供應鏈採購導入 AI 比價踩雷：省下的錢被隱藏成本吃掉

一間中型機械零組件供應商，往來的原物料與零件供應商超過七十家，每個月採購部要處理的詢價、比價量早就超出三個人能仔細核對的範圍。採購主管看同業陸續在用 AI 比價工具，加上自家報價資料長期散落在 Email、傳真、LINE 對話裡，覺得導入一套 AI 自動比對報價的系統，應該能立刻看到成本下降——把歷史報價餵給系統，讓它自動抓出每個料號最低價的供應商，採購只要照著建議下單，理論上每一筆採購都能省到錢。

系統上線第一個月，報表看起來確實漂亮：同一批料號，AI 建議的供應商平均單價比過去慣用的供應商低了一截，採購部在月會上還特別秀出這份比較表，證明導入是對的決定。沒有人料到，接下來兩三個季度，陸續冒出一些原本沒被算進去的問題，最後讓管理層開始懷疑，這筆帳到底是不是真的划算。

為什麼帳面省了錢，總成本卻沒有變低

問題出在 AI 比價模型比對的欄位太單一，幾乎只看單價這一個數字。系統確實能把七十多家供應商的報價整理成同一張表，一眼看出誰的單價最低，但單價便宜的供應商，交期常常比原本合作的供應商多拖上一兩週，有幾次甚至因為交期延誤，產線得緊急插單、加開夜班趕工，多花的加班費和停線損失，遠遠超過當初省下的價差。另外，部分低價供應商的最小訂購量門檻較高，採購為了拿到系統建議的價格，被迫一次進貨超過實際需求的數量，多出來的庫存後來變成呆滯料，占用倉儲空間，也壓住了現金。

更麻煩的是品質穩定度這件事，AI 完全看不到。系統推薦的幾家新供應商，報價確實漂亮，但來料檢驗不良率明顯偏高，幾批零件甚至因為公差超標被產線退回，重新採購、重新排產的時間成本，同樣沒有被算進「省下的價差」裡。換句話說，AI 抓到的是「這張報價單上寫的數字最低」，而不是「這筆採購的總成本最低」，而這兩件事之間的落差，正是供應鏈採購導入 AI 比價最容易踩的雷。

造成的代價：帳面省錢，實際上多花更多在補救

第一個代價是隱藏成本被低估。管理層原本預期導入後採購成本能明顯下降，結果第二季財報出來，原物料單價確實降了，但加班費、緊急運費、呆滯庫存的資金積壓、退貨重新採購的行政成本加總起來，把省下來的價差幾乎吃光，有段時間財務甚至懷疑是不是哪裡算錯了才會出現這種落差。

第二個代價是供應商關係受損。幾家配合多年、交期穩定、願意在旺季優先出貨的老供應商，因為單價比新供應商高個幾個百分點，被系統排到比價名單後段，採購為了追求帳面數字，把訂單轉給新供應商，結果老供應商感受到不被重視，漸漸降低配合意願。等到後來品質問題爆發，想把訂單轉回去，才發現對方產能已經排給別的客戶，想修補關係得花更多時間重新培養信任。

第三個代價是採購團隊的判斷力被系統綁架。因為系統會列出「建議供應商」，採購專員為了省事，漸漸習慣直接照建議下單，不再像以前一樣主動追問交期風險、品質紀錄這些系統看不到的資訊。等問題爆發時，團隊才發現自己已經有將近一年沒有真正「議價」過，只是在執行系統給的清單。

後來怎麼調整

團隊後來做的第一件事，是把比價的評估欄位從單一單價，擴充成單價、交期穩定度、最小訂購量、歷史不良率、供應商配合彈性這幾個維度的加權比較，而不是只看報價單上那一個數字。第二件事，是把老供應商過去的交易紀錄與品質數據補進系統，讓 AI 的比較基準能反映真實的合作歷史，而不是只憑新供應商主動提供的漂亮報價。第三，管理層調整了對這套工具的定位，把它從「自動選出最便宜供應商」改成「整理報價、標出價格與交期異常」的資料彙整工具，最終要跟哪家下單，仍然由採購根據綜合條件決定，系統只負責把資料攤平，不負責做決策。

給供應鏈採購讀者的避雷判斷方式

在導入 AI 比價工具之前，有幾件事值得先確認清楚，而不是等總成本超支才回頭檢討。

供應鏈採購的價值從來不只是把單價壓到最低，而是在價格、交期、品質、關係之間找到平衡。如果一套比價系統上線後，採購成本帳面上下降，但財務端反映總成本沒有明顯改善，甚至隱約變高，那通常不是系統算錯了單價，而是它從一開始就沒有被要求算對整個問題。這時候與其繼續追著系統建議跑，不如先把被省略的那些欄位一項一項補回去。