Стратегическая трансформация создания ценности: как искусственный интеллект коренным образом меняет ландшафт закупок

Предварительная версия Xpert

Доступно на 27 языках 📢

Опубликовано: 5 января 2026 г. / Обновлено: 5 января 2026 г. – Автор: Konrad Wolfenstein

Стратегическая трансформация создания ценности: как искусственный интеллект коренным образом меняет ландшафт закупок – Изображение: Xpert.Digital

Почему компаниям необходимо более радикально, чем когда-либо прежде, дифференцировать свои оперативные и стратегические закупки

Концептуальная основа: взаимосвязь между реактивными процессами и стратегическим созданием ценности

В современном управлении бизнесом закупки и снабжение часто рассматриваются как синонимы, хотя между ними существуют принципиальные различия в целях, сроках и влиянии на прибыльность компании. Такое смешение понятий приводит к систематическим потерям эффективности, которые экспоненциально возрастают, если компании не используют преобразующий потенциал искусственного интеллекта.

Закупки — это стратегический, непрерывный процесс, охватывающий всю цепочку создания стоимости, от первоначальной оценки потребностей и анализа рынка до идентификации поставщиков, ведения переговоров по контрактам и управления долгосрочными отношениями с поставщиками. Это инструмент управления, направленный на обеспечение долгосрочной надежности поставок, оптимизацию общей стоимости владения и максимизацию стоимости компании. Закупки не изолированы от корпоративных целей, а являются стратегическим рычагом, влияющим на 50–70 процентов общих затрат компании.

С другой стороны, закупки представляют собой операционно-транзакционную составляющую этого процесса. Они сосредоточены на конкретном, часто краткосрочном выполнении отдельных закупок, которые уже были подготовлены в рамках закупочной деятельности. Операционные закупки включают размещение заказов, управление доставкой, контроль сроков доставки, контроль качества при получении товаров и оплату поставщикам. В то время как закупки стратегически задают вопрос: «Какие долгосрочные отношения с поставщиками оптимизируют нашу ценность?», оперативные закупки задают вопрос: «Как я могу гарантировать, что эти товары поступят вовремя, в надлежащем качестве и количестве?» Это фундаментальное, а не просто семантическое различие.

Закупки по контракту представляют собой специализированную функцию в более широком контексте стратегических закупок. Это структурированный процесс, в рамках которого компания систематически выявляет, оценивает и выбирает потенциальных поставщиков для конкретной категории или проекта. В отличие от реактивных оперативных закупок, закупки по контракту следуют проактивному, аналитическому подходу: они изучают рынки, оценивают предложения по заранее определенным критериям, ведут переговоры по контрактам и, таким образом, закладывают основу для оптимальных деловых отношений. Этот процесс часто называют «от источника до оплаты» или «поиск поставщиков» и он служит мостом между стратегическим планированием и оперативным исполнением.

Двухпроцессная модель: процесс закупок и платежей как интегрирующая основа

Современные закупки структурированы по так называемой модели «закупка-оплата» (P2P), которая объединяет стратегические и операционные аспекты. Процесс P2P охватывает все этапы: от первоначальной оценки потребностей и создания заявки до выбора поставщика, размещения заказа, приемки товаров и контроля качества, проверки счетов-фактур и, наконец, осуществления платежа. Этот сквозной подход выявляет ключевую дилемму: в то время как стратегические закупки ориентированы на долгосрочное планирование и снижение рисков, оперативные закупки стремятся к немедленной эффективности и рутинности.

Этот дуализм на практике приводит к классической неэффективности, известной как «нестандартные закупки». Нестандартные закупки описывают явление, когда отдельные отделы или сотрудники размещают заказы вне установленных процессов, контролируемых отделом закупок. Обычно это происходит по трем причинам: во-первых, потому что формальные процессы закупок воспринимаются как слишком сложные или трудоемкие; во-вторых, потому что срочность требует быстрых действий; и в-третьих, потому что сотрудники недовольны предполагаемыми поставщиками или условиями.

Последствия далеко не тривиальны. Компании теряют до 15 процентов средств из-за несанкционированных закупок, вызванных множеством причин: более высокие закупочные цены из-за меньших объемов, поскольку объемы не консолидируются; неиспользованные ценовые преимущества стратегических рамочных соглашений; и значительные издержки, связанные с ручной регистрацией новых поставщиков, управлением разрозненной базой поставщиков и дополнительной бухгалтерской работой. Парадоксально, но проблема самоподкрепляется: чем сложнее становится официальная организация закупок, тем больше вероятность того, что пользователи будут прибегать к неформальным каналам, что, в свою очередь, усугубляет сложность и непрозрачность.

