ИИ в закупках и снабжении: агент ищет поставщиков и разбирает тендеры

Компания закупала больше тысячи товарных позиций (SKU, stock keeping unit — единица складского учёта) и вела закупки в двух системах: учёт и номенклатура жили в «1С:Управление торговлей», а заявки от подразделений, задачи и согласования — в Битрикс24. Снабжение работало, но держалось на людях: закупщик открывал пришедшие коммерческие предложения (КП) и вручную сверял их с заявкой, историей цен и справочником номенклатуры. Пока позиций десятки, это терпимо. Когда их больше тысячи, проверка превращается в поток, который физически не проходит через одного человека.

Ниже — как этот контур меняет ИИ-агент: программа, которая по заданному правилу сама читает заявки, счета, коммерческие предложения и тендерную документацию, сопоставляет позиции с вашей номенклатурой и показывает закупщику только то, что требует решения. Первый эффект здесь — риски, которые перестают срабатывать: закупка по завышенной цене, позиции без альтернативных предложений, счета, не сходящиеся с заявками, и условия в КП, которые никто не прочитал. Часы идут вторым планом и считаются отдельно.

Закупки — та функция, где решения принимаются быстрее, чем считаются. Цена выросла — закупщик видит это в момент счёта, а не в момент, когда поставщик объявил новые условия; альтернативную цену никто не запрашивал, потому что «этот поставщик всегда возил нормально»; счёт пришёл на одно, а заявка была на другое, и это выясняется уже на приёмке. И это общая точка роста, а не частный случай: по данным портала mos.ru, которые приводит TAdviser в разборе «ИИ и аналитика в закупках» (16.10.2025), только в Москве за девять месяцев 2025 года проведено более 415 000 электронных закупок на сумму 85 млрд рублей — на 19% больше, чем годом ранее. Рынок массово уходит в цифру, а значит, разница между компаниями всё меньше зависит от того, нашёл ли ты поставщика, и всё больше — от того, как быстро ты понял, что предложение пора перепроверить.

Второй факт оттуда же объясняет, почему закупки вообще стали первым кандидатом на автоматизацию. Там же, в исследовании ИСИЭЗ НИУ ВШЭ, на которое ссылается TAdviser, зафиксировано: ИИ используют уже тысячи российских организаций, а для снабжения это означает ускорение процессов, снижение влияния человеческого фактора и рост контроля. Иными словами, вопрос «применять или нет» на рынке уже решён — остался вопрос «как именно у нас».

Коротко

ИИ-агент читает заявки, счета, коммерческие предложения и тендерную документацию из учётной системы и Битрикс24, сопоставляет позиции со справочником номенклатуры, сравнивает цены с историей и рыночными ориентирами и складывает закупщику очередь на проверку — только те позиции, где нужно решение: изменился статус, выросла цена или превышен лимит дневного изменения. Решение по поставщику и цене остаётся за человеком; агент отвечает за подготовку, сверку и объяснение вывода.

Содержание

• Почему закупки видны поздно
• Что съедает время между заявкой и решением
• Что делает ИИ-агент в закупках и снабжении
• ИИ для поиска поставщиков: как агент собирает рынок
• ИИ для тендеров: как использовать в тендерах
• Какие риски это снимает
• Сколько часов это возвращает
• Что остаётся закупщику
• Как это выглядит на практике: наш проект
• Обучение закупщика: как использовать ИИ в закупках
• Как внедрить поэтапно
• Источники

Почему закупки видны поздно

Между событием и решением в закупках стоит не система, а ручная сверка. Причины повторяются из проекта в проект.

Номенклатура не сходится. Поставщик пишет «шланг 12 мм армированный», в справочнике позиция называется иначе, в счёте — третий вариант. Пока человек не сопоставит три названия, сравнить цены не с чем. Это самая частая причина, по которой закупщик перестаёт сравнивать вовсе и смотрит только на общую сумму.

Цена проверяется по памяти. Реестр цен существует, но посмотреть в него на каждой позиции — это минуты, которых нет при 150 заявках в месяц. В итоге цена считается «нормальной», если она похожа на прошлую.

Предложения приходят в разных форматах. PDF, Excel с другими колонками, фото прайса, текст в теле письма. Пока каждое нужно привести к одному виду руками, скорость закупки определяется скоростью переписывания.

Заявка и счёт живут отдельно. Заявка — в Битрикс24, счёт — в учётной системе. Расхождение по количеству или позиции находят на приёмке, когда повторный заказ уже не спасает срок.

