IDC称AI智能体影响80%的科技买家，对供应商主导型销售构成压力

IDC表示，如今80%的B2B科技买家会使用AI智能体协助或执行采购任务。这一转变让Google News、供应商网站和销售团队进入了一场围绕机器中介信任的新竞争。

这一发现来自IDC的2025年科技买家行为调查。这并不意味着自主软件已经接管了大多数企业采购预算，而是意味着AI已加入采购决策小组，帮助人们发现供应商、比较产品、汇总证据并为决策做准备。

这一区别至关重要，因为企业买家不再需要访问每一个会影响采购决策的网站。智能体可以收集信息、核对产品主张，并在销售人员发现商机之前淘汰候选供应商。眼下的冲突并非人与机器之间的对立，而是供应商可控的说服与买家自主评估之间的较量。

IDC的研究还表明，数字渠道仍是复杂采购的核心。不过，Gartner和Forrester的独立研究显示，当风险上升时，买家仍会寻求人工验证。AI可以压缩调研流程，但信任仍决定一项建议能否经受采购、安审和高管审查。

80%这一数字意味着谁掌控发现环节发生了变化

AI智能体正成为科技供应商与评估其产品的人之间的一层活跃中介。

IDC的买家协同蓝图指出，80%的买家使用AI智能体协助或执行采购任务。该文件援引了IDC的2025年科技买家行为调查。

同一份蓝图称，71%的B2B科技买家偏好数字渠道，其中也包括复杂采购。IDC认为，数字优先型买家已成为常态，而非对远程办公或接触销售代表受限的暂时性反应。

这两项发现描述了相互关联的变化。数字采购让调研脱离了预先安排的销售互动；如今，AI智能体正在重组这些数字渠道中可获取的信息。

AI采购智能体是指代表用户调研、比较或处理采购需求的软件。在基础工作流中，它可能会汇总产品页面和客户评价。能力更强的系统则可能比较配置、起草信息征询书，或核查供应商是否满足预设要求。

智能体无需拥有正式授权，也能影响采购决策。通用型助手可以通过决定检索哪些来源、突出哪些差异，以及哪些主张应受到质疑，改变候选名单。

这使得在AI生成答案中的可见性具有商业重要性。供应商即使在传统搜索中排名靠前，仍可能在智能体生成的比较中消失。其文档可能难以检索、页面之间表述不一致，或缺乏独立证据支持。

Google News仍然具有相关性，因为最新报道可以提供有关收购、产品故障、管理层变动、安全事件和客户纠纷的信号。不过，智能体可能会提取这些信号，而不将买家引导至原始结果页。

这形成了不同的发现漏斗。买家获得答案，而智能体决定哪些证据进入该答案。出版商和供应商可以提供信息，却未必获得访问、展示或可归因的潜在客户。

IDC对AI中介采购的另一项分析还增加了一个约束条件。其2025年调查发现，81%的买家在选择技术合作伙伴时优先考虑合乎伦理地使用AI；在C级高管中，这一比例升至88%。

因此，被提及只是问题的一部分。供应商还必须经受有关负责任AI、数据治理、安全性和可信度的审视。

这种变化具有结构性，因为智能体可以在直接接触前就应用这些筛选条件。传统销售团队往往在通话中才发现异议；而AI中介流程可能更早淘汰供应商，使销售团队失去回应机会。

对80%这一数字仍应谨慎解读。“协助或执行”涵盖的行为范围很广，从总结一份文档到完成一项明确任务都包括在内。IDC公开的蓝图并未按自主程度、采购金额或交易完成情况拆分该比例。

即便存在这一限制，趋势依然明确。AI已从供应商的一项功能进入买家的调研流程，改变了企业科技产品进入候选名单的方式。

Google News正成为智能体的证据来源，而不只是一个目的地

Google News和类似渠道正日益成为AI系统代表买家处理的证据层。

传统搜索要求出版商和供应商争夺点击；AI辅助调研则要求它们争取被纳入综合性答案。

这种差异改变了衡量影响力的方式。买家可能要求智能体识别满足五项安全要求、并能与现有云平台集成的软件。智能体可以在返回三个候选项之前阅读文档、新闻报道、分析师资料和评测内容。

