八成五百强已试水，规模化却滞后

Arun Chandra 提供的数据显示，约 80% 的财富五百强企业已经引入了某种形式的智能体 AI。然而，从试点到真正产生规模效益的进展并不均衡，大量企业仍停留在相互孤立的试点项目。

“大家都在想，这项技术到底能做什么？”Arun Chandra 如此描述企业初期的普遍心态。但他强调，规模化的前提是把技术探索和明确的业务战略连接起来。

先定目标，再谈技术

在 Arun Chandra 看来，组织首先需要回答一个问题：部署智能体 AI 究竟是为了增加营收、降低成本，还是实现其他战略或财务目标。目标清晰之后，才应重新审视智能体将运行的工作流，而不是简单地把 AI 叠加到既有流程之上。

“最不该做的，就是把 AI 用在一个过时或低效的工作流上。”他提醒，若底层流程本身存在缺陷，智能体只会把问题放大。

智能体需要”系统级”支撑

要将智能体真正投入生产，企业需要把它们视作一个协调一致的系统，而非零散工具。智能体必须能够获取做出有效决策所需的数据、知识与上下文，并在需要执行动作时连接到后端系统。

Arun Chandra 认为，信息碎片化会直接削弱智能体的能力：”这些 AI 智能体的成效，完全取决于它们能够摄取并使用的上下文、知识与数据。”与此同时，随着智能体承担更关键的工作，治理、隐私、安全与变革管理的重要性同步上升。

把智能体当作”数字员工”

他进一步建议，企业应以衡量人类员工的标准来要求 AI 智能体，并把劳动力视为”人 + 智能体”的组合。在理想情况下，这种连通式的架构能让智能体主动工作，甚至与其他智能体协作，共同解决客户需求。

别想”一口吃成胖子”

对于正从试点迈向规模化的组织，Arun Chandra 给出的建议是不要”试图煮沸整片海洋”，而应围绕高价值场景、工作流、人力变革与可衡量结果，构建一套连贯的策略。

这篇内容由 MIT Technology Review Insights 制作，属于定制内容，并非该刊编辑部的独立新闻报道。

四个档位，17 家厂商

Leaders（领导者）：在功能性与易用性上同时表现突出，方案完整、ROI 高、支持大规模落地。本年度共 6 家——Blue Yonder、e2open、Elemica、FourKites、Infor、o9 Solutions。

Experts（专家型）：提供纵深且专业化的功能，适配复杂需求场景。本年度 3 家——aioneers、Kinaxis、SAP。

Accelerators（加速器）：侧重易用性与部署便捷度，方案更简洁，能以较低复杂度快速上手。本年度 3 家——Aera Technology、Lyric、Pelico。

Core Providers（核心供应商）：提供扎实可靠的基础功能，适合需求相对基本的组织。本年度 5 家——Centrum-AI、Cleo、Enmovil、Ergodic、Syren。

判断标准变了：决策速度取代可见性

Nucleus Research 的观察是，供应链控制塔技术正在跨越原有边界，向计划、执行、多企业网络、可见性、制造与决策智能等环节持续融合。当企业把这些环境连通起来之后，投资的评价方式也随之改变。

“控制塔的投资回报，越来越取决于决策速度，”Nucleus Research 首席分析师查尔斯·布伦南表示，”价值来自识别出真正对业务产生实质影响的中断，理解它在运营和财务上的后果，并在还有时间改善结果的时候采取行动。”

最清晰的 ROI 来源，是压缩”发现问题—理解下游影响—执行响应”这一完整循环的时长。响应更快、上下文更充分的决策，可以减少加急运费、库存暴露、缺货订单、客户升级投诉以及人工处理异常的工作量，同时改善服务水平、产能利用率、人力与资产效率。报告还提到另一层收益：企业可以在不同比例增加协调人力的前提下，扩大运营规模。

计划与执行正在合并

报告指出，随着企业使用实时信号与情景分析来评估库存分配、生产优先级、供应商选择、运输安排和客户承诺等决策，计划与执行两个环节的耦合度在提高。

这带来的实际能力是：在真正执行之前，团队可以把几个候选动作放在一起，逐一对照服务水平、成本、产能、库存与财务目标做比较，而不是先做完再看结果。

智能体 AI 接管”洞察到行动”之间的活

AI 在这一进程中扮演的角色，是在控制塔既有的预测分析、机器学习、优化与处方式能力之上再往前推一步。

Nucleus Research 的描述相当具体：生成式与智能体 AI 正在越来越多地自动化”洞察与行动之间”的那段工作——软件智能体开始承担监控异常、收集信息、分析短缺、与供应商协调、评估应对方案，以及在已连通的系统中发起动作。

