01
深度研究
年度问卷能留下记录,却无法说明供应商今天是否仍然稳定。环境处罚、劳工争议、洪水和港口中断出现时,采购团队需要的是及时核实与行动路径。一家企业在年初拿到合格问卷,半年后却因供应商所在地的停产事件失去交付能力。问题并非问卷完全无用,而是它记录的是某个时点的自述,缺少事件发生后的更新机制。采购订单、供应商工厂地址、原材料来源、历史审核与公开风险事件常放在不同系统。名称不统一、工厂与集团混淆,会让同一风险被漏看,也可能把无关公司的负面消息错误归到合作方。先区分供应商、工厂与具体供货物料,再把公开事件映射到可验证的实体。AI 可帮助筛选多语言信息、归纳证据和提示异常,但风险结论应保留原文出处、时间和人工复核记录。
阅读全文 ↗
02
深度研究
企业采购真正需要的不是一个会回答问题的窗口,而是能在权限边界内读取合同、订单和供应商资料,并给出可核查建议的工作流。采购人员要判断某供应商是否能承接加急订单时,信息散在合同、交期记录、质量异常、替代料清单与邮件里。单靠通用问答,模型不知道哪份文件有效,也无法区分旧价格和当前约定。建立企业知识库之前,应先给文档标明版本、责任人、保密级别和适用业务单元。检索增强生成可以找出相关段落,但检索到资料不等于得到可执行结论;模型必须说明依据并标记缺失信息。适合先试点的任务是低风险、可复核的摘要与对照:比较供应商审核差异、列出合同到期事项、整理风险事件对在途订单的潜在影响。自动批准供应商或改写合同则需要更严格的审批。
阅读全文 ↗
03
深度研究
Scope 3 的难点通常不在计算公式,而在上游供应商能否提供与采购物料、工厂和时间段匹配的数据。大量空白会迫使企业在精度与成本之间取舍。同一种零件可能来自不同工厂,能源结构和加工路线不同。采购系统记录金额与数量,碳核算却需要活动数据、排放因子、边界和分摊方法;字段对不上,计算结果就难以解释。GHG Protocol 将价值链排放划分为多个类别。企业应先找出排放热点,对重要类别收集供应商一手数据;暂时拿不到的数据可使用合理的二手因子,但必须标明来源、年份与不确定性。产品碳足迹还涉及原材料、制造、运输与使用阶段的边界。把集团平均因子直接套到具体产品,可能掩盖工艺差异。应明确哪些数值已核实、哪些只是估算,避免精度看似很高却没有证据。
阅读全文 ↗