买家可能永远看不到该建议背后的十个来源。一篇有价值的文章可以影响结果，却不会获得任何引荐流量。

Google News在这一流程中仍然重要，因为近期事件往往会改变企业风险。一项产品发布可能扩大供应商的能力；一次数据泄露、诉讼、收购或服务中断，则可能改变同一供应商的适用性。

然而，仅有时效性并不足以让一个来源具有决定性。智能体还需要清楚标明产品、日期、限制条件，以及主张与其证据关系的内容。

含糊的页面会带来检索问题。供应商若为同一项功能使用多个名称，可能显得前后不一致。将关键规格隐藏在装饰性界面中的页面，提供的可用证据可能还不如一份朴素的技术文档。

新闻报道同样面临这一问题。一个标题或许能吸引人类注意，却几乎无法为智能体提供背景。具有明确归属、日期以及原始资料链接的文章，能为比较提供更有力的证据。

这并不意味着企业应只为机器编写页面。当决策涉及财务、运营或职业风险时，买家仍会阅读源材料。清晰的写作同时服务于两类受众。

这也不意味着传统搜索已经消失。搜索引擎仍然有助于导航、核查来源和寻找近期报道。当买家希望验证助手所总结的内容时，Google News可能更具价值。

真正的变化在于顺序。智能体可以形成第一轮候选名单，而搜索会在流程后期成为验证工具。在第一步被淘汰的供应商，可能永远无法从后续验证中受益。

因此，IDC的发现促使营销团队将产品信息视为结构化证据。主张需要稳定的定义、清晰的归属、最新日期和支持性文档。销售页面与安全文档之间的矛盾，也更容易被智能体揭示。

独立材料同样更具分量。比较供应商主张的智能体可以查找分析师研究、可信报道、技术评估和客户证据。一家公司自身页面之间的重复，并不构成独立确认。

这正是知识质量成为采购议题的原因。团队必须在产品文档、政策页面、帮助中心和公开公告之间维护一致的事实。在内部，可搜索的AI知识库可以帮助员工找到经批准主张背后的证据。

这种内部纪律会影响外部信任。无法解释某项主张来源的销售人员会削弱买家的信心；能够检索相关基准、政策或限制条件的代表则更具价值。

对出版商而言，激励机制也类似。原创报道、透明归属和原始文件链接，让文章在其初始受众之外仍具有长期价值。当智能体比较来源时，从其他摘要复制而来的总结会更难自圆其说。

