用 AI 做供应商评估：维度与方法

选供应商最常见的翻车方式，是评估表只有价格一列。报价低的那家可能交期不稳、退货率高，省下的单价还不够填生产线停摆的损失。AI 在这件事里的位置很明确：帮你把评估维度理全、把零散数据整理成可对比的表，但「选谁、给多少份额」是采购决策，得人来定。

四个维度先立起来

价格不只看单价。把账期、运费、最小起订量、隐性成本（加急费、返工损耗）折成同一口径再比。经常出现单价低 5%、综合成本高 10% 的情况，原因就在这些没进报价单的项。

质量看合格率和退货率，更要看稳定性——同一个供应商连续五批的合格率波动，比单批的 99% 更能说明问题。交付看准时率、产能弹性和应急能力：旺季能不能加量、出问题能不能三天内补货。服务与风险看响应速度、配合度和经营稳定性，这一项在合作年限长的供应商身上尤其值得复盘。

供应商评估速查

• 四个维度：价格看综合成本口径，质量看连续批次稳定性，交付看准时与弹性，服务与风险看配合度
• AI 列的「缺失信息清单」往往比对比结果更值钱
• 每批到货花两分钟填四个字段：准时率、质量异常、沟通问题、改进项
• 权重自己定，份额自己分，敏感数据先脱敏

让 AI 做初步对比

把候选名单和已知信息一次给全：品类、候选供应商、各自的价格、交期、质量数据。提示词按四步写：先建评估维度表并说明权重建议；再按现有信息做初步对比；然后指出哪些关键信息还缺失、需要补充调研；最后提醒这类采购最容易踩的坑。

权重必须你自己定。价格和质量哪个更重要，取决于业务形态：给大客户交付的批次，质量权重高于价格；走量的标准品，价格和交付权重上调。让 AI 做的是维度完整性检查，不是替你拍板。

它列的「缺失信息」清单经常比对比结果更值钱——多数采购翻车不是因为算错了，是因为漏问了一项关键数据，比如最小起订量、模具归属权、验收标准谁说了算。

持续跟踪，比一次评估更管用

评估不是一次性的。让 AI 帮你把每批次的交付情况记成固定字段：到货准时率、质量异常、沟通问题。积累三个月以上，就能看出「这家在哪些方面稳定、哪些方面容易出问题」——这句话值回全部工作量，因为它把供应商管理从救火变成了预判。

记录方式越简单越能坚持：每批到货后花两分钟填四个字段，比季度末凭记忆写复盘靠谱得多。积累的数据同时是下一轮谈判的筹码，准时率连续下滑的批次记录，比一句「你们最近不行」有力。这种平时记字段、定期看分布的思路，和用 AI 做年度复盘的积累逻辑一致。

必须由采购自己做的三个判断

其一，真实数据只有你自己知道。供应商提交的合格率和仓库实际退货率经常对不上，口径差异（验货标准、抽样比例）要自己核。

其二，风险判断带战略属性。单一供应商依赖度多高、备份供应商养不养，取决于业务规模和客户结构，这不是算得出最优解的数学题。

其三，商业敏感数据要脱敏。候选名单、成交价、客户结构属于商业敏感信息，用公开工具处理时去掉公司名和可识别信息，只留品类和数据本身。

还要知道这套方法什么时候失效：候选信息严重不全时，AI 会补出一张看似完整的表，关键项其实是猜的，对策是回到维度表逐项核对；供应商中途更换产线时，历史准时率全部作废，只能重新积累。工具负责整理，判断和核实留在你这一侧。

三个常被问到的问题

小批量采购也值得建评估表吗？值得，但可以砍到三列：价格、交期、最近三次出问题的记录。维度少而数据真，好过维度全而数据空。归因方法和用 AI 分析退货原因是同一套：先分类，再看集中度。

AI 能帮我跟供应商谈价格吗？它能帮你准备谈判材料，把历史批次数据整理成「交期波动三次集中在旺季」这类事实陈述。谈判本身不能外包，语气、让步节奏、底线判断都在人这一侧。

评估数据要留多久？至少覆盖一个完整的采购周期加一个旺季，否则看不出规律。数据沉淀的思路和写年度经营总结相通：平时记字段，年末才有东西可汇总。