当百时美施贵宝（Bristol Myers Squibb）决定以人工智能重构其采购职能时，它做出了一项深思熟虑的选择：不等数据完美，先行推进。

“我们边推进边修正数据。”该公司数字战略执行总监兼全球流程负责人Rhonda Griscti在采访中表示。

这一策略已见成效。据Griscti介绍，供应商招标与评估流程显著提速，其他环节亦有改善。

“我们的RFP（提案请求）流程平均耗时已从6至9个月缩短至不到30天。”她说。

百时美施贵宝快速推进AI驱动的采购转型，尽管数据挑战在更广范围内给技术部署带来复杂性。

数据就绪度之争

全球专业服务公司RGP于2025年12月发布的报告显示，仅10%的CFO完全信任其数据质量，超过三分之一的CFO将数据信任列为实现AI投资回报的首要障碍。

在数据就绪度问题上，RGP咨询业务总裁Scott Rottmann的态度较Griscti更为审慎。

“如果数据干净且质量足以支持良好决策，我认为那没问题。”Rottmann在采访中说，“这里存在80-20法则。你不可能事事完美。所以，你做到80%的程度，然后向前推进。”

数据准备：多少才算够？

两种观点的分歧凸显了企业AI应用中的更广泛争论：在快速交付AI成果的压力下，数据准备做到何种程度才算充分？

快速部署的怀疑者警告，若使用不准确、不完整或不一致的数据集来训练或驱动大规模自动化决策系统，操之过急可能引入运营与治理风险。支持者则认为，尽早部署能加速价值实现，更快带来可衡量的运营改进。

在4月发表于《福布斯》的文章中，AI策略师John Sviokla提出，企业往往在数据清洗上过度投入，因追求完美数据质量而延误价值创造，反而错失从不完美数据中提取洞察的机会。

“你不应把清洗排在处理之前。”Sviokla写道。他是AI咨询公司GAI Insights的联合创始人，也是哈佛商学院高管研究员。“相反，你应构建处理能力，让它揭示哪些值得清洗。”

数据湖：起步的关键

Griscti表示，关键一步是建立数据湖——一种用于存储和处理海量原始数据的集中式存储库。“你不需要数据完美才能开始。”她说，“你只需知道数据在哪里。将其放入数据湖，能够接入使用，然后边用边清洗。”

Griscti于2021年11月加入百时美施贵宝，担任研发采购高级总监，四年后晋升至现职。她加入时，采购职能已面临提速压力。新任首席采购官上任并带来现代化使命后，变革动能进一步加速。

公司于2024年6月启动采购转型项目，聚焦流程标准化、能力提升，以及消除碎片化的邮件驱动工作流。

快速AI部署

下一阶段是AI应用。Griscti及其团队于2024年11月与总部位于帕洛阿尔托的Globality公司进行了“软启动”，该平台利用AI自动化供应商寻找与选择的关键环节。该技术随后于2025年2月在组织范围内推广。

结果是采购量大幅增长，首年通过该平台的采购额超过10亿美元，远超最初预期。Griscti表示，转型还显著扩大了采购活动范围，RFP数量约为原来的10倍，同时将此前外包的工作以约50%更少的资源收回内部完成。

内包释放了原本支付给外部服务商的资金，Griscti将其重新投入技术投资。

Griscti对其他领导类似转型的高管的建议是：不要被数据问题拖住脚步。

“人们会和我争论这一点，我在许多会议上都讨论过。”她说，“但如果你等待完美数据，你永远不会开始。”