Основа операционных различий: временная перспектива, цели и компетенции

Стратегические закупки осуществляются с горизонтом планирования, охватывающим несколько лет. В их задачи входят систематический анализ рынка (Какие поставщики существуют на рынке и на каких условиях?), прогнозирование спроса (Что нам понадобится в ближайшие два-пять лет?), оценка поставщиков по многомерным критериям (не только цена, но и качество, надежность, финансовая стабильность, инновационный потенциал, устойчивость, геополитические и нормативные риски), ведение переговоров по контрактам с целью создания взаимовыгодных ситуаций, снижение рисков за счет диверсификации и альтернативных источников, а также непрерывный мониторинг эффективности и оптимизация отношений с поставщиками.

Оперативные закупки, с другой стороны, представляют собой повседневный процесс с временным горизонтом от нескольких дней до нескольких недель. Они основываются на структурах, уже созданных в рамках закупок (утвержденные поставщики, рамочные соглашения, каталоги), и фокусируются на эффективности выполнения: как можно быстро, точно и экономично обрабатывать заказы? Как обеспечить немедленное выявление и эскалацию задержек доставки? Как можно оперативно и корректно обрабатывать счета-фактуры без ошибок, приводящих к задержкам платежей или спорам с поставщиками?

Это различие не является просто академическим упражнением. Оно определяет квалификационные профили участвующих лиц. Стратегический закупщик — это менеджер, аналитик и дипломат в одном лице: он должен проводить исследования рынка, вести переговоры, анализировать сценарии и предвидеть риски. Операционный закупщик, с другой стороны, должен обеспечивать бесперебойность процессов, быстро выявлять проблемы, правильно управлять системами и принимать решения на основе данных и заранее определенных критериев. Во многих компаниях эти различные профили требований не дифференцируются систематически, в результате чего стратегические должности занимают лица с административной направленностью, или наоборот.

Получение заказов как специализированный интерфейс: идентификация источника и разработка контракта

Процесс привлечения заказов — это реализация стратегических целей. Он начинается с тщательного анализа потребностей: что именно требуется (спецификации, стандарты качества, объемы, сроки поставки)? За этим следует анализ рынка и исследование поставщиков, часто подкрепленные отраслевыми отчетами, выставками, онлайн-базами данных и сетевыми эффектами. Потенциальные поставщики оцениваются в рамках структурированного процесса, в котором применяются стандартизированные критерии для обеспечения объективности и сопоставимости.

Следующий шаг — получение коммерческих предложений, как правило, посредством запроса предложений (RFP), запроса котировок (RFQ) или запроса информации (RFI). За этими запросами следует детальный анализ предложений, в ходе которого рассматриваются не только цены, но и возможности доставки, условия оплаты, гарантии и пункты договора. Затем решающим моментом являются переговоры по контракту, на которых покупатель и поставщик уравновешивают свои позиции и достигают соглашения, которое будет устойчивым в долгосрочной перспективе.

Ключевым понятием в сфере закупок является учет общей стоимости владения (TCO). Это означает учет не только покупной цены, но и всех затрат на протяжении всего жизненного цикла продукта: затраты на закупку, транспортные расходы, затраты на хранение, затраты, связанные с проблемами качества, затраты на техническое обслуживание и ремонт, а также затраты на утилизацию. Более дешевый поставщик может быстро оказаться дорогостоящим, если его продукция имеет более высокий процент дефектов или быстрее изнашивается. И наоборот, кажущийся более дорогим поставщик может быть более экономически эффективным, если его качество и надежность приводят к меньшему количеству простоев производства и меньшему объему переделок.

Волна цифровизации: от электронных закупок к закупкам, основанным на интеллектуальных решениях

Цифровая трансформация закупок началась с концепции электронных закупок, то есть электронной обработки закупочных процессов. Вместо бумаги, факсов и ручного ввода данных процессы были оцифрованы с помощью онлайн-порталов, каталогов и систем заказа. Первое поколение систем электронных закупок обеспечило повышение эффективности за счет сокращения количества изменений носителей информации и потенциальных ошибок, а также прозрачность благодаря централизованному управлению поставщиками, контрактами и историей заказов.

