--- title: "别急着让智能体替你下单——B2B 智能体采购的验证机制、职责分离重构与三条冷启动建议" date: 2026-09-27 description: "Gartner 预测 2028 年 90% 的 B2B 采购将由 AI 智能体中介、逾 15 万亿美元，但本文基于一手核实发现：该预测与其自己「40% 智能体项目将在 2027 年底前被取消」的预测分属两份不同文件，而唯一在运行的验证机制 PunchOut 恰恰是唯一保留人在环的环节。Deloitte 数据显示买方已 40% 采用而供应商仅 24%，形成采纳不对称。本文梳理 B2B 独有的三道验证机制（确定性、职责分离、对手方信任）、解释智能体如何改变采购舞弊模型，并给出银行可落地的三条冷启动建议。" tags: ["B2B", "智能体采购", "内控", "职责分离", "采购舞弊", "供应商管理", "SOX合规", "银行运营"] schema_type: "Article" --- # 别急着让智能体替你下单——B2B 智能体采购的验证机制、职责分离重构与三条冷启动建议 **Gartner 那句"2028 年 90% B2B 采购由智能体中介、逾 15 万亿美元"，与它自己"2027 年底前 40% 智能体项目将被取消"的警告，来自两份相隔四个月的不同文件——而后者才是更该被认真读的** **B2B 与零售的根本差异不在支付：卡轨道、拒付、争议那一整套在 B2B 几乎都不存在。真正的约束是确定性、职责分离与对手方信任，而这三样恰好都是智能体最不擅长的** **Deloitte 实测：近 40% 的买方已在采购中使用智能体，而供应商侧仅 24%、且明确抗拒开放目录——采纳不对称的方向与智能体互联网的叙事相反** **最危险的一条内控变化：传统职责分离靠"没有一个人同时握有发起、授权、记录、保管"，而一个编排型智能体天然可以同时持有全部四项** ## 一、先把最大的那个数字拆开 B2B 智能体采购的故事，是从一个令人咋舌的预测开始的。Gartner 在 2025 年 10 月 21 日发布的年度战略预测中提出：**到 2028 年，90% 的 B2B 采购将由 AI 智能体中介，推动超过 15 万亿美元的 B2B 支出流经"AI 智能体交易所"**；并预测到 2030 年 20% 的货币交易将是"可编程的"。 但**同一份文件之外，Gartner 在 2025 年 6 月 25 日就发布过另一条预测：超过 40% 的智能体 AI 项目将在 2027 年底前被取消**。这两条预测**不在同一份文件中**，相隔四个月。市场通常只引用前一条。 而支撑前一条预测的行业现实是： - **Deloitte 2026 年 B2B 商业研究**（1000+ 美国供应商与买方）：**近 40% 的 B2B 买方已在采购中使用智能体**，而**供应商侧仅 24% 在销售流程中使用、67% 表示计划采用** - **Deloitte Tech Trends 2026**：**仅 11% 的组织有智能体处于生产环境**，尽管 38% 在试点；42% 仍在制定战略，35% 完全没有战略 - **Cisco 2026 年 3 月的"智能体信任缺口"调查**（在其自身客户群中）：85% 的组织已在试验、试点或部署智能体，**但只有 5% 报告智能体进入广泛生产环境** **这里必须说清一个统计陷阱**：不同调查得出的生产率数字从 5% 到 46% 不等，差异不来自事实而来自**受访者是谁**。Deloitte 与 Cisco 问的是企业高管与 IT 负责人（答案低），而 Monte Carlo 2026 年 4 月调查 260 名工程师与开发者，**46% 的构建者称其智能体已在完全生产环境运行**。同一件事，管理层觉得还早，工程师已经在跑了。 **一个更诚实的读法是：Gartner 的 15 万亿是"被中介的支出"，不是"由智能体自主决策的金额"。