客户看到「四十个场景」的第一反应不是「好全」，而是挑最不靠谱那个来问。 一个伪需求会削弱旁边所有真场景的说服力 —— 所以这一页存在的意义，是让 15 个真场景更可信。
采购岗位是伪需求重灾区，因为它离钱最近、离老板的疑心也最近。判断只需要三句话：这个动作敢不敢让 AI 替你签字？这个数据现在有人维护吗？如果 AI 明天就把这事做完了，老板会不会更信你还是会更疑你？第三句答不上来，就不要做。
它看起来完全合理：纸质登记乱、统计麻烦、月底要追问还剩多少。 但制度里写着「月度汇总提交采购与财务作成本核算依据」—— 现实中签完字这件事就结束了，汇总表没有人看。 把一张没人看的表加速录进系统，等于加速垃圾数据入库。 真正有价值的是另一个问题：为什么某个部门的耗材是别人的三倍。
最后一列是客户主动提出时的回应口径 —— 不是拒绝，是把他引到真场景上
| 伪需求 | 命中法则 | 更优解 / 真实瓶颈在哪 | 客户提出时怎么回应 |
|---|---|---|---|
| AI 联网实时比价 / 查市场公允价 | 法则二 + 实测死刑 | 实测把 0.92 元的电容报成 0.038 元（差 20 倍）、编造型号、库存失真；非标件场景「满嘴谎言」 | 现场话术：「实测 AI 报价比真实价差过 20 倍，库存还能报出『现货 3850』实际是 0。我们只碰您的自家数据 —— 三家报价是真实的、历史价是真实的、换算规则是透明的。市场行情让您自己判断，我们负责让您看得清自家。」 |
| AI 全自动下单 / 自动补货 | 法则二 · 涉钱拍板（公开证伪） | 斯德哥尔摩 AI 咖啡店：上下文遗忘导致重复下单囤 6000 包餐巾纸，2.1 万美元亏剩 5,000；换模型后走向另一极端导致断货 | 现场话术：「那家全交给 AI 的咖啡店，两个月把两万美金亏剩五千 —— AI 会忘记买过的东西然后重复下单。采购的钱这最后一道闸，永远得是人拍板。我们把闸门前面的准备工作做完，您只负责点头。」 |
| AI 寻源推荐新供应商 | 法则二 + 实证死刑 | 山东机械厂案例：AI 推荐 5 家「资质整整齐齐」，3 个月后电机批量烧毁停产一周损失 40 万 —— 2 家无资质 1 家盗用认证 | 现场话术：「山东那家厂信了 AI 推荐的供应商，停产一周赔了 40 万 —— 推荐名单里两家连资质都是编的。找供应商还是老办法：同行介绍、送样、验厂。我们做的是把您已有的供应商管清楚 —— 手里这 127 家先盘明白，比找新的更值钱。」 |
| AI 谈判 / 代采购砍价 | 法则二 · 老板核心权力区 | 谈判是老板的权力和关系博弈；AI 话术解决不了信任，反而激化「采购到底站在哪边」的猜疑 | 现场话术：「谈判桌上的每句话都带着您的底牌 —— 这张桌子 AI 上不去。我们给的是谈判桌上的弹药：历史价曲线、比价留档、索赔台账。您拿着这些谈，比让 AI 替您谈有力十倍。」 |
| AI 自动付款 / 自动开票 | 法则二 · 内控铁律 | 付款审批与执行是不相容岗位的内部控制底线 —— 任何自动化都破坏留痕链 | 现场话术：「付款这道闸,您的财务制度比 AI 可靠。我们的终点是『付款数据就绪』—— 差异清零、单据齐全，财务看到的就是成品。最后一键，永远是人。」 |
| MRP / 智能需求预测 | 法则三 · 数据地基不支持 | MRP 失效的 80% 源于账实不符与 BOM 版本混乱 —— 地基不干净，预测就是把错误放大 | 现场话术：「BOM 里同一颗料还有两个名字、库存账实对不上的车间，谈预测是把沙子盖成城堡。先把 BOM 清了（IC-01）、把账实盘平 —— 那时候您要的预测才立得住。这个顺序跳不过去。」 |
| 供应商 QST 综合评分自动打分 | 「表没人看」类 | 得分全在 80 分上下、与订单分配脱钩 —— 凭印象的分数掩盖真实波动 | 现场话术：「打分表三年打下来全是 82 分，跟订单给谁没关系。我们改打分为摆事实 —— 永昌今年跳票 11 次、超差 4 批，这些数字不用打分自己会说话。分数会被关系扭曲，事实不会。」 |
| 供应商准入评审表自动生成 | 法则三 · 低频且非真实准入 | 中小企业真实准入 = 同行介绍 + 送样 + 老板见面 —— 评审表是审厂前才补的过场 | 现场话术：「您家供应商是怎么来的？朋友介绍、展会认识、老板酒局 —— 评审表是给大客户看的。我们管的是准入之后的事：事实卡、索赔台账、单一来源监控 —— 履约管理比准入形式值钱。」 |
