课程大纲

第一天上午：导入、认知重塑与标杆案例深度拆解

课程导入：汽车主机厂采购的现实痛点与培训核心目标

当前国企/主机厂采购合规、降本、供应链风险多重监管大环境解析
一汽-大众采购业务现状复盘：报价归集整理、市场价格调研等效率瓶颈分析
本次培训四大核心目标：认知重塑、效率跃升、系统构建、风险防范
输出成果预告：适配本企业业务的《AI+采购实践操作指南》框架介绍

AI在招采领域底层能力与应用边界（认知重塑模块）

生成式AI、文档解析AI、数据大模型、向量检索、异常检测模型基础能力通俗解读
AI能做什么：文档解析、数据提取归集、供应商初筛、指标拆解、价格数据分析、文本润色、线索初识别
AI不能做什么：不能替代人做定标、不能直接判定否决投标、不能代替采购人员承担合规与廉政责任
人机协同核心理念：AI做重复性加工处理，人做合规审核、业务判断、最终决策
小组研讨：梳理本岗位日常工作中适合AI介入与必须人工完成的工作边界

头部标杆企业AI+采购实战案例深度拆解（跨行业对标）

案例1：头部车企AI零部件供应商初筛——从海量供应商库快速过滤资质、产能、业绩匹配候选主体
案例2：央企AI批量报价自动归集整理——多供应商多版本报价文档自动提取，结构化输出比价表
案例3：大型装备企业AI市场价格调研实战——公开行业数据、历史合同数据大模型聚合分析，输出价格区间参考
案例4：能源集团AI评标指标量化落地——把模糊的主观评审要求转化为可比对、可打分量化指标
案例5：某制造企业AI采购踩坑反面案例——大模型幻觉虚构资质、未做人工复核造成审计风险
案例共性成功要素提炼，结合一汽-大众零部件/MRO/工装设备业务做适配转化思考

第一天下午：实操模块一——AI解决报价归集、市场调研、供应商筛选业务痛点

AI辅助报价收集与整理实操（解决核心痛点）

业务场景分析：多供应商PDF/Word报价单、分项明细、折扣条件、付款条件异构文档处理
实操1：AI文档解析提取报价关键字段，自动结构化输出比价Excel表格
实操2：多轮比价版本差异自动比对，识别变更项、折扣变化
实操3：报价异常项初步标记，人工二次复核校验要点
沙盘演练：发放多份模拟零部件供应商报价文档，学员使用提示词完成报价信息自动归集整理

AI赋能市场价格调研实操方法

汽车零部件、工装夹具、MRO物料、物流服务价格调研的传统痛点分析
AI多源信息聚合调研实操路径：历史采购合同解析、行业公开资料、竞品对标数据、物料成本构成拆解
使用AI输出价格参考区间，明确AI输出仅作为调研参考，不得直接作为定标依据
调研结果人工校验机制：数据源可信度甄别、异常值剔除
小组任务：针对某工装夹具采购项目，使用AI完成一轮市场价格调研模拟作业

AI辅助供应商筛选实操

业务场景：海量供应商库按资质、产能、过往履约、同类项目业绩做初筛
筛选条件标准化输入方法：结构化提示词撰写要点
AI批量检索、匹配、初筛操作流程；输出候选清单+匹配依据
红线强调：AI初筛仅为前置过滤，最终供应商资格必须人工逐条复核
工具下发：AI供应商筛选专用提示词模板库

评标指标AI量化实操

主机厂采购常见痛点：部分服务、非标设备评审描述偏主观，指标模糊，评审自由裁量风险高
AI把业务需求转化为可量化评审指标完整流程：业务需求输入→AI生成指标初稿→人工评审校验→定稿发布
指标量化校验要点：指标必须贴合项目，不得出现地域、规模、品牌类排他性条款
沙盘演练：给定一份汽车物流服务采购需求，学员使用AI生成一套可落地的量化评标指标，人工修正优化

第二天上午：实操模块二——AI风险识别+端到端AI采购评标系统建设路径

利用AI搭建招采风险防火墙：围串标、资质造假智能识别实操

传统人工识别围串标、虚假业绩的局限性分析
AI识别几类高频风险的实操路径：标书文本向量相似度比对、报价数据分析、资质业绩文档OCR解析与交叉比对
重要边界：AI输出仅为风险线索标记，不能直接做出串标、造假的最终认定，全部线索必须人工核查取证
全套复核流程：AI线索输出→人工取证核对→形成书面证据材料→再做处置
案例复盘：标杆企业AI识别串标嫌疑的真实业务案例及过度依赖AI直接定性造成的反面教训

端到端AI评标/采购智能系统建设完整路径（系统构建模块）

阶段1：业务需求定义——梳理高频场景，明确业务目标、合规约束、输出物格式
阶段2：数据准备工作——历史采购文档、评标模板、制度文件、安全与数据保密要求（重点：主机厂零部件涉密数据安全管控）
阶段3：模型与产品选型——商用大模型、私有化本地部署AI系统优缺点对比，结合汽车企业数据安全要求选型判断
阶段4：原型测试与验证——小范围试点项目试运行，建立效果评价指标，识别幻觉、错误输出问题
阶段5：上线部署、权限管理、岗位流程嵌入，明确人机分工岗位职责
阶段6：持续迭代优化，定期更新提示词库、校验规则库
小组研讨：结合本单位业务，输出一份AI采购系统试点业务场景建议清单

