AI研习社首期上海站：AGI元年里，Cata先把采购AI从概念送进真实工作流

在千万级的SAP、Oracle系统里，采购看似被“战略降本”“零库存”“JIT”这些词层层包裹，底层却依然在传统手工泥潭里负重前行。高薪引进的战略人才，最终沦为“表格工”和“多语种邮件转发器”——品类经理80%的时间在洗数据、对表格、追急料、编译董事会要的ESG与碳排报告。这种模式，真的是采购的未来吗？

9月5日下午，上海。一场直戳外企供应链决策人痛点的闭门研习社拉开帷幕。罗克韦尔自动化、SDA与Cata联合发起“AI研习社”首期活动，来自来自世界500强的采购负责人及运营高管到场，用一下午时间，共同见证了一场关于“AI如何进入企业采购与品类管理”的深度碰撞。

活动现场
采购AI不是选择题，是必答题

作为联合发起方代表，SDA理事长Pamela Lin女士专程来到现场为研习社开篇致辞。她表示，SDA一直致力于推动数字化采购与AI技术在行业中的落地。今天这场研习社，不是为了推销某个工具，而是想和大家一起回答一个真问题——AI到底能不能帮采购干活，而不是停留在PPT里。希望大家带着对这个问题的判断离开。

Logistics Director, LVMH Beauty,SDA理事长

Pamela Lin

痛点反思：表格里的“劳动密集型”，真的是采购的未来吗？

“品类经理们80%的时间都在洗数据、做表格，硬生生把自己逼成了劳动密集型劳动力。这样的采购模式，真的是未来的出路吗？这是值得大家探讨的命题。”

罗克韦尔自动化行业战略中心副总裁David Chen率先抛出这个尖锐问题。他指出，苹果供应链泄露事件之后，外企对“采购数据出域”零容忍；可同时，总部又在强制全员用Copilot类工具提效。“先摘最低的苹果”——AI进入采购，不该一上来就碰核心议价，而该从最容易被人类忽略的事务性闭环切进去。

罗克韦尔自动化（中国）有限公司行业战略中心副总裁

David Chen判断交锋：AI不是替代品类经理，是替它卸下80%的杂务

4flow咨询副总裁、SDA常务理事会主席Phil Xu登台发表演讲。他直言，今天这个周期里，我们既要扛住ESG绿色合规指标，又要防范全球地缘政治的断供风险。市场对采购提出了四重要求——成本波动、供应链韧性、全球合规、战略升级。但采购部门面临五重矛盾：既要降本、又要保供、也要合规、还要提效、更要做战略。传统模式下这五件事天然冲突，单纯堆人手已经走不通。

4flow, Vice President of Consulting;SDA 常务理事会主席

Phil Xu

一个成熟的品类经理需要10年以上培养周期，但人的精力有硬上限，知识经验难以沉淀传承，判断容易受经验局限。而AI在数据监控、策略推演、知识沉淀、合规执行这四个能力域，比资深品类经理做得更好。

Phil指出，在SCOR模型的“计、采、造、物、退”中，计划、制造、物流等大部分领域，本质上都是逻辑清晰的“数学题”；而采购是一道人与人打交道、饱含情感博弈与战略决策的综合“语文题”。AI出现，绝非为了替代品类经理。它是通过接管80%繁杂的清洗、算账、拆成本等“数学题”，释放人类采购“老法师”的时间，让他们专注在真正的战略博弈与商业温度上。

硬核实战：AI如何穿透底价，重塑安全红线

企业花了几千万部署的国际顶尖ERP都算不透的工业底价，AI凭什么能穿透？更致命的是，外企核心的供应链数据一旦接入，数据主权和安全性怎么保证？

Cata创始人兼CEO Simon Nie，以硬核技术视角完整拆解了AI智能体从ChatBot一路进化到Harness Engineering的底层逻辑——为什么真正的壁垒不在模型，而在模型之外的那层「Harness」。他进一步演示了Cata如何用一套专为采购品类打造的Harness、叠加二十年产业数据与know-how，实现底价穿透（should-cost）与企业级数据主权和安全防线，并把这套能力延伸进物理世界：从开放数据主动寻源、自动下单，到3D包装结构设计与实验室测试。

