Девять сценариев ИИ в корпоративных закупках: что уже работает, а что в разработке
Искусственный интеллект в закупках перестал быть темой презентаций и стал рабочим инструментом. Но между «мы внедрили ИИ» и «ИИ приносит измеримый эффект» лежит большая дистанция, и пройти её удаётся не всем. Заместитель генерального директора по закупкам «Акрон Холдинга» Антон Николаев на вебинаре bidzaar разложил девять направлений применения ИИ в закупочной функции крупного промышленного холдинга, честно обозначив, что из этого уже работает, что находится в пилоте, а что пока остаётся на горизонте года-двух.
Ниже — карта этих девяти сценариев, сгруппированных по зрелости.
Зона первая: уже работает
Генерация технических заданий. Самый зрелый инструмент холдинга. Заказчик описывает потребность своими словами, а ИИ достраивает характеристики, ГОСТы, сертификаты и выдаёт готовое ТЗ под выгрузку на электронную торговую площадку. За четыре месяца через инструмент прошло более 400 техзаданий, точность около 80–90%, экономия только на времени превысила 2 млн рублей. По оценке Антона Николаева, основной эффект даже не в скорости подготовки, а в росте конверсии и числа участников тендеров за счёт более релевантных ТЗ.
Категоризация номенклатуры. Холдинг рос через слияния и поглощения, и у каждой присоединённой компании были своя учётная система и своё описание номенклатуры. ИИ свёл более 350 тысяч несистематизированных позиций к единому пятиуровневому классификатору из 520 категорий. Сейчас точность распределения около 80%, цель к концу года — 95%. Без этих консолидированных данных невозможны ни категорийные стратегии, ни консолидация закупок.
Зона вторая: в активной разработке
Проверка ТЗ на сужение конкуренции. Обратная сторона генерации техзаданий. ИИ анализирует готовое ТЗ на признаки заточки под конкретного поставщика или модель, что работает как антикоррупционный фильтр и расширяет круг потенциальных участников.
Оценка бюджета вместо RFI. Вместо рассылки запросов на информацию и ручного мониторинга рынка ИИ даёт предварительную оценку стоимости закупки. По стандартным товарным группам точность уже достаточна для бюджетирования и оценки рентабельности, по словам Антона, инструмент способен раскладывать стоимость даже сложных услуг через расчёт себестоимости.
Подбор панели поставщиков. ИИ рекомендует, кого пригласить в тендер по конкретной категории, опираясь на профили поставщиков и историю закупок холдинга.
Сравнение ТКП с техзаданием. Один из самых трудозатратных ручных процессов в закупках. Когда на двадцатистраничное ТЗ приходят десятки коммерческих предложений в неструктурированных PDF, закупщик часами сводит их в Excel для сравнения по каждому параметру. ИИ формирует конкурентный лист автоматически и помечает соответствие цветом: зелёный — полное соответствие, жёлтый — некритичные отклонения, красный — несоответствие, с пояснением по каждому пункту. Решение интегрируется в SRM и торговую площадку.
Кросс-языковой перевод переписки и документов. С развитием закупок в Китае и Италии холдинг столкнулся с языковым барьером. Обычные переводчики выдают только текст, теряя форматирование сложных PDF с таблицами и изображениями. Внедрённый инструмент переводит документы с сохранением структуры и обеспечивает двустороннюю переписку: входящие письма и вложения приходят сразу на русском, ответы автоматически уходят на китайском или английском.
Зона третья: горизонт года-двух
Анализ себестоимости поставщика. Задача со звёздочкой, как называет её сам Антон. ИИ оценивает примерный производственный процесс поставщика и ориентировочную себестоимость продукции, чтобы закупщик понимал, до какого предела реально дожимать цену в переговорах и где у поставщика действительно минимальная маржа, а где он просто не хочет уступать из-за низкой конкуренции.
Драфт категорийных стратегий. ИИ готовит аналитику рынка по товарной группе: основные игроки, распределение долей, доля холдинга в закупках у каждого поставщика, плюс идеи по оптимизации — что с чем объединить, где заменить материалы или способ логистики. Финальную стратегию дорабатывает категорийный менеджер, но черновик и рыночную аналитику ИИ берёт на себя.
Основной вывод
Главный сдвиг, по мнению Антона Николаева, в том, что основной потенциал экономии лежит не в коммерческих переговорах, а в качестве данных и в формировании потребности. Оптимизация техзаданий и рекомендации ИИ способны снизить затраты на 3-15% — таких цифр одними переговорами с поставщиками достичь сложно.
При этом порог входа оказался ниже, чем принято думать. Все перечисленные инструменты холдинг разрабатывает силами небольшой собственной команды на стандартном оборудовании, без закупки отдельного ПО и без аутсорса. Главным ресурсом оказываются не деньги, а заинтересованность заказчика и экспертиза собственной ИТ-команды.
Отдельно спикер подчёркивает риск, о котором часто забывают. Публичные нейросети и плагины к привычным офисным программам отправляют данные вовне, и для чувствительной закупочной информации это неприемлемо. Поэтому крупные компании всё чаще разворачивают ИИ в закрытом контуре на собственных серверах.
Что делает площадка
Запрос на ИИ-инструменты в закупках растёт по всему рынку, отмечает руководитель учебного центра bidzaar Елена Рулёва. Bidzaar развивает ИИ в своём продукте: он помогает заказчикам автоматически заполнять теги по описанию и наименованию закупки и структурирует описания процедур. Это повышает видимость тендеров и помогает поставщикам быстрее принимать решение об участии.
