从准备到学习的谈判平台用例地图

寻找谈判平台用例、AI谈判用例或谈判工作流平台的团队，通常都需要同一个务实答案：在供应商谈判之前、期间和之后，系统应处理哪些工作——又有哪些决策必须保留给人来做？

一个谈判平台应连接五个受控阶段：准备、模拟、实时支持、审批与执行，以及学习。它可以检索证据、计算方案组合、推荐选项、保留决策记录，并在严格边界内有时执行操作。它不应在无提示的情况下设定策略、接受重大风险、超越授权权限，或把每一个历史结果都变成新的规则。

快速回答

平台应汇集一份有证据支撑的谈判授权，演练情景，以可追溯的计算和记录支持谈判人员，将例外情况路由给有权审核者，并把经过审查的结果转化为对作战手册改进的建议。负有责任的人仍必须核实事实和假设、设定止损条件、沟通或批准重大报价、接受法律和商业风险、作出授标决定，并授权对模型或政策的变更。

为什么这些用例应属于同一个平台？

一组提示词和计算器还不能构成一个谈判工作流平台。统一它们的核心对象是谈判授权：针对某一具体谈判，经批准的目标、变量、范围、禁止条款、权限边界、升级规则和止损条件。

每个阶段都应读取并写回这份授权：

• 准备阶段创建并批准它。
• 模拟阶段用可信情景测试它。
• 实时支持阶段将提案与它进行比对。
• 审批阶段对偏离它的情况进行流转。
• 学习阶段提出对未来授权和作战手册的修改建议。

这就形成了脱节的电子表格、会议记录和审批邮件无法可靠提供的连续性。探索受治理的端到端模型的团队，可以查看更广泛的AI negotiation workflow；而比较采购专用系统的团队，则可以参考procurement negotiation software。

可复用的 MAP–CONTROL–LEARN 用例地图

下图专为企业采购团队设计。它区分了哪些内容应放在平台上，哪些仍属于由人承担责任的决策。

这张地图回答了哪些AI 谈判用例应被放在一起，但纳入同一平台并不意味着自动化程度相同。合适的自动化水平取决于权限、风险、数据质量、可逆性以及出错后果。

阶段 1：准备一份有证据支撑的授权

准备阶段覆盖面最广，通常也是最安全的起点。谈判平台应收集相关内部记录，标注其来源，暴露缺失数据，并将已批准目标转化为结构化授权。

有用的内部输入包括合同及修订、采购订单、发票、预测、供应商投标、质量与交付记录、纠正措施、替代来源产能、切换成本、风险审查以及利益相关方审批权限。外部输入可包括公开的大宗商品或生产者价格序列、关税、财务申报、运费数据以及合法获取的竞争性报价。

每一个重大数字都应附带：

• 来源及负责人；
• 检索日期或生效日期；
• 币种和单位；
• 地理范围和相关期间；
• 转换历史；
• 置信度或不确定性标签；以及
• 它所支持的授权决策。

这与NIST Generative AI Profile一致，该文件强调来源可追溯性、来源审查、评估历史以及明确的人类监督角色。

平台可以起草 BATNA 或保留底线，但管理层必须判断该替代方案是否真正可用。未合格的供应商、没有资金支持的重新设计，或尚未锁定的产能，都不能仅因为出现在数据库中就被视为可靠替代方案。

如需更深入的规划流程，可参阅 Negotiations.AI 的相关指南：an eight-step negotiation planning process。

阶段 2：进行模拟，但不要把演练误当成预测

模拟应属于平台能力的一部分，因为它可以在团队面对真实压力之前测试授权。适合的用例包括异议练习、方案组合比较、敏感性分析、让步顺序设计和升级演练。

然而，合成出来的对手并不是真实供应商。它无法证明真实的人会如何反应、某种威胁是否可信，或供应商行为背后是否存在未披露约束。NIST 提醒，基准测试或实验室结果可能并不代表真实部署条件；同样的原则也适用于谈判演练。

