从流程编排到执行：Rujul Zaparde 谈 Zip 采购智能体的能力与边界

一、嘉宾背景

本集 Eye on AI 由 Craig S. Smith 采访 Zip 联合创始人 Rujul Zaparde，讨论企业采购流程与 AI Superagents。对话从文件检查、供应商沟通延伸到采购决策，也涉及软件代表企业行动时所需的权限、审批与责任安排。

Zaparde 的创业经历始于一项运营密集型业务。他回忆，自己约在2012年底退学创办 FlightCar，让旅客通过出租车辆换取免费机场停车。业务运营约四年后，于2016年向 Mercedes-Benz 出售资产。他将这段经历与后来选择 B2B SaaS 联系起来：现场运营的复杂性，影响了他对下一家公司业务形态的选择。这段回顾交代了他的创业路径，本身不能证明企业自动化中的运营难题已经解决。

他对采购复杂性的认识，则来自在 Airbnb 的经历。他在那里认识了联合创始人 Lou，并亲身接触采购流程；之后，他曾在 YC 担任访问合伙人。Zip 如今的业务约于2020年8月启动。访谈因此结合了他作为采购流程使用者的经历，以及创办采购平台后的产品判断。与此同时，他也是在介绍自家公司的能力与商业主张，对客户效果和系统表现的判断，仍需以节目提供的具体证据为依据。

二、本期主要内容

Zaparde 将 Zip 的产品路径概括为先编排工作、理解工作，再帮助执行工作。据他称，累计约1.2万亿美元支出已经经过 Zip 并获得客户审批。这个数字描述的是平台承载的审批规模，不能视为 AI 自主采购的金额或为客户节省的费用。访谈讨论的执行能力，是在这些既有流程之上逐步增加的。

他粗略估计，约八成采购流程可以拆解为离散的事务任务，例如检查 W-9、W-8 文件，或审核供应商的 SOC 2 报告。这是他对工作结构的判断，并非 Zip 已实现的自动化比例。早期智能体主要执行单次任务：接收输入、输出结果，再交由人审批，或按配置自动放行。但采购往往需要持续跟进：资料缺失要追问，合同修改后要等待回复，收到回复还要继续处理。

Superagents 因而转向按角色组织工作，并处理后续往返。Zaparde 描述，法律 Superagent 可以通过 MCP 连接邮件，依据客户的法律手册处理合同修订，发送邮件、等待回复，再推进下一轮。经过多轮往返仍有条款未解决时，它会请求人类律师介入。寻源 Superagent 则可以从 ERP 供应商主数据和外部搜索中寻找候选供应商，创建并发送 RFP，等待回应，比较成本与价值，再提出供应商选择。这些是他介绍的产品能力，节目并未逐笔展示实际运行记录。

执行所依据的规则也需要来自客户。Zaparde 说，企业可以按采购品类提供内部手册。他以消费品企业为例，负责糖和可可的品类经理各有相应的采购要求，智能体需要据此开展工作。品类规则决定了流程中的具体判断条件，不能仅凭一份形式完整的招标文件来衡量寻源工作是否到位。

Zip 的产品范围同时覆盖采购请求与跨部门编排，以及申请、订单、发票匹配和付款等 procure-to-pay 流程。这意味着它可能参与采购的多个环节，但不代表每一步都已能够自主执行。随着流程接近付款和源系统记录，哪些动作需要人工检查，也就成为部署中的重要决定。

三、核心观点：推理、例子与边界

采购智能体能做多少工作，必须连同它在什么条件下有权执行一起考察。Zaparde 强调，采购数据会进入 ERP、总账和损益表，“大致正确”无法满足要求。这是他反复讨论治理的原因，也是对系统可靠性的要求；节目并未证明 Zip 已经能够做到零错误。

据他介绍，Zip 会记录智能体的行为、所依据的上下文、引用的来源、发生时间，以及谁配置并授予了相关能力，供内部或外部审计人员下载查阅。当审核结果会影响后续业务动作时，组织需要知道结论如何产生，也需要追溯执行权限从何而来。这些记录为调查和复核提供依据，但记录完整本身并不保证判断正确。

权限控制还必须覆盖信息如何被用于回答。Zaparde 以上市筹备为例：相关信息可能藏在合同、发票或工作说明书中，AI 不应利用用户无权访问的材料回答其他问题。他称 Zip 有350种权限，同时约束人和智能体；代表用户执行的智能体，权限不得超出该用户的范围。他也承认，这套约束难以构建和验证。权限种类的多少因此不能直接说明控制是否有效，还要检查受限材料是否会通过回答泄露。

