更多 RFQ，更少真實機會：面向代理生成需求的賣方資格審核層

核心要點

• Forrester 預計 2026 年至少每五個 B2B 賣方中就有一個被迫參與代理主導的報價談判——買方代理將動態生成還價，賣方系統必須以可行的價格和條款回應。
• 《哈佛商業評論》記錄了 B2B 企業收到更多 RFQ 但真實機會並未增加——AI 讓精心製作但低品質的採購郵件幾乎可以零成本發送，因此入站量不再代表管線健康度。
• 三桶分流——報價、釐清、拒絕——改變了一家英國精密模具製造商的管線——在 HBR 的 Meridian Mouldings 案例中，資格審核問題打開了原始 RFQ 從未包含的真實商業對話。
• Pactum 的生產級部署在規模上證明了該模式：Honeywell 在超過 $500M 的支出上運行自主談判，SUEZ 在 Coupa 中嵌入代理後將請購週期縮短 90%——代理在治理護欄內執行，買方保留例外處理和戰略決策。
• Gartner 預測到 2028 年 90% 的 B2B 採購將由 AI 代理中介，推動超過 $15 兆通過代理交換——賣方有兩年的窗口期來實現機器可報價，否則買方代理將預設完成篩選。

Forrester 預計 2026 年至少每五個 B2B 賣方中就有一個被迫參與代理主導的報價談判——被迫透過賣方控制的代理回應 AI 驅動的買方代理動態交付的還價。該預測發表在 Forrester 2026 年 B2B 行銷、銷售和產品預測 中。這一變化中入站端已經落地：《哈佛商業評論》Harvard Business Review 報導稱 B2B 客戶現在使用 AI 生成供應商列表、起草採購郵件、準備 RFQ，在曾經起草一封郵件的時間內向十幾家公司發出精心製作的詢盤。後果，用 HBR 的話說：企業收到更多 RFQ 卻沒有收到更多真實機會，銷售團隊花更多時間報價、更少時間成交。

對於中型製造商或分銷商——一家 200 人的精密零件工廠、一家運行 NetSuite 和 BigCommerce 的區域工業分銷商、一家報價支援只有兩名工程師和一名銷售協調員的特種面料供應商——這不是抽象趨勢。這是一個以工程工時衡量的產能問題：每一個接受完整報價處理的 AI 生成請求，都從贏得真實訂單的工作中抽走了時間。

本文梳理了賣方資格審核模式——先解決度量問題，再解決量的問題：對入站 RFQ 進行完整性和購買意向評分，將它們排序為報價 / 釐清 / 拒絕，並將人工報價時間保留給合格需求。本文建立在從郵件鏈到代理委派：使用 A2A 和 Hermes Agent 的 B2B RFQ 自動化之上，那篇文章涵蓋了買方報價週期；本文是 RFQ 的另一端——你的收件匣。

噪聲問題：入站量不再是信號

當 Meridian Mouldings——HBR 用化名研究的那家英國小型精密模具製造商——審查其詢盤管線時，三個信號凸顯出來。許多 RFQ 明顯是同時發送給一長串供應商的；有些按名字稱呼了錯誤的公司，或在一條訊息中點名了多家供應商。語言是通用的，讓每個項目看起來比實際更簡單。文件缺少負責任報價所需的情境：零件用途、使用方式、哪些應力公差重要、早期版本是否失敗、買方是想獲得設計建議還是只是在收集價格。細節記錄在 HBR 報導和 MarketScale 對同一案例的報導中。

從外部看，這些都不像是噪聲。AI 起草的 RFQ 格式專業地到達，通常附帶圖紙和對比表格。這正是它們代價高昂的原因：發現一個請求是空洞的，唯一可靠的方法是投入一個真實請求應得的工程時間。AI 沒有產生更好的需求，而是讓低品質需求的生成變得廉價。

同一機制正在重塑買方的第一道篩選。MarketScale 對 AI 中介採購的分析說得很直白：今年在採購團隊預約供應商電話之前，AI 代理可能已經篩選了候選名單。買方代理優先優化覆蓋面而非匹配度，擁有結構良好、機器可讀資料的供應商比資質藏在 PDF 和受限入口中的同等能力競爭者更容易浮現。賣方面臨兩個問題同時存在——今天更嘈雜的收件匣，明天基於機器可讀證據篩選的買方代理。

人工分流對比代理輔助資格審核——當報價團隊在報價前先對入站 RFQ 評分時，變化是什麼：

資格審核模式：先評分再報價

Meridian 的回應始於度量，而非軟體。團隊將近期詢盤分為三個桶——可以報價、需要釐清、試探報價——並在任何人打開圖紙之前運行了一道簡短的資格篩選。篩選詢問詢盤是否解釋了應用場景、指定了操作條件和材料要求、包含圖紙或樣品，以及是否有真實購買流程的證據而非廣泛的市場掃描。

