直接答案
询价比价的 AI 改造应先统一采购需求和报价字段，再做文档抽取、差异提示和异常路由。AI 可以把邮件、PDF、表格和扫描件中的报价转换为可比较数据，但不能只按最低价自动定标；交期、付款条件、质保、供应风险和例外授权仍由采购与业务负责人判断。
Microsoft 的文档模型可以提取文本、表格、键值对和发票字段〔1〕；其内容理解文档还要求保留原文定位、置信度，并把低置信结果交给人复核〔2〕。因此“可回到原件核对”比单纯得到一个结构化数字更重要。
适用边界
| 环节 | 适合自动化 | 必须人工确认 |
|---|---|---|
| 需求发布 | 模板生成、字段完整性检查、统一分发 | 规格、数量、商业条件和供应商范围 |
| 报价接收 | 邮件归档、附件识别、版本关联 | 身份异常、补充说明和非标准承诺 |
| 数据抽取 | 价格、税率、交期、付款条件、明细表 | 低置信、手写内容、公式和复杂合并单元格 |
| 差异分析 | 缺项、单位不一致、异常价格和条款提示 | 风险解释、谈判策略和可接受例外 |
| 定标 | 生成可核对的比较包 | 最终选择、授权和采购承诺 |
如果物料编码、计量单位和询价模板尚未统一，先整理主数据。否则系统只能把不可比较的信息更快地放进同一张表。
实施步骤
- 定义比较口径。 固定物料、规格、数量、币种、含税口径、交付日期、付款条件和报价有效期。
- 建立原件与版本关系。 每份抽取结果必须指向原始邮件、附件和供应商版本。
- 按文档类型分流。 数字 PDF、扫描件、Excel 和正文报价采用不同解析路径。
- 输出字段级置信度。 对金额、单位、税率和交期设置更严格的复核规则。
- 生成异常队列。 缺项、单位冲突、极端值、条款差异和重复报价进入指定负责人。
- 形成定标包。 同时展示结构化比较、原文证据、人工修改和未解决异常。
验收清单
- 使用真实供应商的多种文件格式，不只使用厂商样例。
- 覆盖缺页、模糊扫描、合并单元格、公式、手写备注和多币种。
- 对价格、数量、单位、税率和总额逐字段核对。
- 验证任何人工修改都记录修改前后值、操作者和原因。
- 验证无法抽取的文件不会静默丢失，而是进入异常队列。
- 验证定标页面可以一键回到对应原文位置。
- 验证系统不会自动发送采购承诺或创建订单，除非另有明确授权。
参考来源
- Document Processing Models — Microsoft Learn
- Document analysis with confidence, grounding, and labeled samples — Microsoft Learn
- Invoice data extraction — Microsoft Learn
- Document AI for Procurement — Google Cloud
- Artificial Intelligence Risk Management Framework 1.0 — NIST
下一步
先选一个采购类别和一批已经完成定标的历史询价，复现原流程并对照最终结果。可以查看项目与交付能力、了解企业 AI 工作流服务，或携带脱敏询价模板、样例报价和当前审批规则提交业务问题。