Внедрение искусственного интеллекта в закупочную деятельность уже сместилось из области теоретических рассуждений в практическую плоскость. Но чего здесь больше: хайпа на волне ИИ или реальной пользы для закупщиков? Какие сценарии применения ИИ в закупках сегодня уже можно реализовать в SRM? И на какие риски и возможности развития ИИ в закупках обратить внимание? Разберём эти вопросы на примерах практического использования ИИ-инструментов.
Краткое содержание:
Использование ИИ в бизнес-процессах закупок с помощью Low-code
Появление искусственного интеллекта перевернуло рынок ИТ-продуктов для цифровизации бизнеса. Согласно исследованию McKinsey, 71% респондентов заявили, что их организации регулярно используют искусственный интеллект хотя бы в одном бизнес-процессе.
Волна интереса к ИИ продолжает расти вместе с его растущими возможностями и экономическими вызовами одновременно. Среди них: высокая конкуренция за потребительский интерес, турбулентность локальных рынков и цепочек поставок, кадровый дефицит. Все это подталкивает компании пересматривать действующие бизнес-процессы с опорой на data-driven подход, позволяющий прогнозировать изменения и строить стратегии на основе аналитики. А также — искать пути повышения производительности и высвобождения человеческих ресурсов от операционной рутины для решения сложных задач, требующих более глубокого погружения.
Все это особенно актуально для сферы закупок, которая реагирует на внутренние и внешние рыночные изменения наиболее остро. При этом специалисты по закупкам ежедневно работают с огромными объемами данных: от сбора заявок на закупки и коммерческих предложений поставщиков до анализа контрагентов и рыночной аналитики. ИИ сокращает время на их обработку и подготовку для аналитики, которая позволяет отслеживать изменения и принимать своевременные управленческие решения.
Рост поисковых запросов по теме использования ИИ в закупках
Современные системы управления закупками (SRM) предоставляют широкие возможности пользователям для автоматизации процессов закупки. Однако всё чаще мы слышим от заказчиков спрос на ИИ-инструменты для закупщиков — волна интереса к новым технологиям продолжает расти. В таких ситуациях необходимо подробно разобрать потребность клиента и ответить на три вопроса: действительно ли для решения задачи необходим ИИ, проведена ли предварительная подготовка данных для его внедрения и готова ли к этому ИТ-инфраструктура.
Компания ELMA начала развитие ИИ-инструментов в продуктах собственной экосистемы задолго до того, как применение ИИ в закупках стало устойчивым трендом. Среди таких инструментов:
Использование ИИ в продуктах экосистемы ELMA365
Ещё несколько лет назад искусственный интеллект в закупках воспринимался преимущественно как эксперимент, доступный крупным корпорациям с собственными ИТ-командами и значительными бюджетами на разработку. Сегодня ситуация меняется: практические результаты таких компаний, как Сбер, показывают, что ИИ-агенты уже способны брать на себя отдельные операции закупочного цикла и давать измеримый эффект.
В июне 2026 года на Петербургском международном экономическом форуме заместитель председателя правления Сбербанка Тарас Скворцов рассказал, как банк перестраивает процессы бизнес-планирования, закупок и казначейства с опорой на искусственный интеллект. Сбер проводит реинжиниринг этих процессов, чтобы упростить путь внутренних пользователей и выстроить единую цифровую цепочку «планирование — закупка — оплата».
Один из внедрённых инструментов — ИИ-агент для сотрудников, которые инициируют закупочные потребности. Он автоматически формирует документы, проверяет наличие бюджета и помогает определить источник финансирования. В результате среднее время подготовки заявки на закупку сократилось примерно в 12 раз — с 60 до 5 минут.
Параллельно банк внедрил ИИ-агентов для экспертизы конкурсной документации. Они анализируют цены по действующим договорам и рыночным предложениям, а затем формируют экспертные заключения для конкурсных комиссий. Такие инструменты ежегодно обрабатывают более 10 тысяч вопросов по конкурсным процедурам.