Следующая волна — это волна интеграции. Современные платформы электронных закупок беспрепятственно интегрируются с системами планирования ресурсов предприятия (ERP), как правило, через стандартизированные интерфейсы, такие как EDI (электронный обмен данными) или OCI (открытый каталог). Эта интеграция означает, что клиент входит в систему ERP, размещает заказ, и он автоматически передается на платформу электронных закупок — без ручного двойного ввода или разрывов данных. И наоборот, подтверждения получения товаров и данные счетов-фактур автоматически синхронизируются обратно в систему ERP, где они сопоставляются с исходными заказами (так называемое трехстороннее сопоставление: заказ против накладной против счета-фактуры).

Такой подход к интеграции имеет революционные последствия: он позволяет полностью автоматизировать рутинные процессы. Робот (в смысле роботизированной автоматизации процессов, RPA) может считывать счет-фактуру (с помощью оптического распознавания символов, OCR), сравнивать ее с заказом на покупку и актом приемки товара, автоматически подтверждать платеж при совпадении и автоматически инициировать эскалацию в случае расхождений. Это сокращает ручной труд при обработке счетов-фактур в сфере косвенных закупок до 40 процентов и снижает себестоимость обработки одного заказа до 76 процентов.

Последняя волна — это волна интеллекта, которая интегрирует искусственный интеллект на всех уровнях закупок — не в качестве замены лицам, принимающим решения, а в качестве дополняющего партнера, расширяющего возможности человека.

Искусственный интеллект как трансформатор: десять важнейших областей применения

1. Прогнозирование спроса и оптимизация запасов

Традиционные прогнозы спроса основаны на исторических средних значениях, сезонных закономерностях или экспертных оценках. Системы на основе искусственного интеллекта объединяют исторические данные о продажах с внешними факторами, такими как рыночные тенденции, погодные условия, праздники, экономические показатели и даже сигналы из социальных сетей. Модели машинного обучения (особенно глубокое обучение и градиентный бустинг) распознают сложные закономерности, которые аналитики-люди могли бы упустить. Результат: точность прогнозов спроса повышается до 30 процентов.

Это напрямую влияет на структуру затрат. Более точные прогнозы приводят к оптимальным объемам заказов – не слишком большим (что влечет за собой затраты на хранение и замораживание капитала), и не слишком малым (что приводит к дефициту товаров и простоям в производстве). Компания среднего размера может сократить свои запасы на 15–25 процентов за счет оптимизации прогнозов спроса, одновременно повышая доступность и возможности доставки.

2. Анализ расходов и скрытый потенциал экономии

Анализ расходов означает, что система искусственного интеллекта классифицирует, анализирует и визуализирует все расходы компании. Типичная компания тратит миллионы на сырье, оборудование, ИТ, командировки, офисные принадлежности и услуги. Эти расходы распределены между сотнями или тысячами поставщиков, фрагментированы по различным валютам, отделам и системам ERP.

Человек-покупатель не способен мысленно обработать такую сложность. Однако система искусственного интеллекта считывает структурированные и неструктурированные данные из всех этих источников, стандартизирует и классифицирует их по группам товаров, а затем выявляет скрытые закономерности. Например, она обнаруживает, что ИТ-отдел уже заплатил 500 000 евро за лицензии на программное обеспечение, в то время как отдел маркетинга приобретает то же программное обеспечение отдельно, заплатив 300 000 евро за идентичные лицензии — просто потому, что ни один из отделов не знал, что другой уже договорился о более выгодных условиях.

Системы искусственного интеллекта также могут выявлять дублирующих поставщиков: компания может сотрудничать с 50 различными транспортными компаниями, даже если на рынке доминируют 10 корпораций. Любая фрагментация снижает покупательную способность. Аналитика затрат может консолидировать базу поставщиков до 80 процентов, что, благодаря скидкам за объем и улучшенным условиям контрактов, в свою очередь, приводит к экономии 18–25 процентов в ранее фрагментированных группах товаров.

3. Интеллектуальный выбор поставщиков с помощью профилирования на основе ИИ

Традиционный процесс выбора поставщика — трудоемкий и часто субъективный. Составляется запрос предложений (RFP), который рассылается 10–20 поставщикам, и предложения сравниваются вручную — на основе цены, а также, возможно, с учетом имеющейся информации о надежности и качестве поставок. Весь процесс обычно занимает 3–6 недель.