使用模拟来回答如下问题：

• 哪些假设会导致方案组合变得不可接受？
• 对每一项涨价主张的回应，有哪些证据支持？
• 哪种让步对买方代价高但对供应商代价低——反之亦然？
• 到了什么节点，谈判人员必须内部磋商或升级？
• 哪种拟议回应违反了政策、权限或关系规范？

在把演练输出转化为策略之前，必须进行人工审查。 品类负责人应验证商业现实性，而法务、合规、财务或技术审查者应评估其权限范围内的问题。

阶段 3：支持实时谈判，但不要接管谈判

实时 AI 谈判支持应降低认知负担，而不是取代由人承担责任的判断。系统可以检索合同条款、重新计算多变量方案组合、更新让步台账、识别未解决承诺，或在提案超出授权时提醒团队。

多议题支持很重要。Federal Acquisition Regulation 对议价的描述包括价格、进度、技术要求、合同类型和其他条款。尽管联邦规则并不适用于所有企业谈判，但这仍提醒我们：表面价格只是商业方案的一部分。

实时建议应展示其依据。例如，付款条件建议应显示已批准范围、现金流假设、发票历史和相关让步，而不是给出脱离上下文的答案。

谈判人员仍应负责：

• 除非已明确批准边界内自动化，否则由其口头提出或发送重大报价；
• 解释含糊或带有情绪色彩的表述；
• 判断对方的让步是否具有互惠性；
• 考虑信任和长期关系影响；
• 拒绝某项建议；以及
• 立即停止系统。

录音、转录、隐私和同意要求因司法辖区和公司政策而异。工作流不能假定实时采集总是被允许的。

阶段 4：审批例外并核对最终条款

审批不是行政上的附带步骤。它是商业、财务、法务、安全、隐私和签署权限汇合之处。

健全的工作流既要检查拟议条款，也要检查批准该条款的人。把例外事项路由给某个人，并不能证明此人有权约束组织。作为一个有启发性的公共部门模式，FAR Subpart 1.6指出，美国政府合同只能由在授权范围内行事并完成所需审查与批准的合同官订立和签署。

因此，企业工作流应支持：

1. 版本化交易清单；
2. 基于角色的审批阈值；
3. 在需要时分离申请、分析、审批和签署职责；
4. 明确的例外原因；
5. 谈判记录与最终文件之间的对账；
6. 强制审查已发生的证据；以及
7. 持久化决策日志。

对于涉及价格、资金、责任、赔偿、知识产权、隐私、安全、排他性、终止、供应商暂停、制裁问题或新型法律措辞的重大变更，仍必须进行由人负责的审批。AI 可以识别并路由这些问题；但不应通过推断来接受它们。

阶段 5：从已实现结果中学习——而不只是从已签署交易中学习

只有在受到治理的前提下，学习才应属于平台能力。系统应比较计划结果与达成结果，然后在数据可用时，将这些条款与发票、采用情况、交付、质量、争议和供应商绩效关联起来。

低报价在实施延误或服务失败后，可能反而代价高昂。同样，看似谈判收益的结果，也可能来自市场波动或竞争压力，而非谈判人员的技巧。在宣布某项策略成功之前，必须由人评估因果关系。

最安全的学习闭环是：

1. 记录已达成的方案组合及其底层假设；
2. 将协议与已批准授权进行比较；
3. 观察已实现的商业和运营结果；
4. 记录事件、纠正措施和有争议的承诺；
5. 提出——而非自动发布——作战手册变更；
6. 测试拟议变更；以及
7. 在发布前获得负责人批准。

ISO/IEC 42001:2023将问责、可追溯性、风险管理、绩效评估和持续改进列为 AI 管理体系的核心要素。这些原则尤其适用于学习阶段。

平台决策的四个自主级别

使用下列尺度为每个用例指定明确的运行模式。

EU AI Act 的 Article 14要求其高风险类别中的系统具备有效的自然人监督。并非每个谈判工具都属于该类别，但其底层设计原则很有价值：监督应当有效，并与具体情境、风险和自主程度相称，而不是流于形式的审批点击。