模型选择同样需要具体到任务。Zaparde 说，团队近乎每日比较不同模型，并测试加入和不加入 Zip 上下文时的表现：发票评测分别检查表头和行项目，合同评测则细化到条款，再按复杂度调整模型路由。他认为，部分发票任务更依赖业务上下文，而非最新模型。一份约1200页、还可能采用非英文的发票，处理要求显然不同于简单发票。不过，他承认自己不是长上下文技术的内部专家，也未说明具体架构。节目没有提供足够信息，无法进一步判断其分块、检索方式或长文档处理准确率。

Zaparde 对商业价值的一项解释，是智能体可以扩大竞争性采购的覆盖范围。特别重大的合同，例如他举出的5000万美元 AWS 合同，客户通常仍会交由人处理；一些25万美元甚至100万美元的采购，却可能因人工寻源投入过大而缺乏充分比价。如果智能体能降低发起和跟进竞价的成本，收益就可能来自补上过去没有开展的工作，也包括加快已有流程。

UCI Health 是他给出的客户案例。据 Zaparde 称，该机构使用 Zip 谈判智能体的相关能力，累计实现超过2000万美元成本避免。他明确说明，这不是单份合同的结果，但未确认累计周期究竟约为半年还是一年。节目也未提供计算基线或独立核验，因此不能将其改写为某个确定期间内的现金节省，更不能据此推算其他客户的收益。

主持人还提到一份调查逾千名支出管理负责人的报告。Zaparde 凭记忆表示，深度部署 AI 的企业 ROI 约为39%，试点企业约为6%，借此强调部署深度的重要性。但节目没有解释 ROI 的定义、样本如何分组，也未说明如何识别因果关系。这组数字可以引出对实际工作变化的考察，却不足以证明深度部署必然带来某一水平的回报。

责任归属也尚未在访谈中得到制度层面的回答。对于错误执行，Zaparde 倾向认为，在当前仍在演变的框架下，应由决定授权智能体的人承担责任。这是他的观点，节目没有给出合同中的责任分配或法律结论。他认为，自动化规模越大，权限、审计和治理控制就越重要；这些要求最终仍需落实到产品验证与组织安排中。

四、学习与应用

企业部署采购智能体，可以先从角色权限与操作风险入手。Zip 提供申请人、法律审核人等预设角色，客户可以调整具体权限。Zaparde 说，小组织可能接受默认值，大企业则可能邀请审计人员逐项审查。默认角色可以作为配置和审查的起点，企业仍需明确谁能查看、修改信息，以及谁能代表组织采取行动。采用默认设置可以减少启动工作，却不能据此认定它已经符合本企业的敏感信息边界。

哪些动作可以自动推进，哪些必须停下来等待签核，需要分别决定。Zaparde 称，客户可以按风险选择人工签核或自动运行。对于向 ERP 等源系统写入数据，他强烈建议人工复核，并表示客户普遍希望保留这一环节。企业可以据此逐步扩大授权，先验证风险较低的往返操作，再单独检查会改变源系统记录的节点。人工复核会占用时间，但也让组织在尚未充分验证的环节保留决策权。访谈介绍了可按风险配置的方式，没有给出适用于所有企业的统一自动化清单。

用例选择则可以从历史流程中寻找依据。Zaparde 以分析过去一年约85000次审批为例，说明如何识别可配置的工作，并明确约25个用例只是临时举例。企业可以检查哪些审批反复发生、哪些工作耗费大量跟进，再确定流程改变后要衡量什么。周期缩短、竞争性采购覆盖扩大，以及部分 BPO 工作减少，各自有不同的形成条件，应分别记录，不能直接合并为一个未经解释的节省额。例子中的85000次审批和25个用例，也不能被当作某个真实客户已经实施的项目规模。

配置和测试还需要有人持续负责。Zaparde 称，前线部署工程师会帮助客户配置智能体、修改提示词并开展测试；他们不改代码，使用的是客户同样能够操作的产品能力，以解决企业落地的最后一公里问题。对实施负责人而言，有可用的产品功能之后，仍需把业务规则转成配置，检查例外处理，并确认流程能够在组织内部运行。外部团队可以帮助推进，但企业也需要理解配置和交付内容，才能应对之后的规则变化。

人员安排则需要关注工作内容如何变化。Zaparde 对效率收益再投入研发、进而产生其他岗位持乐观态度，同时认为说服他人、推动立项和运行项目仍难由 AI 承担。企业可以保留这些协调与推动工作的明确负责人，并检查事务任务减少后，是否确实释放了他们的时间。至于再投资和就业增长，访谈表达的是他对未来的判断，不能直接作为单个企业的预算承诺。

来源

• 原始节目：How Zip's AI Superagents Automate Procurement End-to-End | Rujul Zaparde