Системы отбора поставщиков на основе искусственного интеллекта автоматизируют и распараллеливают эту работу. Они собирают данные из сотен государственных и частных источников: баз данных компаний, годовых отчетов, кредитных рейтингов, сертификатов, отраслевых справочников, новостных архивов и даже профилей в социальных сетях. Затем они создают всесторонний профиль каждого потенциального поставщика, охватывающий не только финансовую стабильность, но и производственные мощности, системы контроля качества, инновационные возможности, показатели ESG (экологические, социальные и управленческие аспекты), историю надежности поставок, риски неплатежей и геополитические риски.

Система искусственного интеллекта может выполнить этот анализ для 100–1000 потенциальных поставщиков параллельно, за 2–4 дня вместо 3–6 недель. Результат: значительно более широкий охват рынка, более объективная оценка (поскольку логика принятия решений прозрачна и не подвержена влиянию личных предубеждений или сетевых эффектов) и более высокая вероятность того, что будет выбрано наилучшее сочетание цены, качества, надежности и риска.

4. Переговоры на основе данных и «второй пилот» в переговорах

Традиционно для переговоров о закупках характерна асимметрия информации: поставщик лучше покупателя знает свою структуру затрат и рыночное положение. Например, поставщик может утверждать, что его затраты на сырье выросли на 12 процентов, и поэтому необходимо повышение цен – но так ли это на самом деле? У покупателя могут быть сомнения, но без конкретных данных это трудно опровергнуть.

Системы искусственного интеллекта коренным образом меняют эту динамику. Модель расчета себестоимости, основанная на ИИ, разбивает структуру затрат на продукт или услугу на составляющие: сырье, заработная плата на производстве, накладные расходы, логистика и рентабельность. Система использует данные в режиме реального времени: цены на товарных биржах, индексы заработной платы в различных странах, индексы грузоперевозок и отраслевые показатели. В результате получается объективная оценка того, сколько должен стоить продукт.

Если поставщик затем требует повышения цены на 12 процентов, покупатель может возразить, опираясь на данные: цены на сырье выросли на 8 процентов, согласно данным фондового рынка, инфляция заработной платы в вашей стране составляет 3 процента, что в сумме составляет около 6–7 процентов, а не 12 процентов. Зачем эта дополнительная наценка? Этот аргумент является точным и основан на фактах, а не на отдельных случаях.

Ещё более инновационными являются системы Negotiation Copilots — системы искусственного интеллекта, которые функционируют как интерактивный тренер по ведению переговоров. Покупатель может разыграть сценарий с помощью системы, прежде чем начать реальные переговоры. Если я потребую снижения цены на 8 процентов, как, вероятно, отреагирует поставщик? Система моделирует диалог на основе исторических данных о переговорах, применяет психологию переговоров (например, теорию привязки или Гарвардскую технику ведения переговоров) и даёт покупателю конкретные советы: Поставщик, скорее всего, упомянет об ограничениях по объёму. Вот контраргумент, который вы можете использовать…

Такая подготовка, основанная на данных, меняет баланс сил в переговорах. Исследования показывают, что хорошо подготовленные переговоры приводят к лучшим условиям – в среднем, на 15–20 процентов более выгодным ценам при аналогичном качестве.

5. Управление рисками поставщиков с помощью прогнозной аналитики

Классической проблемой в цепочках поставок является неожиданный сбой в поставках: поставщик сталкивается с финансовыми трудностями и внезапно прекращает поставки. Или он становится жертвой стихийного бедствия, кибератаки или геополитического события. Компания, столкнувшаяся с внезапным сбоем в работе поставщика, несет огромные убытки из-за простоя производства.

Системы управления рисками поставщиков на основе искусственного интеллекта непрерывно отслеживают сотни источников данных: финансовые показатели (тенденции баланса, платежеспособность, кредитные рейтинги), операционные показатели (надежность поставок, задержки поставок, жалобы на качество, коэффициенты использования мощностей) и внешние события (стихийные бедствия, войны, санкции, кибератаки, изменения в законодательстве, волатильность обменного курса). Система обнаруживает слабые сигналы — например, что поставщик все чаще задерживает платежи в течение последних двух кварталов или что задержки поставок стали более частыми.