Ещё одно направление — автономные закупки стоимостью до 500 тысяч рублей. В этих процедурах ИИ-агенты сопровождают процесс от формирования заявки и проверки бюджета до подготовки полного комплекта закупочной документации. Потенциальный объём таких закупок превышает 5 тысяч процедур в год.
Таким образом, ИИ в Сбере становится не отдельным вспомогательным сервисом, а полноценным участником сквозного процесса: помогает сотрудникам принимать решения, формирует документы, контролирует бюджет и сопровождает закупку на разных этапах. Рутинные, но трудоёмкие операции передаются агентам, а специалисты концентрируются на проверке результатов и принятии решений.
Кейс Сбера закономерно вызывает вопрос: доступны ли подобные возможности компаниям, у которых нет сопоставимой внутренней ИТ-команды? Один из вариантов — использовать готовую low-code платформу, в которой ИИ-агенты встраиваются непосредственно в закупочные процессы.
Такой подход реализует связка ELMA365 Закупки и оркестратора ИИ-агентов ELMA Cortex. Это не заказная разработка с нуля: ИИ можно подключать к ключевым этапам закупочного цикла, а с помощью no-code и low-code инструментов настраивать его работу под процессы конкретной организации — собственные шаблоны документов, регламенты согласования, источники данных и критерии оценки поставщиков.
ИИ-агенты в ELMA365 могут не только предоставлять информацию или формировать рекомендации, но и выполнять действия внутри процесса. Например, создавать заявку и комплект документов на основе описания инициатора, направлять их на согласование, запускать регулярные закупки по расписанию и выполнять другие рутинные операции. Кейс Сбера не является проектом ELMA365, но наглядно показывает класс задач, которые уже можно передавать ИИ-агентам. Ниже разберём четыре сценария применения ИИ в SRM-системе подробнее.
Решение ELMA365 Закупки, предназначенное для сквозной автоматизации закупочного процесса на предприятии, использует ИИ для сокращения операционной рутины, снижения количества ошибок, обработки и анализа данных. Рассмотрим четыре сценария применения ИИ в SRM-системе, которые помогают повысить контроль, прозрачность, эффективность и скорость закупок.
Современные ИИ-инструменты позволяют распознавать необходимую информацию в коммерческих предложениях и технической документации поставщиков: технические параметры, условия поставки и цены. Затем система может сопоставить данные по заданным критериям и подготовить краткое резюме для закупщика.
При оценке предложений ИИ сопоставляет данные поставщиков с исходным ТЗ и требованиями закупки, показывает соответствия и отклонения по каждой позиции, формирует рекомендации для закупщика и технического эксперта. При большом количестве предложений система помогает обнаружить неявные аномалии и ошибки, которые легко пропустить при ручной проверке, а также подсказывает, какие сведения необходимо уточнить у поставщика. Финальное решение при этом остаётся за человеком.
ИИ сопоставляет предложения поставщиков с требованиями ТЗ и показывает отклонения
Кроме того, SRM может поручить ИИ сбор коммерческих предложений. Этот сценарий позволяет:
Подготовка пакета документов — технического задания, опросника для RFI и сопутствующих материалов — традиционно остаётся одним из самых трудоёмких этапов для инициатора и закупщика, особенно если речь идёт о нетиповой номенклатуре. В ELMA365 ИИ-агент получает описание характеристик товара или услуги и дополнительные требования в свободной форме, а затем с учётом истории похожих закупок формирует проект комплекта документов. Это избавляет инициатора от необходимости начинать работу с чистого листа и снижает риск того, что в ТЗ будут упущены важные требования.
Реестр требований, подготовленный для оценки предложений поставщиков
Сначала ИИ составляет реестр требований, например из трёх разделов: функциональные, нефункциональные и организационные требования. Пользователь проверяет результат, дополняет или корректирует его. После валидации реестр можно снова передать ИИ-ассистенту, чтобы на его основе подготовить техническое задание и опросник для проведения RFI на бланке организации.
