Все чаще говорят о перспективах внедрения искусственного интеллекта в работу заказчиков и поставщиков. Однако реальных примеров применения ИИ в государственном и корпоративном заказах пока недостаточно, чтобы делать выводы, искать закономерности или изобретать нормативное регулирование.
Тем не менее, машинный интеллект в закупках, выражаясь языком химии, обладает высшей валентностью и в считанные месяцы способен перевернуть привычные правила игры (как это уже случилось в других отраслях). Лучше держать руку на пульсе: поэтому эта яркая тема вошла в Деловую программу предстоящего XX Всероссийского Форума-выставки «ГОСЗАКАЗ», который пройдет в Санкт-Петербурге 23-25 апреля. В рамках специального круглого стола будет рассмотрен передовой практический опыт использования ИИ в закупках, потенциал и побочные эффекты таких систем.
Иногда искусственным интеллектом в маркетинговых целях называют классические SRM- и BPM-программы. Конечно подобные сервисы помогают компаниям автоматизировать рутинные функции закупок: документооборот, контроль за исполнением контрактов, их синхронизацию с другими бизнес-процессами. Но машинный интеллект в этих задачах не задействован.
То же самое касается и смарт-контрактов: в отличие от ИИ это жестко прописанные алгоритмы, которые автоматически выполняются при соблюдении определенных условий. Для искусственного интеллекта тоже существуют границы заданных значений, но в пределах этих границ ИИ является системой со свободным аналитическим функционалом.
Благодаря интеграции ИИ в закупки, можно анализировать данные в реальном времени, учитывать меняющиеся факторы (рыночные условия, поведение пользователей, новые вводные) и корректировать выполнение условий договора. *Однажды мы обязательно увидим симбиоз ИИ со смарт-контрактами, но не сейчас.
Настоящая (т.е. самая близкая и реалистичная) зона применения ИИ в закупках – это аналитика больших данных: динамическое ценообразование на основе спроса и других факторов, ситуативное составление номенклатурных справочников под конкретную задачу заказчика, цифровое нормирование (сбор больших данных о потребностях в товарах, работах и услугах с оперативной формулировкой запроса предложений на основе собранной информации).
В качестве следующего шага (в отдаленной перспективе) – обработка поступающих предложений от производителей и поставщиков. Автоматизированная сверка полученных от поставщика данных с требованиями технического задания заказчика. Возможно, подготовка и согласование закупочных документов (без участия человека). Обеспечение работы коллегиальных органов, заключение и исполнение договоров, аналитика и отчетность по исполняемым контрактам.
Очень бы хотелось увидеть ИИ в анализе контрагентов: на предмет их квалификации, умное различение производственных компаний от перекупщиков и перепродавцов, выводы об их объективных производственных возможностях на конкретный момент времени. Но пока, подобный функционал на основе ИИ не продает ни один российский закупочный сервис. Торгуют достаточно качественные сервисы, заточенные под эти задачи, но не основе ИИ, а на традиционных программных алгоритмах и собственных БД.
Около закупок
Заметна победная поступь искусственного интеллекта в сфере сетевого маркетинга и связанных с ним логистических цепочек поставок. На крупнейших электронных маркетплейсах с трилионными оборотами ИИ анализирует большие данные для прогнозирования будущих продаж и планирования запасов. Как правило, глобальные магазины применяют свои собственные разработки с участием ИИ.
Аналитика расходов на основе данных дает ценные сведения, помогающие предвидеть рыночные тенденции, минимизировать перебои с поставками и повысить устойчивость к инфляции.
Уже рутинным функционалом практически во всех отраслях стали чат-боты и виртуальные ассистенты для общения с клиентами (но к закупкам это имеет опосредованное отношение, поэтому мы не станем останавливаться на этой теме). Так же как и на смежной теме использования ИИ в прогнозировании фондовых рынков, волатильности курсов валют и крипты. Это интересно: но это рядом с закупками.
Есть западные продукты для бизнес-прогнозирования, такие как Blue Yonder Group и C3 AI. Согласно их маркетинговой легенде, они продвигают целевое планирование, исполнение и анализ проведенных сделок на основе уникального ПО с искусственным интеллектом. Как говорится в их рекламных материалах: «обеспечивают операционное совершенство по всей цепочке создания стоимости».