结果并不是Google News的终结，而是该渠道角色的改变。新闻成为更广泛证据体系中的一项输入，而可见点击只捕捉到其影响力的一部分。

供应商主导型销售正在失去对首次评估的控制权

核心竞争是供应商主导的说服与买家自主分析之间的较量，而非自动化采购与人工判断之间的对立。

销售团队过去掌控着重要产品细节的获取途径。买家往往需要通过代表才能获得配置方案、技术答复或定制化比较。

数字自助服务削弱了这种控制。AI智能体进一步降低了控制力，因为它们帮助买家汇集多种来源的信息，而无需遵循供应商偏好的流程顺序。

采购团队可以要求助手提取合同方面的疑虑、比较数据驻留选项，或识别缺失的安全披露信息。它可以在首次销售会议前准备问题，并在会议中质疑答复。

这改变了销售代表的角色。重复网上已经可获得的信息价值不大；澄清不确定性、解决矛盾和承担责任变得更重要。

Gartner的调查为这一混合模式提供了证据。其2026年5月发布的买家验证研究涵盖了645名B2B买家，调查于2025年8月和9月进行。

Gartner发现，45%的受访者在最近一次采购中使用了生成式AI，主要用于收集产品和供应商信息。买家平均使用七种信息来源，表明AI并未成为其唯一渠道。

该研究还发现，67%的受访者偏好无需销售代表参与的体验，70%偏好完全数字化的自助体验。这些偏好似乎支持供应商主导型销售的式微。

然而，69%的受访者更愿意让销售人员验证AI生成的洞见。这一结果为简单的自动化叙事提供了关键平衡。

买家希望掌控销售代表何时进入流程，但并不一定希望在每一项重要决策中都完全排除这个角色。

Gartner发现，当买家界定业务问题、确定首选供应商、争取内部支持以及最终完成采购时，销售代表仍然尤为重要。这些时刻中，背景和问责比检索速度更重要。

这给多项企业职能带来了压力。

营销团队必须发布能够经受住网站精心设计的用户旅程之外比较的材料。产品团队需要保持术语和规格的一致性。销售团队必须准备好验证证据，而不是把守获取证据的入口。

采购部门的影响力也在增强，因为 AI 让系统化比较变得更容易。团队可以将政策要求转化为可重复执行的检查，并将其应用于更大范围的供应商。

Forrester 的企业采购研究显示，在 53% 的企业采购周期中，采购专业人士充当决策者。他们如今从一开始就参与其中，而不再只在合同谈判阶段出现。

Forrester 还报告称，一项典型决策涉及 13 名内部利益相关者和 9 名外部影响者。更复杂的采购会涉及规模更大的群体。

AI 可以帮助这些参与者处理信息，但无法消除他们相互竞争的优先事项。安全团队可能倾向于限制数据访问；财务团队可能强调利用率；运营团队可能优先考虑集成，而法务则会审查合同风险敞口。

智能体可以梳理这些约束并更早识别冲突。但除非相关人员明确授予其权限，否则它无法决定应由哪位利益相关者接受特定风险。

这解释了为何这一转变会给协调不佳的供应商带来压力。一家公司可能在销售演示材料、支持工单、安全门户和员工知识中分散保存着准确答案。AI 买家会将这些来源之间的缺口视为不确定性。

内部连接良好的供应商具有优势。员工能够提供一致的证据，因为他们可以找到相同的已批准信息。一个可搜索的知识库可以帮助技术团队检索相关记录，无需凭记忆重新组织答案。

不过，内部组织完善并不保证能被外部买家选中。由买家主导的评估让直接比较变得更容易。当产品看起来相似时，证据质量、试用结果和实施风险会成为更有力的差异化因素。

首次评估正逐渐超出供应商的控制范围。卖家依然有机会，但机会来得更晚，也要求更扎实的实质内容。

数据并不能证明自主采购已经到来

AI 辅助采购已很普遍，但自主交易权限仍是一个高得多的门槛。

IDC 的 80% 统计数据将辅助与任务执行合并计算。这些类别可能包含责任程度截然不同的活动。

总结产品页面带来的直接风险有限。建立候选名单则可能实质性地影响采购。提交征求建议书会改变外部工作流，而批准付款则可能产生具有约束力的财务事件。

将这四类行为视为等同，会夸大当前的自主程度。公开的 IDC 材料证明了广泛参与，而非由独立智能体控制的企业预算占比。

Gartner 的发现进一步强化了这一差别。买家使用 AI 以提高效率，但 51% 的受访者表示，他们更可能从生成式 AI 中遇到误导性信息。几乎同样比例的 49% 受访者将误导性信息与销售代表联系在一起。

