理報表、拆成本、看供需、想談判策略。
而 AI 擅長的，正是把這些任務做得更快、更完整。
但 AI 並沒有，也無法替你重新定義採購的目的。
真正該被重新檢視的，是我們是不是把自己的價值，過度綁在那些可以被工具優化的事情上。
◆ 採購會不會被取代，關鍵在於你站在哪一層
如果把採購的工作攤開來看，其實大致可以分成三個層次。
第一層，是大家最熟悉的執行型採購。
下單、追料、轉單，確保流程順、需求不要斷。 這一層，確實是 AI 影響最明顯的地方。
再往上一層，是專案型/分析型採購。
開始接觸成本結構、替代料評估，開始進專案、跟 RD、PM 反覆討論。 在這個層次，AI 比較像是一個加速器，幫你更快看到全貌，而不是把你擠下場。
真正最難被取代的，是策略型採購。
當你開始思考供應商要怎麼布局、風險要不要分散； 開始參與自製或外購的判斷； 開始設計長期成本策略與談判節奏； 你面對的，往往不是清楚的對錯，而是模糊、甚至矛盾的資訊。
因為在這裡，採購處理的從來就不是「正確答案」，而是在各種限制條件下，選出當下最適合的選擇。
◆ AI 時代，採購的價值正在「轉移」，而不是消失
如果用一句話總結現在的變化：AI 沒有讓採購變不重要，而是把採購推回策略角色。
第一個很明顯的轉移，是從「找最低價」，走向「設計總成本結構」。
AI 很會幫你找出最低報價，這點毫無疑問。
但採購真正該在意的，從來不只是單價。 切換成本高不高？供應風險能不能承受？ 良率、交期、配合度，會不會在量一放大就出問題？ 未來還有沒有擴產與議價空間？
這些總成本的判斷，靠的不是模型，而是你對產業、對供應商行為的理解。
第二個轉移，是從被動回應需求，變成提前影響決策。
當 AI 工具越來越成熟，如果採購還只是在「規格都定好之後才出現」，其實等於主動把影響力讓出去了。
真正拉開差距的，是能不能在 RD 選型前，就提供市場與供應端的資訊；能不能在設計階段，就提醒哪些規格背後藏著供應風險；能不能用採購的視角，去影響規格本身，而不只是照單全收。
這些事情，不是系統能做到的，而是採購選擇站在哪個位置的問題。
◆ AI 做不到，但採購一定要會的 5 種能力
採購真正的價值，不在於「資料整理得多漂亮」，而在你怎麼判斷、怎麼取捨、願意為哪個決定負責。
AI 可以告訴你哪一個方案在數字上最有利，但它不會替你回答這些問題：
這個價格，值不值得承擔交期風險？現在該不該把量集中，還是先分散以防萬一？
如果供應商這次撐不住，後面半年誰來補？
現實世界的採購決策，幾乎永遠不在完美條件下。
資訊是不完整的、時間是被壓縮的、風險是模糊的。
事情不是非黑即白，也沒有標準答案。
在 AI 越來越強的環境下，反而更能清楚看到幾個「人不可替代」的能力。
像是商業判斷力。
不是算哪個最便宜，而是在成本、風險、時程之間做取捨，知道哪個可以退讓，哪個不能。
像是談判與關係管理。
特別是在規格模糊、責任邊界不清楚、雙方都有壓力的時候，很多結果不是靠條款，而是靠你平常累積的信任與互動。
還有跨部門影響力。
不是因為你「管得到」，而是因為別人相信你的專業，願意在關鍵時刻聽你一句提醒。
再來是情境判斷與風險直覺。
那種「這家供應商最近怪怪的」、「這個報價背後一定有東西」的感覺，通常不是系統算出來的，而是踩過坑、看過反應後留下來的經驗。
最後，是把一堆資訊，轉成決策者聽得懂的語言。
不是把資料丟上去，而是說清楚：這個選擇的代價是什麼？為什麼現在做比較合理？
◆ 與其擔心被 AI 取代，不如想清楚如何與 AI 共存
對採購來說，一個比較健康、也比較現實的做法是：
- 讓 AI 去做它擅長的分析與整理
- 把時間留下來，做只有人才能做的判斷
例如，把過去花在整理報表、對資料的時間交給 AI，
換來的是能更早進入專案現場，更有餘裕去理解供應商在想什麼、能做到什麼，做不到什麼。也能多想一步：這個選擇，對未來幾年的供應布局會帶來什麼影響。
最後，我想說的是，AI 不會淘汰採購，但它會非常快地，拉開策略型採購，和只停留在執行層採購之間的距離。
AI 是工具，不是對手。
真正會被淘汰的，從來都不是角色，而是停留在原地、不願意轉換價值定位的工作方式。
你準備好，把自己的價值放在哪一個層次了嗎？
如果你喜歡這篇分享，歡迎持續追蹤 《Lynn 的採購生活選讀集》。
我會持續紀錄採購現場的實務經驗、談判中的觀察，以及那些在忙碌工作與閱讀之後，留下來的思考筆記。
💬 也歡迎你留言聊聊：
在 AI 開始進場後，你的採購工作，已經出現哪些變化了？
你現在最擔心 AI 改變的，是哪一段採購工作？
我們下一篇見 : )
