Искусственный интеллект — тема, которая сегодня звучит буквально везде. Кто-то видит в нем угрозу своей профессии, кто-то — модный хайп, а кто-то уже применяет в работе и получает ощутимые результаты.
Функция закупок представляется особенно подходящей для экспериментов с ИИ, ведь практически вся работа закупщика строится на данных и коммуникациях: поставщики, контракты, тендеры, бюджеты, аналитика, переписка, отчетность. При этом каждое решение требует времени, внимания и знаний в самых различных областях — от бухгалтерии до юриспруденции. Добавим к этому постоянное давление сроков и ограниченный ресурс команды — и станет сразу очевидно, что закупщику буквально необходимы пресловутые «25 часов в сутках» вместе со «вторым мозгом». За счет своих возможностей ИИ на эти роли подходит идеально.
Важно понимать: речь не идет о замене человека набором алгоритмов. Переговоры, ответственность за контракт, стратегическое видение — все это по-прежнему зона ответственности человека. Однако ИИ способен взять на себя рутину, помочь с аналитикой, компенсировать пробелы в знаниях и вывести эффективность человека на принципиально новый уровень.
Где ИИ уже работает на закупщика?
Когда говорят об искусственном интеллекте, многие представляют себе роботов или автоматизацию «по кнопке». Но в реальности чаще всего это текстовые и аналитические модели, такие как ChatGPT, Gemini или Copilot. Доступные буквально из браузера, они становятся универсальными инструментами для специалиста по закупкам в следующих направлениях:
Поиск и исследование рынка
Представим ситуацию: нужно найти новых производителей упаковки в Восточной Европе. Раньше это означало часами листать сайты, переводить спецификации, сопоставлять данные. Сегодня достаточно сформулировать запрос в ИИ, несколько раз уточнить свой промпт — и за минуты появятся список компаний, ссылки на сайты, примеры продукции. Более того, система может подсказать аналоги материалов, которые дешевле или лучше подойдут под ваши требования.
Или на фоне быстрого изменения рынка необходимо оперативно переориентироваться с европейских брендов на китайские, а вы еще не успели ни выучить язык, ни нанять соответствующих экспертов. Но понимать ассортимент и знать главных игроков нужно уже сегодня! ИИ поможет осуществить поиск в интернете, систематизирует данные, переведет на нужный язык и представит информацию в удобном формате сводного отчета.
То же касается анализа тендеров: модели умеют выгружать информацию о закупках конкурентов, показывать, кто чаще участвует, на каких условиях, в каких регионах, в каких категориях чаще выигрывает. Это быстрый срез конкурентной среды, который раньше был доступен исключительно через долгую аналитику.
Аналитика и стратегия
Кстати об аналитике. Стандартные условия: категорийный менеджер готовит стратегию, на столе — сотни страниц отчетов и таблиц: закупочная история, ценовые тренды, прогнозы по логистике. В обычном режиме на подготовку уходит неделя. Однако ИИ умеет делать саммари: выделяет ключевые позиции, указывает, где сосредоточены основные затраты, какие категории являются наиболее рискованными, а какие — максимально стабильны.
При этом автоматизировать такие аналитики, как матрица Кралича, шахматная доска AT Karney, и прочие инструменты для анализа категорий вам не составит труда: нейросеть сделает эту рутинную и оформительскую работу, на которые у вас раньше уходили часы, буквально за минуту.
Более того, некоторые модели умеют даже строить прогнозы: например, на основе новостных потоков и открытых статистических данных — предположить рост или падение цен на сырье. Конечно, это не точный прогноз биржи, но как дополнительный инструмент принятия решений очень полезен.
Коммуникации и локализация
Закупки уже давно глобализировались: даже если компания работает только в России, ее поставщики находятся и в Китае, и в Индии, и в Европе. А это значит — языковые барьеры, особенности стиля переписки и риски неправильных формулировок.
ИИ здесь становится незаменимым «универсальным переводчиком». Он способен:
- Перевести техническое задание с китайского на русский, сохранив смысл.
- Сформулировать письмо поставщику в вежливом и дипломатичном тоне с учетом культурных особенностей страны респондента.
- Подготовить план переговоров или презентацию для руководства.