Пример технического задания, сформированного ИИ-агентом
При работе с такими документами важно заранее учесть требования организации к безопасности и конфиденциальности данных.
Возможности ИИ-инструментов в ELMA365 Закупки
Искусственный интеллект дает дополнительные возможности для анализа поставщика на основе истории о взаимодействии, а также отслеживания аномалий и изменений в рейтинге.
Один из практических сценариев — анализ карточки поставщика для снижения рисков при работе с контрагентом. ИИ отслеживает изменения рейтинга и новые события, анализирует опыт взаимодействия с поставщиком и формирует краткое резюме. Это особенно полезно, если история работы содержит сотни или тысячи записей, которые пришлось бы просматривать вручную.
Кроме того, ИИ позволяет отслеживать изменения цен на основе сообщений от поставщиков, анализировать их в динамике и прогнозировать изменения.
Ещё один сценарий — советник по условиям поставки. В диалоговом режиме ИИ-агент помогает определить актуальные коммерческие условия по нужной номенклатуре, используя историю закупок компании и ограниченный перечень проверенных внешних источников. Он может подсказать рыночный уровень цен, найти действующий контракт, по которому товар доступен без новой процедуры, а при его отсутствии — сформировать пул подходящих поставщиков для запроса предложений. В результате закупщики тратят меньше времени на ручной анализ рынка и быстрее переходят к стратегическим задачам.
ИИ-советник анализирует историю закупок и показывает условия поставки
ИИ-ассистенты закупок — в частности чат-боты на основе искусственного интеллекта — всё активнее используются в SRM-системах. Функционал решения ELMA365 Закупки позволяет использовать виртуальных ассистентов как внутри контура: для инициаторов заявки, закупщиков и согласующих, так и при взаимодействии с контрагентами на Портале поставщика.
Настройка ИИ-ассистента в ELMA365
Ещё один сценарий — использование диалогового искусственного интеллекта. ELMA Bot подключается к омниканальной платформе ELMA365 Service и позволяет вести коммуникацию с поставщиками непосредственно из системы: в отдельном окне, из карточки заказа, закупки или предложения. Контрагент может получать сообщения по электронной почте, в социальной сети или мессенджере.
Бот берёт на себя часть рутинных операций: начинает коммуникацию с поставщиком, определяет его намерение, предоставляет информацию о закупке, принимает коммерческое предложение и передаёт полученные данные в систему. Сотрудник подключается к диалогу, когда требуется экспертная оценка или нестандартное решение.
При всех преимуществах ИИ необходимо учитывать риски и ограничения новых технологий. Ниже — три правила, которые особенно важны при внедрении ИИ-инструментов в закупочные процессы.
Работа с коммерческими предложениями, ценами, договорами и поставками — чувствительная зона закупок. Безопасность работы с данными определяется внутренними регламентами компаний и требованиями службы безопасности, которые необходимо учитывать при внедрении ИИ-инструментов в SRM.
Закупки — чувствительная область для любой организации, поскольку система работает с бюджетами, ценами, договорами и данными поставщиков. Поэтому основной принцип автоматизации здесь — не навредить: новые технологии нужно внедрять с учётом возможных утечек, некорректных действий и ограничений доступа к информации.
Решение этой проблемы — установка и обучение сервиса искусственного интеллекта в закрытом контуре организации, где расположена вся ИТ-инфраструктура и внутренние системы. Этот подход гарантирует безопасность, однако требует ресурсов на подготовку инфраструктуры и запуск сервиса, подготовку данных и обучение модели.
Использование ИИ в SRM: проблемы и решения
Искусственный интеллект может ошибаться, делать необоснованные выводы или генерировать недостоверную информацию. Чтобы минимизировать эти риски, при внедрении ИИ в бизнес-процессы необходимо предусмотреть проверку результата человеком.
