Александр Коробов, Т1 ИИ: «Для ощутимого эффекта необходим сквозной подход – автоматизация не отдельных задач закупщика или юриста, а всего бэк-офисного цикла»

Александр Коробов, коммерческий директор «Платформа ИИ», Т1 ИИ, рассказал CFO Russia, где сегодня возникают главные «узкие места» в закупках, почему работа с документами становится главным источником задержек и как грамотное применение инструментов искусственного интеллекта помогает компаниям автоматизировать проверки, ускорить согласования и получить измеримые результаты.

Какие ключевые «узкие места» в закупках вы считаете самыми критичными на сегодняшний день и почему традиционные подходы уже не справляются?

Основное «узкое место» в закупках – это работа с документацией. Независимо от уровня цифровизации обмена данными документы остаются неотъемлемой частью процесса, и именно с ними связано наибольшее количество ошибок и задержек. Причём они могут возникать на разных этапах.

Сложности начинаются уже на стадии подготовки процедуры, когда необходимо корректно сформировать комплект документации. После объявления закупки участники направляют заявки, и заказчику важно проверить, что все необходимые документы представлены и соответствуют требованиям. На практике часто возникают ситуации, когда поставщики загружают файлы с корректными названиями, но неправильным содержанием – например, документ называется «Устав», а внутри находится иной текст или даже изображение.

Далее требуется междокументарная сверка: нужно убедиться, что все файлы относятся к одному контрагенту, содержат необходимые данные, не противоречат друг другу и подходят под установленные требования. Дополнительно проверяется предмет закупки – соответствие номенклатуры заявленным условиям. Эти процедуры требуют значительных временных затрат. При обнаружении несоответствий документы отправляются на доработку, что запускает новый цикл согласований.

В результате закупочные процедуры нередко выходят за установленные сроки. При ограниченном числе участников собрать корректный пакет документов оперативно бывает сложно, что приводит к сдвигу сроков, что, в свою очередь, отражается на последующих этапах: задерживаются поставки, проведение работ и реализация внутренних процессов компании.

Работа с документами продолжается и после проведения закупки – при формировании и согласовании договоров. Необходимо проверить их соответствие исходным условиям, оценить риски, выявить противоречия и внести правки. Типичная ситуация – первоначальное согласование в формате Word и получение финальной версии в PDF объёмом 100–300 страниц, где может быть добавлен один абзац, противоречащий остальным условиям. Ручная проверка таких изменений крайне трудозатратна.

Именно на этом этапе традиционные подходы перестают справляться с нагрузкой. Решением становятся инструменты искусственного интеллекта, способные автоматически выявлять несоответствия, проводить зеркальные сверки, анализировать доходные и расходные документы без необходимости построчной проверки или конвертации файлов.

На ваш взгляд, на каких этапах закупочного процесса AI способен дать максимальный эффект уже сейчас и где его потенциал пока недооценён?

Максимальный эффект искусственный интеллект сегодня даёт в сегментах работы с договорами и финансовыми документами – там, где сосредоточен наибольший объём рутинных операций и межфункциональных согласований.

Так, ИИ может проводить интеллектуальный анализ договоров. Система позволяет выявлять дублирования, противоречия, сложные или неоднозначные формулировки, находить нерасшифрованные сокращения и формировать глоссарий. Она также помогает быстрее понять смысл перегруженных юридических конструкций. По сути, это цифровой инструмент «расшифровки» сложных текстов, который повышает прозрачность и ускоряет согласование.

Ещё один пример – стадия исполнения обязательств по закупкам, где к работе подключается бухгалтерия. На этом этапе необходимо сформировать заказ на оплату и определить график платежей, который, как правило, прописан в договоре. Система на базе ИИ способна автоматически извлекать эти данные из текста документа, составлять график платежей, распределять суммы, рассчитывать НДС по конкретным продуктам и датам. Более того, она может проверить наличие оснований для оплаты: подтверждена ли отгрузка, выполнены ли работы, представлены ли все закрывающие документы. Такие сценарии уже применяются на практике.

В целом потенциал ИИ значительно шире. Всё, что связано с обработкой данных, бэк-офисными функциями и повторяющимися операциями, может быть автоматизировано. Однако именно здесь и кроется проблема: многие компании внедряют ИИ фрагментарно, автоматизируя отдельные участки процесса. В результате возникает всё то же «бутылочное горлышко»: если ускорить один этап, следующий может не справиться с возросшим потоком документов, и общий процесс снова замедлится. Поэтому для получения ощутимого эффекта необходим сквозной подход – автоматизация не отдельных задач закупщика или юриста, а всего бэк-офисного цикла.

Особенно заметен результат в общих центрах обслуживания, где через разные подразделения – юридическое, финансовое, налоговое, закупочное – последовательно проходят одни и те же документы. При выстроенном комплексном процессе экономический эффект становится очевидным: сокращаются сроки, снижается нагрузка на сотрудников, а затраты на внедрение технологий окупаются за счёт повышения общей эффективности.

Если компания внедряет AI в закупки, какие измеримые бизнес-результаты она получает в первую очередь?

Практика показывает, что внедрение ИИ в закупочный процесс даёт измеримые результаты уже на уровне конкретных операций.

Первый пример – автоматическая проверка полноты и корректности пакета документов в заявке. Система анализирует весь массив файлов, выявляет расхождения между документами и смотрит их соответствие требованиям закупки. В результате среднее время проверки сокращается на 60%, а количество возвратов и повторных итераций при согласовании уменьшается в два раза.

Другой пример – выявление рискованных и неоднозначных формулировок в договорах. ИИ анализирует в том числе объёмные документы и заранее подсвечивает потенциальные риски: условия оплаты, сроки, особенности предоплаты и постоплаты, формулировки о моменте исполнения обязательств. Это позволяет корректировать документ до отправки контрагенту. В результате количество правок на этом этапе сокращается на 90%, а время согласования дополнительных документов перед конкурсом – в три раза.

Еще один кейс – проверка договора по юридическим критериям в рамках закупочного процесса. Документ одновременно оценивается с точки зрения требований комплаенса, ИТ-подразделения, специалистов по персональным данным, финансовой службы и других участников согласования. Формируется матрица рисков с обязательными требованиями для каждой функции, а система автоматически сверяет текст договора с этой матрицей, фиксирует несоответствия и поясняет их. Это позволяет сократить время юридических проверок на 45% и снижает количество доработок договоров на 35%.

Эти примеры демонстрируют, что экономический эффект выражается не в абстрактных улучшениях, а в конкретном сокращении сроков, уменьшении количества итераций и снижении нагрузки на специалистов. При этом максимальный результат достигается, когда такие решения интегрируются в сквозной процесс – тогда ускорение отдельных этапов трансформируется в системное повышение эффективности всей закупочной функции.

Мария Харитонова, Алиса Попова