但报告同时给出了明确的约束条件。这类能力的采用仍然受财务影响与运营风险的双重管理，因此可解释性、审批阈值、可审计性与人工监督的重要性在同步上升。换句话说，智能体的自主权必须与既有的权限体系和审批门槛对齐，而不是绕过它们。

报告对市场成熟方向的判断是：最终胜出的平台，将是那些能提供足够运营上下文、帮助判断”哪些中断需要人工介入”的产品，并推动组织从滞后反应走向同周期响应、近实时行动，乃至在问题对运营造成实质影响之前就提前预判。

Infor 连续第四年入选领导者

在 6 家领导者中，Infor 是连续第四年获得该定位的厂商，评价对象是构建在 Infor Nexus 之上的供应链控制塔——一个单实例、多租户、多企业的商业网络。

“我们的使命是为客户提供无可比拟的可见性、智能与协作能力，使他们能够主动识别并响应端到端供应链中的延误与机会，”Infor Nexus 产品营销与战略副总裁海蒂·本科表示。

报告列出了该产品自上一版榜单以来的若干进展，包括：推出面向供应链可见性与协作的首批标准化方案，出厂即按标准场景配置以缩短实施周期；上线”无事件检测”告警，允许用户为”某个流程未按预期发生”设置触发条件，借助流程挖掘识别订单与运输生命周期中的模式与偏差，覆盖漏转运、漏离港、卸货港滞留超时、供应商漏订舱等情形；将可见性延伸至国际运输的第一英里，覆盖货物离开供应商产地、经中转站再到港口这一段传统盲区；新增港口滞留分析，提供装货港、卸货港与场站的平均滞留时长与趋势指标；启用新的数据平台以统一管理客户与网络数据；在控制中心内嵌运营分析看板；扩展数据质量监控工具，用于发现全网范围的数据质量问题。

对中国企业的参考意义

需要说明的是，这份矩阵的评估样本以国际厂商为主，直接照搬名单意义有限。真正可迁移的是它的评价框架。

对正在推进供应链数字化的中国企业而言，这份报告提示了三个可用的自检问题：第一，现有系统究竟在缩短哪一段时间——是把数据汇总得更漂亮，还是真的压缩了从发现异常到执行响应的间隔；第二，引入 AI 智能体时，自主权边界是否已经与现行审批权限、金额阈值和审计要求对齐，可解释性和留痕是否具备；第三，运营上下文是否足够支撑”哪些异常值得打断人工”的判断——否则告警数量的增长，只会变成新的负担。

按 Nucleus Research 的逻辑，控制塔的价值不在于屏幕上有多少指标，而在于每一次中断发生时，组织能比上一次快多久。

印度数字化工程公司 Happiest Minds Technologies 与 IT 服务商 ITC Infotech 于 9 月 1 日宣布签署最终协议，将两家公司合并，组建一家以「AI 优先」为定位的全球技术服务企业，目标在 2028 财年实现 10 亿美元年营收。

ITC Infotech 是 ITC Limited 的全资子公司。根据交易安排，ITC Infotech 将以两笔交易从 Happiest Minds 发起方手中收购约 22.1% 的股份，总对价 1330 亿卢比（均价约每股 395 卢比）；随后通过换股完成合并，Happiest Minds 股东每持有 81 股可获得 25 股 ITC Infotech 股票。合并后 ITC Limited 将成为新公司的发起方，持股约 73.4%。

规模与能力互补

合并后的实体预计拥有超过 1.9 万名员工，服务 800 多家客户，业务覆盖 30 多个国家和地区。按备考口径，其 2026 财年营收约为 7033 亿卢比。

两家公司的能力高度互补：Happiest Minds 擅长人工智能、数字化工程、云、数据与网络安全；ITC Infotech 则在企业转型、SAP、产品生命周期管理（PLM）、云与工业 4.0 方面积累深厚。合并后，新公司将具备从构建、智能到运营的端到端交付能力，并在快速消费品、酒店、制造、教育科技、金融与医疗等行业的客户组合上更趋多元。地域上，合并后北美收入占比约 38%，欧洲约 31%。

押注生成式与智能体 AI

双方均强调，合并的核心逻辑是抓住企业加速采用 AI 带来的机会。公告提到，合并后将加速生成式 AI与智能体（Agentic）AI在多个行业的落地，并与微软、SAP、ServiceNow、PTC 及主流云厂商深化合作。

ITC Limited 及 ITC Infotech 董事长桑吉夫·普里（Sanjiv Puri）表示，两家公司互补的能力与面向未来的技术储备，将提升其为全球客户交付解决方案的能力。Happiest Minds 董事长兼导师阿肖克·苏塔（Ashok Soota）称，ITC Infotech 是帮助其实现愿景的最佳伙伴。该交易仍需获得印度竞争委员会、相关交易所及国家公司法法庭等监管批准，预计在 15 个月内完成，获批前双方保持独立运营。