Хорошо обученная модель искусственного интеллекта может прогнозировать риски неплатежей со стороны поставщиков за 6–12 месяцев — значительно раньше, чем это мог бы сделать человек. Это дает компании время для выявления альтернативных поставщиков, подготовки контрактов и разработки стратегии перехода. Проактивные действия вместо реактивного реагирования на кризис — в этом и заключается преобразующее преимущество.

Управление рисками в цепочке поставок на транспортном уровне также претерпевает революционные изменения благодаря искусственному интеллекту. Системы анализируют спутниковые снимки для обнаружения пробок или заблокированных портов. Они читают новостные сообщения для выявления стихийных бедствий или геополитических кризисов. Они объединяют эти данные в режиме реального времени с конкретными маршрутами доставки компании и выдают предупреждения, когда определенный маршрут оказывается под угрозой. Такое раннее обнаружение позволяет активировать альтернативные маршруты до того, как возникнут критические задержки.

6. Автоматизация административных процедур с помощью RPA и когнитивной автоматизации

Значительная часть рабочего времени в отделах закупок тратится на ручные, регулярно повторяющиеся задачи: сканирование счетов-фактур и их ввод в системы, сравнение заказов с накладными, проведение ценовых переговоров по комплектующим категории С (низкоценные операционные ресурсы), регистрация поставщиков в базах данных и распределение заказов по различным центрам затрат.

Роботизированная автоматизация процессов (RPA) может автоматизировать эти задачи. RPA-бот может:

Получайте входящие счета-фактуры в формате PDF или по электронной почте.
Извлеките текст с помощью OCR (оптического распознавания символов в сочетании с ИИ): номер счета, дата счета, поставщик, сумма счета, даты платежей, товары, количество.
Сравните эти данные с данными в системе ERP: существует ли заказ, общая сумма которого соответствует этому счету-фактуре? Соответствует ли ему информация о приемке товара?
Если матч подтвердится, автоматически будет произведено перечисление платежа.
В случае отклонения автоматически отправляется запрос на рассмотрение эксперту или устанавливается связь с поставщиком.

Автоматизация обработки счетов-фактур может сократить время обработки на 70–80 процентов и снизить количество ошибок. Компания, обрабатывающая 10 000 счетов-фактур в месяц, может сэкономить 2–3 штатных сотрудника за счет автоматизации — это значительная экономия средств и повышение эффективности.

Другой пример — автоматизированное согласование цен на стандартные товары. Для товаров категории С (канцелярские товары, базовое оборудование, где стоимость отдельных покупок составляет менее 100 евро) ручные переговоры нерентабельны. Однако общая стоимость этих небольших покупок значительна. Система искусственного интеллекта может автоматически отправлять запросы на ценообразование нескольким поставщикам по всем заказам в этой категории, автоматически оценивать предложения и автоматически размещать заказы у наиболее конкурентоспособного поставщика — и все это без участия человека. В результате происходит децентрализация рутинных решений, что позволяет организации, состоящей из людей, сосредоточиться на сложных и высокоприбыльных задачах.

7. Контроль соответствия требованиям и отслеживание аудита посредством автоматизированной документации

Крупные компании, особенно в государственном секторе и отраслях с жестким регулированием (фармацевтика, авиация, финансы), должны продемонстрировать прозрачность и соответствие своих закупочных процессов требованиям законодательства. Аудит может потребовать: Показать все этапы, приведшие к выбору данного поставщика. Показать, что все предложения были задокументированы и оценены в соответствии с одними и теми же критериями.

Системы искусственного интеллекта могут автоматически документировать каждый этап процесса закупок — какие поставщики были изучены, какие критерии использовались для их оценки, какие предложения были получены и как они сравнивались, какие решения были приняты и почему. Эта всесторонняя документация не только соответствует требованиям законодательства, но и имеет стратегическую ценность: она обеспечивает прозрачность, предотвращает взяточничество и кумовство (которые приводят к неоптимальному выбору поставщиков) и создает контрольный след на случай возникновения каких-либо вопросов в дальнейшем.

8. Прогнозирование цен и анализ рынка

Цены на сырье, транспортные расходы и заработная плата постоянно колеблются. Компания, которая сегодня закупает продукцию по высоким ценам, не зная, что через три недели рынок упадет, понесла реальные издержки. И наоборот, компания также не хочет заказывать слишком мало, если предвидится рост цен.