Чем больше качественной информации получает модель, тем точнее становятся ответы, но гарантировать безошибочное выполнение всех операций нельзя. Поэтому речь идёт не о замене закупщиков, а об усилении их возможностей: ИИ избавляет специалистов от части рутины, ускоряет процессы и помогает снизить количество ошибок, тогда как ответственность за итоговое решение остаётся за человеком.
Качество работы ИИ напрямую зависит от качества данных и бизнес-процессов в системе. Если массивы некорректно структурированы, не распознаны или не обработаны, ИИ не поможет.
Поэтому до внедрения ИИ необходимо описать, формализовать и систематизировать закупочные процессы, перенести данные и привести в порядок справочники. Работу с базами, документами и процессами важно начинать заранее. Только на подготовленной основе SRM-система и ИИ-инструменты смогут повысить прозрачность закупок, сократить рутинную нагрузку и создать стратегическую ценность для бизнеса.
ИИ в закупках — это применение искусственного интеллекта для автоматизации, анализа и оптимизации процессов закупочной деятельности. ИИ в сфере закупок охватывает как внутренние процессы (заявки, согласования), так и внешние (работа с поставщиками, тендерами).
ИИ помогает автоматизировать обработку документов и заявок, анализировать данные о ценах и поставщиках, прогнозировать спрос, выявлять риски и ускорять коммуникации с помощью чат-ботов и ассистентов.
Начать можно с автоматизации рутинных операций: внедрение OCR и RPA для обработки документов, подключение ИИ‑ассистентов, использование аналитики для оценки поставщиков. Затем масштабировать решения — до прогнозирования, антифрода и сквозного анализа.
ИИ особенно полезен на этапах планирования и формирования потребностей, выбора поставщиков, согласования договоров и контроля исполнения обязательств.
В закупках используют ML (машинное обучение), NLP (обработка естественного языка), OCR (распознавание документов), RPA (роботизация процессов) и ИИ‑ассистентов для поддержки пользователей и поставщиков.
ИИ‑ассистент закупок — это виртуальный помощник, встроенный в SRM‑систему или Портал поставщика. Он помогает сотрудникам отдела закупок принимать заявки, согласовывать заказы, уточнять детали и уведомлять об изменениях, а также взаимодействовать с контрагентами.
ИИ анализирует поведение поставщиков, рейтингует их, отслеживает риски и историю взаимодействия. Также помогает находить альтернативных контрагентов по заданным критериям.
Да. Генеративный ИИ используется для составления технических заданий, генерации условий тендеров и контрактов, а также подготовки резюме по аналитике и KPI.
ИИ не заменяет сотрудников полностью. Он усиливает отдел закупок, автоматизируя рутину и предоставляя аналитику для принятия решений. Роль специалиста трансформируется, а не исчезает.
Основные сложности включают непрозрачность алгоритмов, ошибки из-за неполных данных, высокую стоимость внедрения, зависимость от ИТ-инфраструктуры и необходимость обучения персонала.
Поделиться:
Комментарии
Операционная эффективность показывает, насколько рационально компания превращает ресурсы — время, деньги, труд сотрудников, оборудование и данные — в полезный результат для бизнеса и клиента. Высокая выручка сама по себе ещё не означает, что процессы эффективны: организация может расти одновременно с затратами, количеством ручных операций, ошибками и сроками выполнения работы.
Цифровизация бизнес-процессов компании помогает связать действия сотрудников, данные и информационные системы в единой управляемой среде. Участники получают задачи по заданным правилам, документы и сведения передаются между этапами автоматически, сроки контролируются системой, а показатели процесса доступны для анализа.
В статье разберем, зачем нужны закупочные стратегии, как разработать категорийную стратегию закупок, в каких категориях она действительно необходима и как принимать решения, если стратегии нет, а кризис уже наступил.
