Поток коммерческих предложений, заявок и сопроводительных документов может расти гораздо быстрее, чем штат отдела закупок. Даже при наличии SRM, ERP или корпоративной ЭТП значительная часть работы сводится к ручному разбору текстов коммерческих предложений, сопоставлению параметров КП и прайс-листов, проверке комплектности и подготовке материалов для тендерной комиссии. Выполнение этих операций просто необходимо, чтобы закупки продолжались, они отнимают массу ресурсов ресурс и создают зону ошибок. На этом уровне и появляются ИИ-помощники — не как замена существующих решений, а как надстройка над действующими программами для закупок.
ИИ подключается к действующей архитектуре как инструмент обработки данных. Он определяет категорию по описанию заявки, предлагает релевантную позицию каталога, выявляет расхождения в документах поставщика, формирует сравнительные таблицы, заполняет проект договора данными процедуры. Система управления закупками при этом не меняется: маршруты согласования и модель оценки сохраняются, сокращается объём ручной обработки.
На этапе формирования заявки ИИ анализирует текстовую часть, сопоставляет её с архивом закупок и текущей НСИ, рассчитывает типовой объём на основе статистики прошлых периодов и сигнализирует об отклонениях. Это снижает количество дублирующих позиций и заявок с некорректными параметрами без изменения регламентов.
Для служб, где ПО для закупок используется как учётная система, такой слой аналитики компенсирует ограниченность стандартных механизмов сопоставления и поиска аналогов.
Проверка контрагента до допуска к процедуре связана с анализом финансовых показателей, судебных споров, налоговой задолженности, а также с сопоставлением данных анкеты с внешними источниками. ИИ автоматизирует сбор сведений, выявляет расхождения, проверяет корректность реквизитов и сроков действия документов, после чего формирует маршрут дальнейшей проверки — стандартный либо расширенный.
При аттестации и подборе участников по конкретной категории алгоритмы сопоставляют требования закупки с профилем компаний, анализируют историю исполнения контрактов и формируют перечень кандидатов с указанием оснований включения. Это снижает зависимость от субъективной оценки и ускоряет подготовку списка приглашённых.
Отдельный сценарий — использование общедоступных ИИ-сервисов для анализа КП, когда специализированное программное обеспечение для закупок не предусматривает расширенной аналитики либо требуется оперативная обработка вне системы. Достаточно собрать предложения в единый текстовый массив, нормализовать данные и задать алгоритму критерии сравнения: цену, срок поставки, условия оплаты, дополнительные расходы, гарантийные обязательства.
ИИ формирует сводную таблицу, рассчитывает итоговую стоимость с учётом объёма и дополнительных затрат, выделяет лидеров по заданным параметрам и позволяет уточнить расчёты дополнительными запросами. Такой подход не заменяет корпоративные решения, но закрывает задачу оперативного анализа без интеграции и доработок.
В ходе конкурентной процедуры ИИ анализирует динамику цен на каждом этапе подачи предложений, выявляет аномальные отклонения, моделирует диапазон итоговой цены и готовит аналитическую сводку для переговоров. Для тендерной комиссии он выполняет предварительное ранжирование по утверждённой модели, сопоставляет экспертные оценки и рассчитывает совокупный риск по каждому участнику. Протокол формируется на основе данных системы, при этом ответственность за решение остаётся у членов комиссии.
ИИ-помощники не требуют замены уже работающих в компании информационных систем — SRM, ERP или других BI-решений. Они встраиваются в действующие программы для закупок, усиливая их в части анализа и обработки больших массивов информации. При корректной интеграции эффект достигается за счёт снижения трудоёмкости однотипных операций и повышения воспроизводимости оценки без пересмотра архитектуры корпоративных решений.