當分析越來越快，差距反而拉得更開。很多採購其實都有一種說不上來的矛盾感。
一方面，AI 工具愈來愈多，報表拉得更快、資料整理得更漂亮、分析看起來也更完整。
但另一方面，心裡卻更常冒出一個念頭：
「事情好像做得更快了，但我真的有更靠近策略決策嗎？」
這種不安，其實不是因為你不夠努力，而是因為 AI 出現之後，採購工作的重心正在移動。
當「整理、分析、比較」這些事愈來愈不需要人親手完成，真正拉開差距的，就不再是誰資料多、誰報表熟，而是誰能在不完美的現實條件下，做出一個站得住腳的選擇。
我在採購工作中看到的變化是，AI 越強，策略採購需要的能力反而變得更清楚更明確，而且更集中。
第一個核心能力：在資訊不完整的情況下，仍然敢做取捨
採購應該很常面臨接下來我們描述的情況：
價格還在談，RD 那邊一邊跟廠商修規格，需求也還沒真的定下來。
供應商這時候已經拍著胸脯對你保證說：「沒問題啦。」
你面部表情控制得很好，但心裡卻開始警鈴大作，總覺得事情沒那麼單純容易。
AI 當然可以幫你算出一個「目前看來最有利的選項」，但它無法替你判斷現實中的情況：
萬一事情沒照劇本走，這個風險，你接不接得住？
策略採購最難的地方，從來不是算資料，而是要接受一個現實：
採購在執行的當下，周圍永遠充滿變數，很少有機會讓你等到所有答案都到齊，才開始行動。
你選 A，價格漂亮，但彈性很差。
你選 B，風險相對低，成本卻明顯高一截。
你選 C，看起來什麼都具備，卻沒有一項特別亮眼。
很多時候，我們不是選「最好」，而是選一個就算出事了，也不會立刻倒下的選項
而如上所說的選擇AI 做不了。
因為，AI能推算結果，卻無法「承擔」後果。
第二個核心能力：願意、也有能力提早走進決策現場
很多人以為，採購價值是在價格談判桌上被放大的。
但其實採購工作做久了你會發現，真正能拉開結果差距的時間點，往往發生在價格出現之前。
在 RD 還在評估規格、專案剛啟動、供應商名單還沒被鎖死之前，這些時候，AI都 可以提供市場資料、歷史數據、交期分析，但它無法預測未來。
例如：
這個規格三年後還撐不撐得住？
如果量突然放大，這家供應商真的接得住嗎？
有沒有一開始就被排除，但其實值得再看一眼的選項？
策略採購的角色，不是等規格定了之後才進來「想辦法把價格壓下來」，而是在專案初期就提早參與，用採購的視角影響決策方向。
這不是工具能不能做到的問題，而是你把自己放在「只接任務」，還是「參與判斷」的位置上。
第三個核心能力：把複雜分析，轉成決策者聽得懂的語言
AI 出現後，分析變得前所未有地完整。
但我反而更常看到一個狀況：資料很多，卻沒有人敢幫忙下結論。
策略採購真正值錢的地方，不是你能不能做出 20 頁分析，而是你能不能在關鍵時刻有邏輯、有條理的說明：
「現在選這個方案，會犧牲什麼？」
「風險最大的地方在哪裡？」
「如果不現在做，代價會是什麼？」
Photo by Vitaly Gariev on Unsplash
決策者不缺資訊，他缺的是有人願意站在專業立場，把選擇講清楚。
這種能力，不是資料力，而是把資訊轉成「可被採用的判斷」。
當 AI 越來越強，策略採購的定位其實更明確了
AI 讓分析變快，也讓採購更早被推到「要不要做決定」的前線。
真正的差距，不在於你會不會用AI，而在於：
當選項攤在你面前時，你敢不敢做選擇、能不能清楚說出這個決策背後的理由，
以及你預期要承擔的後果。
如果說 AI 是放大器，那它放大的，其實是你原本就站在哪個位置。
當分析都交給 AI，你準備好，承擔「做選擇」的角色了嗎？
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，慢慢沉澱下來的思考筆記。
💬 也歡迎你留言聊聊：
在 AI 越來越強的環境下，你覺得採購最該強化的是哪一種能力？
我們下一篇見 : )