Условия читают глазами. Отсрочка, штрафы, изменение цены задним числом, требования к упаковке — это текст в теле предложения или в приложении. Именно там прячутся условия, которые расходятся с типовым договором компании.

Ошибка не оставляет следа. Когда позиций больше тысячи, ручная проверка неоднородна: часть смотрит человек, часть проходит мимо. Понять, сколько именно прошло мимо, можно только тогда, когда есть журнал проверок.

Что съедает время между заявкой и решением

Если разложить путь от потребности до заказа, картина такая:

• Сбор потребности. Заявки от подразделений приходят в разных видах: таблица, сообщение, звонок. Сначала их надо свести в один реестр.
• Поиск предложений. По новым позициям — обзвон и переписка; по повторным — отправка запроса тем, кто уже возил.
• Приведение к сравнимому виду. Переписать PDF и Excel в один шаблон, выровнять единицы измерения, дописать артикулы.
• Сверка с заявкой. То ли количество, та ли позиция, тот ли срок.
• Сравнение цен. История закупок, другие поставщики, рыночный ориентир. Работает, когда позиций десятки.
• Согласование. Заявка идёт по маршруту, при превышении лимита — к руководителю.
• Спецификация и договор. Документы нужно собрать и сверить с условиями.
• Приёмка и разбор расхождений. Здесь становится видно всё, что не сверили раньше.

Каждый пункт выглядит мелочью. Вместе они и дают ту задержку, из-за которой закупка идёт «как обычно», а не «как выгоднее».

Что делает ИИ-агент в закупках и снабжении

Агент не заменяет учётную систему и не подписывает документы. Он подключается к тому, что уже работает, и возвращает результат туда же.

1. Читает заявки и потребность. Сводит заявки из Битрикс24 и учётной системы в один реестр, где каждая строка — это позиция, количество, срок и подразделение.
2. Распознаёт и сопоставляет номенклатуру. Приводит названия из счёта, предложения и справочника к одной позиции и показывает, где сходство неполное. По описанию TAdviser, именно распознавание номенклатуры и связывание позиций счетов с заявками — первый рутинный контур, который берёт на себя ИИ.
3. Сравнивает предложения. Цена, срок, условия, объём — по десяткам параметров сразу, а не по одной цифре.
4. Сверяет с историей и рыночным ориентиром. Определяет цену, которая выглядит отклонением, и подсвечивает её.
5. Читает условия и тендерную документацию. Находит нестандартные условия: изменение цены задним числом, штрафы, требования, расходящиеся с типовым договором.
6. Собирает счёт с заявкой. Позиции счёта сопоставляются с тем, что было заказано, расхождения видны до оплаты.
7. Складывает очередь на проверку. Закупщик видит не весь поток, а только позиции, требующие решения: изменился статус позиции, изменилась цена, превышен лимит дневного изменения.
8. Ведёт журнал. Любой вывод объясним: какие данные агент прочитал, с чем сравнил и почему считает отклонение значимым.

Меняется не учёт, а горизонт: отклонение видно до оплаты, а не на приёмке. Строить закупочный контур заново не нужно — по описанию «Сбера», ИИ в закупках охватывает автоматизацию рутинных задач, прогнозирование потребности, оценку поставщиков и сопоставление номенклатуры, то есть работает поверх существующих систем. Именно так это описывают и вендоры, которые ведут такие проекты: в разборе Epsilon Metrics четыре агента закрывают поиск поставщиков, рассылку запросов предложений (RFP, Request for Proposal — запрос коммерческого предложения), обработку присланных КП и аналитику по накопленной базе. Это вендорский материал о своих проектах, а не независимое исследование, но состав работ там описан ровно тот, с которым сталкиваются все.

ИИ для поиска поставщиков: как агент собирает рынок

Поиск поставщиков — самая заметная часть ИИ в снабжении, но и самая переоценённая. Агент не «приводит клиентов», он собирает и приводит в порядок то, что человек всё равно проверяет.

• Формирует запрос. Из заявки получается структурированное описание позиции: что нужно, сколько, к какому сроку, какие требования обязательны.
• Ищет варианты. По открытым источникам, каталогам, торговым площадкам и собственной базе поставщиков.
• Проверяет совпадение. Сопоставляет предложение с требованиями и показывает, где позиция не совпадает по параметрам.
• Готовит рассылку. Одно и то же описание уходит всем участникам — так ответы приходят в сравнимом виде.
• Фиксирует базу. Кто ответил, по какой цене, с какими сроками, как отработал раньше. Через несколько циклов это уже собственная база, а не переписка в мессенджере.

