Clearing the Hurdles to Agentic AI
Procurement Leaders2026-02-0113 页
报告概述
本报告聚焦企业在迈向Agentic AI过程中遇到的传统但关键的障碍，包括数据质量、遗留系统和团队技能。报告基于对采购高管的调研和行业专家访谈，分析了这些问题的根源，并提出了从评估数据、现代化系统到建立内部能力的行动框架。旨在帮助企业高管了解如何为AI自主代理驱动的采购转型铺平道路。
报告的核心结论
数据质量是Agentic AI项目失败的共性问题
报告指出，80%的AI项目失败中，数据质量差是促成因素。采购数据分散在ERP和P2P系统及非结构化格式中，导致分析结果不可靠，团队需花费时间验证信息，错失节省机会。
遗留系统严重阻碍AI采用
67%的公司表示遗留系统妨碍了AI采用。现有P2P和源到合同工具若缺乏良好的连接和集成，将削弱Agentic AI所需的快速计算能力，侵蚀投资回报。
多数CPO对团队有效利用AI缺乏信心
仅27%的CPO对团队在未来12个月内有效利用AI实现流程自动化有信心。技能和经验不足被视为AI采用的最大障碍，团队若无法解读AI输出，实施ROI将低于预期。
提升内部AI能力需立即投资针对性培训
报告强调，团队难以理解AI输出和底层数据科学，必须投资定向技能提升，而非替代人才。通过清晰变革管理沟通，让AI提升而非取代人类专业能力。
解决三大障碍需从简单快速制胜开始
报告建议，针对数据碎片化先使用AI驱动的数据清洗工具处理高影响数据集；遗留系统通过中间件桥接；内部技能从高易用性AI副驾驶工具入手，逐步扩展。
报告回答的关键问题
企业Agentic AI转型面临哪些主要挑战？
报告指出三大挑战：一是数据碎片化，采购数据分散且质量差，影响AI项目基础；二是遗留系统集成困难，67%的企业受此拖累；三是内部团队AI技能不足，仅27%的CPO对团队能力有信心。
如何解决采购数据质量差的问题？
报告建议评估数据质量、标准化格式、整合来源并实施治理。快速制胜包括使用AI驱动工具清洗重复记录，优先处理开支数据和供应商记录等高影响数据集。
遗留系统如何阻碍Agentic AI？
遗留系统缺乏现代API和连接能力，无法支持Agentic AI所需的快速信息处理。67%的公司因此受阻。报告建议评估兼容性、采用云方案、使用模块化AI工具，并通过中间件桥接老系统。
采购团队如何提升AI应用能力？
报告强调投资定向培训、招聘专家、培养学习文化。快速制胜是引入直观界面的AI副驾驶工具，让团队轻松上手。CPO应将AI定位为提升而非取代人类专业能力。
报告中的代表性数据
80%
AI项目失败中数据质量问题的贡献比例
2025年，报告引用Rand的研究，显示80%的AI项目失败中，数据质量差是促成因素。
67%
认为遗留系统妨碍AI采用的企业比例
2025年，来源于Forrester Cloud Adoption Trends，揭示遗留系统是AI采用的主要障碍。
27%
CPO对团队未来12个月有效利用AI的信心比例
2025年，来源于GEP Outlook Report 2025，显示CPO对团队AI能力的信心不足。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 首席采购官（CPO）对采购数字化成熟度的自我评估数据（仅8%认为高度成熟）及Ovation社区洞察。
- 数据碎片化的深度分析，包括ERP和P2P系统中数据的非结构化问题及其对支出分析等基础AI项目的影响。
- 遗留系统现状调查，86%企业拥有数字化P2P解决方案，但系统间连接性不足削弱AI投资回报。
- 团队技能差距的定量分析，以及Procurement Leaders此前报告《从混乱到清晰：提供数据驱动AI采购》中的关键发现。
- 针对三大障碍的详细行动步骤：数据治理、系统现代化、内部技能建设，并附有快速制胜清单。
- 案例研究参考，如罗氏（Roche）AI平台实现两位数节省并提升生产力的案例。
- GEP提供的额外资源，包括白皮书《AI赋能采购优化成本、速度和韧性》及报告《Agent能走多远》。
- 采购领导者会员可获取的完整报告、专题网络研讨会及行业社区讨论内容。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