Системы искусственного интеллекта могут прогнозировать движение цен, комбинируя исторические ряды цен с макроэкономическими переменными (процентные ставки, обменные курсы, товарные индексы, цены на энергоносители), динамикой отрасли (загрузка производственных мощностей, узкие места в цепочке поставок) и новостными настроениями. Результатом являются вероятностные прогнозы: существует 75-процентная вероятность того, что цена на сталь упадет на 3–6 процентов в течение следующих двух месяцев; подождите с размещением крупных заказов до достижения минимума. Или: ожидается, что литий подорожает на 15 процентов; заказывайте сейчас.

Эти прогнозы цен напрямую влияют на сроки и объемы заказов, что позволяет значительно сэкономить – 5–10 процентов в нестабильных категориях не являются редкостью.

9. Устойчивое развитие и интеграция принципов ESG в оценку поставщиков

Нормативные требования (Директива ЕС о проверке цепочки поставок, немецкое законодательство о цепочках поставок и т. д.) обязывают компании анализировать свои цепочки поставок на предмет социальных и экологических рисков. Поставщик из страны со слабым законодательством о защите труда или высоким риском коррупции может представлять репутационный риск для компании-покупателя.

Системы искусственного интеллекта могут автоматически оценивать риски, связанные с ESG, по следующим параметрам:

Проанализировать общедоступные данные по странам-поставщикам (права трудящихся, экологические стандарты, индексы коррупции и т. д.)
Проанализируйте общественное мнение в новостях относительно поставщиков (есть ли сообщения о трудовых спорах, загрязнении окружающей среды?)
Оцените сертификаты и результаты аудитов поставщиков.
Проверьте, соответствуют ли договорные положения требованиям ESG.

Подобная система может автоматически классифицировать поставщиков как высокорискованных, среднерискованных или низкорискованных и автоматически предлагать покупателю альтернативы с лучшими показателями ESG. Это позволяет одновременно добиваться соответствия нормативным требованиям и оптимизировать бизнес — не как конфликт целей, а как единое целое.

10. Генеративный ИИ для документирования, анализа контрактов и управления знаниями

Крупные языковые модели (такие как GPT-4 или Claude) открывают новые возможности для закупок. Например, они могут:

Автоматический анализ контрактов и выявление отклонений от стандартных положений.
Автоматический перевод предложений в стандартизированный формат для повышения сопоставимости.
Автоматическое извлечение и стандартизация счетов-фактур на разных языках и в разных форматах.
Инструкции по закупкам следует излагать на естественном языке (а не в виде непонятных правил), что облегчит понимание для всех пользователей.
Они создали ИИ-помощника, который может консультировать сотрудников по следующим вопросам: Как отправить запрос поставщику? или Какие поставщики доступны для данной группы товаров?

Эти приложения менее впечатляющи, чем предиктивная аналитика, но они снижают трение и ошибки в повседневных процессах на 10–20 процентов.

📈🔵 Привлечение заказов и организационное развитие: от классических продаж к стратегической бизнес-функции💡

Привлечение заказов и организационное развитие — Изображение: Xpert.Digital

Xpert.Digital оказывает поддержку компаниям в этой сложной трансформации, будь то создание с нуля современной функции обработки заказов или оптимизация существующих процессов. Обладая всесторонней экспертизой в области маркетинга, продаж, анализа данных, цифровой трансформации и организационного развития, мы помогаем вашей компании стратегически изменить свою позицию на рынке. Наш подход является целостным: мы не только оптимизируем процессы, но и развиваем персонал и организационную культуру, необходимые для достижения устойчивого, измеримого успеха.

Более подробная информация здесь:

В современном мире обработка заказов перестала быть изолированной функцией продаж

Самым большим препятствием для использования ИИ в процессе покупок является не сама технология

Общий экономический анализ: откуда берутся сбережения?

Описанные выше приложения искусственного интеллекта приводят к ощутимой экономии затрат на нескольких уровнях:

Прямые затраты на закупку

Благодаря улучшению переговорного процесса, оптимизации объемов, сроков и конкуренции между поставщиками, себестоимость товаров может быть снижена на 5–15 процентов в зависимости от отрасли и уровня внедрения ИИ. Для компании с бюджетом на закупки в 500 миллионов евро это означает экономию в размере 25–75 миллионов евро в год.

судебные издержки

Автоматизация проверки счетов-фактур, обработки заказов и управления поставщиками снижает административные расходы на 30–47 процентов. Компания с отделом закупок, насчитывающим 50 человек, может сэкономить 15–24 человеко-года – при средних общих затратах (включая накладные расходы) примерно в 100 000 евро на человека это составляет 1,5–2,4 миллиона евро.