AI采购数据安全与合规审计硬性要求

汽车零部件涉密图纸、成本、供应商敏感信息禁止上传公有大模型；私有化部署适用场景
AI生成全部文档、分析记录留痕归档，满足审计十年倒查要求
建立《AI输出内容人工复核检查表》，每一步AI输出必须落实业务人复核签字机制

第二天下午：成果固化、沙盘综合演练、实践指南编制、答疑总结

AI在招标采购全流程完整应用全景梳理

采购需求阶段：需求梳理、评审指标AI辅助生成
寻源阶段：AI辅助供应商筛选、市场价格调研
招标文件阶段：AI辅助文档检查、歧视性条款初筛查
接标阶段：AI报价文档解析归集、标书文档解析
评标评估阶段：AI辅助材料比对、风险线索识别、辅助信息汇总
定标归档阶段：辅助报告初稿生成，全部结果人工终审
再次强调：全部AI产出均为辅助材料，不替代人的合规判断与决策

综合沙盘实战演练（完整模拟汽车零部件采购项目全链路AI应用）

模拟业务场景：汽车零部件总成采购项目
步骤1：使用AI完成供应商初筛
步骤2：AI完成多份供应商报价结构化归集
步骤3：AI辅助开展市场价格调研
步骤4：AI生成量化评标指标初稿，人工修正
步骤5：AI对标书材料开展风险线索扫描
学员完整执行AI输出-人工复核-证据留痕整套闭环流程，讲师点评各组实操成果

《一汽-大众AI+采购实践操作指南》内容固化与研讨

指南整体框架讲解：适用业务场景、各环节提示词模板、操作步骤、复核要点、风险红线、归档要求
分组研讨补充本企业特有业务约束，完善指南条款；形成课后可带回的落地文档框架

常见问题、误区澄清与课程总结

误区1澄清：AI可以替代采购人员完成全部招采工作
误区2澄清：AI分析结果可以直接作为定标、否决投标的唯一依据
误区3澄清：敏感零部件采购数据直接上传公有在线大模型
误区4澄清：取消人工复核，完全信任AI输出内容
课程全天总结：四大培训目标复盘，回顾标杆案例成功经验与教训，重申人机协同核心思想
学员结合零部件、工装、MRO、物流采购的真实工作场景现场答疑

适合对象

业务负责人、项目骨干、内训师和正在试点AI工具的团队可以带着当前业务任务参加，便于课后沿用同一套判断和跟进方式

课程定位与主要问题

报价收集与整理效率低下：多供应商异构文档（PDF/Word）处理繁琐，人工提取关键字段耗时且易出错。市场价格调研存在瓶颈：传统调研方式难以快速聚合历史合同、行业公开数据及竞品对标信息，缺乏数据支撑。评标指标量化主观性强：部分服务与非标设备评审描述模糊，自由裁量权大，缺乏客观可比的量化标准。隐蔽风险识别困难：人工难以有效识别标书雷同、IP/硬件特征关联、报价规律性差异及资质业绩造假等围串标线索。 AI应用经验不足与误区：团队缺乏系统化AI实操经验，存在过度依赖AI或误用公有云模型处理涉密数据的风险

核心收益

对齐工具场景、输入要求和输出校验，先把训练目标落到真实工作场景
围绕导入、认知重塑与标杆案例深度拆解明确判断口径和处理优先级
用实操模块一——AI解决报价归集、市…安排练习，检查方法、工具和流程是否可用
带走实操模块二——AI风险识别+端到端…相关的复盘问题和跟进清单

课程背景与交付信息

AI工具进入真实流程后，难点通常不在演示，而在任务选择、输出校验和协作边界。课堂从导入、认知重塑与标杆案例深度拆解切入，再对齐实操模块一——AI解决报价归集、市场调研、供应…与课后复用方式。

课程时间

2天

授课方式

法规精讲、头部标杆企业案例深度拆解、分组沙盘实操、AI工具现场演示、方案研讨、工具模板输出

课程内容重点

01第一天上午：导入、认知重塑与标杆案例深度拆解

02第一天下午：实操模块一——AI解决报价归集、市场调研、供应商筛选业务痛点

03第二天上午：实操模块二——AI风险识别+端到端AI采购评标系统建设路径

04第二天下午：成果固化、沙盘综合演练、实践指南编制、答疑总结

讲师介绍

李国文

招投标合规与投标实战专家

招投标合规与投标实战专家。企业培训讲师。李国文老师可围绕课程主题、行业场景和企业实际问题提供定制化内训授课，可结合企业内训场景开展课程讲授与案例讨论，可结合企业内训场景开展课程讲授与案例讨论

政府采购通信行业电力能源国有企业科技服务

查看讲师主页

课程差异说明

本课程立足汽车主机厂及大型制造企业招采痛点，深度拆解AI在供应商筛选、报价归集、市场调研及风险识别中的实操方法。通过标杆案例复盘与全流程沙盘演练，让参训团队建立人机协同理念，掌握从业务需求到系统落地的完整路径，输出可复用的《AI+采购实践操作指南》，推动招采工作由经验驱动向数据智能驱动转型，实现效率跃升与合规风控双重目标

人工智能在招标、采购与评估中的应用：实际应用与最佳实践