Масштаб такого рынка в России измерим: по данным TAdviser, платформа «Синтека» интегрирована с торговой площадкой «Закупай», на которой зарегистрировано более 5 000 поставщиков из 36 регионов. Это не значит, что все они подойдут вашей компании, — это значит, что варианты есть и вопрос только в том, кто их просматривает и с какой скоростью.

Важно сказать и о границе: агент не знает того, чего нет в данных. Если поставщик впервые, а надёжность нужно проверить по опыту, закупщик остаётся последней инстанцией. И вендорские цифры — «сокращение ручной работы на 70–80%», которые приводит Epsilon Metrics по своим проектам, — относятся к рутине вокруг поиска и обработки ответов, а не к решению «с кем работать».

ИИ для тендеров: как использовать в тендерах

Тендер — тот же закупочный цикл, только с формальной процедурой и большим объёмом текста. Практический ответ на вопрос, как использовать ИИ в тендерах, начинается не с выбора победителя, а с подготовки.

До тендера. Проверка документации на противоречия, сбор требований в чек-лист, подготовка типового пакета и технического задания. Агент помогает не пропустить пункт, который потом станет причиной отклонения заявки.

Во время сбора предложений. Приведение ответов участников к одному виду, сверка комплектности документов, проверка на соответствие формальным требованиям. Именно здесь теряется больше всего времени: форматы разные, а сравнивать нужно одинаково.

Сравнение. Таблица по десяткам параметров вместо одной строки с ценой: цена, срок, условия оплаты, гарантии, комплектность, отклонения от типового договора. TAdviser прямо называет это направление в числе того, чем ИИ уже занимается: сравнение коммерческих предложений по десяткам параметров, определение рыночной цены и подсветка отклонений.

После выбора. Проверка договора и спецификации на расхождения с условиями, которые обсуждались, и контроль того, что поставка идёт по заявленным условиям.

Отдельно стоит то, чего агент делать не должен: определять победителя и принимать решение о цене. Тендер — процедура с ответственностью, и подпись под решением ставит человек.

Какие риски это снимает

Часы — не главный аргумент. Ставка выше: закупка по завышенной цене и условия, которых никто не прочитал.

Закупка по завышенной цене

Проверить каждую позицию вручную невозможно, поэтому цена принимается «по похожести». Агент показывает отклонение от истории и доступных предложений — и закупщик смотрит на позицию, а не на общую сумму.

Позиции без альтернативных предложений

Часть номенклатуры годами закупается у одного поставщика: альтернативу никто не запрашивал. Такие позиции видно только в аналитике — они и есть первый список для поиска новых вариантов.

Счёт, который не сходится с заявкой

Расхождение по количеству или позиции, найденное до оплаты, стоит одного письма. Найденное на приёмке — простоя, повторной закупки и разговора с подразделением.

Условия в предложении, которых не заметили

Изменение цены задним числом, штрафы, требования к упаковке — это текст, а не цифра. Именно здесь теряется больше всего при ручном разборе.

Срыв срока из-за позднего старта

Пока предложения переписываются вручную, закупка не стартует. Сдвиг старта напрямую превращается в сдвиг поставки.

Спор о цене без доказательств

«Поставщик всегда возил по такой цене» — не аргумент. История закупок, набор предложений и рыночный ориентир, собранные в одном месте, заканчивают этот разговор быстрее, чем переписка.

Размытая ответственность

Когда проверяется «примерно всё», нельзя сказать, кто и что проверил. Журнал проверок возвращает управляемость: видно, какая позиция была, что с ней сделали и на каком основании.

Сколько часов это возвращает

Часы — следствие. Но их полезно посчитать, чтобы понимать масштаб: ниже типовой расчёт для контура с 120–150 заявками в месяц и номенклатурой больше 1 000 позиций. Вводные берите свои — методика не меняется.

