ИИ для закупок: где автоматизация надёжна, а где подводит

Коротко: ИИ в закупках спотыкается о данные компании, и выбор модели тут решает мало. Пилоты генеративного ИИ запускали 49% команд закупок, до большого масштаба довели 4%. Разбираем по работам: разбор коммерческих предложений, поиск поставщиков, проверка контрагента и сборка спецификации идут надёжно; прогноз спроса, торг о цене и выбор поставщика остаются за вами. И называем, что сделать до подключения.

Если вы покупаете бумагу, краску, металл, кабель или товар у производителя, эта статья про вашу ежедневную работу. ИИ для закупок сегодня обсуждают все, но обещания в этой теме звучат одинаково убедительно, а проверить их нечем. Если вы участвуете в тендерах по 44-ФЗ, статья вам не подойдёт: там совсем другое дело, и ниже мы объясним, почему тендерные советы на снабжение не переносятся.

Мы развели работы отдела снабжения на две половины и показали, где между ними граница. Начнём с чисел, которые эту границу и обнажили.

Почему ИИ в закупках пробует половина, а доводят единицы?

Самое честное, что сегодня можно сказать про ИИ в закупках, звучит невесело.

• 49% команд закупок пилотировали генеративный ИИ в 2024 году, но до большого масштаба дошли 4%. The Hackett Group, 2025 CPO Agenda Report - по сводке Art of Procurement, https://artofprocurement.com/blog/state-of-ai-in-procurement

Рядом лежит вторая пара чисел, из опроса EY 2025 года: развернуть генеративный ИИ в течение трёх лет планируют 80% директоров по закупкам, а внятные внедрения есть сегодня у 36%.

Одиннадцать проб из двенадцати не доезжают. Когда такое случается один раз, виноват исполнитель. Когда это видно на выборке из сотен компаний, виновато устройство работы, в которую ИИ приносят.

Обычно из этих чисел делают вывод, что технология сырая и стоит подождать. Мы читаем их иначе, и дальше вся статья про это. Модель в закупках отвечает за самую простую часть работы. Спотыкается всё на том, в каком виде у компании лежат её собственные заявки, цены и история поставок.

Но прежде чем говорить о данных, надо развести два дела, которые в русском языке называются одним словом.

Чем закупки отличаются от тендеров?

Когда владелец типографии ищет, чем помочь отделу снабжения, он попадает на статьи про поиск тендеров. Так выходит потому, что два совсем разных дела в русском языке называются одним словом.

Инструменты для тендеров устроены вокруг площадок: там документы уже лежат в машинном виде, и их есть что разбирать. В снабжении такого склада нет вовсе.

Ваши коммерческие предложения приходят в почту вложениями, половина в PDF картинкой. Цены живут в чужих прайсах. История «у кого брали в прошлом году и чем кончилось» хранится в голове снабженца.

Почему это первое, что надо развести

Инструмент, написанный под тендеры, на снабжении просто не заработает: ему негде брать данные. Этим объясняется часть разрыва между 49% и 4%. Вторая часть разрыва приходит раньше, вместе с обещаниями на входе.

Что обещает рынок: наш замер разброса

В сентябре 2026 года мы собрали числовые обещания русских страниц про ИИ в закупках и выписали их рядом. Получилось вот что.

На схеме четыре вилки в процентах. Экономия закупочной цены: по одной оценке 3-7, по другой 25-40. Сокращение цикла: по одной оценке 40-70, по другой 60-80. Заметно вот что: по экономии цены две оценки не пересекаются вовсе, то есть говорят о разных вещах; по циклу они сходятся лишь краем, на отрезке 60-70.

Разброс по экономии цены идёт от 3% до 40%, то есть больше чем в десять раз. И ни одна страница не называет три вещи, без которых число не значит ничего: на каком объёме закупок измерено, за какой срок и в какой отрасли.

Ещё одна страница, и это уже не про точность прогноза, приписывает утверждение «92% директоров по закупкам уверены, что ИИ повысит эффективность на 15-25%» сразу двум исследованиям, не называя, какому именно. Совпадение числа с точностью прогноза из таблицы выше случайное: это два разных 92%, и проверить нечем ни одно.

Мы не думаем, что все эти числа выдуманы. Скорее каждое верно для своего случая, про который забыли сказать. Пользоваться ими при выборе подрядчика всё равно нельзя: 3% и 40% требуют разных решений, а вся разница спрятана в условиях, которых не назвали.

