Почему вокруг «ИИ в закупках» так много путаницы
Слово «ИИ» в последние пару лет стали клеить на любую автоматизацию — от простой формулы в Excel до чат-бота техподдержки. В результате заказчику сложно понять, где за обещанием действительно стоит технология, а где — переименованный набор правил «если-то», который работал бы точно так же без всякого искусственного интеллекта.
Разница на самом деле простая. Автоматизация — это чёткие, заранее прописанные правила и предсказуемые шаги: свести КП в таблицу, посчитать сумму по позициям, отправить уведомление при смене статуса заказа. Такой алгоритм делает одно и то же при одних и тех же входных данных, и его легко объяснить словами «система сделала X, потому что сработало правило Y». ИИ в узком смысле — это работа с неструктурированными или вероятностными данными: распознавание текста на фотографии, которую система «в глаза не видела», или прогноз на основе паттернов в истории, где точного правила просто не существует.
Что уже реально работает в снабжении стройки
Если отбросить обещания и смотреть на конкретные внедрённые функции, список окажется коротким — но это именно тот список, где технология уже приносит измеримую пользу.
- Распознавание смет. Прораб или сметчик загружает фото или скан сметы, и ИИ извлекает из него позиции — наименования, объёмы, единицы измерения — без ручного перепечатывания в Excel. Это снимает самую нудную и ошибкоёмкую часть работы: перенос десятков строк вручную, где опечатка в объёме стоит реальных денег.
- Прогноз цен на материалы. Один из срезов аналитики закупок — модель, которая на основе истории цен и рыночных трендов даёт ориентир: вырастет цена на арматуру в следующем месяце или стоит зафиксировать её сейчас. Это помощь в принятии решения, а не гарантия.
- Автоподбор категории материала. При добавлении позиции заказа — вручную, из Excel или из распознанной сметы — система сама определяет, к какой категории материал относится, и не заставляет сотрудника вручную классифицировать каждую строку. Мелочь, которая на сотнях позиций в месяц экономит ощутимое время.
Общая черта всех трёх примеров: каждый решает узкую задачу, и в каждом можно объяснить, на основании чего ИИ пришёл к такому результату — на основании текста на фото, истории цен, похожих позиций в базе. Это не «чёрный ящик», который принимает решение сам по себе, а инструмент, ускоряющий конкретный шаг в работе человека.
Что обычно относят к мифам и преждевременным ожиданиям
На другом конце спектра — обещания, которые звучат эффектно на презентациях, но пока не стали массовой рабочей практикой в снабжении стройки.
- Полностью автономные переговоры с поставщиками. Идея, что ИИ сам списывается с поставщиками, торгуется и фиксирует условия без участия человека, пока остаётся скорее демонстрацией возможностей, чем практикой, которой доверяют реальные деньги и реальные договорные обязательства.
- ИИ, который сам выбирает «лучшего» поставщика. Система может подсветить лучшую цену или срок в таблице сравнения — но решение о том, кому присудить тендер, и ответственность за это решение остаются на человеке. Доверять выбор контрагента алгоритму без проверки — риск, который не стоит той экономии времени.
- Точный прогноз цен на 100%. Прогноз на основе истории и тренда — это ориентир, а не гарантия. Рынок стройматериалов зависит от курса валют, сезона, логистики и десятков факторов, которые модель не может учесть со стопроцентной точностью. Любой, кто обещает точный прогноз без оговорок, скорее продаёт уверенность, чем технологию.
Как отличить реальную функцию от маркетингового ярлыка
Прежде чем доверять описанию «работает на ИИ» в любом сервисе — не только в снабжении — полезно задать себе два вопроса.
- Какую именно задачу это решает? Если ответ конкретный — «извлекает позиции из фото сметы», «подсказывает категорию материала» — это похоже на реальную функцию. Если ответ абстрактный — «оптимизирует закупки», «повышает эффективность» — вероятно, за формулировкой скрывается либо обычная автоматизация, либо вообще ничего конкретного.
- Можно ли объяснить результат? Рабочий ИИ-инструмент можно описать словами: «категория определена, потому что похожие позиции в прошлых заказах относились к этой группе». Если объяснение сводится к «так решил ИИ» без возможности понять логику — это повод отнестись к обещанию с осторожностью, а не повод довериться ему больше.
Этот фильтр не означает, что нужно отказываться от автоматизации закупок вообще — чёткие правила и предсказуемые алгоритмы по-прежнему экономят часы ручной работы и остаются основой любой нормальной системы снабжения. Он означает только одно: не платить переплату за ярлык там, где достаточно обычной автоматизации, и не ждать от конкретной функции больше, чем она на самом деле умеет.
Что это значит для снабжения на практике
Честный подход к ИИ в закупках — это не «всё или ничего». Узкие задачи, где технология реально справляется лучше человека или быстрее него — распознавание фото и сканов, подсказки по категориям, ориентиры по ценам на основе истории — стоит внедрять и использовать. Задачи, где решение несёт юридическую и финансовую ответственность — выбор поставщика, условия сделки, подпись договора — должны оставаться за человеком, даже если рядом есть подсказка от системы.
Со временем список реальных применений ИИ в снабжении, скорее всего, будет расти — технология развивается быстро, и то, что сегодня требует проверки человеком, завтра может стать рутинной функцией. Но это ещё один аргумент в пользу того же правила: оценивать не обещание на сайте, а конкретную задачу, которую инструмент решает прямо сейчас, и то, насколько объяснимо он приходит к результату. Такой подход защищает и от разочарования в технологии, когда она не дотягивает до рекламного обещания, и от упущенной выгоды, когда рабочий инструмент отбрасывают только потому, что вокруг слова «ИИ» накопилось слишком много шума.