Закупочная деятельность перегружена повторяющимися операциями: разбор текстовых заявок, сопоставление с номенклатурой, проверка комплектности, сравнение предложений, перенос данных, подготовка материалов для комиссии. Эти действия не влияют на закупочную стратегию, но занимают значительный объём времени и повышают вероятность ошибок при даже незначительном росте количества закупочных процедур. Дополнительные регламенты и контроль помогают снизить число ошибок, однако не уменьшают объем операций, с которыми каждый день, порой сверхурочно, сталкиваются снабженцы. Повысить их продуктивность можно с помощью программы для закупок. А еще немного ускорить работу — если к специализированному ПО для закупок добавить ИИ-помощников.
ИИ-ассистент в закупках — это прикладной модуль или внешний сервис, подключённый к корпоративным системам (SRM, ERP, ЭТП), который выполняет анализ текстовых и числовых данных, сопоставление параметров и подготовку аналитических материалов без изменения регламентов и логики согласования. Он не подменяет систему управление закупками, а берёт на себя обработку массивов однотипной информации, где ранее требовалась ручная работа.
По архитектуре это надстройка над существующим программное обеспечение для закупок: подключение через API, работу с выгрузками или встроенный модуль в составе решения. Источниками данных выступают заявки, коммерческие предложения, договоры, протоколы, карточки поставщиков, архив закупок, внешние реестры.
Действительно, ИИ «размещается поверх» действующих SRM, ERP или ЭТП как инструмент обработки данных: определяет категорию по тексту заявки, сопоставляет предложения участников, проверяет документы на расхождения, формирует сравнительные таблицы, заполняет проект договора данными процедуры. Решения остаются за ответственными сотрудниками, объём ручной обработки однотипной информации сокращается.
С помощью ИИ-решений (ассистентов, интерфейсов, отдельных программ) можно сделать быстрее и удобней практически любой из этапов закупочной работы:
| 1. Появление потребности | 2. Заявка на закупку | 3. Согласование заявки | 4. Заказ поставщику | 5. Поставка | 6. Приемка | 7. Финансовое отражение |
| Определяются номенклатура, количество, подразделение, статья затрат | Формируется заявка на закупку | Заявка согласовывается по заданному маршруту | Формируется заказ поставщику | Поставщик отгружает товар | Товар прибывает на склад и производится его приемка | Факт поставки и оплаты за него отражается в финансовых документах |
Сбор потребностей в товарах и услугах: чем может помочь ИИ
Сбор начинается с заявок внутренних заказчиков в SRM или ERP. Даже при корректной НСИ выбор позиции не гарантирует соответствия фактической потребности, отсутствия дублей и адекватности объёма относительно истории закупок. Проверяется не только заполнение полей, а содержание заявки и её связь с ранее приобретёнными позициями. SRM и ERP обеспечивают работу со справочниками, хранение данных и контроль обязательных реквизитов, но не интерпретируют свободный текст и не сопоставляют его с историческим контекстом. ИИ обрабатывает описание, подбирает релевантную позицию каталога, выявляет смысловые дубли при разных кодах, сопоставляет параметры с аналогичными закупками и рассчитывает типичный объём на основе статистики, которая сохраняется в системе управления закупками, оставляя НСИ источником единых кодов и наименований.
Примеры комбинаций программ для снабжения
| Задача | SRM/ERP | ИИ-ассистент |
|---|---|---|
| Проверка заполнения | Контроль обязательных полей и форматов | Дополнительная проверка текста на противоречия и неполноту |
| Работа с номенклатурой | Выбор позиции из справочника или создание новой | Сопоставление текста заявки с существующими позициями и поиск фактических дублей |
| Категоризация | Ручной выбор категории | Автоматическое определение категории по описанию |
| Поиск аналогов | Ручной поиск по архиву закупок | Автоматическое выявление схожих заявок и анализ условий прошлых закупок |
| Оценка объёма | Сравнение с прошлым периодом вручную | Расчёт типового объёма по статистике и выявление отклонений |
ИИ в аккредитации поставщиков
Аккредитация — проверка компании до допуска к закупкам или регистрации на корпоративной ЭТП, либо в SRM или в модуле закупок в ERP — то есть в том программном обеспечении для закупок, которое является основным в компании. Поставщик предоставляет комплект документов и сведения о себе, после чего проводится оценка достоверности данных и уровня риска сотрудничества. Основная нагрузка — сверка информации из анкеты с внешними источниками и реестрами.