Вместо чужих процентов дальше идёт разбор по работам, и начинается он с тех, где машина считает сама.

Если вы сейчас решаете, с чего начать, у нас есть отдельный разбор ваших задач: смотрим, что стоит автоматизировать, а что нет.

Какие четыре работы ИИ в закупках делает надёжно?

1. Разбор коммерческих предложений. Пришло одиннадцать писем с ценами в разных форматах: у одного цена с НДС, у другого без, у третьего с доставкой, у четвёртого от объёма. Приведение этого к одной таблице - работа механическая и проверяемая: результат сверяется с исходным письмом за минуту. Здесь ИИ ошибается редко, а ошибку видно сразу.
2. Поиск поставщиков по описанию задачи. Запрос звучит так: «нужен картон плотностью от 250, партия от двух тонн, отгрузка из Поволжья». Модель соберёт список кандидатов и их контакты. Список потом проверяют, но самому его собирать дольше в разы.
3. Проверка контрагента по открытым данным. Возраст компании, суды, смена директоров, признаки массового адреса. Все эти сведения лежат в открытых реестрах, и задача сводится к тому, чтобы их собрать и разложить. Вердикт «работать или нет» ИИ не выносит. Карточку собирает быстро.
4. Сборка спецификации и заявки. Из переписки, прошлой спецификации и прайса собрать документ в вашем формате. Это перекладывание данных из одного вида в другой, и здесь модели сильны.

Что у этих четырёх общего

У каждой есть правильный ответ, который проверяется, не выходя из своей конторы. Цена в письме или та, или другая. Компания или зарегистрирована в 2009 году, или нет.

ИИ надёжен на них по этой причине: ошибка ловится простой сверкой. Как это выглядит на второй неделе работы, мы разбирали в статье про работу ИИ-агента.

Где ИИ в закупках подведёт?

Теперь честная половина, которой в разборах почти не бывает.

1. Прогноз спроса на ваших данных. Точность 92% в обещаниях встречается. Только точность прогноза считается на истории, а история у обычного бизнеса короткая и дырявая: два года продаж, провал, смена ассортимента, полгода без учёта в товарных группах. На таких данных модель покажет уверенное число, и проверить его будет нечем до самой поставки.
2. Торг о цене. Модель напишет письмо с просьбой о скидке, и письмо будет гладким. Скидку даёт другое: вы берёте четвёртый год подряд, платите без задержек, и терять вас поставщику не хочется. Этого в переписке нет.
3. Окончательный выбор поставщика. Самое дешёвое предложение часто худшее, и почему именно, знает снабженец: у этого склад в другом городе, у того вечно недовоз по весу, у третьего нормальный менеджер. Это знание не записано нигде, значит модели его взять негде.

Как это выглядит на практике

Заметьте, что во всех трёх случаях ИИ выдаст результат. Он не скажет «не знаю»: вместо этого назовёт число или посоветует поставщика, и выглядеть это будет уверенно.

Отличить одно от другого можно только зная, где проходит граница. Ради неё стоит читать дальше: она же определяет, что делать до подключения.

Про соседнее семейство задач у нас есть отдельный разбор, ИИ-агент для отчётов: там разобрано, отчего отчёт приходит пустым и как это заметить.

Что мешает ИИ работать: ваши данные

Вернёмся к разрыву, с которого начали: пилоты генеративного ИИ запускали 49% команд закупок, а до большого масштаба довели 4%. Узкое место здесь не в модели, а в данных, и это подтверждается числами.

• 74% руководителей закупок говорят, что их данные не готовы к ИИ. Gartner, 2025 Leadership Vision - по сводке Art of Procurement, https://artofprocurement.com/blog/state-of-ai-in-procurement

Опрос Deloitte 2025 года называет главным препятствием разрозненность работы - 57%. Собран он с больше чем 250 директоров по закупкам из 40 стран и 10 отраслей.

В том же опросе есть группа «цифровых лидеров»: компании, которые соединили технологию и людей. У них результаты другие: 96% выполнили или перевыполнили план по экономии, 94% по предотвращённым затратам. Порядок с данными в эту связку входит, и мы считаем его там главным, но это уже наш вывод, а не слово опроса. Числа по цифровым лидерам закупок приведены целиком.