** 这个区分比数字本身更重要——前者今天已经在发生（采购平台上的比价、配置、审阅），后者几乎还没发生。 **关于 x402 规模的三个流传数字，本文只保留可对账的一组**：Visa 与 Artemis 的联合报告显示，剔除洗售与测试活动后，x402 自 2025 年 5 月起至 2026 年 4 月 21 日累计约 **1.096 亿笔、调整后交易额约 1,500 万美元**——**平均每笔不到 0.14 美元**。同期未调整的原始口径为 1.783 亿笔、1.357 亿美元。另有独立预印本对 Base 链 280 天全窗口的测算给出 1.367 亿笔结算、4,412 万美元，其中 21.20% 为虚构、63.78% 为关联集群内部结算。**同一事物，原始口径与调整口径相差约 9 倍——引用时必须说明是哪一个。** ## 二、为什么 B2B 的约束和零售完全不同 这是本文最重要的一节。**如果把零售那套智能体支付逻辑直接搬到 B2B，会犯一个根本性的错误。** | 维度 | 零售智能体支付 | B2B 智能体采购 | |---|---|---| | 对手方 | 匿名商户 | **已知供应商**，多为长期合作或有准入资质的合格供应商 | | 单笔金额 | 极小，微支付是主要形态 | 数千至数百万美元 | | 拒付机制 | 核心争议解决手段 | **几乎不存在**。B2B 走的是合同与争议条款，不是拒付 | | 验证方式 | 自动测试、评分表 | **三路匹配**（订单、收货、发票）加合同条款 | | 核心风险 | 支付授权 | **合同义务履行、舞弊、职责分离** | | 失败后果 | 一笔小额错账 | 一整批错账、舞弊得手、内控失效 | **换句话说：零售智能体支付最难的是"钱付给谁算授权了"，而 B2B 最难的是"这笔采购是否履行了合同、是否违反了职责分离"。** 后者与支付基础设施几乎无关，而与内控体系强相关——这正是 B2B 与零售分野的地方。 ## 三、三道验证机制，以及智能体为什么难过 ### 3.1 确定性：采购交易不允许概率 B2B 的核心系统对接——PunchOut（目录推送、购物车回传）与采购订单集成——要求**同一个输入必须映射到同一个结果**。一份采购订单每次都必须以完全相同的方式生成。 **智能体在这里的本质困难是：概率性系统不满足确定性要求。** 一个"大多数时候给出正确输出"的智能体不是企业采购系统，它是**一个负债**。演示展示的是"建成"，隐藏的是"运维"。 这一点有独立佐证：智能体安全领域已经出现了明确的范式转换——**从"采样统计"转向"总体审计"**。当审计师可以复核每一个智能体动作时，统计抽样的价值就崩塌了，而良好日志基础设施的价值同比上升。相应地，审计证据的形态必须从"ERP 日志"扩展到"不可变的模型调用轨迹 + 工具调用日志 + 检索文档清单"。 ### 3.2 职责分离：智能体同时破坏了控制链的三个环节 这是 B2B 独有、也是我认为对银行最重要的部分。 **传统职责分离（SoD）的定义是：没有一个人同时握有发起、授权、记录、保管四项。** 这在智能体面前有两层失效。 **第一层：一个编排型智能体可以同时持有全部四项。** 如果同一个系统身份能够发起付款、解释理由并入账，它就把控制设计本应分开的职责合并了。**关键的分界线是：若付款审批智能体的唯一输入只是发起智能体的叙述摘要，组织分离的是标签，不是职责。** 这引出了一个**可操作的诊断测试**：给发起智能体一个看似合理但错误的理由，观察审批智能体能否抓住它。这实质上就是审计师确认控制"如设计般运作"而非"仅存在于流程叙述中"的穿行测试，应当纳入持续控制监控而非一次性上线检查。 **第二层：两个共享同一底座的智能体不是独立复核。** 如果两个智能体身份共享同一基础模型、同一编排器、同一记忆存储或同一工程师的提示词模板，**那么在任何审计师认可的意义上，它们都不独立**——即使访问日志显示是两个不同的服务账号在调用。 **真正的独立意味着：审批步骤必须自行检索一手数据，而不是接受交接摘要。** 付款审批智能体应当直接拉取发票、采购订单和相关总账科目，自己计算并验证，而不是接受发起智能体对"这些单据写了什么"的转述。**这个单一设计选择，是"存在的控制"与"有效的控制"的分界线。** **这里必须点明一个易被误用的推论**：部署 AI 智能体**不会把法律责任转移给智能体，而是把责任集中到部署方**。当智能体做出违反政策的采购决策时，责任在机构。 ### 3.3 对手方信任：PunchOut 恰恰是唯一保留人在环的环节 这是 B2B 与零售最本质的区别，也是最容易被外部叙事忽略的。 **真实 B2B 采购的核心——重复性、贡献利润率的大额采购——是从关系开始的**：已批准的供应商、谈定的条款、授信额度、长期订单。**等到下单时，绝大多数重要决定早已做完。** 而且在几乎所有行业里，**现货采购、询价与长尾支出只占 B2B 的一小部分。** 所以现实的发展路径不是"智能体在开放交易所里互相找到对方并谈判"，而是**智能体在既有关系内部执行补货**：一个买家信任了十年的供应商，在买家写下的约束下、在卖方终于整理干净的数据上下一笔常规补货订单。 这带出一个对银行采购方最实用的判据——**授权先于智能**：一个认真的买家对智能体的第一个问题是"它能在我不在场时做什么"。**支出上限、替代规则、审批阈值、可以接触哪些供应商**——把这些边界做得清晰可读，比任何能力演示都更能推进采购。 而对供应商侧，**智能体流量本身就是一个销售渠道**。当客户的智能体访问你的站点或 API 时，把它当作机器人流量拦掉，等于**拒掉一笔你的客户本来想下的订单**。 ## 四、智能体如何改变采购舞弊模型 这是 B2B 独有的、也是最容易被忽略的风险变化。 **传统采购舞弊的核心特征是需要串谋**：内部采购人员与外部供应商合谋，才能开出高价、拆分订单、让供应商中标。**串谋之所以是关键，是因为控制设计假定不同侧的人不共享信息与意图。** **那么当采购的一方变成智能体时，串谋这个前提还成立吗？** 答案取决于智能体与供应商之间是否存在**共同的动机或被污染的信息通道**。有三条现实路径： **其一，被污染的输入。** 智能体会读取供应商发来的邮件、报价单与 PDF 附件。**在这些文件里植入指令，可以在完全不需要串谋的情况下操纵智能体的行为**——这是提示注入从"泄露信息"升级为"改变采购结果"的路径。 **其二，绕过供应商主数据的间接路径。** 智能体到供应商主数据或客户主数据的**任何路径，无论多间接**，都是业务邮件入侵（BEC）所依赖的那个精确动作——**修改银行账号**。这是所有采购内控中最关键的单点，也是最适合用架构封堵的。 **其三，机器速度的调整通道。** 贷项通知单、核销与未认领现金的提案。**这三者过去都存在，变化的是速度、批量，以及中间没有一个人类可能注意到。** 值得强调的是：这三类风险的识别**不需要新方法论**。它们在 COSO 原则 8（舞弊风险）下已被充分认识。**需要新增的是把它们明确写进风险登记册，并对"可被操纵的输入""到主数据的间接路径""机器速度的调整"三条向量各有条目。** 至于责任：法规侧的立场是清晰的——**企业对自己 AI 智能体的行为负责，程度等同于对员工负责，即使该智能体由第三方设计或提供。** "供应商的模型干的"不是被接受的抗辩。 ## 五、三条冷启动建议 B2B 智能体采购的正确起手式，与"先上能力"的直觉相反。 **建议一：从"人在环"的环节开始，不要从"替人决策"开始。** B2B 里唯一保留人在环、且最该保留的环节就是 **PunchOut 目录与购物车回传**。这是一个被长期低估的判断：**不要一上来就替换它，而是让智能体去优化它周围的下半程**——搜索、可用性比价、购物车组装、订单落库、以及最后的付款与对账。买家保留"打电话确认"的那个动作，智能体承担让它不必打电话的那些工作。 **判据是错误成本而非金额。** 如果预期发票只有 25 美元，那么比金额上限更有效的触发条件是**异常重复、银行账号被变更、出现新收款方**。控制设计要盯住**损失敞口与对预期行为的偏离**，而不是发票面值。 **建议二：把职责分离从"人"重建成"能力边界"。** 具体三条： - **解释与入账分离**——解释合同的智能体与执行入账的智能体不得共用身份 - **入账不得修改主数据**——供应商主数据只能有供应商主数据写入身份 - **监控须足够独立**——监控不能由被监控的组件产生 **并且把"审批智能体自行拉取一手数据"设为架构强制项**，不接受"提交摘要 + 审批"这种形式分离。判据很具体：**如果审计师挑战你的复核，你能不能证明你复核过——而不是只证明你批准过？** **建议三：先做建议模式，再做执行模式，中间用例外率做闸门。** 上线顺序应当是：智能体先只出建议，测量其建议与人工决策的偏离率；**只有当偏离率稳定在可接受区间，才放开自主执行**。同时立刻建立**按日对账**（不是按月）——因为在一个每小时可发生数百笔交易的系统上，月结意味着三十天的发现窗口。 **关于人工确认阈值**：行业实践已逐渐收敛到应付账��约 5 万美元、资金操作约 50 万美元这一量级，且**任何首次交易对手方、任何已有供应商银行账号的变更，强制人工复核**。但本文建议**按"不可逆性"而非"金额"分层**——不可退款采购、定制订单、年度承诺、有取消罚则的支出，无论金额多少都需人工确认。**智能体采购事故的典型形态不是金额巨大，而是金额很小、不可逆、且反复发生。** ## 六、监管与边界：必须说清不能外推什么 **欧盟 AI 法的实际情况与流传的说法不同。** 附录三第 5(b) 项为"用于评估**自然人**信用状况或建立其信用评分的 AI 系统"（金融欺诈检测除外）列为高风险。**注意限定词是"自然人"**——企业法人的信用评估不在此列。**更关键的是：附录三八个类别中并不存在"采购选择"或"供应商选择"这一项。** 所谓"AI 采购决策属于高风险"的说法，就欧盟法的字面而言不成立。 但时间表最近刚被改动：《数字 Omnibus on AI》（Regulation (EU) 2026/1744，2026 年 7 月 27 日生效）**将附录三高风险义务的适用日期从 2026 年 8 月 2 日推迟至 2027 年 12 月 2 日**。所以那些"2026 年 8 月高风险义务已生效"的表述，在适用性上已被推迟——虽然 2026 年 8 月 2 日仍是一般适用日，透明度义务等仍然适用。 **本文也不讨论中国的具体规则落地**，那需要单独取证。 **一条更普适的边界**：B2B 智能体采购的成熟度，用"演示"衡量毫无意义。**唯一有效的检验是：一个已经在运行的、在对手方关系内部、被真实约束住的常规流程。** 这与零售那套"公开协议 + 轨道 + 拒付"的进展逻辑不可互相搬用。 ## 七、结论 **2028 年拐点不会以市场叙事描述的方式到来。** 这条曲线已经在跑了，形状是**垂直优先**而非横向爆发，节奏由三件事中最慢的那件决定：对手方信任的积累速度、监管口径的明确度、以及内控体系能否在智能体速度下保持确定性。 **最可行的起点很无聊**：一个买家、一个补货流程、买家本来就烂熟于心的约束、在卖方终于清理干净的数据上，让智能体下一笔常规订单。**结账从来不是有趣的部分。** 对银行而言，B2B 智能体采购的特殊风险不在支付——**支付那一层 B2B 几乎不发生**——而在**内控**：职责分离在智能体面前的具体失效方式、供应商主数据被间接改写的路径、以及机器速度下调整通道的放大效应。**这三样今天就可以开始建，而且不依赖任何协议选择。** --- *作者毕超，金融行业风险管理从业者。本文仅代表作者个人观点，不构成任何机构立场。* *（内容由AI生成，仅供参考）* ## 常见问题 Q: B2B 和零售智能体支付，差别到底在哪？ A: 差别**不在支付**。B2B 几乎不发生智能体微支付，卡轨道、拒付、争议那一整套基本不适用。真正的差别在验证与风控：B2B 的对手方是已知供应商、单笔金额从数千到数百万美元、核心机制是三路匹配与合同条款、失败后果是一整批错账或舞弊得手。**零售最难的是"钱付给谁算授权"，B2B 最难的是"这笔采购是否履约、是否违反职责分离"。** 后者与内控体系强相关，而与支付基础设施几乎无关。 Q: Gartner 那个 15 万亿预测可信吗？ A: **需要连着它的反面一起读。** 该预测出自 2025 年 10 月 21 日的年度战略预测文件；而同一机构在 2025 年 6 月 25 日已发布"**超过 40% 的智能体 AI 项目将在 2027 年底前被取消**"的预测。两条不在同一份文件，相隔四个月，市场通常只引用前者。更重要的是，15 万亿指的是"**被智能体中介的支出**"，不是"由智能体自主决策的金额"——而现实数据是：买方已有近 40% 在用智能体做采购，供应商仅 24%，且**唯一在运行的验证机制 PunchOut 恰恰保留了人在环**。把它当作"取代收银台"的预测去规划，会错得很远。 Q: 最容易被忽略的内控失效是哪一个？ A: **"两个智能体做复核"这件事。** 如果审批智能体的唯一输入是发起智能体的叙述摘要，组织分离的是标签而不是职责——一旦发起方出错，错误会原样穿过审批。更隐蔽的情况是两个智能体共享同一底座模型、编排器与记忆存储：**在审计日志显示两个不同服务账号调用的表象下，它们在任何审计师认可的意义上都不独立。** 有效的检验只有一个：**审批步骤必须自行拉取发票、订单与总账科目，自己重算，而不是接受转述。** 这个设计选择决定了控制是"存在"还是"有效"。 Q: 为什么说不要一上来就让智能体替人决策？ A: 三个理由。**其一，B2B 的核心采购是从关系开始的**——已批准供应商、谈定条款、授信额度，等下单时重要决定早已做完，所以可自动化的其实是"订单执行"而非"选谁"。**其二，确定性是硬约束**：采购订单每次必须以相同方式生成，而智能体是概率性系统，"大多数时候正确"不是采购系统，是负债。**其三，采购事故的典型形态不是金额巨大，而是金额很小、不可逆、反复发生**——所以确认阈值应按不可逆性分层，而非按金额分层。现实起点是一个买家、一个补货流程、买家本就烂熟于心的约束。 Q: 欧盟 AI 法把采购 AI 列为高风险，这个说法成立吗？ A: **按字面不成立。** 附录三第 5(b) 项的限定词是"**自然人**的信用状况或信用评分"，企业法人不在此列；且附录三八个类别中**并不存在"采购选择"或"供应商选择"条目**。需要注意的是时间表已被改动：《数字 Omnibus on AI》（EU 2026/1744，2026-07-27 生效）把附录三高风险义务从 2026-08-02 推迟至 **2027-12-02**，所以"2026 年 8 月高风险义务已生效"在适用性上已被推迟，尽管 2026-08-02 仍是一般适用日。银行若把采购智能体按高风险清单管理，属于主动加严而非合规义务。 Q: 本文数据可靠吗？有哪些是推不出来的？ A: Gartner 与 Deloitte 的数字均已一手核实（分别为 2025-10-21 与 2026-06 发布的原始文件）。**x402 规模我只保留可对账的一组**：Visa 与 Artemis 联合报告的调整后口径 1.096 亿笔 / 1,500 万美元，与原始口径 1.783 亿笔 / 1.357 亿美元**相差约 9 倍**，引用时必须说明口径。生产率数字从 5% 到 46% 不等，**差异来自受访者群体而非事实**——问高管与问工程师会得到相反答案，本文并列呈现而非取中位数。舞弊分析中引用的个案为公开报道的**已披露事件**，我未能独立核实其全部技术细节。中国规则部分本文未作论断。