在製造業的供應鏈運作中，「採購」與「生管（生產管理）」往往承擔了最大的壓力。原物料買多會變成呆滯庫存，買少會導致產線斷線。
更枯燥的是，每天要處理來自上百家供應商的報價單，而每一家的格式完・全・不・一・樣。有些是 PDF、有些是 Excel，甚至有些是用 Line 傳來的一張模糊報價截圖。
大語言模型的出現，完美解決了這種「非結構化資料」的痛點。
第一招：一鍵統整亂七八糟的報價單
傳統的 ERP 系統很嚴格，你必須請供應商照著你們的格式填 Excel。但現實情況是，老師傅或小鐵工廠根本不理你。
現在，你可以利用 ChatGPT （具備視覺分析 GPT-4V 或 Advanced Data Analysis） 來自動從這些混亂的檔案中抽取資訊，對齊成你們公司需要的格式。
📌 實戰 Prompt：自動比對報價單
身為一個專業的跨國製造業採購主管。
我將上傳 3 份不同供應商傳來的報價單（分別為 PDF, Word, 與照片 JPG）。
請幫我熟讀這三份報價單，並提取以下統一資訊，整理成一個容易比較的 Markdown 表格：
1. 供應商名稱
2. 零組件型號（Part Number）
3. 單價（請統一換算為 USD，目前匯率以 1 TWD = 0.031 USD 計）
4. 最低訂購量（MOQ）
5. 交期（Lead Time），若有註記「有現貨」請特別標示。
如果該份檔案中缺乏上述某項資訊，請在表格內填上「N/A (請進一步詢問)」。
然後，針對這次的採購，請根據「價格最優化」與「交期最快」給予我兩種不同的採購選擇建議。這項操作可以將採購人員每天耗費在「重新騰打數字」的時間縮短 90%，讓他們能將精力集中在跟供應商「議價」上。
第二招：呆滯庫存分析與原物料預測
製造業的倉庫中總是有一些放了三年的零件沒人敢丟，這叫「呆滯庫存」。你可以將公司的庫存 Excel 歷史清單餵給大語言模型，讓它幫你找出盲點。
📌 實戰 Prompt：庫存健康度檢查
我上傳了我們公司 2024-2025 年的「每月零件消耗與進貨明細.xlsx」。
請以資深供應鏈分析師的角度，幫我執行以下分析：
1. 【呆滯風險警告】：找出超過 12 個月未被領料、且庫存金額前五大的零件型號。
2. 【季節性波動】：我們是做冷氣機外殼的。請幫我找出哪幾項零件的消耗量具有明顯的「夏季大增」季節性趨勢？
3. 【採購策略建議】：依據過去的消耗斜率，請預測下個月（4月份）我們這五種核心物料的安全庫存（Safety Stock）應該設定為多少件最合理？[!CAUTION] 小心商業機密的暴露。如上傳公司真實歷史資料，一定要記得將檔案內容「去識別化（脫敏）」。例如將真實產品名稱替換為代號（Product_A, Product_B），並將進貨成本以同比例進行縮放。
第三招：整合外部情報，預防原料斷鏈
有些原料（如鋁錠、銅線）的價格與國際原物料市場息息相關。採購不再只能被動等報價，你可以使用 Perplexity 這種具有即刻聯網功能的 AI 來掌握時事。
「我司大量使用高純度鋁錠作為原料。請幫我搜尋過去一週內，LME（倫敦金屬交易所）鋁價的走勢。此外，請幫我整理目前全球是否有任何可能導致鋁錠供應鏈斷鏈的重大新聞（例如：礦場罷工、主要出口國關稅政策變動），並給予備貨策略建議。」
從解決行政打字輸入的勞力密集，一直到策略性的價格避險，AI 就是生管與採購部門的最強大腦。