Показатель	Вручную	С агентом
Заявок в месяц	135	135
Проверка предложений и цен	33 часа в месяц	10 часов (разбор отклонений)
Поиск и запросы по новым позициям	26 часов в месяц	10 часов
Сверка счетов с заявками	13 часов в месяц	4 часа
Подготовка спецификаций и документов	17 часов в месяц	6 часов
Всего в месяц	89 часов	30 часов
Возвращённое время	—	59 часов в месяц
В деньгах при стоимости часа 1 300 ₽	—	76 700 ₽ в месяц

Арифметика открытая: 33 + 26 + 13 + 17 = 89 часов в месяц, то есть больше половины рабочего времени одного специалиста. С агентом закупщик не переписывает предложения и не сверяет всё подряд, а разбирает очередь на проверку и спорные позиции: 10 + 10 + 4 + 6 = 30 часов. Разница — 59 часов, при стоимости часа 1 300 рублей это 76 700 рублей в месяц. Формулировка «типовой расчёт» здесь принципиальна: это математика на заявленных вводных, а не замер чужого результата. Отдельно считается эффект от отклонённых завышенных цен — он зависит от вашей номенклатуры и объёма закупок.

Что остаётся закупщику

Границу ответственности нужно задать до пилота, а не после первого спорного счёта:

• Выбор поставщика — решение человека. Агент готовит сравнение, но не назначает, с кем работать.
• Права менять заказ у агента нет. Он не подтверждает цены, не подписывает спецификации и не отправляет заявки поставщикам.
• Переговоры — за человеком. Условия, скидки за объём и отсрочка обсуждаются людьми.
• Правила проверки задаёт человек. Лимиты, обязательные категории, что показывать всегда, а что по отклонению.
• Квалификация поставщика — за специалистом. Агент собирает историю, но решение о надёжности нового контрагента принимает человек.
• Полный журнал. Любой вывод объясним: что прочитано, с чем сравнивалось, почему помечено как отклонение.

Такая рамка снимает главный страх при внедрении: система не получает права распоряжаться деньгами, она получает право читать и предупреждать.

Как это выглядит на практике: наш проект

Мы вели корпоративную программу внедрения ИИ-инструмента в компании, у которой закупочный контур был связан с номенклатурой больше тысячи позиций. Задача, которую заказчик поставил дословно, звучала так: обеспечить работу с предложениями поставщиков без ручной проверки каждой позиции. Наша позиция с самого начала была не «убрать человека», а сузить то, что он видит: в очередь на проверку попадают только позиции со сменой статуса, с изменением цены или с превышением лимита дневного изменения. Всё остальное агент проверяет сам и оставляет запись в журнале.

Отдельной задачей шло автозаполнение документа «Спецификация»: компания собирает спецификации вручную по шаблону, и это тот случай, когда автоматизация не требует ничего, кроме повторяющегося документа и понятных полей. Мы разбирали образцы прямо на встречах программы, потому что без реального примера документа любое описание «как должно работать» остаётся догадкой.

Здесь же выяснилось ограничение, о котором стоит знать заранее: часть контура жила в Битрикс24, а он не даёт по API создавать сложные бизнес-процессы. То есть автоматизацию приходится собирать вокруг системы, а не внутри неё — и это не повод отказываться от задачи, а повод сразу проектировать агента как отдельный слой, который читает данные и возвращает результат в привычное рабочее место закупщика.

Мы не приводим здесь цифры эффекта, потому что их в проекте не замеряли: программа была про построение контура и обучение команды, а не про контрольный замер «до и после». Всё, что можно утверждать, — это фактура: состав работ, ограничения систем, правило про очередь на проверку и то, что инструмент остался у команды после завершения программы.

Обучение закупщика: как использовать ИИ в закупках

Отдельный вопрос — обучение, и он решается не курсом «про нейросети вообще». Работает только обучение на своих данных:

1. Свои документы. Коммерческие предложения ваших поставщиков, ваши спецификации, ваш справочник номенклатуры — на них видно, где агент ошибается на вашем случае.
2. Свои правила. Какие отклонения считать значимыми, что показывать всегда, а что только при выходе за лимит. Правило — часть работы, а не настройка по умолчанию.
3. Разбор ошибок вживую. Закупщик должен уметь проверить вывод агента и понять, откуда он взялся. Если этого нет, помощник становится игрушкой, которой не доверяют.
4. Роли. Кто отвечает за номенклатуру, кто за цены, кто за договор. Агент не отменяет роли, он их проявляет.
5. Минимальный навык работы с моделью. Как формулировать задачу, как уточнять, как проверять результат — полдня практики дают больше, чем месяц теории.

