AI-агенты в закупках: как автономные агенты сокращают цикл снабжения и экономят бюджет

Короткий ответ: AI-агент в закупках — это не чат-бот для поиска поставщиков, а система, которая сама формирует техзадание, рассылает запросы предложений, сравнивает офферы по цене и условиям и готовит рекомендацию закупщику на подпись. По оценке McKinsey, это делает функцию закупок на 25-40% эффективнее, а часть компаний, по данным Hackett Group, уже фиксирует рост производительности от 25% и выше. Дальше — что конкретно автоматизируется, сколько это экономит на практике и как внедрить это в компании из России и СНГ, где часть закупок дополнительно регулируется 44-ФЗ и 223-ФЗ.

Почему закупки — следующая точка роста после продаж и маркетинга

Закупки — одна из самых крупных, но при этом самых недоинвестированных в автоматизацию функций. По данным разбора Globality (2026), на закупки у компаний из списка Fortune 500 приходится до 75% всего корпоративного бюджета — при этом большая часть процесса до сих пор идёт вручную: сбор коммерческих предложений по почте, сверка условий в Excel, согласование по цепочке из 4-6 подписантов. AI-агенты в продажах и маркетинге уже прошли стадию пилотов (см. практическое применение AI-агентов в продажах, маркетинге, HR, финансах и поддержке), а закупки только входят в фазу массового внедрения — именно поэтому здесь сейчас проще всего получить измеримый ROI.

Что AI-агент уже умеет делать в закупочном цикле

• Формирование запроса предложений (RFP/RFQ) — агент собирает требования из переписки и технического задания и сразу оформляет структурированный запрос вместо недели согласований формулировок.
• Рассылка и переговоры с поставщиками — первичная коммуникация, уточняющие вопросы и первый раунд переговоров по цене и срокам ведутся агентом, человек подключается на решающем этапе.
• Сравнение офферов — агент сводит предложения от разных поставщиков в единую таблицу по цене, срокам, условиям оплаты и рискам, вместо того чтобы закупщик делал это вручную в Excel.
• Проверка контрагента — автоматическая сверка с реестрами (для РФ — ЕГРЮЛ, реестр недобросовестных поставщиков) до того, как предложение попадёт на согласование.
• Мониторинг исполнения контракта — агент отслеживает сроки поставки и условия договора и сигнализирует об отклонениях, а не ждёт квартального отчёта.

Кейс: как сократили цикл тендера с 9 месяцев до 27 дней

По данным Globality, фармацевтическая компания Bristol Myers Squibb внедрила AI-агента для обработки запросов предложений и сократила типовой цикл RFP с 6-9 месяцев до 27 дней — это на пять месяцев быстрее, а число обрабатываемых тендеров выросло примерно в десять раз без увеличения штата отдела закупок. Показательно не столько ускорение само по себе, сколько то, что оно произошло без потери качества сравнения предложений: агент обрабатывает больше вариантов параллельно, а не срезает углы в проверке.

По практике Unlim Group на проектах внедрения в российских компаниях среднего размера эффект скромнее, но всё равно заметен: цикл согласования типовой закупки (не превышающей лимит самостоятельного решения закупщика) обычно сокращается в 2-3 раза за счёт того, что агент готовит первую версию сравнительной таблицы и проект договора, а не человек с нуля.

Сколько это экономит: агент против ручного процесса

Этап	Вручную	С AI-агентом
Сбор требований и формирование RFP	3-7 рабочих дней	несколько часов
Обработка предложений от поставщиков	1-2 недели на 5-10 офферов	1-2 дня на 20-30 офферов
Полный цикл типового тендера	6-9 месяцев (сложные закупки)	27 дней (кейс Bristol Myers Squibb)
Экономия на административных затратах функции	база (100%)	минус 25-40% по оценке McKinsey

Экономия складывается не только из зарплатных часов закупщика: более широкий охват поставщиков за счёт параллельной обработки предложений сам по себе снижает итоговую цену контракта, потому что конкуренция между поставщиками становится реальной, а не формальной.

Governance и комплаенс: что нельзя отдавать агенту без контроля

Прогноз Globality на 2026 год отдельно фиксирует: компании, которые не выстроили прозрачность решений агента (audit trail, явное указание, где решение принял агент, а где человек), столкнутся с вопросами регуляторов и аудиторов раньше, чем с технической проблемой. Для рынка РФ это дополняется отраслевой спецификой: закупки по 44-ФЗ и 223-ФЗ имеют жёсткие формальные требования к документообороту, и AI-агент здесь может готовить документы и сравнение, но финальное решение и подпись обязаны оставаться за уполномоченным сотрудником — это не рекомендация, а требование законодательства о госзакупках.

Общие принципы безопасного внедрения агента — разделение прав на чтение и запись, запрет на необратимые действия без подтверждения, аудит-лог каждого шага — подробно разобраны в чек-листе управление рисками AI-агентов; для закупочного агента они применимы один в один, потому что финансовые обязательства перед контрагентом — тоже необратимое действие.

Как внедрить AI-агента в закупках: пошагово

1. Начните с одной товарной категории с понятным и повторяемым процессом закупки — не с самой сложной, а с самой частой.
2. Подключите агента к текущей ERP (1С, SAP или отраслевая система), а не создавайте параллельный процесс — иначе данные разойдутся уже через месяц.
3. Ограничьте права агента уровнем «подготовка и рекомендация», финальное согласование и подпись — за человеком.
4. Настройте аудит-лог всех действий агента с поставщиками — это нужно и для комплаенса, и для разбора спорных ситуаций с контрагентами.
5. Замерьте цикл «до» и «после» на первой категории 8-12 недель, прежде чем масштабировать на остальные закупки.

Unlim Group рекомендует именно такой пилотный формат: разовое внедрение сразу на весь отдел закупок почти всегда упирается в сопротивление из-за резкого изменения процесса, тогда как пилот на одной категории даёт измеримый результат, на который можно опереться при масштабировании.

Читайте также: AI-агенты в финансовом отделе и управление рисками AI-агентов: чек-лист безопасного внедрения.