每个用例的实用受理模板

在将某个用例加入谈判工作流平台之前，请完成这份单页控制记录：

用例控制卡

• 业务任务： 正在支持的具体谈判任务是什么？
• 阶段： 准备、模拟、实时支持、审批与执行，还是学习？
• 决策负责人： 哪个具名角色仍承担责任？
• 输入： 哪些数据源被允许、是最新的，并且足够可靠？
• 证据类别： 哪些项目是已验证事实、假设、估算或建议？
• 输出： 平台将产出什么，谁可以查看？
• 自主级别： 观察、建议、边界内执行，还是禁止自主？
• 硬性限制： 哪些数值、条款、消息或行动绝不能越界？
• 升级触发条件： 什么情况会强制暂停并进行人工审查？
• 测试： 将如何评估准确性、政策合规性和真实表现？
• 结果衡量： 将如何区分已达成结果与已实现结果？
• 保留与学习： 哪些内容可以保留，谁批准复用或模型变更？

如果某个用例的负责人、权限边界、证据要求或停止条件未定义，则不应投入生产。

假设示例：带有指数化争议的包装续约

本示例为假设场景；所有数值和情形仅用于说明，不构成证据或基准。

某企业采购团队正在续签一份包装协议。供应商要求涨价，并引用树脂、能源和运费成本。买方还关心交付周期、最小起订量、付款条件、再生材料含量和突发产能。

在准备阶段，平台检索当前合同、发票、预测、供应商绩效、已批准的公开指数以及替代来源的资格状态。它将需求预测标记为内部估算，将供应商声称的成本结构标记为未经验证的主张。采购、财务和运营共同批准授权。

在模拟阶段，AI 谈判角色扮演测试三种方案：不同的指数公式、以产能保护交换采购量承诺，以及与已验证输入挂钩的分阶段调整。品类经理否决了其中一个情景，因为其替代来源假设在运营上并不可信。

在实时会议期间，平台检索相关指数化条款，更新让步台账，并警告某项拟议采购量承诺超出了已批准范围。谈判人员选择暂停，而不是接受该提议。

在审批阶段，运营审查产能条款，财务审查承诺，法务审查修订后的指数化措辞。由有权人员作出授标并签署。

在学习阶段，团队将已达成方案与后续发票、服务水平和产能表现进行比较。平台提出修订后的指数化检查清单，但在复用前必须由品类治理负责人批准。

这说明了核心设计原则：系统在各阶段之间承载上下文，而权限和风险接受仍然是明确的人类行为。在由 Negotiations.AI 支持的采购工作流中，这种连续性——而不是对自主节省的无依据承诺——才是将准备、决策支持、审批和经审查的学习连接起来的具体理由。