По сути, это ваш личный ассистент по международным коммуникациям.
Поддержка экспертизы
Закупщику редко удается быть специалистом сразу во всех областях. При этом на практике от него реально требуются и знание бухгалтерии, и понимание налогов, и владение технической экспертизой.
Здесь ИИ становится уже «карманным мини-консультантом»:
- Объясняет непонятные юридические термины.
- Подсказывает налоговые последствия тех или иных условий договора.
- Сравнивает решения для автоматизации бизнеса (например, различные SRM-платформы).
- Пишет макросы и формулы в Excel.
- Помогает построить дашборды.
Такой функционал особенно ценен для небольших компаний, где нет возможности держать большой штат специалистов и консультантов.
Следующий шаг — корпоративные модели
Использовать публичные сервисы удобно, но это всегда риски: никто не хочет, чтобы условия контракта или цены поставщиков «утекли» в открытые базы. Поэтому все больше компаний задумываются о внедрении корпоративных моделей ИИ внутри корпоративного контура безопасности.
Зачем это нужно?
Во-первых, это конфиденциальность: данные не выходят за пределы компании. Во-вторых, адаптация: модель обучается именно на ваших договорах, отчетах, регламентах, категориях и актуальной НСИ. В-третьих, единообразие: все письма, документы и отчеты соответствуют корпоративному ToV и стилистике.
Что это дает?
Корпоративная ИИ-модель интегрируется в ERP, SRM и документооборот. Она не просто отвечает на вопросы, а работает с материалами из ваших систем: анализирует заявки, сверяет бюджеты, готовит отчеты.
Самые иллюстративные примеры пользы такого подхода:
- Анализ договоров. Модель подсвечивает риски и несоответствия корпоративным правилам оформления.
- Категорийная аналитика. Стратегия строится на реальных внутренних данных, а не на усредненных примерах.
- Документы. Счета, акты, спецификации автоматически распознаются и структурируются.
- Корпоративный помощник. Закупщику достаточно спросить: «Как оформить закупку у единственного поставщика?» — и получит ответ с отсылкой к внутреннему регламенту и соответствующим ЛНА.
Как внедрять?
Здесь важно идти по шагам:
1. Начать с пилота и тестировать помощника для начала на одной категории (например, закупки ИТ-услуг).
2. Получив первичный результат, дообучить модель на корпоративных кейсах.
3. Определить, где решение принимает ИИ, а где обязательна проверка экспертом.
4. Переходить к масштабированию успешных практик.
Такой подход позволит снизить риски и убедиться, что система действительно помогает, а не создает новые трудности. Снимает нагрузку, сокращает временны́е издержки и делает работу с информацией более глубокой, а не является простой данью моде или желанием продемонстрировать руководству следование закупок актуальным трендам.
Риски и вызовы
Внедрение корпоративной модели требует затрат и тесной работы ИТ и специалистов закупочной функции. Второй важный момент — качество данных. Ведь если документы и справочники внутри компании хаотичны, корпоративная ИИ-модель будет вынужденно воспроизводить эти ошибки.
Следует помнить: ИИ не решает проблемы компании — он лишь ускоряет работу с тем, что у вас есть. Поэтому прежде чем обучать модель, нужно начать с наведения порядка в собственных данных и бизнес-процессах.
Для работы с внешними моделями можно использовать последние версии LLM от OpenAI и DeepSeek. При работе с конфиденциальной информацией, такой как наименования юридических лиц и ИНН, конечно же, стоит уделять повышенное внимание безопасности, чтобы гарантировать, что запросы не содержат коммерческой тайны или персональных данных. Такая предосторожность делает подобные запросы очень схожими по сути с обычными поисковыми.
Существуют и сложные сценарии интеграции ИИ и автоматизации: например, комбинация Celonis, Python и локальной версии GPT-4o для анализа ретропоставок. Однако для большинства задач лично мне достаточно ChatGPT. К альтернативным моделям я прибегаю только в случае неудовлетворенности полученным результатом.
Если говорить о моем опыте внедрения ИИ в закупочные процессы укрупненно, упомянутые выше «многорукие» помощники показали себя эффективными в следующих видах закупочной деятельности:
- При планировании закупок и обработке заявок ИИ-помощники отлично анализируют исторические данные, сезонность, рыночные тренды, помогают подбирать аналоги, прогнозировать потребности и сопоставлять план/факт по объемам.
