ИИ для автоматизации продаж и закупок

Ваш менеджер по закупкам третий день сравнивает коммерческие предложения в Excel. Продавец забыл перезвонить клиенту, и сделка ушла конкуренту. Знакомо? ИИ для автоматизации продаж и закупок решает обе проблемы одновременно — и именно в этой связке кроется реальная маржа. какие участки закупок отдаются алгоритмам уже сегодня

Большинство материалов рассматривают продажи и закупки по отдельности, как будто это два разных бизнеса. Но в коммерческой компании это единый цикл: купил дешевле — продал быстрее — заработал больше. В этой статье разобрано, как искусственный интеллект работает на обоих концах этой цепочки и где экономический эффект наиболее ощутим.

Почему продажи и закупки — это одна задача для ИИ

Отдел закупок экономит на входе. Отдел продаж зарабатывает на выходе. Между ними — склад, логистика, оборотный капитал. Если закупщик не знает, что продавцы уже обещали клиенту партию через неделю, возникает кассовый разрыв. Если продавец не видит, что на складе избыток позиции, он продолжает толкать неликвид по старой цене.

Искусственный интеллект в закупках и продажах ценен не сам по себе, а как связующий слой. Он видит данные с обеих сторон и принимает решения быстрее, чем два отдела успеют провести совещание.

Что ИИ уже делает в закупках: цифры без иллюзий

По данным «Ведомостей», закупки программных продуктов с ИИ в 2025 году выросли до 1,8 млрд рублей.

Что происходит на практике. ИИ сокращает время обработки коммерческих предложений в 5 раз и высвобождает 40% времени специалистов. OCR и NLP в закупках берут на себя рутину — распознавание документов, извлечение цен, сравнение условий. Человеку остаётся принять решение, а не собирать информацию для этого решения.

ИИ-агенты существенно сокращают ручную работу в закупках. Это не значит, что высвобождаются люди. Это значит, что те же люди смогут вести больше поставщиков, глубже анализировать рынок и находить условия, до которых раньше руки не доходили. Оценки отраслевых консультантов указывают на снижение затрат на закупки в диапазоне 15–25% при переходе на автоматизированные процессы. Для компании с закупочным бюджетом в 100 млн рублей это 15–25 млн экономии в год.

Автоматизация продаж ИИ: от чат-бота до прогноза сделки

На стороне продаж ИИ работает иначе. Здесь задача не сэкономить, а заработать больше с каждого контакта.

Простейший пример — чат-бот на сайте. Он отвечает за секунды, а не за часы. Не забывает предложить сопутствующий товар. Одинаково работает в понедельник утром и в пятницу вечером.

Но чат-бот — это начальный уровень. Предиктивная аналитика в продажах делает более тонкую работу: скоринг лидов, прогнозирование вероятности сделки, рекомендации по оптимальной цене. Менеджер открывает CRM и видит не 200 одинаковых карточек, а приоритетный список: этому клиенту позвони сегодня, этот дозреет через неделю, а этот — потерян, не трать время.

Прогнозирование спроса ИИ замыкает цикл. Алгоритм анализирует историю продаж, сезонность, маркетинговые активности и говорит закупщику: через три недели понадобится вот этот товар вот в таком объёме. Продажи и закупки начинают работать синхронно, а не в режиме «почему этого нет на складе».

Гибридная модель: ИИ плюс человек

ИИ в бизнесе для продаж и закупок не заменяет команду. Он меняет её функцию. Закупщик из оператора, который вбивает данные, становится аналитиком, который управляет стратегией. Продавец из «звонилки» превращается в консультанта, который приходит к клиенту с готовым решением.

Алгоритм выполняет черновую работу — собирает, считает, ранжирует. Человек проверяет, корректирует, ведёт переговоры. Переговоры с поставщиком, который занижает обязательства по условиям оплаты, или закрытие сложной B2B-сделки с шестью стейкхолдерами — это задачи, где автоматизация заканчивается и начинается работа менеджера.

Как внедрять: порядок действий без «дорожных карт»

Первый шаг: определите, где больше всего ручной рутины прямо сейчас. Критерий простой: люди каждый день делают одно и то же по одному и тому же алгоритму. Обычно это сравнение КП в закупках и квалификация лидов в продажах.

Второй шаг: посчитайте стоимость этой рутины. Сколько часов в месяц, умножьте на ставку сотрудника. Это ваш потолок бюджета на автоматизацию — если решение стоит дороже, оно не окупится.

Третий шаг: начните с одного процесса, не с двух. Получите результат, измерьте его, потом масштабируйте. Компании, которые пытаются автоматизировать всё сразу, обычно не автоматизируют ничего.

Четвёртый шаг: обеспечьте данные. ИИ-агенты в закупках бесполезны, если история закупок хранится в головах менеджеров. Прогнозирование спроса не работает без чистой базы продаж за 12+ месяцев. Данные — это топливо, без которого самый дорогой алгоритм стоит на месте.

Риски: о чём молчат интеграторы

Любой инструмент можно внедрить неправильно. ИИ — не исключение.

Главный риск — слепое доверие. Алгоритм рекомендует закупить партию на основе прогноза, менеджер не проверяет, а прогноз оказался неточным из-за нетипичного события. Убыток. Поэтому на первом этапе ИИ рекомендует, а человек утверждает. Без исключений.

Второй риск — грязные данные. Если в CRM половина сделок без статуса, а в учётной системе остатки расходятся с реальностью, ИИ будет генерировать красивый, но бесполезный результат. Сначала порядок в данных — потом алгоритмы.

Третий риск — сопротивление команды. Менеджер по закупкам, который 10 лет работал «по наитию», не обрадуется, когда алгоритм начнёт указывать ему на неоптимальные решения. Управление изменениями здесь важнее самой технологии: нужны объяснение логики системы, совместная калибровка первых рекомендаций и право сотрудника оспорить решение алгоритма — иначе инструмент будут саботировать.

Нужны ли большие бюджеты для старта? Не обязательно. Пилотный проект на одном процессе — сравнение КП или скоринг лидов — можно запустить за несколько сотен тысяч рублей. Экономия от снижения затрат на закупки на 15–25% обычно отбивает вложения за один-два квартала.

А если у нас мало данных? Если продаж меньше нескольких сотен в месяц, прогнозирование спроса будет неточным. Но OCR и NLP в закупках для обработки документов работают и без исторических данных — им достаточно самих документов.

Как понять, что внедрение провалилось? Если через три месяца после запуска вы не можете назвать конкретную цифру экономии или прироста, значит, либо не те метрики, либо не тот процесс. Возвращайтесь к шагу один.

Итого

ИИ для автоматизации продаж и закупок — это не про модные технологии. Это про конкретные часы, которые ваши люди тратят на рутину, и конкретные деньги, которые утекают из-за медленных решений.

Начните с одного процесса, где больше всего ручного труда. Посчитайте, сколько это стоит. Внедрите. Измерьте. Масштабируйте. Всё остальное — детали.