企业如何用 AI 跟踪供应商整改，而不止于年度评分

年度评分显示合格，整改措施却总在下一年重复出现。把这个问题交给大模型，第一步不是让它给出结论，而是把现场事实和管理口径放在一起。采购链条不是一张静态供应商名单。贸易商、代工厂、原料地和劳务代理可能分处不同层级，单一问卷往往看不到真正的环境与劳动风险。

实践的起点是把问题变成可核查的数据关系。大模型可以整理合同、公开资料、问卷、运输及整改证据，识别名称别名和信息缺口。关键事实仍要用供应商提供的原始资料、工人访谈或独立审核核实。具体到这个场景，可先把每项问题连接措施、负责人、期限和复验材料。系统应同时保存原始值、清洗后的字段和修改理由，使后来的人能够复算结论。

接下来要让分析进入实际决策。采购团队可以按影响规模与风险严重性分层：先处理可能造成伤害的事项，再推动一般数据能力建设。对中小供应商给出清晰字段和合理期限，比分数排名更有助于改进。建议围绕这一步建立任务，写清输入资料、待核问题、责任岗位和完成日期。每项自动提示都应有轻重缓急和处理期限，特别是可能影响人身安全或环境合规的事项。

整改复验应检查工人是否感到变化、排放是否回到合格状态，不应只看供应商上传了多少证明。先在一个业务单元试运行，保留原有流程作为对照，让模型提出提醒，再由负责人核对后执行。每次采纳、驳回或修改都记录原因；现场意见与模型冲突时，回查数据版本和判断依据。实施记录还应保存使用的数据版本、决策人和被否定的备选方案。复盘时比较自动提示与传统流程各自漏掉了什么，避免只展示成功案例。

验证环节也要具体：统计逾期率与同类问题复发率。观察整改是否被复验、问题是否复发，以及采购条件是否随结果改变。真正有效的 ESG 管理要进入合同、订单和续约流程，而不止于年度评分。与实施前的人工流程比较，才能判断模型是否缩短处理时间并减少真实风险。

还必须给系统设边界：整改不能只靠上传照片或签一份声明。系统输出应显示证据等级与不确定性。发现异常后应给供应商解释和申诉机会，必要时派人到现场，避免算法把未经核实的传言变成商业处罚。出现错误时，先控制可能的影响，再更正数据、通知受影响的人，并检查同类任务是否也被错误结论波及。

因此，评价这项应用的标准应是问题是否更早被发现、责任是否更清晰、措施是否经得起复核。技术只是把复杂关系呈现出来，持续改善仍靠企业把决定落实到岗位与现场。