ИИ применяется для автоматизации:
- Сбора сведений о выручке, прибыли, налоговой задолженности, судебных спорах, участии учредителей в других организациях.
- Сопоставления данных из реестров с тем, что указано в анкете поставщика, и выявление расхождений.
- Проверки документов, загруженных поставщиком — проверяются на совпадение реквизитов, сроков действия лицензий и полномочий подписантов.
По результатам расчёта можно определить маршрут дальнейшей проверки поставщика средствами ПО для закупок. Например, это может быть стандартный маршрут, либо расширенный с подключением службы безопасности и юристов компании.
ИИ для аттестации и отбора поставщиков
Аттестация — подтверждение соответствия поставщика требованиям компании по финансовым, производственным и репутационным параметрам для допуска к категории закупок или конкретному тендеру. Формируется пул участников через сопоставление требований закупки с профилем компаний, анализ истории исполнения контрактов и оценку способности обеспечить объём и сроки поставки.
Где применяют искусственный интеллект:
- Подбор кандидатов по параметрам закупки и профилю категории.
- Анализ исполнения предыдущих контрактов.
- Оценка соответствия производственных и логистических возможностей текущей задаче.
- Формирование списка с указанием причин включения.
- Подготовка персонализированных приглашений.
ИИ для оценки предложений поставщиков
Формирование критериев включает определение перечня показателей и их весов, а также модели расчёта итогового балла. Цель этапа — обеспечить сопоставимость заявок и корректность влияния каждого критерия на результат.
Где применим ИИ:
- Анализ архивных закупок категории и выявление наиболее часто используемых критериев.
- Предложение структуры оценки на основе анализа предыдущих торгов и их результатов.
- Моделирование итогового результата при изменении весов критериев.
- Выявление противоречивых критериев.
- Проверка формулировок на логические ошибки и неоднозначность.
Проведение конкурентных процедур (тендеров)
В ходе тендера участники подают и корректируют предложения, проводятся ценовые раунды и переговоры, уточняются условия поставки и формируется итоговое предложение. Анализируется динамика цен и условий по раундам, сопоставляется поведение участников и проверяется соответствие заявок документации и модели оценки.
Как применяют ИИ:
- Анализ динамики ценовых предложений.
- Выявление аномального поведения участников.
- Расчёт вероятного диапазона итоговой цены.
- Подготовка сравнительных таблиц и аналитической сводки.
- Формирование аргументов для переговоров.
ИИ в работе тендерной комиссии
Тендерная комиссия оценивает заявки и определяет основного и альтернативных победителей на основе утверждённой модели. Сопоставляются итоговые баллы, анализируются расхождения в экспертных оценках и рассчитываются сопутствующие риски, после чего оформляется протокол с обоснованием выбора.
Как используют ИИ:
- Предварительное ранжирование по заданной модели оценки.
- Сопоставление экспертных баллов и выявление расхождений.
- Формирование конкурентного листа.
- Расчёт совокупного риска по каждому участнику.
- Подготовка обоснования выбора.
Точечное внедрение ИИ в закупках не требует пересмотра регламентов и замены действующей IT системы закупок. Алгоритмы встраиваются в текущую архитектуру корпоративных решений и берут на себя обработку массивов данных, сопоставление и первичный анализ. Это снижает операционную нагрузку на сотрудников и делает результаты оценки более воспроизводимыми за счёт применения формализованных моделей вместо ручной интерпретации однотипной информации.