Однажды (*и уже, наверное, очень скоро) ИИ доберется до стоимостного проектирования бизнеса с оценкой всех имеющихся в наличии средств производства и интеллектуальной собственности в пропорции к создаваемой добавленной стоимости. И тогда нам будет явлен настоящий машинный госплан, объективный как сияние чистого разума. Компании получат безошибочный калькулятор издержек и смогут сосредоточиться на развитии.
Но пока нас интересуют утилитарные инструменты включения ИИ в закупочные процессы, а не попытка заменить искусственным интеллектом совет акционеров. Положа руку на сердце – такой сценарий выглядит спасительным для человечества.
Закупочные утилиты с машинным интеллектом
Из иностранных продуктов с обещанным утилитарным функционалом, доступных в РФ только по параллельному импорту можно выделить SAP Business AI для закупок. Обещают «ускорение создания описаний технических заданий на 71%» (даже посчитали). Можно получать удовольствие от своего величия «быстро превращая исходные идеи в подробные описания технических заданий с помощью ИИ и инструментов автоматизации». А в качестве бесплатной награды – распутывание цепочки коммуникаций с поставщиками. Интересно, скоро ли российские разработчики 1С покусятся на утилиты с машинным интеллектом?
В качестве эталонного примера утилитарного использования ИИ в закупках приведем коммерческий кейс взаимодействия Сбера и крупнейшей сети общепита в лице компании Бургер Кинг.
Искусственный интеллект от Сбера проанализировал, как влияет на выручку незначительное (+/- один рубль) изменение цены на еду в ресторанах в зависимости от времени суток. По методу А-Б тестирования все точки сбыта разделили на две группы, и начали экспериментировать (по модели, разработанной ИИ), с ценовым предложением по разным позициям общепита. ИИ обнаружил незаметные человеческому глазу нюансы, связанные с особенностями спроса. В итоге группа ресторанов, которая моделировала динамическое образование цены в течение дня (в зависимости от ретро-данных, которые были собраны ранее), показала рост выручки каждого ресторана на 15 тыс. рублей.
В совокупности это дало всему холдингу рост выручки в 4 млрд. рублей.
Из похожей оперы с динамическим ценообразованием есть свежий кейс от ГК «Самолет». Российский девелопер развивает продукт (как заявлено, с искусственным интеллектом) на основе собственного ПО под названием 10D.
Один из модулей платформы отвечает за проведение торгов на подрядные работы и материалы.
В материале для CNews разработчик сообщает, что внедрение ИИ помогает им снизить себестоимость закупок строительных материалов на 1-2%, автоматизировать процедурную часть и свести к минимуму ошибки, вызванные человеческим фактором. Регистрация и аккредитация контрагентов происходит автоматизировано, равно как и проведение тендерных процедур для товаров, работ, услуг.
Нейросеть под названием «Тринити» с помощью ИИ проводит быстрый аудит сделки по более чем двадцати критериям и по результатам анализа выдает рекомендации, по каким параметрам нужно доработать закупку, а также акцентирует внимание на неоднозначных показателях. Такой подход дает возможность вовремя отфильтровать неоптимальные цены и ненадежных поставщиков.
Во время тестирования было проверено около 5% закупок «Самолета», приблизительный объем составляет 2000 позиций. Нейросеть обнаружила 100% ошибок, специально заложенных в данные, в частности, выявила переплату в 28 млн руб. Вручную проверить информацию из более чем 6000 источников, включая тендеры, рыночные цены, ФГИС ЦС и ГИС ЕИС «Закупки» невозможно. Это делает искусственный интеллект.
Итак, мы видим, что ближайшим полем работы ИИ в закупках является ценообразование (сбор ценовой информации, вычисление себестоимости продукции, с учетом данных о производстве и логистике, сопоставление качественных характеристик закупаемой продукции с критериями технического задания и с учетом дальнейших эксплуатационных расходов).
Проще говоря, искусственный интеллект будет заниматься раскрытием структуры цены (*НМЦК и ее составляющие). Нравится это кому-то или нет. Но у ИИ есть такие способности, а на способности есть гарантированный спрос. Живите теперь с этим.
Автор: Андрей Троянский
Комментариев пока нет