商业供应链中的人工智能风险

执行摘要

人工智能正在迅速融入组织每日依赖的产品、设备、服务和供应商关系中。这改变了采购的挑战。

组织不再仅在有意购买人工智能平台时才会遇到AI。AI可能嵌入企业软件中，整合到工业设备中，由顾问使用来生成分析，被工程公司用于开发设计，或者在供应商的流程中某个环节用于创造产品或服务。

你不必购买人工智能产品也可能承担人工智能风险。

对于采购负责人来说，这带来了新的商业责任。复杂的谈判越来越要求组织不仅要了解价格、服务、性能和传统合同条款，还要了解AI可能如何影响知识产权、机密信息、数据、问责、合规、网络安全、责任和治理。

领先的组织将更早识别与AI相关的考虑因素，将其纳入商业战略，谈判适当的保护措施，并保留所学以供未来决策参考。

AI正在扩大商业风险面。采购需要一种可重复的方法来管理它。

采购负责人的关键要点

你不必购买人工智能产品也可能承担人工智能风险。采购负责人需要一种可重复的商业纪律，能够早期识别AI，协调合适的利益相关者，谈判适当的保护措施，对产生的义务进行治理，并保留组织学到的经验。

1. AI 正在成为组织现有采购的一部分

对于采购负责人来说，更重要的AI发展可能是它正迅速嵌入现有支出类别。

工具和平台 — 基础模型、开发环境、辅助工具、分析工具以及专业AI应用。
企业应用 — 采购、供应链、财务、法律、人力资源、工程、客户服务及其他业务软件正在越来越多地整合AI功能。
设备和物理系统 — 制造设备、机器人、医疗设备、工业系统、车辆及其他产品融入了AI功能。
服务和外包工作 — 顾问、工程公司、律师事务所、软件开发商、服务供应商及其他供应商正在越来越多地利用AI为客户产出工作成果。

采购的意义重大。

AI正在变得不再是一个独立的购买类别，而是复杂商业采购的一种特性。

即使业务需求最初并非作为“AI项目”，采购团队也可能会遇到AI。AI越来越多地涉及供应商关系中的数据、决策和运营。

2. AI风险不仅限于企业内部

大多数组织自然会首先关注其员工使用的AI技术。但这仅捕捉到部分风险暴露。

内部AI供应链

这是组织有意识购买或部署的AI能力：软件、平台、应用程序、设备以及其他AI技术。组织可以直接评估这些采购，并建立技术使用要求。

外部AI供应链

第二条供应链不那么显而易见。供应商可能会使用AI来创建企业采购的产品、服务、建议、分析、软件、设计、文档、组件或其他交付物。

咨询公司可能会使用AI进行分析。工程供应商可能会使用AI进行设计。软件开发商可能会使用AI生成的代码。制造商可能会整合AI组件或系统。专业服务提供商可能会使用AI生成建议。

每个使用AI的供应商都有可能成为组织AI风险的一部分。

相关的问题越来越不仅仅是“我们是否在购买AI？”而是：“AI在我们购买的产品、服务和成果中是如何被使用的？”

3. 商业问题正在变化

AI并不会消除传统采购考量。价格、服务、供应商绩效、商业条款、实施和业务价值仍然至关重要。但复杂的采购现在可能引入额外的问题。

AI生成的知识产权归谁所有？
公司信息能否用来训练供应商的模型？
哪些机密信息可能进入AI系统？
供应商是否必须披露其AI使用情况？
AI生成的输出如何进行测试和验证？
AI生成的建议或交付物有误时，谁承担责任？
当基础模型或技术发生变化时，会发生什么？
适用哪些审计、监控、网络安全、监管或合规要求？
如何处理责任和赔偿问题？

这些都是商业问题，会影响供应商选择、谈判策略、合同保护、治理，最终影响业务决策。

当AI嵌入高价值、战略重要或运营关键的采购中时，其重要性会增加。

4. 治理必须提前进行

最大风险可能并不是组织无法识别与人工智能相关的需求，而可能是他们识别得太晚。

业务利益相关者确定了解决方案。供应商被评估。商业讨论推进。价格被谈判。颁发合同的势头建立起来。然后，法律、技术、网络安全、风险或其他利益相关者发现了未解决的与人工智能相关的需求。

采购流程似乎造成了延迟。但其根本问题早在更早阶段就已出现。

后期采购紧急情况往往起源于早期规划的空白。

人工智能使这更具影响力，因为问题可能涉及知识产权、机密数据、法规、网络安全、责任和业务连续性。

因此，领先的组织需要将治理向前移动。与人工智能相关的问题应从定义业务需求时开始，并贯穿供应商评估、谈判、合同签署、实施及持续供应商管理。

目标不是更多的治理。目标是更早的治理，从而确保必要的控制不会在后期变成不必要的延迟。

5. 从人工智能意识到商业纪律

管理这种环境不仅仅是维护一份人工智能条款清单。组织需要一种可重复的商业纪律。

识别。 确定拟议的产品、服务、供应商流程或交付物中存在人工智能的部分。
理解。 确定人工智能将如何被使用，以及可能受影响的数据、知识产权、系统、决策或业务成果。
对齐。 在决策阶段尽早将采购、业务、法律、技术、风险、财务、运营及其他必要利益相关者纳入，以便影响决策。
谈判。 将需求转化为商业立场、责任、保护措施及适当的合同语言。
治理。 保留决策、义务、审批、理由及谈判达成的保护措施，以便进行监控和重复使用。
学习。 总结有效措施、造成风险的因素、被接受的供应商立场，以及未来谈判中需求应如何演变。

这就是前几篇文章教训变得愈发重要的地方。人工智能带来了更多的决策、更多需要保留的知识、更多需扩展的专业知识，以及更多需协调的利益相关者。

6. 每位采购领导应提出的问题

我们是否了解人工智能是通过供应商进入我们组织的——不仅仅是通过我们直接购买的 AI 工具？
在供应商谈判基本完成之前，是否已经识别出与 AI 相关的商业、知识产权、法律、技术和风险要求？
我们的采购人员能否识别出何时采购需要额外的 AI 相关审查？
谈判中达成的 AI 保护条款和供应商立场是否被记录，以便下一组团队可以重用组织已学到的经验？
随着 AI 在更多支出类别中被嵌入，我们现有的流程能否扩展而不产生额外的瓶颈？

挑战不是管理一次复杂的 AI 谈判。

而是管理数百个日益包含 AI 元素的商业关系。

7. Negotiations.AI 的视角

AI 正在增加商业复杂性，但采购挑战仍然熟悉：组织在做出重要决策时，需要正确的信息、专业知识、利益相关者的意见和治理。

Negotiations.AI 的设计目的是帮助组织更早将这些智能引入商业流程。

通过捕捉机构知识、引导准备、提出相关考虑因素并保留商业决策和结果，组织可以为复杂谈判——包括涉及 AI 的谈判——创建更可重复的方法。

目标不是为每项新兴技术创建单独的采购流程，而是构建一种商业决策能力，使其能够随着技术、风险、供应商和业务需求的变化而适应。