Cata创始人&CEO

Simon Nie

• 多、快、省的技术重构：Cata通过独家语义解析，智能化治理复杂的“一物多名”物料。在Cata架构下，人效可提升5倍以上，交付周期缩短80%，全生命周期成本（TCO）直接带来10%+的直接或隐形降本。
• 金融级数据安全防线：针对数据安全红线，Cata采用脱敏治理机制——所有敏感数据（如公司、供应商名称）进入大模型前完全脱敏替换为代号，绝不参与后续大模型公网训练。支持中国境内合规计算网关的私有云/本地化部署，数据主权坚不可摧。

Simon以一句使命收束全场——让物理世界的运转，像信息一样高效。

现场Demo中，Cata以”虚拟员工”形态出现在企业微信与邮箱：登录测试环境ERP拉三年订单→做支出与集中度分析→校正内外品类定义→抓外部行情→输出品类策略报告→自动生成询价单发给供应商→收回资质证照并校验真伪→把6份格式错乱的报价单归一为同口径比价表→给出价差归因与谈判抓手。包材场景更进一步：给一张工程图或一句”直径5cm轴承”，出包装结构方案、装载率模拟、成本BOM、敏感性分析与降本路径。

人留下什么？内部stakeholder管理、供应商关系、重大谈判、长期创新——以及最后那次”采纳或不采纳”的判断。

Cata实践案例主讲人

Tan

现场交锋：直面地缘政治风险与采购人的价值终点

在互动环节，现场采购负责人提出了几个真实难题：

• 仓库租金分析：要定期向二房东收空置率数据，再对标市场——Agent收不了物理世界的照片，但能定期在微信/邮件催数、做趋势分析和异常预警。
• 服务采购：“同行用什么品牌”靠人脉，Agent没有原生服务库，就先接企业自身历史合同和会议纪要沉淀。
• IT芯片成本：三家通用AI给的区间都不一样——原因是包材Cata有20年产业数据托底，冷门品类只能做“框架正确、需人校验”的辅助。

这说明，500强采购组织对AI的态度并不是简单的“要不要使用”，而是更具体的：

AI能否进入现有责任体系，并在专业人员的复核下承担真实工作。

Cata的结论很务实：Agent不是万能药，是“先摘最低苹果”的实习员工。准确率从80%-90%起步，两三个月跑到95%，前提是品类经理愿意把判断反馈回去。

行动共识：试点不是终点，是飞轮的起点

这场研习社没有停在“AI真厉害”。它指向一个更务实的行业动作——

采购的下一个壁垒，不是谁压价更狠，而是谁能先把品类经验（工艺阈值、谈判底线、供应商风险信号）翻译成可调用、可脱敏、可继承的数字资产。当Agent学会每周回写KPI、每次谈判更新成本基线，采购就不再是年度降本运动，而变成一个持续自转的飞轮。

基于此，SDA联合Cata与罗克韦尔自动化发起“采购智能进化企业共创试点计划”：

• 不推翻，不打扰：无需推翻或集成现有的ERP或SRM系统，保持现状，轻量探索。Cata以虚拟员工身份旁挂，4周POC验证。
• 绝对的数据红线：在专业安全数据沙盒里进行，敏感数据完全脱敏，确保数据主权。
• 用真实的事实说话：用4周时间进行离线验证，客观、科学地评估AI在复杂非标品类中降本10%+的真实可行性。

AI不一定替代采购人，但会用Agent的采购人，能把老法师的脑子备份下来，让企业在老师傅退休、供应链断点突袭时，依然接得住那一瞬间的判断。

这便是“开学了”的本意：不是AI开学，是采购职业自己，进入下一学期。