两个渠道都不会自动赢得信任。买家将它们结合使用，是因为每个渠道都能暴露另一个渠道的弱点。

Forrester 发现，超过 60% 的企业买家会采用某种形式的试用。这些试用涵盖定制沙盒和按使用情况评估的试用期等不同形式。

试用之所以重要，是因为它能将主张转化为可观察的行为。AI 助手可以总结已声明的能力，但受控测试能显示产品是否适用于买家的数据、控制措施和工作流。

试用还会产生智能体无法从公开来源获得的证据。特定环境中的性能、实施工作量、支持质量和用户接受度，往往只有在评估期间才会显现。

安全构成了更严苛的限制。自主采购智能体需要访问供应商信息、内部政策、身份系统，以及可能的财务工具。每一个连接都会扩大出错的后果。

NIST 的 2026 年智能体安全分析发现，各方普遍认同智能体会引入新的威胁。受访者也一致认为，熟悉的网络安全实践需要针对智能体系统进行调整。

其中一项风险是间接提示注入，即恶意指令出现在智能体处理的外部内容中。遭到入侵的页面或文档可能试图重定向智能体、泄露敏感信息，或触发非预期操作。

这一威胁与采购智能体直接相关。采购研究需要阅读来自买方组织外部各方的网站、电子邮件、提案和附件。这些恰恰是未经信任的指令可能进入工作流的环境。

企业可以通过限制权限、将研究与执行分离、要求对重要操作进行审批，以及记录支持每项建议的证据来降低风险敞口。这些控制措施也让后续审查成为可能。

数据质量仍是另一项约束。基于过时规格生成的比较可能看似精确，却得出错误结论。智能体需要可靠的日期、产品身份信息，以及解决来源不一致问题的规则。

偏见可能通过来源选择进入流程。公开材料更完善的供应商，可能比公开资料较弱但更合适的供应商获得更多关注。大型公司可能因产生更多报道而在检索到的证据中占据主导。

智能体的排序标准还可能引入进一步扭曲。要求降低成本可能忽略迁移风险。要求大量集成可能奖励覆盖广度，却忽略每项连接的质量。

人工审查也无法自动解决这些问题。人们可能接受自信的总结而不核查底层证据，尤其是在输出印证既有偏好时。

这就形成了一种自动化悖论：智能体越高效地生成润色完善的建议，就越容易让人忽视不确定的输入。

因此，企业应区分 AI 的参与和 AI 的权限。参与包括研究、提取、比较和工作流准备；权限则包括承诺资金、接受条款或变更生产系统。

第一类显然已经进入主流 B2B 采购。第二类则需要更强的身份、授权、审计和问责机制。

IDC 的发现依然重要，但这并不意味着采购部门已经实现自主化。眼下的变化是信息控制。智能体正日益影响买家看到什么，以及他们提出哪些问题。

下一阶段取决于企业能否将这种影响力转化为可靠、受治理的行动。

三个信号将显示 AI 买家是否获得真正权限

如今，采用数量的重要性低于授权委托、可靠结果和供应商适应能力的证据。

第一个信号是可衡量交易数据的出现。企业和技术提供商需要披露智能体完成哪些任务、人工介入的频率，以及这些系统处理的采购金额。

自主完成交易数量的增长，将强化 AI 智能体已成为买家而非研究助手的说法。较高的人工覆盖或纠正率则会削弱这一说法。

交易数据还应区分日常续约和新的战略性采购。在支出限额内续订标准化订阅，其不确定性低于为重大部署选择基础设施。

第二个信号是智能体身份与授权方面的进展。组织需要建立机制，以确认是哪个智能体在行动、它承载谁的权限、它可以访问哪些资源，以及如何撤销这项权限。

NIST 已将身份和授权确定为企业使用智能体的核心要求。更明确的标准将使采购平台、供应商系统和财务控制措施能够识别智能体，而无需授予过度访问权限。

受限权限和可审计审批的广泛实施，将支持更自主的采购。反复发生的安全事件或不明确的责任归属，则会让智能体停留在顾问角色。

第三个信号是供应商如何重新设计其数字渠道。关注产品数据是否变得更易于在文档、安全门户、市场平台和最新报道之间进行验证、比较和检索。

供应商还需要监控 AI 系统是否准确描述其产品。官方文档与智能体答案之间的差异，可能在公司尚不知道有买家存在之前就影响候选名单。

Google News 仍将是这一证据环境的一部分，尤其是在近期事件影响供应商风险时。如果智能体在消费报道时不产生传统引荐流量，其商业影响将更难衡量。

成功的供应商不会通过在每个渠道大量发布重复的 AI 生成内容来应对。内容量可能增加矛盾、削弱归因，并让有意义的证据更难识别。

他们将发布精确的主张、说明限制、维护最新文档，并在适当情况下提供独立验证。销售代表随后将在高信任度时刻介入，提供能够回应买家实际不确定性的证据。

对企业买家而言，实际问题不是是否使用智能体。许多企业已经在使用。问题在于哪些任务值得委托，以及哪些证据必须对人类决策者保持可见。

首先记录重要建议背后的来源。在智能体发送承诺、接受条款或触发付款之前要求审批。依据真实需求测试输出，而不是根据其语言流畅度进行判断。

然后关注这三个信号：经验证的自主交易、可执行的智能体身份，以及机器可读的供应商证据。它们将共同显示，IDC 的 80% 数据是早期的研究习惯，还是新采购体系的基础。

AI 智能体已经改变了进入企业候选名单的路径。下一项决定属于买家：他们会继续将这些系统作为快速研究伙伴，还是授予它们对采购本身的权限？