затраты на хранение

Более точные прогнозы спроса позволяют сократить уровень запасов на 15–25 процентов. При средней стоимости запасов в 50 миллионов евро и затратах на хранение примерно в 25 процентов в год (проценты, страхование, износ, занимаемая площадь) это позволяет сэкономить 1,9–3,1 миллиона евро.

Предотвращение сбоев в цепочке поставок

Своевременное выявление рисков, связанных с поставщиками, и проблем в цепочке поставок предотвращает простои производства и экстренные закупки по завышенным ценам. Ценность такой профилактики трудно оценить количественно, но для критически важных компонентов один день простоя производства может стоить миллионы.

Улучшение динамики денежных потоков#

Более быстрая обработка счетов-фактур, более точные сроки оплаты и выявление скидок за досрочную оплату снижают затраты на ликвидность. В среднем, автоматизированная обработка счетов-фактур позволяет компании оплачивать счета на 2–5 дней раньше, что положительно сказывается на оборотном капитале.

Таким образом, консервативный общий расчет для компании среднего размера (бюджет закупок 500 миллионов евро, отдел закупок 50 человек) может выглядеть следующим образом:

Прямая экономия затрат: 25–50 миллионов евро
Экономия средств на судебных разбирательствах: 1,5–2,4 миллиона евро
Снижение затрат на хранение: 1,9–3,1 млн евро
Улучшение оборотного капитала: 2–5 миллионов евро

Итого: 30–60 миллионов евро в год, из которых примерно 15–25 миллионов евро приходится на изменение поведения (улучшение переговорного процесса, оптимальный выбор поставщиков), а 15–35 миллионов евро — на автоматизацию и повышение эффективности.

Затраты на внедрение общекорпоративной системы закупок с поддержкой ИИ обычно составляют от 2 до 5 миллионов евро (закупка программного обеспечения, интеграция с существующими системами, подготовка данных, управление изменениями, обучение). Таким образом, окупаемость инвестиций достигается в течение 1–3 месяцев – исключительно высокий показатель ROI для проекта цифровизации.

Проблема мышления: от традиционной оптимизации к интеллекту, основанному на данных

Несмотря на эти впечатляющие цифры, внедрение ИИ в закупки и снабжение во многих немецких компаниях остается ограниченным. Недавнее исследование Немецкой ассоциации управления цепочками поставок, закупок и логистики (BME) показывает, что хотя 7 из 10 менеджеров по закупкам планируют инвестировать в ИИ, многие до сих пор не знают, как это сделать.

Проблемы носят не столько технологический, сколько организационный и культурный характер:

Сложность интеграции

Системы искусственного интеллекта должны взаимодействовать с десятками существующих систем — ERP, бухгалтерскими, CRM, системами управления запасами, HR и т. д. Такая интеграция технически осуществима, но занимает много времени и подвержена ошибкам. Многие организации, занимающиеся закупками, не желают кардинально менять существующие системы.

Проблемы качества данных

Искусственный интеллект хорош настолько, насколько хороши данные, на которых он обучается. Многие компании имеют фрагментированные наборы данных, недостающую информацию и непоследовательные классификации. Прежде чем внедрить ИИ, часто приходится тратить несколько месяцев на улучшение качества данных. Это неудобно и не впечатляет — прямо противоположно тому, что хочет услышать руководство.

Навыки и квалификация

Для внедрения системы закупок на основе искусственного интеллекта требуются не только специалисты по закупкам, но и специалисты по анализу данных, инженеры данных, менеджеры по изменениям и оптимизаторы процессов. Многие средние компании не могут подготовить или нанять этих специалистов внутри компании. Им приходится привлекать внешних партнеров (консультантов, поставщиков программного обеспечения), что увеличивает затраты и создает зависимость.

Скептицизм по отношению к переменам

Сотрудники отделов закупок зачастую десятилетиями учились выполнять свою работу. Искусственный интеллект, принимающий решения автоматически, воспринимается как угроза, а не как инструмент для их поддержки. Управление изменениями — сложный процесс, требующий подлинного переосмысления ролей и навыков.

