Три причины внедрить ИИ в ваши закупки

Искусственный интеллект (ИИ) все активнее внедряется в разные сферы бизнеса, и закупки не являются исключением. Использование современных технологий ИИ позволяет значительно улучшить эффективность работы закупщиков и повысить качество принимаемых решений. Однако важно понимать, как грамотно использовать имеющиеся инструменты. Дмитрий Сытин, генеральный директор сервиса для коммерческих закупок Cooper.pro и Председатель Совета ТПП РФ по развитию системы закупок рассказывает о том, как можно использовать технологии ИИ в работе закупщиков.

Искусственный интеллект на службу прибыл

Одним из наиболее эффективных способов применения искусственного интеллекта в сфере закупок является автоматизация рутинных задач, особенно в подготовке документов. Закупщики часто тратят много времени на однотипные операции, такие как создание схожей документации для разных закупок, проверка и сопоставление коммерческих предложений, а также поиск поставщиков в интернете. Внедрение ИИ позволяет значительно упростить и автоматизировать эти процессы, что ведет в будущем к сокращению рутинной работы и повышению скорости и качества принятия решений. Кроме того, это снижает зависимость от линейного персонала.

Также важно то, что системы, основанные на ИИ, способны автоматически отслеживать сроки действия контрактов, условия выполнения обязательств и ключевые показатели эффективности (KPI), даже в ситуациях, когда нет возможности для прямого сравнения плановых и фактических данных. Это помогает избежать задержек и улучшить соблюдение условий контрактов.

Кроме того, ИИ может обрабатывать большие объемы данных о закупках, ценах и рыночных тенденциях, что позволяет компаниям делать более точные прогнозы по потребностям и изменениям цен, что способствует оптимизации запасов и снижению затрат.

Без паники: прогнозируем спрос

Прогнозирование спроса — ключевой элемент управления потребностями и оптимизации запасов, который помогает компаниям заранее определить, сколько товаров или услуг потребуется в будущем. Искусственный интеллект значительно улучшает этот процесс, позволяя обрабатывать большие объемы данных и выявлять сложные закономерности, которые могут оставаться незамеченными при использовании традиционных методов анализа.

Для этой задачи ИИ применяет методы машинного обучения и алгоритмы анализа данных, чтобы обрабатывать историческую информацию о продажах, ценах, сезонных изменениях, маркетинговых акциях и других факторах, влияющих на спрос, а также обучается на данных о продажах из интернета. Алгоритмы способны анализировать:

— Прошлые продажи за определенные периоды, что позволяет ИИ выявлять тренды и циклы. Например, если в прошлом году перед праздниками наблюдался рост продаж определенного товара, ИИ учтет этот факт при прогнозировании на текущий год.

— Сезонные изменения, так как спрос на некоторые товары может значительно варьироваться в зависимости от времени года. Например, спрос на зимнюю одежду увеличивается в холодные месяцы. ИИ может анализировать данные о температуре, праздниках и других сезонных факторах для более точного прогнозирования.

— Маркетинговые активности. Запуск рекламной кампании или акции может существенно повлиять на спрос. ИИ будет учитывать такие мероприятия и их влияние на продажи, чтобы скорректировать свои прогнозы.

— Экономические и социальные факторы. Изменения в экономике, такие как уровень безработицы или потребительские настроения, также могут оказывать влияние на спрос. ИИ способен интегрировать данные из внешних источников для более глубокого анализа.

Пожалуй, одной из самых сложных задач для ИИ при прогнозировании спроса является вывод нового продукта на существующий рынок или старого продукта на новый рынок. В этих случаях отсутствуют четкие исторические данные, но ИИ может использовать метод аналогий для прогнозирования. Замечу, что традиционные системы прогнозирования не обладают такой возможностью.

Ищем, ищем и находим

В чем еще ИИ может помочь? В поиске поставщиков. Традиционно это требует значительных усилий, так как включает в себя сбор информации о потенциальных партнерах, а также оценку их качества, надежности и ценовой политики. Однако с развитием технологий искусственного интеллекта этот процесс становится более эффективным и менее трудоемким.

