Gartner 2026 战略预测解读：到2028年，90%的B2B采购将由AI智能体参与，中国制造企业先把哪些信息变得机器可读？
这是一项面向未来的全球B2B预测，不是当前海外买家使用率；企业应先补齐产品数据、验证证据与人工接管路径
Gartner给出的不是“2026年80%的海外客商已经改用AI选厂”，而是一项到2028年的全球B2B趋势预测。AI智能体可能越来越多地介入发现、比较和采购流程，因此产品需要更便于机器理解；但Gartner同时强调数据质量、隐私、风险管理和复杂例外的人工作用。中国制造企业应优先把型号、材质、参数、适用标准、测试条件、认证范围和交付边界写清楚，并让官网、目录、报价单和业务回复保持一致。结构化信息能够降低理解成本，但不能保证AI推荐、询盘或订单。
先看Gartner公开资料的基本盘
Gartner预测到2028年由AI智能体参与的B2B采购比例
“AI agent intermediated”表示AI智能体参与采购过程，不等于自主选厂或替代全部人工判断。
Gartner预测到2028年经AI智能体交易体系流转的B2B支出
这是市场规模预测，不能换算为某个国家、行业、采购渠道或独立站的流量份额。
2024年调查中把整合生成式AI列为优先事项的采购负责人比例
样本为258名全球受访者，反映采购领导者的优先级，不等于AI智能体实际部署率或供应商筛选率。
Gartner原文如何支撑这些判断
每条证据分别呈现Gartner公开表述、GEO360解释和企业动作，避免把未来预测写成当前普及率。
01到2028年，90%的B2B采购将由AI智能体参与
Top strategic predictions / B2B buying“90% of B2B buying will be AI agent intermediated” · Gartner预测，到2028年，90%的B2B采购将由AI智能体参与，并推动超过15万亿美元的B2B支出通过AI智能体交易体系流转。
“参与”可能覆盖发现、研究、比较、流程协助或交易，不等于AI独立完成供应商海选和采购决策。
管理层应把它作为未来规划信号，而不是把2028年预测当作2026年的海外买家现状。
02产品信息需要变得机器可读
Gartner recommended response“Make products machine-readable” · Gartner把产品机器可读作为企业面对AI智能体采购趋势的一项准备方向。
机器可读不只是添加技术标签，更重要的是型号、参数、单位、条件、认证范围和版本清楚且一致。
先治理产品主数据，再选择HTML表格、下载资料、结构化数据和询盘字段等呈现方式。
03采购AI的基础是数据质量、隐私与风险管理
GenAI advancements in procurement“focus on data quality, privacy and risk management” · Gartner建议采购负责人为AI应用打基础时，同时关注数据质量、隐私和风险管理。
企业不能为了“让AI读到”就无边界公开证书、客户资料和内部工艺；公开程度需要与商业风险匹配。
建立公开、询盘后、NDA后和内部保密四级资料边界，并为复杂问题设置人工接管。
| Gartner公开资料支持的判断 | 不能由这些资料推出的结论 |
|---|---|
| 到2028年，AI智能体可能参与大量B2B采购流程。 | 2026年已有80%的海外客商改用AI自主海选中国工厂。 |
| 产品需要更便于机器读取，采购AI依赖高质量数据。 | 添加Schema、英文name属性或删除JS即可获得固定排名。 |
| AI可能承担更多常规采购任务，人处理战略事项和例外。 | AI会绕过工程审核、供应商认证和合同谈判直接下单。 |
旧稿中的80%、90%拒识率、3.2倍、20家工厂实测、1.5秒抓取限制和客户案例均无可核验底稿，本次不再作为事实使用。
从Gartner预测到中国出口工厂的实际判断
01 AI智能体会参与更多采购环节，但“参与”不是“全权决定”
Gartner预测到2028年，90%的B2B采购将由AI智能体参与，并推动超过15万亿美元的B2B支出通过AI智能体交易体系流转。
这项预测说明采购流程和信息入口可能发生变化，但没有说明90%的买家会让AI独立海选工厂，也没有给出中国独立站的入围比例。
企业应把AI当作新增的信息使用者和流程参与者，同时继续服务采购、工程、质量和管理层的人工验证。
02 机器可读的重点是产品事实一致，不是为了迎合某个神秘评分算法
Gartner明确提出产品需要机器可读；其采购研究也强调AI依赖结构化、经过审查和维护的数据。
机器可读不能只理解为添加Schema或改表单name属性。型号、单位、测试条件、认证范围和版本在官网、目录、报价单与业务回复中一致，才是可靠基础。
先整理产品主数据和声明—证据清单，再决定用HTML表格、下载资料、结构化数据或表单字段怎样呈现。
03 AI采购扩大后，数据治理、隐私与人工接管会更重要
Gartner指出，采购AI的准备基础包括数据质量、隐私和风险管理；机器买家可能承担更多常规活动，而人处理战略事项、复杂问题和例外。
公开越多并不总是越好。认证、图纸、客户项目和测试资料需要区分公开范围、NDA范围与内部保密范围，并设置明确的人工升级路径。
官网既要提供足以理解和初步验证的信息，也要告诉买家如何联系业务、技术或质量人员继续确认。
中国出口工厂建议先做这三件事
- 01 第一步
建立产品信息底表：每个型号明确材质、关键参数、单位、测试条件、适用标准、可选范围、版本日期和责任人。
- 02 第二步
建立声明—证据—公开级别清单：区分可公开网页资料、询盘后提供资料、NDA后提供资料，并保证官网、目录和报价口径一致。
- 03 第三步
建立机器与人工共同使用的验证路径：提供清楚导航、可访问的核心文字、合理的下载与询盘字段，并标明业务、技术和质量问题由谁接管。
接下来值得关注的变化
- 1.AI智能体可能继续进入B2B发现、比较、流程协助和交易环节，但不同采购场景的自主程度会不同。
- 2.产品信息的机器可读性会更重要，企业内部产品主数据和对外资料的一致性将成为基础能力。
- 3.采购AI的规模化应用会带来新的数据治理、隐私、供应商评估和人工接管要求。
预测解释与应用边界
- 1.90%和15万亿美元是到2028年的预测，不是当前使用率、已实现交易额或中国制造业样本结果。
- 2.Gartner没有公开证明AI会按固定参数表自动海选中国工厂，也没有公布独立站加载时间、JS使用或表单name属性与入围率的因果关系。
- 3.机器可读和结构化信息有助于降低理解成本，但不能代替工程审核、供应商认证、合同谈判、隐私合规和人工判断，也不保证推荐或订单。
Gartner Unveils Top Predictions for IT Organizations and Users in 2026 and Beyond
Gartner · 2025-10-21
Gartner Identifies Three Key Advancements in Generative AI That Will Shape the Future of Procurement
Gartner · 2024-11-20
Gartner Says Generative AI for Procurement Has Hit Peak of Inflated Expectations
Gartner · 2024-07-25
Designing a Future-Proof Procurement AI Ecosystem
Gartner · 2026-03-30
本文以Gartner于2025年10月21日发布的《Top Strategic Predictions for 2026 and Beyond》为主要来源，并参考其2024年11月20日发布的采购AI进展说明、2024年7月25日的采购与寻源技术成熟度说明，以及2026年3月30日公开的《Designing a Future-Proof Procurement AI Ecosystem》摘要。Gartner的90%和15万亿美元均为面向2028年的全球B2B预测，不是2026年海外买家现状调查，也不是中国制造业供应商入围率。旧稿中的80%、90%拒识率、3.2倍、20家工厂实测、1.5秒抓取限制和客户案例均无可核验底稿，本次不再使用。