想看更多製造業 AI 應用？回到製造業 AI 轉型總覽，或了解 AI 如何做視覺檢測與預防保養。
第四招：跨部門協作——讓採購、生管與業務共享情報
供應鏈管理最大的瓶頸往往不是技術，而是「資訊斷層」。業務接了急單，但沒告訴生管；生管排了產線，但採購還沒下料。AI 可以幫你建立一套跨部門的情報共享機制。
📌 實戰 Prompt：自動生成跨部門週報
這份週報的價值在於：過去你需要花半天到一天翻各系統、對 Excel，現在 AI 能在幾分鐘內完成初稿，你只需要花 15 分鐘審查和調整重點。
我是製造業的供應鏈主管。
以下是本週的三份資料：
- 業務部的訂單預測表（下週到下個月）
- 生管部的產線排程表
- 採購部的原物料到貨狀態
請幫我整合成一份「供應鏈週報」，包含：
1. 訂單 vs. 產能的差距分析（哪些訂單可能交不出來？）
2. 原物料到貨與產線需求的時間差（哪些料會來不及？）
3. 需要立即跨部門協調的事項（用紅色標示優先級最高的）
4. 下週的關鍵風險預警這種週報過去需要三個部門各自出報告，主管再花半天彙整。現在把三份原始資料餵給 AI，15 分鐘就能產出一份有洞察力的整合報告。
建立供應商績效儀表板
長期來看，你應該用 AI 定期分析供應商的表現數據，包含交期準時率、品質不良率、報價競爭力等指標。這些分析可以做為年度供應商評鑑的客觀依據，也能幫助你在議價時拿出有力的數據。
供應商交期延遲的早期預警機制
除了績效儀表板，你可以更進一步讓 AI 幫你建立「交期延遲早期預警」。做法是每週把供應商的出貨通知信件或訊息匯整後，讓 AI 比對原始 PO（採購訂單）上的預定交期，自動標記出「已延遲」和「即將延遲」（例如距離交期只剩 3 天但供應商尚未通知出貨）的品項。當 AI 偵測到某家供應商連續兩次交期延遲，就自動產出一封語氣專業但明確的催貨信草稿，附上歷史延遲紀錄作為佐證。這種「用數據說話」的催貨方式，比打電話口頭催促有效得多——供應商看到你有完整的延遲記錄，自然會把你的訂單排在前面。長期來看，這些延遲數據也可以作為年度供應商評鑑的關鍵依據，甚至成為你在議價時要求降價或縮短交期的談判籌碼。這整套流程只需要一份 Excel 加上 ChatGPT，不需要額外購買任何供應鏈管理軟體。
想了解更多製造業 AI 應用，可以參考品質檢測與預防保養或製造業行政管理。
❓ 常見問題 FAQ
AI 能讀懂手寫報價單或模糊照片嗎？
GPT-4V（視覺版）可以讀懂大部分印刷體的報價單照片，準確率約 85–90%。但如果是手寫字跡潦草的報價，辨識率會下降到 60% 左右。建議：照片拍清楚、光線充足，如果辨識結果有疑慮，對照原始文件確認金額和型號。
上傳真實採購資料給 AI 安全嗎？
如果使用免費版 ChatGPT，資料可能被用於訓練模型——不建議上傳真實的供應商報價和成本。正確做法：使用企業版 AI（承諾不用資料訓練）、或在上傳前將真實金額按比例縮放、供應商名稱替換為代號。
AI 能取代 ERP 系統嗎？
不能，也不應該。AI 的角色是「前處理」——把非結構化的報價單轉成結構化數據後，再匯入 ERP。ERP 管理的是訂單、入庫、付款等正式流程，這些仍需要系統化的管理。AI 是 ERP 的強力前端，不是替代品。
📚 製造業 AI 轉型系列
- 🧭 製造業 AI 轉型指南（總覽）
- 🔍 視覺檢測與預防保養
- 📦 你在這裡 — 供應鏈預測與採購
- 🌐 跨國 B2B 行政與溝通