Артём Беспалов, Industrial.Market: ИИ вместо рутинной работы: новый подход к промышленным закупкам

Артём Беспалов, директор по продукту, Industrial.Market, и спикер Пятнадцатой конференции «Управление закупками», рассказал CFO Russia, как технологии ИИ помогают автоматизировать сопоставление номенклатуры, сократить время на рутинные операции и повысить точность в закупках даже в самых сложных категориях.

Какие слабые места у классического метчинга «товар–товар» ИИ помогает преодолеть?

Одна из главных проблем – разнобой в наименованиях. Один и тот же товар может быть записан десятками способов: с разными сокращениями, кодами, формулировками. Когда нужно сопоставить номенклатуру из ERP клиента с каталогами десятков поставщиков, это превращается в большой ручной проект, который затягивает запуск.

Есть ещё один важный момент – классический метчинг быстро «портится». То, что работало сегодня, через полгода уже даёт слабые результаты. Появляются новые форматы, новые товары, и всё снова нужно вручную подчищать и обновлять. Это делает такие системы очень хрупкими и дорогими в поддержке.

ИИ решает эту задачу иначе. Он снимает саму транзакционность процесса: не нужно проверять каждое сопоставление вручную, закупщик может просто поставить задачу, а выбор товара система сделает за него. Такой подход мы применяем в крупных интеграционных проектах, где важна масштабируемость и точность.

Как вы подходите к обучению моделей ИИ в Industrial.Market?

Всё строится вокруг реальных промышленных данных о товарах. Это и каталоги поставщиков, и техспецификации, и стандарты, и даже тендерные архивы. Мы работаем с отраслевыми классификаторами и собираем всё, что может помочь машине «почувствовать» специфику рынка.

Главная сложность – в том, что язык описания товаров очень неоднородный. Где-то «ГОСТ», где-то просто «плита 12 мм», где-то характеристики зашиты в код. Приходится решать сразу несколько задач: нормализовать наименования, вычищать дубли, сопоставлять разные системы кодировок, извлекать атрибуты из «грязных» текстов. Это все делает алгоритм «под капотом» и выдает готовые предложения.

Но когда модель начинает понимать логику описаний, она становится по-настоящему полезной: помогает искать аналоги, подсказывает, где товар уже есть у других поставщиков, и позволяет автоматизировать процесс закупки в самых «трудных» сегментах.

Как использование ИИ меняет роль закупщика и поставщика? Есть ли кейсы, где результат превзошёл ожидания?

Роль закупщика сильно меняется. Он уже не «ищет вручную» – он ставит задачу. ИИ делает всю черновую работу: находит позиции, подбирает аналоги, показывает доступных поставщиков. Закупщик теперь больше занимается аналитикой, переговорами, оптимизацией – тем, что даёт компании реальную выгоду.

Для поставщика тоже многое меняется. Раньше нужно было вручную «подгружаться» в каждую заявку, угадывать формулировки клиента. Сейчас – система сама находит, где его товар релевантен, и подтягивает предложения. Это особенно ценно для тех, у кого широкий ассортимент, но нет ресурса каждый день мониторить спрос.

Из практики – был кейс, когда клиент искал комплектующие для ремонта и вручную нашёл два предложения. Алгоритм дал пятнадцать. Сделка закрылась в три раза быстрее, с экономией почти 20%. Или другой пример: автоматизация «хвостовых» закупок. То, на что раньше уходили дни, теперь закрывается за пару часов – и без потери контроля.

Задать свои вопросы Артёму и узнать больше об опыте Industrial.Market вы сможете на Пятнадцатой конференции «Управление закупками», которая пройдет 4-5 сентября в Москве.

Алиса Попова