AI 自动生成报价单，为什么价格还会错？企业先锁定价目表、计算规则和审批人
不少企业想把报价工作交给 AI：销售输入客户需求，系统自动识别产品、填写数量、计算税额，再生成 Word 或 PDF。演示时几分钟就能出一份，看起来比人工复制快很多。
真正上线后，企业却可能遇到另一类麻烦：同一个产品出现多个价格，箱和个混用了，折扣叠加顺序不一致，旧价目表还在被调用，销售改过金额却没有留下原因。最容易误解的地方，是把“AI 能读懂需求、会填表”当成“AI 能对正式价格负责”。报价自动化的核心不是让模型自由算价，而是把价目表版本、确定性计算规则、异常条件和审批责任固定下来，再让 AI 处理识别、匹配与文案准备。
AI 适合整理输入，不适合猜正式价格
报价流程里有两类工作。第一类是从邮件、聊天或需求说明中提取客户、产品、数量、交期和备注；第二类是根据企业规则确定单价、单位换算、折扣、税率、运费、有效期和审批条件。
AI 可以帮助处理表达不统一的输入，也可以把结果整理进模板。但金额计算、税额公式和权限阈值更适合放在可追踪的规则或程序里。模型输出带有不确定性，同一句自然语言在上下文不足时可能有多种解释。让它在缺少来源版本和业务条件时“补一个合理价格”，正是报价风险的来源。
更稳妥的分工是：AI 提取并建议匹配，规则引擎或公式完成确定性计算，责任人确认异常与正式发送。这样做不会消除所有错误，却能让企业知道每个数字从哪里来、哪条规则生效、谁做了最终决定。
先把价目表从文件堆变成可管理的主数据
很多企业的价格并不是一张表：销售电脑里有旧版 Excel，群文件里有临时版本，采购成本在另一个系统，部分客户还有合同价。自动化如果同时读取这些来源，只会更快地放大版本冲突。
ISO 8000-100 把主数据质量放在数据元素、系统交换接口以及组织责任中理解，并说明主数据质量既涉及可检查的数据要求，也涉及组织要求。对报价场景来说，企业至少要明确产品编码、名称、规格、计价单位、标准价、币种、含税状态、生效日期、失效日期、客户价适用条件和维护人。
每条正式价格应只有一个可解释的当前来源。历史版本可以保留用于追溯，但不能和生效版本混在同一个默认查询结果里。紧急临时报价也要记录有效范围和失效时间，不能靠销售记住“这次特殊”。
计算规则要确定，例外条件要显式
报价出错不一定是单价错。单位换算、数量阶梯、折扣先后、税额、舍入、运费、最低起订量和有效期，都可能改变最终金额。如果这些规则只写在员工经验里，AI 只能根据零散样例猜。
企业可以把规则拆成可测试的小项：输入是什么、使用哪个字段、计算顺序是什么、什么条件触发、结果保留几位、异常时停止还是进入审批。每次规则调整都要有版本、责任人、生效日期和测试样例。
这里不建议让生成模型直接承担所有计算。它可以解释需求和给出候选产品，但正式金额应由确定性公式重算，并对空值、单位冲突、价格过期、异常折扣和总额变化设置阻断或提示。系统给不出可信来源时，正确结果不是自动补齐，而是停止并请责任人确认。
人工审批不是重复劳动，而是责任边界
NIST AI RMF Core 要求组织定义人与 AI 配置中的角色和监督责任，记录 AI 的知识边界、输出如何被使用，以及人为监督过程。框架还要求系统在部署前测试，并在运行中持续监测和记录。
放到报价流程中，审批界面至少应让责任人看清：客户与项目、价目表版本、产品与数量、单位、折扣、税率、异常提示、修改前后差异，以及谁发起了这次报价。低风险、规则稳定的标准报价可以在验证后简化审批；低于价格底线、使用临时价格、存在单位冲突或金额较大的报价，应进入更明确的确认路径。
审批也不能只保留一个“同意”按钮。系统要记录修改理由、审批人、时间、最终文件版本和发送状态。报价作废、模板更新或客户条件变化时，企业才有办法追溯为什么当时给出这个数字。
上线前要用真实边界做测试
自动化演示常用字段完整、单位一致的理想样例。真实业务却会出现同名产品、缺少规格、数量写在备注里、客户临时改需求、旧文件被转发等情况。
NIST AI RMF 的测量与管理思路强调在接近实际部署条件下测试、记录结果并持续监测。企业可以先用脱敏历史样本覆盖正常、缺字段、重复产品、单位冲突、价格过期、超折扣和作废重开等情况，比较系统输出与责任人预期。发现问题后，判断是数据、规则、提示词、权限还是流程造成，不要只让模型“再聪明一点”。
建议企业先完成 4 项准备
- 确定唯一价目来源。统一产品编码、单位、价格、币种、税状态、生效期和维护人，历史版本只用于追溯。
- 把计算规则写出来。固定折扣、税额、舍入、运费、起订量和有效期逻辑，并为每条规则准备测试样例。
- 定义停止与审批条件。价格过期、字段缺失、单位冲突、异常折扣和无法匹配时不自动补值，明确由谁处理。
- 先做小范围双轨验证。让系统生成草稿，同时保留人工核对；记录错误类型、修改原因和最终版本，再逐步扩大适用范围。
我的看法是，AI 报价真正省下的，不应该是“把正式价格交给模型猜”的那几秒，而是需求整理、字段匹配、模板生成和重复校对的时间。主数据、规则和审批没有理顺前，自动化只会让错误更快、更整齐地进入正式文件。
如需梳理产品主数据、报价规则、异常审批与文件生成流程，可以联系煜企智能，从现有 Excel 模板和责任边界开始评估适合自动化的步骤。
资料来源
- NIST，AI Risk Management Framework Core：<https://airc.nist.gov/airmf-resources/airmf/5-sec-core/>
- NIST，AI RMF Playbook：<https://airc.nist.gov/docs/AI_RMF_Playbook.pdf>
- ISO，ISO 8000-100:2016 Data quality — Master data overview：<https://www.iso.org/standard/62392.html>