80% 採購流程自動化！BMW 揭 AI 代理如何接手「人人討厭」的供應鏈盤點？
全球汽車產業的數位化之路，已開始從傳統的數位化工具，邁向 Agentic AI（代理式 AI）的時代：不只是查詢資料，而是能執行流程、協作並在整條價值鏈中自主行動的代理式 AI。
把人人討厭的盤點、採購流程變成 80% 自動化
在汽車製造流程中，工具資產盤點，是採購部門最繁瑣、最耗時的作業之一。以知名品牌 BMW 為例，每年該品牌的 850 位採購人員必須確認超過 60,000 件模具與工具資產，逐一核對資產是否存在、由哪家供應商持有、是否已移動等。
「這是大家都討厭的流程。」負責 BMW 供應商網路與採購數位化的副總裁甘瑟（OliverGanser）直言，採購人員必須反覆與財務部門、供應商聯繫，流程冗長又高度重複。
於是，BMW 就利用代理式 AI 系統來自動處理採購與供應商網絡協調，將流程中約 80% 交由代理式 AI 自動執行。根據官方新聞稿，這個代理式 AI 有不同子功能，像是讀取資料、比對資訊、追蹤狀態等分工協作，而且它不只是個輔助搜尋工具，更可以做到主動介入，負責供應鏈數據監控、報表生成等任務；某些情況下可達「無需人類監督」的自動化執行，只有發現異常或需要人工判斷時才通知採購人員。
在看到效益後，甘瑟表示員工開始主動要求導入更多 AI 代理人，「你需要先有一個能讓大家感受到好處的切入案例，當他們看到 AI 幫上忙，自然會想用更多。」
從企業內部走向跨公司合作的 Agentic AI
然而，甘瑟認為更大的價值不在企業內，而在跨企業的流程。汽車供應鏈高度複雜，資料分散在不同公司與系統之間，而許多協作流程，例如供應鏈能否滿足新的生產量需求，仍依賴大量電話、表單、Email 來人工確認。
「今天公司與公司之間交換的大量資料，其實沒有附加價值，但你就是得做。」甘瑟說，「為什麼不能由 AI 代理來協助處理這些協作情境？為什麼每個情境都要人來回討論？」
問題不只在技術，而在信任、資料語意一致性，以及存取權限管理。在資料格式不一致、語意不同、充滿防火牆的環境中，AI 代理人無法跨企業運作。
因此跨公司 AI 的成功基礎是：共同資料語意（ontology）、共同資料標準、受信任的數據交換機制，這也是甘瑟身為德國 Catena-X（汽車產業跨企業資料網路）計畫主席時最常強調的觀點：「如果沒有產業級的共同資料基礎，所有代理式 AI 最終都會失敗。我們的流程需要的是確定答案，不是 AI 的機率判斷。」
代理式 AI 的發展，意味著汽車產業供應鏈將從過去仰賴人工協調、碎片化資料交換的模式，轉向由 AI 主導的即時協作網路，甚至有機會透過上下游的資料整合，讓 AI 從單點自動化擴大為整體價值鏈的效率引擎。
【推薦閱讀】
◆ Anthropic 捐出 MCP 給它！「AI 代理基金會」能成為 AI 代理的產業標準嗎？
＊本文開放合作夥伴轉載，參考資料：《Automotive Logistics》、BMW，首圖來源：BMW
（責任編輯：廖紹伶）