AI 供应商发现：在不自动化选择的情况下构建更优长名单

简短回答

AI 供应商发现应自动化市场搜索、实体匹配、文档提取、分类和比较——而不是供应商资格审查或授标。人类必须定义需求和风险阈值，核实重要证据，批准在采购生命周期中的推进，并记录最终选择。

实际目标是形成一份范围更广、组织更完善且证据可追溯的长名单。AI 相关性评分只是调查线索，不是供应商能够履约的证明。

AI 供应商发现应产出什么

一个有用的发现工作流应产出一份可审查的市场图谱，而不是由机器选出的赢家。其输出应包括：

• 候选法人实体、设施、母公司和已知别名
• 可能相关的产品或服务证据
• 可获得的地域、认证和产能信息
• 未解决的身份匹配问题和缺失信息
• 来源 URL、记录标识符、报告期间和检索日期
• 对事实、推断、陈述和决策的清晰区分

这是更广泛的采购流程中的一个阶段。发现为资格审查提供输入；它并不替代资格审查。

设想一位采购方正在寻找一种注塑成型部件，要求指定聚合物、年需求量 600,000 件、两个获批生产区域，以及最长 30 天交期。AI 可能找到 70 家公司，并将重复或无关记录缩减为一份包含 24 家供应商的长名单。采购团队仍必须确认每个候选方是否具备正确设备、获批场地、可用产能、质量控制、商业意愿和合法实体身份。

从数据开始，而不是从模型开始

AI 无法仅凭一句话描述可靠地发现合适供应商。它需要经过批准的内部需求和受控的外部来源。

必需的内部输入

至少应提供：

• 已批准的规格及其版本
• 需求预测、批量、交付地点和交期要求
• 强制能力、公差、认证和质量标准
• 类别代码、物料清单和相关同义词
• 已批准、现有和被禁止的供应商名单
• 供应商主数据，包括法定名称、别名、场地和母公司
• 历史投标、合同、价格、采购订单和发票
• 交付、缺陷、退货、保修和纠正措施记录
• 安全、法律、财务、连续性、制裁和 ESG 评估
• 以往例外情况和已记录的寻源决策
• 数据分类、保留规则和允许的 AI 用途

绩效记录必须限定在产品、设施、地域、合同和期间范围内。供应商在某一工厂的优异记录，并不能证明其另一场地能够满足新的需求。

必需的外部输入

有用的外部来源包括官方企业注册信息、认证签发机构、政府资格记录、制裁名单、公开财务申报、环境与工作场所安全数据库、专利记录、政府授标记录以及供应商提供的技术文件。

例如，GLEIF’s API 可支持跨法人实体和所有权数据的搜索。然而，报告例外情况以及没有 Legal Entity Identifiers 的实体意味着它并不是完整的所有权登记册。SEC EDGAR APIs 提供及时的上市申报主体公开数据，但并不覆盖更广泛的私营供应商群体。

区分证据、推断和判断

每个重要字段都应带有标签。这个简单控制可防止经过润色的模型摘要伪装成已核实记录。

当寻源团队将这种结构化记录带入谈判准备时，Negotiations.AI 就具有相关性——例如，将已核实的产能证据与 AI 生成的杠杆假设区分开来。更广泛的应用见AI 采购和AI 谈判。

机器学习、生成式 AI 和代理式工作流适用于哪里

机器学习

机器学习可以对公司进行分类、检测重复记录、执行模糊名称匹配并对搜索相关性进行排序。它在具备标注示例、稳定字段、实体标识符以及对先前匹配错误的反馈时效果最佳。

它的局限在于概率性相似。名称、地址或域名的高度相似，并不能证明两条记录代表同一法人实体。模糊制裁匹配是筛查线索——不是确认。OFAC 通过其Sanctions List Service提供当前制裁数据和模糊搜索工具。

生成式 AI

生成式 AI 可以扩展搜索术语、翻译描述、从文档中提取字段、总结供应商材料、起草问卷并识别矛盾。它需要已批准的需求、源文档、定义好的输出模式，以及要求引用或展示支持记录的指令。

它的局限包括捏造细节、上下文丢失，以及基于营销语言做出无依据的能力推断。每一项重要主张都应链接回底层来源。

代理式工作流

代理式工作流可以运行已批准的搜索、检索记录、刷新字段、路由例外情况，并跨多个系统准备比较表。它需要受限权限、已批准的工具和数据集、日志记录、停止条件以及例外情况的指定负责人。

代理不得自主排除供应商、合并模糊实体、发出 RFP、改变评估权重或做出授标决定。NIST AI Risk Management Framework 强调明确的人机角色、已记录的局限性、验证、情境化解释和可追责监督。

