🖥 34% крупных и средних компаний активно используют ИИ для решения бизнес-задач, многие — в т. ч. для управления такой чувствительной материей, как закупки (хотя более 75% компаний не готовы полностью доверить компьютеру весь цикл). Промышленность тоже постепенно переводит на ИИ контроль договоров, поставщиков, бюджетов и инвестиционных проектов.
Китайская Baosteel уже использует ИИ для проверки закупочных договоров и заявляет о росте эффективности работы закупщиков более чем на 40%.
Rio Tinto пошла дальше проверки самого договора. Система анализирует цепочки поставок до третьего уровня, сопоставляет сведения о компаниях с санкционными списками, географическими рисками и негативными публикациями. Во время пилота она обнаружила более 470 тыс. связанных юридических лиц в цепочках поставок крупнейших поставщиков. В другой цифровой сделке Rio Tinto сократила оформление продажи железной руды примерно с шести дней до 24 часов.
🇷🇺 В России один из наиболее комплексных вариантов сейчас разворачивают «Норникель» и «Рексофт»: система ИИ-агентов должна работать сразу в закупках, бюджетировании и управлении инвестиционными проектами. Сейчас сотрудники экономического блока проверяют более 100 параметров, сопоставляя договоры, заказы на поставку и ремонт, служебные записки, протоколы и решения коллегиальных органов. ИИ должен брать на себя значительную часть этой работы: распознавать документы, извлекать данные, сверять информацию между системами, проверять соответствие правилам и искать аномалии.
Система рассчитана в том числе на проблемные сценарии — когда в отдельном документе всё выглядит нормально, но несколько изменений вместе создают риск. Например, сумма договора не меняется, зато сдвигаются сроки поставки или корректируется состав заказа, а новые условия расходятся с ранее принятым решением. Такие вещи сложно ловить обычной проверкой одного документа, зато именно для них хорошо подходит сопоставление данных из разных систем.
Помимо анализа документов и поиска отклонений, агенты должны контролировать изменения в уже согласованных заказах, а в отдельных случаях — автоматически согласовывать заказы на поставку. Отдельный контур касается бюджета: система должна следить за ним непрерывно, а не только в момент, когда очередной документ отправляется на подпись.
Агент способен автоматически выполнять до 80% аналитических проверок в рамках выбранного договорного сценария с заявленной точностью 95–98%. Но объём тестовой выборки, число ложных тревог и доля пропущенных рисков публично не раскрыты. Поэтому пока это результат пилотного решения — ждём доказанные данные по экономии в годовом отчёте.
🔹 Есть ли подводные камни у ИИ-решений? Есть: сырые данные человеческой бюрократии. Впрочем, и решения в работе. Так BHP централизовала информацию о поставщиках, конкурсах и договорах и перевела заказы и документы в единые цифровые системы. Без единого формата данных и истории изменений ИИ получает задачу быстро разобраться в информации, которую годами складывали как получится.
🔘 Совсем скоро мы узнаем, сколько заказов автономные системы смогут реально провести без участия человека, сколько нарушений обнаружат до оплаты и сколько денег помогут не потерять на ошибках, задержках и лишних закупках. А пока промышленный ИИ уверенно учится читать договоры. Следующий вопрос — научится ли он видеть между строк.
Продолжение следует
Подписывайся на «Металл и Капитал»
Китайская Baosteel уже использует ИИ для проверки закупочных договоров и заявляет о росте эффективности работы закупщиков более чем на 40%.
Rio Tinto пошла дальше проверки самого договора. Система анализирует цепочки поставок до третьего уровня, сопоставляет сведения о компаниях с санкционными списками, географическими рисками и негативными публикациями. Во время пилота она обнаружила более 470 тыс. связанных юридических лиц в цепочках поставок крупнейших поставщиков. В другой цифровой сделке Rio Tinto сократила оформление продажи железной руды примерно с шести дней до 24 часов.
🇷🇺 В России один из наиболее комплексных вариантов сейчас разворачивают «Норникель» и «Рексофт»: система ИИ-агентов должна работать сразу в закупках, бюджетировании и управлении инвестиционными проектами. Сейчас сотрудники экономического блока проверяют более 100 параметров, сопоставляя договоры, заказы на поставку и ремонт, служебные записки, протоколы и решения коллегиальных органов. ИИ должен брать на себя значительную часть этой работы: распознавать документы, извлекать данные, сверять информацию между системами, проверять соответствие правилам и искать аномалии.
Система рассчитана в том числе на проблемные сценарии — когда в отдельном документе всё выглядит нормально, но несколько изменений вместе создают риск. Например, сумма договора не меняется, зато сдвигаются сроки поставки или корректируется состав заказа, а новые условия расходятся с ранее принятым решением. Такие вещи сложно ловить обычной проверкой одного документа, зато именно для них хорошо подходит сопоставление данных из разных систем.
Помимо анализа документов и поиска отклонений, агенты должны контролировать изменения в уже согласованных заказах, а в отдельных случаях — автоматически согласовывать заказы на поставку. Отдельный контур касается бюджета: система должна следить за ним непрерывно, а не только в момент, когда очередной документ отправляется на подпись.
Агент способен автоматически выполнять до 80% аналитических проверок в рамках выбранного договорного сценария с заявленной точностью 95–98%. Но объём тестовой выборки, число ложных тревог и доля пропущенных рисков публично не раскрыты. Поэтому пока это результат пилотного решения — ждём доказанные данные по экономии в годовом отчёте.
🔹 Есть ли подводные камни у ИИ-решений? Есть: сырые данные человеческой бюрократии. Впрочем, и решения в работе. Так BHP централизовала информацию о поставщиках, конкурсах и договорах и перевела заказы и документы в единые цифровые системы. Без единого формата данных и истории изменений ИИ получает задачу быстро разобраться в информации, которую годами складывали как получится.
🔘 Совсем скоро мы узнаем, сколько заказов автономные системы смогут реально провести без участия человека, сколько нарушений обнаружат до оплаты и сколько денег помогут не потерять на ошибках, задержках и лишних закупках. А пока промышленный ИИ уверенно учится читать договоры. Следующий вопрос — научится ли он видеть между строк.
Продолжение следует
Подписывайся на «Металл и Капитал»