智能招采中的责任边界，不能只写成“AI辅助、人工负责”。当系统漏标报价差异、误读合同条款时，这句话既不能说明谁应发现错误，也不能说明错误为何进入审批。真正可执行的边界，应落实到任务授权、证据复核、决策批准和异常处置。
按业务后果划分权限
文档起草、字段抽取和差异标记，可以作为系统的辅助任务；供应商选定、价格确认及商业条款取舍，则应保留人工决策权。判断依据不是模型表现得多准确，而是输出是否会改变采购结果、形成对外承诺或影响供应商权益。
例如，系统发现付款账期发生变化，可以提示差异并定位原文，但不能据此直接接受新条款。采购人员应核实交易背景，涉及专业风险的内容应交由相应岗位判断，再由授权人员批准。生成建议、专业复核与最终批准，不应被合并成一个自动执行动作。
复核必须有证据和责任人
人工复核不能只是点击确认。系统输出应关联原始文件的对应段落，并明确标识缺失信息、内容冲突和无法判断的事项。复核人员需要检查关键差异及其依据，不能把“未提示风险”等同于“没有风险”。
企业还应为每个关键节点指定责任岗位：需求提出方确认需求与技术条件，采购岗位核对商务信息，专业审核岗位判断相关风险，授权审批人决定是否接受。数字化团队与方案提供方则应明确数据处理、权限控制、故障修复及技术支持的责任。这是内部治理分工建议，不等同于预先裁定法律责任。
发现漏标或错判后，应能追溯输入文件、系统输出、人工修改和审批记录，区分数据错误、识别偏差、复核遗漏与越权操作，并按影响范围退回重审或暂停流转。人工保留最终审核权，不意味着技术缺陷可以免责；系统承担重复性处理，也不意味着业务人员可以放弃判断。责任边界的价值，就在于让每一次采纳都有依据，每一次异常都有人接手。