代理層以 AI 生成需求到達的體量來營運化這道篩選。分工比技術更重要：

• 完整性評分。 請求是否指定了應用、操作條件、公差、數量和時間——即 Meridian 發現缺失的欄位？缺失的欄位變為結構化的釐清問題，而非日後以變更單形式浮現的靜默假設。
• 意向證據。 這是生產就緒的買方還是價格掃描？信號包括具名的購買流程、圖紙、供應商特定語言——與 HBR 指出的通用模板形成對比，後者有時在一條訊息中稱呼多家供應商。
• 三桶分流。 通過的請求直接進入報價。有前景但不完整的請求收到簡短的技術釐清函；在 Meridian 案例中，這些問題往往開啟了一段原始 RFQ 從未包含的真實商業對話。釐清後歸於沉默的請求是一個結果，而非損失——不願回答基本應用問題的買方很少看重該公司的專業能力。
• 人工審核保留在合格報價上。 代理負責閱讀和排序；工程師負責定價。這與採購自動化在企業規模上趨同的分工相同：Pactum 將其部署模式描述為代理在治理和商業護欄內執行常規工作，買方保留戰略、例外和關係。

誠實的提醒：沒有任何評分層能替代工程判斷來評估一個請求的價值。它替代的是條件反射式的預設行為——以同等條件報價每一個精心製作的入站請求——這正是 HBR 所說的專業供應商最不想贏得的競賽。

結果

企業級部署為該模式提供了生產資料。Pactum 公布的客戶成果：Honeywell 在超過 $5 億的支出上運行自主談判，覆蓋其整個供應商庫的付款條款、回扣和折扣；Ahold Delhaize USA 將供應商談判移入定義的治理護欄內的自主執行，並在數週內看到 ROI；SUEZ 在 Coupa 中嵌入代理審查每一份請購單，將請購週期縮短 90%。在每種情況下，人工角色收窄為處理例外——在 SUEZ，買方僅在請購需要人工審核時介入。細節見 Pactum 客戶摘要。

在中型規模上，同樣的模式贖回了最稀缺的資源：合格報價工時。可衡量的變化是面向轉化而非面向數量的——每個合格機會的報價工時、釐清回應率、以及工程時間中花在可能真正成交的請求上的比例。Meridian 的月度銷售覆盤不再以原始 RFQ 數量開頭，而是以這些問題開頭。當 AI 使入站量可以廉價膨脹時，詢盤數是錯誤的 KPI；合格機會數才是經得起檢驗的指標。

窗口期還有下半場。Gartner 預測到 2028 年，90% 的 B2B 採購將由 AI 代理中介，推動超過 $15 兆的 B2B 支出通過代理交換——Gartner 的配套分析指出，可驗證的營運資料將成為參與該生態系統的前提。資格審核處理今天的噪聲。機器可報價的目錄、結構化定價和代理可定址的系統處理明天的買方代理。同時投資兩者的供應商正在為如今坐在買方和賣方之間的中介進行優化。

代表性建構案例

一家中型工業分銷商的報價團隊把早晨時間花在永遠不會轉化的 AI 生成 RFQ 上：通用零件項、沒有應用背景、抬頭稱呼著其他三家供應商。一個接入代理現在對每個入站請求按資格篩選進行評分——完整性欄位、意向證據、重複群發偵測——並路由：合格請求流入現有報價流程並對照 NetSuite 檢查可用性；不完整的收到一封指明具體缺失欄位的釐清函；模板群發收到禮貌的拒絕。團隊僅審核合格報價。第一季內每個真實機會的報價工時下降超過一半，月度覆盤現在追蹤合格機會轉化而非原始 RFQ 數量。

申請一個範圍明確的建構。一週發現期。您將獲得系統清單、工作流地圖和固定範圍——無論您是否與我們合作建構。

相關閱讀

• 從郵件鏈到代理委派：使用 A2A 和 Hermes Agent 的 B2B RFQ 自動化——母篇文章：買方報價週期，從 3 天人工流程到使用 MCP 工具和 A2A 的代理委派
• 面向 AI 代理的商務協定：UCP、ACP、AP2 和 MCP——技術堆疊如何組合——窗口期中機器可報價的一半：讓您的目錄和定價對篩選供應商的買方代理可讀
• 當代理下單時：代理支付如何閉環 B2B 採購——報價被接受後發生什麼：代理發起的訂購、支付和結算稽核
• AI 代理作為廣告表面：贊助投放對 B2B 可見性意味著什麼 — 漏斗上方的可見性層：OpenAI 的 Sponsored Agents、引用波動性，以及當代理完成購買時被發現的兩層策略