Агентный ИИ в закупках: от автоматизации рутины к стратегическому управлению

Суть: Переход от «Покажи мне данные» к «Сделай это за меня»

Индустрия корпоративных закупок стоит на пороге фундаментальной трансформации. Если последние десятилетия фокус был на оцифровке бумажных процессов (электронные каталоги, инвойсы), то сейчас мы переходим к этапу автономности. McKinsey в своем свежем отчете утверждает, что агентный ИИ (Agentic AI) меняет саму парадигму работы: от аналитического подхода, где система просто предоставляет отчеты, к агентному, где система самостоятельно выполняет сложные задачи.

Это важно, потому что традиционные модели управления закупками достигли своего предела. Геополитическая нестабильность, инфляция и разрывы цепочек поставок требуют скорости реакции, недоступной человеку, погребенному под административной рутиной.

Контекст: Проблема не в технологиях, а в процессах

Даже в технологически продвинутых компаниях специалисты по закупкам часто перегружены. Они тратят время на ручную обработку данных, согласования и переписку, вместо того чтобы строить стратегические отношения с поставщиками. Разрыв между амбициями компаний (быть гибкими, устойчивыми) и реальностью (медленные процессы, разрозненные данные) растет.

Ранее внедрение ИИ ограничивалось аналитикой. Система могла подсказать: «Здесь цены выросли на 10%». Агентный ИИ идет дальше: он видит рост цен, ищет альтернативных поставщиков, запрашивает у них предложения и формирует стратегию переговоров.

Детали: Как это работает на практике

Агентный ИИ — это цифровой коллега, который работает круглосуточно. Он не просто автоматизирует шаги, он оркестрирует результаты. Вот несколько реальных примеров из отчета McKinsey, демонстрирующих эффективность подхода:

• Автономные переговоры: Телекоммуникационная компания использовала ИИ-агентов для переговоров по закупке специализированного ПО. Агенты готовили фактологическую базу, оценивали компромиссы между ценой и качеством в реальном времени и генерировали контрпредложения. Результат: экономия времени переговорщиков на 90% и снижение затрат на 10–15%.
• Управление рисками: Технологическая компания внедрила связку агентов для моделирования спроса и хеджирования рисков. Один агент анализировал рыночные цены, другой симулировал сценарии. Это позволило найти возможности для экономии до 29% в секторе бизнес-услуг.
• Соблюдение контрактов: Фармацевтическая компания применила агентов для сверки инвойсов с условиями контрактов. Это сократило финансовые потери (value leakage) на 4%.

Внедрение таких решений занимает не годы, как в случае с тяжелыми ERP-системами, а месяцы. От прототипа до пилота можно дойти за несколько недель.

Анализ: Новая операционная модель

Для успешного внедрения агентного ИИ недостаточно просто купить подписку на сервис. McKinsey выделяет четыре столпа новой модели («rewired procurement model»):

1. Данные как актив. Сейчас используется менее 20% доступных данных. Агентам нужен доступ к единому источнику правды («data spine»), объединяющему расходы, поставщиков и рыночные бенчмарки.
2. Агенты как инфраструктура. Вместо жестко запрограммированных инструментов создаются «фабрики агентов», где каждый цифровой сотрудник выполняет свою роль (анализ, коммуникация, поиск) и передает эстафету другому.
3. Тандем человека и машины. Люди перестают заниматься транзакциями и переходят к обучению агентов, управлению исключениями и стратегическому принятию решений.
4. Сквозная интеграция. ИИ должен работать на всем цикле: от появления потребности до оплаты, связывая разрозненные этапы в единый поток.

Перспектива: ИИ как уровень совета директоров

Внедрение агентного ИИ поднимает функцию закупок на уровень стратегического управления компанией. Это больше не просто способ сэкономить бюджет, а инструмент влияния на рост бизнеса, ESG-показатели и устойчивость компании.

Однако главный вызов здесь — лидерство. Руководителям придется переосмыслить роли сотрудников, инвестировать в чистоту данных и управлять изменениями культуры, чтобы ИИ стал частью повседневных ритуалов, а не игрушкой для IT-отдела.