Как внедрить поэтапно

1. Выберите одну категорию. Например, одну группу номенклатуры с высокой частотой закупок. Пилот сразу по всему снабжению почти всегда превращается в долгий проект.
2. Зафиксируйте правила проверки. Что обязательно, какие лимиты, что считается отклонением, кому уходит очередь на проверку.
3. Опишите контур данных. Что агент читает (заявки, счета, предложения, справочник номенклатуры) и куда возвращает результат — рядом с рабочим местом закупщика, а не в отдельный файл.
4. Дайте единый шаблон поставщикам. Единая форма коммерческого предложения с полями «артикул, цена, объём, срок» снимает большую часть проблем с распознаванием.
5. Прогоните агента на закрытом периоде. Возьмите прошлый месяц, по которому известны решения, и сравните: где агент отметил отклонение, а закупщик его не увидел.
6. Ограничьте права явно. Чтение, сопоставление, очередь на проверку, подготовка черновиков документов. Без права менять заказы и подтверждать цены.
7. Померьте пять чисел. Позиций в очереди на проверку, доля позиций с альтернативными предложениями, расхождения счёта и заявки, найденные до оплаты, часы закупщика на подготовку и доля закупок, где решение принято быстрее планового срока.

Разбор самой системы и того, что в ней можно автоматизировать, — в отдельном материале: 1С:ERP: возможности производственного блока и что автоматизировать поверх системы; 1С:WMS: управление складом и что автоматизирует ИИ-агент.

Что в итоге

Закупки ломаются не на поиске поставщика, а на задержке: номенклатура не сходится между счётом, предложением и справочником; цены проверяются по памяти; предложения приходят в разных форматах; счёт и заявка живут в разных системах; условия читают глазами. Пока это так, компания платит рисками: завышенной ценой, позициями без альтернатив, расхождениями на приёмке и сроками, которые сдвинулись, пока предложения переписывали вручную. Агент поверх учётной системы и Битрикс24 закрывает именно эту задержку: он читает и сопоставляет, а человек получает короткую очередь на проверку и журнал, по которому видно, что и почему было решено. Обучение здесь — часть работы, а не приложение к ней: без него помощник не получит доверия команды. Если хотите понять, где ваш закупочный контур теряет время, начните с одной категории и одного месяца. Как это выглядит на уровне внедрения в целом, разобрано в статье ИИ-агент для 1С, смежные задачи снабжения — в материалах про прогнозирование спроса и управление остатками на складе, а общий контекст собран в разделе Автоматизация закупок.

Источники

• TAdviser, «ИИ и аналитика в закупках: как технологии помогают сокращать издержки и предотвращать коррупцию» (16.10.2025): по данным портала mos.ru, только в Москве за девять месяцев 2025 года проведено более 415 000 электронных закупок на сумму 85 млрд рублей, на 19% больше, чем годом ранее; по данным исследования ИСИЭЗ НИУ ВШЭ, ИИ используют тысячи российских организаций; ИИ распознаёт номенклатуру и связывает позиции счетов с заявками, сравнивает коммерческие предложения по десяткам параметров, определяет рыночную цену и подсвечивает отклонения, анализирует тексты КП и тендерной документации на некорректные условия; компании сокращают до 40% времени на сбор и анализ данных; платформа «Синтека» интегрирована с торговой площадкой «Закупай», где зарегистрировано более 5 000 поставщиков из 36 регионов: tadviser.ru
• Epsilon Metrics, «ИИ в закупках: автоматизация поиска поставщиков и анализа предложений» (14.07.2025): четыре AI-агента закрывают закупочный цикл — поиск поставщиков, рассылку запросов предложений (RFP), обработку коммерческих предложений и аналитический чат-бот; вендор заявляет сокращение ручной работы специалистов по снабжению до 80% и 70–80% времени обработки закупок, пилот на одной категории — 2–4 недели. Вендорские материалы о своих проектах, независимо не проверялись: blogs.epsilonmetrics.ru
• «Сбер», developers.sber.ru, материал об ИИ в закупках: применение охватывает автоматизацию рутинных задач, прогнозирование, оценку поставщиков и сопоставление номенклатуры: developers.sber.ru
• ELMA365, «ИИ в закупках: 4 сценария и 3 правила эффективного использования» (20.03.2026): сценарии применения ИИ в закупках и правила работы с поставщиками. Вендорский материал, независимо не проверялся: elma365.com
• Agora, «AI в закупках: автоматизация, эффективность и тренды 2026»: эффективность ИИ в закупках зависит от зрелости процессов, качества данных и готовности компании работать в новой модели принятия решений. Вендорский материал: agora.ru
• IBM, обзорная статья «AI in Procurement» (02.08.2023): определение ИИ в закупках как технологии, которая автоматизирует и дополняет задачи закупочного процесса, повышая эффективность, точность и качество решений; использована как зарубежный референс общего характера: ibm.com