- На поиске поставщиков и тендерах —осуществляют дополнительную проверку репутации поставщиков по открытым источникам, подсказывают, на что обратить внимание в отчетности, кредитных рейтингах, даже выявляют не всегда заметные на первый взгляд связи с санкционными лицами или ненадежными контрагентами. А еще — проводят первичное анкетирование (чат-ботами), сравнивают несколько КП с учетом цен, сроков, качества и рейтинга и обращают внимание сотрудников на «аномальные» цены, основываясь на исторических данных.
- При заключении договоров и в документообороте ИИ полезен для подстраховки по контролю сроков.
- Во время создания заказов и при проведении оплат поставщикам — для генерации оптимальных условий контракта с учетом скидок и графиков платежей, выявления платежей, не соответствующих контракту, распознавания и извлечения нужных данных из счетов, накладных и договоров.
- Непосредственно в ходе исполнения заказа и приемки ИИ-ассистент может спрогнозировать срыв поставки на основе ретроанализа взаимодействия с поставщиком, поддерживает коммуникацию в чат-ботах, оптимизирует маршруты и загруженность складов с учетом внешних факторов — выявленных по открытым источникам сведений о возможных логистических задержках и т. п.
- При анализе и формировании отчетности использование ИИ позволяет более глубоко исследовать имеющиеся данные, чтобы точнее прогнозировать затраты на основе имеющейся статистики и ретро-анализа затрат.
Иными словами, во всей цепочке процесса закупок не найдется такого момента, когда специалисту не понадобился тот или иной «ИИ-супермен», работающий на общекомандный результат.
Полезный кейс
Я дополнительно исследовал возможность использования ИИ для своих задач в закупках без использования облачных ресурсов. На MacBook Pro M1 все получилось по такой схеме:
1. Установил и настроил локальные LLM-модели (Phi-3 Mini и Mistral 7B через Ollama), чтобы протестировать производительность разных при анализе прайс-листов, категоризации номенклатуры и подготовке черновиков ТЗ.
2. Интеграция с платформой автоматизаций n8n позволила мне создать вполне рабочий сценарий: электронные таблицы с данными закупок обрабатывались моделью, классифицировались и детализировались, а результаты записывались обратно. Весь процесс занимал около 15–20 секунд на 100 строк Excel.
Считаю, что такой результат доказывает эффективность локальных LLM для закупочной аналитики при высоком уровне операционной независимости. Искренне рекомендую коллегам проводить свои эксперименты с автоматизацией. Главное, помните о необходимости сохранять конфиденциальность данных.
Взгляд в будущее: закупщик как «суперпользователь ИИ»
Буквально через несколько лет ИИ в закупках станет таким же привычным инструментом, как сегодня Excel или, скажем, электронная почта. И именно закупщику предстоит стать тем специалистом, который не только сам использует эту технологию по максимуму, но и в значительной мере выступает в роли «ИИ-евангелиста», делясь экспертизой и развивая в направлении практики использования ИИ своих коллег из других функций.
Закупщик будущего — это не только переговорщик и аналитик. Это владелец данных и технологий, задача которого — декомпозировать стратегические цели, правильно поставить задачи для их достижения себе, своей команде и ИИ, проверить результаты и встроить их в текущие процессы.
Компании, которые начнут это делать уже сегодня, пусть даже и очень-очень маленькими шагами, получат очевидные конкурентные преимущества: смогут быстрее реагировать на рынок, точнее прогнозировать цены, эффективнее вести переговоры и снижать операционные издержки.
Подводя итоги
ИИ в закупках — это уже не фантастика и не какое-то отдаленное будущее. Это практичный инструмент, доступный всем заинтересованным им уже сейчас:
- Публичные модели помогают избавиться от значительного куска рутины и экономят время.
- Корпоративные модели становятся стратегическим активом компании.
- Побеждать будут те, кто научится сочетать в своей экспертизе человеческий опыт и машинный интеллект.
Так что ИИ не заменяет закупщика. Он делает его сильнее.