证据、假设、估算和建议

一个值得信赖的界面应清晰地区分四类内容：

已验证事实

这些内容由当前、可识别来源直接支持：已签署合同文本、带日期的发票、已批准预测、公开序列或已记录的供应商绩效。事实应保留其来源和生效日期。

假设

这些是用于规划但尚未被确立为事实的命题——例如预期需求、可用切换产能，或供应商可能的回应。它们需要有负责人，并进行敏感性测试。

估算

这些是计算或预测值，例如应有成本区间或预期转换费用。它们应公开方法、单位和不确定性。不存在适用于每一次谈判平台部署的权威性、普适性的节省或周期缩短百分比。

建议

这些是拟议行动：开场方案、问题、让步、升级或作战手册变更。建议应展示其背后的证据和假设，并且可以被质疑。

该地图不适用的边界与情形

这张地图面向商业采购谈判。它并非为诉讼和解、劳资谈判、外交谈判或消费者债务催收等场景设计的直接操作模型，因为这些场景涉及不同的权利、义务和权力结构。

即使在采购领域内，仍存在重要限制：

• 数据质量差： 错误的采购量、供应商身份、合同状态或指数日期会制造虚假筹码。
• 上下文缺失： 软件可能忽略情绪、可信度、政治因素或刻意含糊。
• 虚假精确性： 方案评分依赖管理层选定的权重和假设。
• 保密性： 记录可能包含商业秘密、个人数据、法律意见和敏感策略。
• 竞争风险： 共享市场信息或分析工具可能引发反垄断担忧。U.S. Department of Justice指出，信息交换和分析工具可能提高市场可观察性并增加协调风险。
• 带偏见的历史： 既往协议可能编码了弱势议价能力、对现有供应商的偏好、不一致的例外处理或不良实践。
• 因果关系不清： 有利结果可能来自需求变化、竞争或外部价格，而非平台本身。
• 权限不匹配： 工作流审批并不等于具有法律签署权限。

高价值授标、安全关键条款、新型责任、制裁问题、利益冲突和不可逆的供应决策，都需要更严格的人工审查。如果对来源访问、录音、基准使用或权限存在不确定性，系统的适当行为应是暂停并升级处理。

企业采购的部署检查清单

在启用任何谈判平台用例之前，请确认：

• 谈判授权已版本化并获批准。
• 事实、假设、估算和建议在视觉上清晰区分。
• 每一个重大数字都具备源级可追溯性。
• 敏感且与竞争相关的数据具备适当访问控制。
• 建议包含备选方案并公开关键假设。
• 硬停止机制可防止未经授权的变量、条款、承诺和签署。
• 审查者具备拒绝输出所需的专业能力、时间、信息和权限。
• 实时支持可以在不打断谈判的情况下被暂停。
• 最终条款已与会议承诺和审批记录完成对账。
• 学习尽可能使用已实现结果。
• 作战手册和模型变更需要指定负责人批准。
• 事件、纠正、覆盖操作和授权偏离会被保留以供审查。

目标不是最大化自动化，而是建立一个受控的企业谈判工作流，使证据、判断、权限和学习始终保持连接。

延伸阅读

• Federal Acquisition Regulation, Subpart 1.6: Contracting authority and responsibilities
• Federal Acquisition Regulation, Part 15: Contracting by negotiation
• NIST AI Risk Management Framework
• ISO/IEC 42001:2023: AI management systems
• Regulation (EU) 2024/1689: EU Artificial Intelligence Act

常见问题

哪些准备阶段用例应属于谈判平台？

受理、证据检索、利益相关方映射、议题优先级排序、基线与应有成本分析、BATNA 制定、方案设计、让步规划、权限映射和授权审批都应属于平台。人必须核实重大事实、替代方案、目标、保留底线和止损条件。

谈判平台是否应直接向供应商报价？

只有在边界非常明确、已获批准且低风险的情形下才可以。变量和限制应预先设定，消息应被记录，在需要时进行披露，并且应可立即由人工覆盖。重大、新颖、受监管或高后果的报价应继续由人控制。

谈判平台与一组 AI 工具有什么区别？

谈判平台维护工作流连续性、权限、证据、授权版本、审批、例外记录和学习控制。独立 AI 工具可能生成有用内容，但未必能在完整谈判生命周期中保留权限边界或可追溯性。

采购应如何衡量平台价值？

在可行时使用受控试点。比较符合条件与不符合条件的群组、从基线到达成协议以及从协议到已实现价值的变化、周期时间、人工投入、授权偏离、审批例外、供应商参与度、纠正、事件和授标后绩效。不要把供应商案例研究当作普适估算。

当 AI 支持谈判时，谁承担责任？

具名人员仍对策略、允许的数据使用、重大假设、权限边界、例外、授标、签署以及政策或模型变更承担责任。平台应记录这些决策及其证据；它不应模糊责任归属。

免责声明：本文提供一般性运营信息，不构成法律、财务、合规或采购建议。