对行业整合的参考

在全球企业加速推进 AI 转型的背景下，大型 IT 服务商通过并购补齐 AI 与数字化工程能力，已成为一种可见趋势。对于同样处于 AI 应用深化阶段的中国市场企业而言，这类「传统外包 + AI 原生」的能力整合方式，也提供了可对照的观察样本——不过具体市场结构与客户基础仍存在明显差异。

四个档位，谁在哪一格

Nucleus Research 的价值矩阵按功能性与易用性双轴划分象限，四档的定义各有侧重。

领导者（Leaders）指在功能与易用性上双双出色、能提供高投资回报并支撑大规模推广的厂商。今年入选的五家是：Coupa、Esker、GEP、Vroozi 和 Zip。

专家型（Expert）厂商提供深度且专业化的功能，适配复杂需求场景。这一档共六家：Basware、Ivalua、JAGGAER、Oracle、SAP（Ariba）和 Zycus。

加速器型（Accelerators）主打易用与快速部署，方案更简洁、上线复杂度更低。今年这一档为五家：Fairmarkit、Freehand、Infor、Proactis 和 Taulia。

核心提供商（Core Providers）提供基础且可靠的功能，适合需求较为简单的组织，包括 ebidtopay、Mercado Eletrônico、Synertrade 和 Tungsten Network 四家。

真正的变化：入口与编排取代整体替换

报告指出，采购到付款市场正在向「受理」（intake）与「编排」（orchestration）倾斜。企业的诉求是简化采购、强化支出管控，并从已有的企业系统里挖出更多价值——而不是把系统推倒重来。

具体做法是给所有采购请求建立一个统一入口。现代平台在这个入口上完成需求分类、政策校验，再把工作自动分流到寻源、合同、采购或审批等不同流程中，人工介入大幅减少。

这件事改写了采购数字化的成本结构。企业可以把编排层部署在现有的 ERP 与财务系统旁边，让采购团队在不替换底层系统的前提下改进工作流。这也意味着改造的门槛、周期与风险都明显下降。

投资回报则集中在采购与应付账款两个环节。原因不难理解：这两处交易量最大，每一笔都在重复产生减少行政工作、提高政策合规率、锁定节省额的机会。

Nucleus Research 研究分析师 Duncan Van Kouteren 的表述点出了核心：「采购到付款的价值，越来越取决于组织把员工需求转化为一笔合规交易的效率有多高。把受理、政策、采购与应付账款连起来，能让组织在减少管理支出所需精力的同时，获得对支出更强的控制力。」

智能体 AI 进场，但被套上了缰绳

报告明确提到，智能体 AI（Agentic AI）正在把自动化延伸到寻源、谈判、发票编码、异常检测等相关活动中。这些都是过去高度依赖人工判断、又极其耗时的环节。

关键在于厂商的实现方式：智能体的自主权被刻意对齐到组织既有的支出权限、审批阈值和审计要求上。也就是说，AI 可以自动完成财务流程，但不能越过原有的授权与留痕边界。这种设计让自动化程度提升的同时，问责链条保持完整。

对采购负责人而言，这一点比「支持 AI」的宣传语更值得追问：智能体在哪些金额区间内可以自主决策，超过阈值如何转人工，全过程是否留下可审计的记录。

合规与「业务自己能配」成了新的权重

另一条影响技术选型的力量来自监管。报告指出，全球范围内电子发票强制要求不断增加，多司法辖区合规能力的重要性随之上升。对于业务横跨多个国家和地区的企业，这项能力直接决定系统能不能用。

同时，采购方在评估时给易用性和「业务方自主配置」赋予了更高权重。背后的诉求很实际：采购团队希望调整工作流时不必每次都启动一个 IT 项目。

Nucleus Research 认为，这些趋势正在把客户价值集中到四项能力上——易用的需求受理、受控的自动化、监管覆盖范围，以及互操作性。四者叠加，才能提升采购生产率、强化支出治理，并压缩采购到付款体系现代化所需的时间与资源。

对中国企业采购数字化的参考意义

榜单里的厂商中，SAP Ariba、Oracle、Coupa、JAGGAER、Ivalua、Zycus 等在中国市场均有落地或服务案例，其产品思路对国内企业具有直接可比性。

更有价值的是那套评价框架。多数中国企业的采购数字化仍卡在同一个位置：需求分散在邮件、微信、线下单据里，比价与审批链条靠人工推动，支出数据事后才能汇总。按 Nucleus Research 的判断，破局点不在于上一套更大的系统，而在于先把请求入口统一起来，让分类、政策校验和分流自动发生。

至于智能体 AI，报告给出的边界同样适用：先明确权限与审批阈值，再谈自动化范围。把这两件事的顺序颠倒过来，风险往往比效率来得更快。