Где ИИ реально экономит время закупщика

Закупки — это сотни документов в месяц: заявки от подразделений, коммерческие предложения, уставные документы поставщиков, выписки, справки, счета. Большая часть этой работы — не принятие решений, а сверка и перенос данных. Именно здесь ИИ даёт быстрый и измеримый эффект: не заменяет закупщика, а снимает рутину и подсвечивает риски, которые человек пропускает при усталости.

Разберём два практических сценария: автоматический разбор заявок и предложений, и проверка контрагентов перед сделкой.

Анализ заявок и коммерческих предложений

Классическая задача — сравнить 15 КП на одинаковые позиции, где поставщики называют их по-разному: «кабель ВВГ 3х2,5», «ВВГнг-LS 3*2,5», «провод силовой 3х2,5 мм²». Ручное сопоставление занимает часы и всё равно содержит ошибки.

Связка OCR + LLM решает это так: документ распознаётся, извлекаются позиции, характеристики, цены, сроки, условия оплаты и доставки. Затем модель приводит номенклатуру к единому справочнику и строит сравнительную таблицу. Если у вас есть НСИ или данные из 1С:УТ/ERP, сопоставление идёт с ними, а не «в воздухе» — это критично для корректности.

Что получает закупщик:

• единую таблицу по всем КП с приведёнными к одному виду позициями;
• автоматический флаг расхождений: цена выше средней по лоту, срок поставки вне требований ТЗ, отсутствие обязательных сертификатов;
• черновик протокола с обоснованием выбора.

Отдельно полезна проверка заявок на соответствие требованиям закупочной документации: модель сверяет перечень обязательных документов и подсвечивает, чего не хватает, до того как комиссия сядет за стол.

Проверка контрагентов: от справок к сигналам

Проверка поставщика обычно сводится к формальному сбору: выписка ЕГРЮЛ, устав, решение о назначении директора, справка об отсутствии задолженности. ИИ меняет подход — документы не просто собираются, а анализируются на несоответствия.

Что проверяется автоматически:

• Связи и признаки аффилированности. Совпадение адресов, телефонов, руководителей и учредителей с другими участниками закупки — типичный признак картельного сговора.
• Признаки технических компаний. Массовый адрес регистрации, недавняя смена директора, минимальный уставный капитал при крупном контракте, нулевая отчётность.
• Судебная и исполнительная нагрузка. Арбитражные дела, исполнительные производства, участие в реестре недобросовестных поставщиков.
• Согласованность документов. Расхождения между уставом, выпиской и решением, истёкшие доверенности, подписи не того лица.

Источники — открытые: ЕГРЮЛ/ЕГРИП, картотека арбитражных дел, ФССП, реестр недобросовестных поставщиков, данные ФНС. LLM здесь работает как аналитик: собирает разрозненные сигналы в один риск-профиль с понятным текстовым выводом, а не выдаёт сырой список ссылок.

Важно: ИИ формирует рекомендацию, а не приговор. Решение об отказе или допуске принимает человек — модель лишь гарантирует, что ни один значимый сигнал не останется незамеченным.

Как это внедряется на практике

Первый шаг — выбрать один узкий процесс с высокой рутиной: например, сравнение КП по одному лоту или первичная проверка поставщика. На нём измеряется базовая трудоёмкость: сколько минут уходит сейчас на документ.

Второй шаг — подготовить данные. Для российских компаний почти всегда нужны интеграции: выгрузка номенклатуры и контрагентов из 1С, доступ к папке с документами, справочник требований. Без этого качество будет нестабильным.

Третий шаг — собрать пайплайн: OCR для сканов и PDF, извлечение структурированных полей, сопоставление со справочником, проверка по внешним источникам, вывод в удобном виде — таблица, карточка контрагента или запись в CRM/1С. Обязательно с логированием: закупщик должен видеть, откуда взялась каждая цифра.

Четвёртый шаг — приёмка на исторических данных. Берутся 50–100 уже обработанных заявок, прогоняются через систему, результат сверяется с решениями комиссии. Так видно реальную точность до того, как процесс станет боевым.

Если у вас чувствительные данные — коммерческие предложения, персональные данные руководителей — разумно использовать приватную LLM, развёрнутую в вашем контуре, без передачи документов во внешние сервисы.

Как мы можем помочь

Мы в АПС внедряем ИИ в закупочные процессы: распознавание и разбор заявок и КП, сопоставление номенклатуры с НСИ, автоматическую проверку контрагентов по открытым источникам, интеграции с 1С и CRM. Начинаем с аудита одного процесса, считаем эффект на ваших документах и разворачиваем решение — в облаке или в приватном контуре. Обсудить проект