Вот несколько способов, как ИИ помогает в поиске и анализе поставщиков:

• Большие языковые модели способны автоматически собирать данные о поставщиках из различных источников, таких как веб-сайты, базы данных, социальные сети и отзывы клиентов. Это позволяет значительно сократить время на поиск информации и получить тщательно обработанные данные о компании.
• Алгоритмы машинного обучения позволяют ИИ анализировать отзывы клиентов, рейтинги и другую информацию для оценки качества продукции и надежности поставщиков. Например, системы могут выявлять закономерности в отзывах, указывающие на частые проблемы с качеством или доставкой, а также определять положительные или отрицательные мнения клиентов. Кроме того, ИИ может находить отзывы о конкретных товарах или услугах.
• ИИ может сравнивать цены поставщиков на одни и те же товары или услуги. Это помогает компаниям находить наиболее выгодные предложения и принимать обоснованные решения при выборе партнера.
• Используя информацию о финансовом состоянии поставщиков, такую как отчеты о прибылях и убытках, кредитные рейтинги и другие финансовые показатели, ИИ может прогнозировать вероятность банкротства или финансовых проблем у потенциальных партнеров.
• ИИ также способен оценивать риски, связанные с работой с определенными поставщиками, включая политические риски, изменения в законодательстве и другие внешние факторы, которые могут повлиять на стабильность поставок.

Например, российская платформа для коммерческих закупок Cooper.pro разрабатывает интегрированный сервис на основе искусственного интеллекта, который позволяет формировать и подбирать категорийные базы поставщиков для каждой конкретной закупки, размещенной на платформе. Площадка собирает три типа данных о каждом поставщике: основную информацию из ФНС и других открытых источников, сведения о квалификации поставщиков и информацию об их участии в закупках, что включает в себя анализ поведенческих паттернов.

После публикации каждой закупки ее содержание анализируется с помощью ИИ, который создает категорийный профиль закупки. Затем автоматически подбирается соответствующая база поставщиков из заранее обработанного внутреннего хранилища данных, принимая во внимание рейтинг их релевантности для данной закупки.

Анализируй и властвуй

Искусственный интеллект также помогает выявлять потенциальные риски, связанные с закупками, такие как колебания цен, нестабильность поставок и финансовые проблемы у поставщиков. Это способствует снижению угроз для бизнеса. Как я отмечал ранее, одной из основных функций ИИ в управлении рисками является его способность анализировать большие объемы данных и выявлять возможные угрозы. Например, ИИ может отслеживать изменения цен на сырье и товары в реальном времени, используя алгоритмы машинного обучения для прогнозирования будущих колебаний. Это позволяет компаниям заранее реагировать на изменения на рынке и принимать обоснованные решения о закупках.

Нестабильность поставок — еще один значимый риск, который может повлиять на бизнес. Здесь ИИ помогает предсказывать проблемы с поставками, анализируя исторические данные и текущие тренды. Например, если поставщик часто задерживает доставку или получает негативные отзывы от других клиентов, ИИ может предупредить об этом и предложить альтернативные варианты.

Алло, искусственный интеллект на связи

Несомненно, искусственный интеллект способен вдохнуть новую жизнь во взаимодействие между закупщиками и поставщиками. К примеру, чат-боты и виртуальные помощники способны быстро отвечать на распространенные вопросы, обрабатывать запросы и предоставлять актуальную информацию. Например, с такими ботами мы часто общаемся в поддержке банков или в службах доставки.

Современные ИИ-технологии позволяют не только анализировать данные и налаживать коммуникацию, но и разрабатывать персонализированные предложения для клиентов. Закупщики могут использовать эти инструменты для создания более точных запросов к поставщикам.

ЭТП VS ИИ: на заре новых перспектив

Внедрение искусственного интеллекта в процесс закупок открывает новые перспективы для повышения эффективности. ИИ делает работу закупщика экономически выгодной. Однако требует ли это значительных затрат на интеграцию ИИ в существующие системы компании? На сегодняшний день большинство возможностей ИИ уже доступны на электронных торговых площадках (ЭТП), которые отличаются по видам торгов:

• Электронные площадки для госзаказов: такие как «ЕЭТП», «ЭТП ГПБ», «РТС-Тендер».
• Электронные площадки для 223-ФЗ: их перечень не закреплен в законодательстве.
• Электронные платформы для ликвидации имущества должников: аккредитовано множество таких ЭТП.
• Электронные площадки для коммерческих клиентов: среди них существуют специализированные площадки (например, ЭТП Газпрома) и универсальные, такие как Cooper.pro, где компании могут выступать как заказчики и поставщики.

На практике многие площадки уже внедрили элементы ИИ. Например, Cooper.pro использует алгоритмы машинного обучения для оптимизации выбора поставщиков. 

Также ИИ помогает автоматизировать рутинные процессы, такие как создание закупочных запросов и управление документацией. Это позволяет значительно сократить время, затрачиваемое на выполнение однообразных задач, и сосредоточиться на более стратегических аспектах работы.