供應鏈 AI 導入瓶頸不在技術，而在「決策權」：Deloitte 給主管的 5 個提醒
AI 技術飛快發展，供應鏈導入 AI 如果遲遲看不到成效，原因往往已經不在技術。顧問公司 Deloitte 最新《The Agentic Supply Chain》報告觀察，過去讓供應鏈 AI 停留在實驗階段的 4 道結構性障礙，其中 3 道：技術、衡量方式與治理，已大多鬆動，真正沒有鬆動的是第 4 道障礙，而它與技術無關。
代理式供應鏈已能規模化落地，共同模式浮現
支撐這個判斷的，是已經進入生產環境的實際案例。報告舉例，全球最大貨運經紀商 C.H. Robinson 部署了逾 30 個 AI Agent，涵蓋報價、派車、預約排程與貨態追蹤，2025 年一年就處理超過 300 萬筆貨運任務。其中報價 Agent 把原本需要數小時的作業壓到平均 2 分 13 秒；由於報價每延遲一次就會讓現貨成本增加 23% 到 25%，這個速度提升有直接的財務理由。
零售巨頭 Walmart 走的則是系統化路線。它的自癒式庫存（self-healing inventory）會自動偵測某地的過剩存貨，無需逐筆人工介入即可調撥到需求更高的門市；採購端則透過 Pactum AI 對數千家中型供應商同時自動議價，成交率達 68%。這些成果反映在其財報上：最近一期營收成長 5%，庫存卻只增加 2.6%。
Deloitte 指出，這兩家公司有一個共同模式，都從交易量高、資料就緒度最高的流程切入，用財務長可以稽核的成果證明價值，再逐步擴張。
唯一沒鬆動的門檻：導入 AI 卻沒重設工作
剩下的第 4 道障礙，Deloitte 稱為「個別效率無法轉為組織效益」。依它自家的《State of AI in the Enterprise》調查，超過七成受訪企業導入 AI，卻沒有重新設計 AI 本應改造的工作、流程與決策權。結果是員工個人感覺時間變多了，這些節省卻在進到損益表之前就蒸發。
這個現象有其他數據佐證。人資軟體公司 Workday 2026 年初報告指出，儘管 85% 的員工每週靠 AI 省下 1 到 7 小時，其中近四成的時間又被更正、驗證與重做低品質 AI 產出的工作吃掉，Workday 稱之為「生產力的 AI 稅」。
問題的根源不在資料、模型或人才，而在於沒有人為 AI 該在何時、如何做決策負責。Deloitte 用尾端採購（tail-spend，指金額低、非策略性的零星採購）說明差別：傳統流程中，一筆例行採購要走請購、三方比價、採購員評估、主管核准、開立採購單五道關卡，不論金額多小都一樣。把 AI 助理疊在這條流程上，或許能更快草擬詢價、更有效率地彙整報價，但五道關卡的結構沒變，整體時間壓縮有限。
真正重設過的流程，是讓 AI Agent 在既定的政策護欄（核准供應商清單、類別支出上限、標準合約條款）內自主處理這類採購，把人力挪去做需要判斷與商業創意的策略採購與複雜議價。Deloitte 引用的業界估計指出，有 60% 到 80% 的採購單屬於例行且合規，這些整條核准鏈可以用「設計時就內建治理」取代「執行時才逐筆治理」。
這正是 Deloitte 全份報告的主軸：AI 導入的關卡，不在於把工具交到員工手上，而在於把「決策權」重新部署給 Agent，並圍繞它重設工作。
外部壓力同時逼近：當買方也變成 AI Agent
如果說 Deloitte 是從企業內部指出改革的必要，顧問公司 Accenture 則從市場外部給出同方向的壓力。Accenture 指出，Agent 已經開始代替消費者比價、評估並在數秒內完成交易，這讓供應鏈的表現本身，變成 Agent 選不選你的條件。
Accenture 的觀察是，Agent 只看規則與價值：到貨可靠度、是否曾錯過承諾的配送時間，都會左右它的選擇。更關鍵的是，Agent 會從每次互動學習，一次履約失誤不是一次性的小插曲，而是會被記住、讓它之後持續把你降級。Accenture 估計，當購買或履約環節出錯，最高有 86% 的 AI 中介交易可能轉向競爭對手。
內部營運被 Agent 接手、外部買方也變成 Agent，兩股力量同時作用，讓「重設工作流程」從可以慢慢來的選項，變成不能再等的決策。
Deloitte 給供應鏈主管的 5 個提醒
Deloitte 把主管該做、也只有主管能拍板的決定，收斂成 5 個依序進行的提醒，每一個都附帶「做到什麼算完成」的檢驗標準。
第一個提醒，是為第一個自主流程界定資料邊界。與其等全企業資料到位，不如先選定一個流程，定義它需要的「最小可用資料集」，也就是自動化第一個決策迴圈所需、達到一定準確度與即時性的最小欄位集合。選題的標準是資料就緒度、決策可逆性與財務重要性，而不是技術企圖心。C.H. Robinson 從整車報價起步、Walmart 從庫存調撥起步，都是這個邏輯。
第二個提醒，是在採購前先確立架構政策。主管要先定義哪些情況該用平台內建 AI、哪些該用低程式碼工具自建、哪些才值得投入客製化開發，並設下一道治理關卡：任何客製化開發的提案，都必須先證明內建與低程式碼方案為何不足。Deloitte 提醒，開發團隊天生傾向客製自建，因為那更有趣也更好向預算委員會辯護，少了這道關卡，資源會被耗在不該客製的地方。
第三個提醒，是在部署前先訂好 AI Agent 的自主權政策。Deloitte 提出「自主權階梯」，主張別把 Agent 的自主權當成全有或全無，而是讓每個 Agent 從人工審核起步，憑在受限條件下展現的可靠度，逐步取得更高自主權。
第四個提醒，是在撥款前先建立可證偽的價值案。根據 Deloitte《State of AI in the Enterprise》調查，74% 的組織想用 AI 帶動營收成長，真正做到的只有 20%，這道落差不是技術問題，而是價值紀律問題。因此每一筆 AI 投資動支前，都要先有明確的財務結果、對照的基準值，以及衡量的時間表。
第五個提醒，也是多數企業還沒做的一個，是在擴大規模前先重設工作。主管要在放大部署前，盤點哪些角色、職責、決策權與績效指標會改變：哪些任務被取代、釋出的人力去哪裡、AI 又替人類創造出哪些新職責。Deloitte 引用 Gartner《Future of Supply Chain 2026》調查指出，51% 的供應鏈主管預期代理式 AI 會帶動整體人力調整，55% 預期基層職位縮減，86% 認為需要全新的人才培育管道。
【推薦閱讀】
◆ 摩根士丹利把對帳工時砍半：不是讓 AI Agent 更自主，而是讓它走進流程