Что значит «данные не готовы» на вашем примере

Порядок с данными - это про простые вещи:

• цены поставщиков разбросаны по письмам, собранного файла нет;
• один и тот же картон в трёх заявках назван тремя способами;
• почему в прошлом году ушли от поставщика, нигде не записано;
• сроки поставок не отмечались, поэтому «он всегда опаздывает» проверить нечем.

Пока это так, любая модель будет отвечать красиво и мимо. Как только цены и сроки собраны в одну таблицу, польза появляется даже от простого помощника.

Что сделать до того, как подключать ИИ?

На схеме путь заявки от потребности до приёмки шестью шагами. У каждого шага в конце пояснения назван исполнитель. С ИИ идут три: сравнение предложений, проверка контрагента и сборка спецификации. Потребность, запрос предложений, выбор поставщика и приёмка остаются за человеком.

1. Соберите номенклатуру в один список. Один товар - одно название. Это самая скучная и самая полезная часть: без неё модель не свяжет три заявки на один и тот же картон.
2. Сложите прайсы и коммерческие предложения в одну папку. Именно в папку, где у файла понятное имя с поставщиком и датой. В переписке они теряются.
3. Начните отмечать сроки. Дата заказа, обещанная дата, фактическая. Три колонки. Через три месяца у вас появится проверяемая история поставок.
4. Запишите причины отказов от поставщиков. Одной строкой. «Ушли: недовоз по весу дважды, март 2026».
5. Только после этого подключайте инструмент. И начинайте с работы номер один из надёжной четвёрки, то есть с разбора предложений.

Порядок здесь стоит не для красоты. Если начать с пятого пункта, получится ровно то, что видно в числах: проба, которая никуда не доехала.

Проверить, стоит ли всё это затевать, можно раньше, чем закончится подготовка.

С чего начать за один день?

Платформу покупать рано: польза проверяется на десяти письмах. Сделайте так.

1. Возьмите последние десять коммерческих предложений на один товар.
2. Попросите обычный чат-помощник привести их к одной таблице: поставщик, цена за единицу, НДС, доставка, срок, минимальная партия.
3. Проверьте каждую строку по исходному письму сами. Все десять.
4. Посчитайте две вещи: сколько строк оказалось неверными и сколько времени заняла бы эта таблица без него.

Ошибок ноль или одна, а без него вышло бы полтора часа - вы нашли своё место для ИИ в закупках, и оно уже экономит время, без всякого внедрения. Ошибок треть - ваши предложения приходят в таком виде, который сначала надо привести в порядок. Это тоже полезный ответ.

Проба покажет, есть ли польза вообще. Чтобы увидеть, сколько её, нужны два числа, снятые заранее.

Какие два числа снять до старта?

Самая частая беда внедрений в том, что через полгода никто не может сказать, стало лучше или нет. Лечится это заранее.

Эти два числа двигаются от надёжных работ. Закупочную цену как показатель мы советуем обойти: она зависит от рынка, курса и объёма сильнее, чем от любого помощника, и приписать её движение внедрению не получится.

Дошли до вопроса «сколько это стоит и что входит» - у нас есть разбор внедрения под ключ с составом работ. Хотите, чтобы кто-то посмотрел именно ваши задачи и сказал, что из них стоит отдавать машине, - приходите на разбор задач.

Остаётся назвать то, чего ждать не стоит.

Чего ждать не стоит

Коротко, по пунктам.

• Что решение о закупке будет принимать машина. Ответственность за деньги остаётся на том, кто их тратит, и модель не отвечает ни за недовоз, ни за срыв стройки.
• Что отдел снабжения станет не нужен. Меняется состав работы: меньше перекладывания цен из письма в таблицу, больше разговоров с поставщиками и решений. Про это мы писали в разборе помощника для руководителя.
• Что чужие проценты повторятся у вас. Разброс в обещаниях от 3% до 40% означает, что переносить их на свою компанию нельзя. Своё число получится только из своего замера, снятого до начала.

Закупки ускоряются там, где есть что читать: собранные цены, одинаково названные товары, отмеченные сроки. Это скучная работа на несколько недель, и её никто не сделает за вас. Зато после неё даже простой помощник начинает приносить пользу; до неё не помогает и дорогой.

Начните с десяти предложений и одной таблицы. Этого хватит, чтобы понять, ваше это или нет.

Источники