| AI 自动催货（机器人打电话发微信） | 法则二 · 对外担责 + 关系博弈 | 供应商对 AI 催货的反弹不可控（「你们现在用机器人对付我了？」）—— 供应关系是信用账户 | 现场话术：「供应商只认人和关系 —— AI 催货省下的电话费，会加倍付在关系裂痕上。我们出的是催货清单和话术分级：该催谁、用什么口气、催到什么程度，电话您打，每一通都打在刀刃上。」 |
| 采购订单自动生成 | 法则三 · 瓶颈在请购信息 | 瓶颈是请购信息本身不全（微信一句『老规格老价格』）—— 模板部分是法则一的脚本活 | 现场话术：「订单模板 Word 邮件合并就能套 —— 值钱的不是那张纸，是纸上每个字段都有出处。我们的跟踪表更新（OE-03）反而是真 AI 活：从微信对话里提取真实状态，这个脚本做不了。」 |
| 证书到期提醒（纯提醒功能当卖点） | 法则一 · 规则引擎 | 到期日算术是 Excel 条件格式级别 —— 价值在 OCR 建台账（SV-03），提醒是它的附属输出 | 现场话术：「提醒本身我们不收钱，Excel 就能设。难的是 326 张证书从 PDF 和照片里把效期读出来建台账 —— 那才是 AI 的活，提醒只是顺手的事。」 |
| 智能补货 / 安全库存自动优化 | 法则三 · 账实不一致则参数无意义 | 账实都不平的车间，算出的安全库存是理论值 —— 且这是咨询活不是工具活 | 现场话术：「安全库存的公式不难，难的是公式里每个数是真的 —— 消耗率准吗、库存准吗、交期兑现率准吗？这三个数分别躺在三个 Excel 里没人对过。先让它们见面（我们的场景就是干这个的），再谈优化。」 |
| 呆滞料转卖渠道自动匹配 | 法则二 · 对外交易不可靠 | 转卖渠道信息 AI 给不准（又是幻觉区）；处置变现环节涉外部交易 | 现场话术：「转卖渠道这东西 AI 说不准 —— 报给您一个不存在的回收商比不报还坑。我们做的是处置前的判断：哪些能内部消化、哪些可退供应商、哪些只能折价 —— 渠道您找熟人，判断我们来。」 |
| 年度降本报告一键生成 | 降级为长期目标（数据前置） | 跨数据汇总是已验证的 AI 能力，但前提是比价留档、价格曲线、索赔台账先跑起来 —— 第一年没有数据可汇 | 现场话术：「降本报告的钱都在平时的表里 —— 比价留档攒一年、价格曲线画一年、索赔台账记一年，年底的报告就是把三张表叠起来。第一年先攒数据，第二年报告自动长出来。」 |
| 采购合同条款风险审查 | 划界归法务库 | 合同条款的法律风险扫描已由法务库的 CT-01 完整覆盖 —— 本库只看商务面（价格/交期/质量条款的履约风险） | 现场话术：「合同的法律条款审查，我们的法务场景里有一整套（分级初审+版本比对）。采购这边管的是履约 —— 交期兑现了吗、价格对了吗、质量索赔了吗。两张皮合成一件事，各管一段。」 |
| 办公用品/低值易耗品比价 | 划界归行政库 | 低值易耗采购的比价场景已由行政库 PC-01 覆盖 —— 本库聚焦生产性物料 | 现场话术：「办公文具、耗材那摊，我们的行政场景里做过完整案例（含综合单价换算和报价拆解）。这边管的是 BOM 上的料 —— 量大、断供会停线、涨价按吨算钱的那类。」 |
主动讲限制比被问出来强得多
所有 Live Demo 页面展示的是「应该怎么跑、每一步看什么、交付什么」，使用的是真实业务格式的脱敏构造数据，不冒充任何客户的生产数据。
本场景库不出现任何「几天压到几分钟」「节省百分之九十」这类数字 —— 没有用客户自己的单据实测过，这种数字说出来就是砸口碑。我们讲的是可核实的能力差异：覆盖多少订单、发现多少差异、盘出多少呆滞。
下单、付款、定价、对外发送 —— 这四个动作本场景库全部只出建议和留档，执行按钮永远在人手上。AI 咖啡店的 6000 包餐巾纸（2.1 万美元亏剩 5,000）就是「全自动采购」的公开验尸报告。
AI 联网比价实测价差 20 倍、型号幻觉、库存失真 —— 本场景库所有价格结论只基于客户自家数据（历史采购价、三家真实报价），换算规则全程透明可复核。
产出落在客户现有的 Excel 文件名和列结构里 —— ERP 主数据的改造（如 BOM 编码归并）只出映射建议表，改动由客户确认后自行执行。
所有正式交付物都留有编制 / 审核 / 会签 / 批准签批栏，推荐意见、完成质量评定、责任认定这几栏一律留空 —— 自己给自己打分的报告，没人会信。
15 个逐条打过分的场景，全部保留了评分口径可核