人工决策和审批关口

在以下事项之前，必须进行人工审批：

1. 启用需求、搜索标准或排除规则
2. 将机密数据连接到外部模型
3. 合并不确定的实体记录
4. 确认制裁或排除匹配
5. 基于模型输出或不利信息排除供应商
6. 将供应商推进到资格审查
7. 接受产能、认证、所有权或财务主张
8. 发出 RFI、RFQ 或 RFP
9. 确定短名单和谈判池
10. 更改标准、权重或风险处理方式
11. 选择、授标、续约、暂停或终止供应商

这些关口应嵌入操作工作流中，而不是作为非正式的最终检查附加上去。对于美国联邦采购，FAR Subpart 9.1 要求作出肯定性的责任认定，并指出财务资源、交付能力、诚信、控制、经验和技术技能等因素。

可执行的长名单审查模板

对每个法人实体与设施组合使用一行：

• 需求版本：
• 法人实体及标识符：
• 母子公司关系：
• 拟议生产或服务场地：
• 已观察能力证据： 来源、日期、范围
• 模型推断： 置信度和支持段落
• 供应商陈述： 验证状态
• 强制标准： 通过、失败或未知——绝不根据空白推断
• 风险信号： 实体、设施、事件日期和相关性
• 待完成的尽职调查问题：
• 人工决策： 暂缓、拒绝或推进
• 批准人和理由：
• 下次审查日期：

对于更广泛的工作流设计，可将此记录连接到采购流程中的可追责阶段。准备使用这些备选方案的团队还应阅读AI sole-source negotiation: find leverage when switching is not immediate。

谈判场景：可信替代方案，而非人为制造竞争

假设现有供应商对 500,000 件报价每件 12.40 美元。发现阶段识别出 18 个候选方，但尽职调查确认只有两个可信替代方案：

• 供应商 B：指示性价格每件 11.80 美元，模具周期 16 周，首年产能 400,000 件
• 供应商 C：指示性价格每件 12.10 美元，资格认证周期 10 周，产能 550,000 件

其余 16 家仍未完成资格审查。采购方不应声称自己有 18 个可立即授标的替代方案。相反，谈判团队可以利用已核实事实，向现有供应商提出一揽子要求：每件 11.95 美元、60 天价格保留以及预留季度产能——或者评估与供应商 C 分拆授标。

AI 谈判分析可以比较切换成本、交期、保修、指数敞口和产能情景。人工负责人必须验证假设，批准目标点和底线点，并决定保留一个合格替代方案是否值得承担转换成本。

可练习的 AI 提示词

• “根据这份已批准规格创建供应商发现查询图谱。区分强制标准、优选标准、同义词、排除项和未知项。不要推荐供应商。”
• “将这份供应商档案中的每条陈述标记为已观察证据、供应商陈述、模型推断或缺失信息。包含来源日期。”
• “将这些证据缺口转化为尽职调查问题。不要将缺失数据视为高风险或低风险的证据。”
• “按与谈判相关的维度比较这些合格替代方案，但不要计算综合赢家评分。”

局限性

AI 供应商发现存在结构性限制：

• 公开、大型、英语公司的发现难度低于小型或本地供应商。
• 网站、产能主张和认证可能已经过时。
• 相似名称和复杂所有权结构会造成错误匹配。
• 模型可能将分销商误判为制造商。
• 缺失记录并不能证明低风险。
• 不利事件可能涉及另一场地、实体、产品或期间。
• 综合评分可能掩盖决定性差异，并造成虚假精确感。
• 机密投标、商业秘密、个人数据和许可来源需要访问控制。
• 审查者可能接受流畅摘要而不打开证据。

监管记录也需要语境。EPA ECHO 警示其覆盖范围和质量限制，而 OSHA 指出检查信息可能随着案件进展而变化。这些来源支持尽职调查；它们不应成为自动排除规则。

来源

• NIST AI Risk Management Framework Core
• FAR Subpart 9.1—Responsible Prospective Contractors
• GLEIF API
• SEC EDGAR APIs
• OFAC Sanctions List Service

延伸阅读

• FAR Part 9—Contractor Qualifications
• SAM.gov Entity Information
• GLEIF Level 2 ownership data
• EPA Enforcement and Compliance History Online

常见问题

AI 可以自动完成供应商资格审查吗？

不能。AI 可以收集并整理资格审查证据，但负有责任的技术、商务、法律、安全、财务、合规及其他指定审查人员必须作出适用判断。

采购团队是否应使用一个 AI 评分对长名单排序？

通常不应。单一评分会压缩不同类型的不确定性，并可能掩盖某项强制失败。应按透明维度比较供应商，并保留未知项，而不是强行制造虚假精确性。

团队应如何处理不确定的公司名称匹配？

保留待审。比较法定标识符、地址、域名、设施、所有权记录和报告期间。在授权审查人员解决身份问题之前，不要合并记录或确认不利匹配。

发现何时转变为谈判准备？

当可信替代方案通过资格审查并表现出商业意愿之后。此时，产能、交期、切换成本、服务水平和条款方面的已核实差异，可以为谈判计划提供依据，而不会夸大竞争程度。

免责声明：本文提供一般采购信息，不构成法律、财务、合规或投资建议。