Чрезмерно завышенные ожидания от автоматизации

Многие лица, принимающие решения, ожидают, что ИИ автоматизирует весь процесс закупок и сделает людей ненужными. Это нереалистично. ИИ работает лучше всего, когда функционирует как дополненный интеллект — помогая лицам, принимающим решения, но не заменяя их. Хороший покупатель будущего будет не традиционным переговорщиком, а аналитиком данных и стратегом, который интерпретирует машинные данные и преобразует их в бизнес-стратегии.

Архитектура будущего: от гибридных систем закупок до автономного интеллекта

Компании, внедряющие ИИ в сферу закупок сегодня, как правило, проходят следующие этапы:

Этап 1 (1–6 месяцев): Быстрые результаты и пилотные проекты

Автоматизация проверки счетов-фактур, анализ затрат по определенной группе товаров, оценка поставщиков для отбора новых поставщиков. Эти пилотные проекты сопряжены с низким риском, высокой вероятностью успеха и способствуют укреплению внутреннего доверия и наращиванию темпов развития.

Этап 2 (6–18 месяцев): Более глубокая интеграция

Внедряется система прогнозирования спроса, проводится обучение навыкам ведения переговоров и создается система управления рисками поставщиков. Основная команда изучает работу с системами искусственного интеллекта и адаптирует процессы.

Этап 3 (18–36 месяцев): Полная оркестровка

Все этапы закупок оснащены средствами искусственного интеллекта. Покупатели работают в дополненной среде, где имеют доступ к данным, прогнозам, рекомендациям и автоматизированным вариантам. Но окончательные решения принимают они.

Этап 4 (начиная с 36-го месяца): Автономный интеллект в пределах установленных ограничений

Для стандартизированных категорий с низким уровнем риска принятие решений полностью автоматизировано. Для сложных, стратегических категорий интеллектуальные возможности системы повышаются, но решения по-прежнему принимают люди. Система постоянно обучается и становится более точной.

Грамотно внедренные системы искусственного интеллекта не приводят к массовым увольнениям, а, наоборот, к переориентации организации закупок. Отдел закупок, насчитывающий 50 человек, может сократиться до 40, но эти 40 человек — эксперты: специалисты по анализу данных, стратеги, переговорщики, а не просто администраторы. Ценность каждого сотрудника в организации значительно возрастает, и они могут браться за более стратегические, критически важные для бизнеса задачи.

Стратегическая необходимость дифференциации

Основная ошибка многих компаний заключается в концептуальном смешивании закупок и снабжения. Пока эти две функции рассматриваются как одно и то же, невозможно должным образом организовать или оптимизировать их. Закупки — это стратегия, снабжение — это операционная деятельность. Они требуют разных навыков, разных показателей, разных систем — и разных ролей для ИИ.

Закупки — это место, где эти два мира пересекаются. Это структурированный процесс, в котором стратегические цели (оптимальное партнерство с поставщиками) реализуются на практике (выбор, переговоры, заключение контракта). Именно здесь ИИ может принести наибольшую пользу: он ускоряет анализ, повышает объективность решений и позволяет гораздо более последовательно достигать стратегических целей.

Компании, которые понимают это различие и используют ИИ соответствующим образом, сократят свои затраты на закупки на 10–20 процентов, повысят устойчивость цепочки поставок, улучшат качество закупок и превратят свои закупочные подразделения в стратегические генераторы ценности. Компании, которые рассматривают ИИ как универсальный инструмент, не делая этих концептуальных различий, будут разочарованы — и ИИ превратится в дорогостоящую, недоиспользуемую систему, которая будет демонтирована через несколько лет.

Будущее закупок принадлежит не тем, кто быстрее всех внедряет ИИ, а тем, кто наиболее четко понимает, где ИИ имеет наибольшую ценность, а где люди остаются незаменимыми.

🔄📈 Поддержка торговых платформ B2B – стратегическое планирование и поддержка экспорта и глобальной экономики с помощью Xpert.Digital 💡

Торговые платформы B2B — стратегическое планирование и поддержка с помощью Xpert.Digital — Изображение: Xpert.Digital

Торговые платформы B2B (бизнес для бизнеса) стали важнейшим компонентом динамики мировой торговли и, следовательно, движущей силой экспорта и глобального экономического развития. Эти платформы предоставляют значительные преимущества компаниям всех размеров, особенно МСП (малым и средним предприятиям), которые часто считаются основой немецкой экономики. В мире, где цифровые технологии приобретают все большее значение, способность адаптироваться и интегрироваться имеет решающее значение для успеха в глобальной конкуренции.