За последние 20 лет корпоративные закупки прошли путь, который ранее занимал поколения. Бумажные заявки сменились ERP-системами, тендерные комитеты — электронными площадками, а разрозненные отчеты — аналитическими панелями, способными в режиме реального времени показывать состояние закупочного портфеля компании. О трансформации подходов к управлению закупками в условиях растущей нестабильности рынков, о месте искусственного интеллекта в процессах принятия решений и о принципах разделения функций между автоматизированными системами и человеком рассказывает Александр Сафелкин, директор ASF Group.
Сегодня крупный бизнес способен видеть практически все. Структуру расходов, динамику цен, историю поставщиков, исполнение контрактов, колебания спроса, сроки поставок, состояние запасов и даже вероятность тех или иных событий. Искусственный интеллект научился анализировать огромные массивы данных быстрее и точнее человека, формировать прогнозы, выявлять аномалии и предлагать оптимальные решения. Казалось бы, именно сейчас закупочная функция должна стать максимально предсказуемой. Но произошло обратное.
В тот момент, когда компании получили беспрецедентный объем информации, сама среда стала беспрецедентно нестабильной. Геополитические конфликты, санкции, регионализация торговли, локализация производств, энергетические кризисы, перестройка логистических маршрутов, технологические ограничения, валютные колебания и изменения потребительского поведения превратили неопределенность из исключения в постоянное состояние рынка.
Возник парадокс новой эпохи. Мы научились лучше анализировать прошлое именно тогда, когда прошлое стало хуже объяснять будущее. Этот парадокс сегодня определяет развитие закупочной функции и формирует содержание новой модели, которую стали называть Procurement 5.0.
Почему закончилась эпоха «закупок по прогнозу»
На протяжении десятилетий бизнес и закупки в частности ориентировались на фундаментальную идею: будущее в целом похоже на прошлое. На этом строились бюджеты, планы продаж, производственные программы и закупочные стратегии.
Если спрос растет на 5% ежегодно, значит, можно планировать мощности. Если цена сырья колеблется в известных пределах, можно заключать долгосрочные контракты. Если поставщик работает десять лет без серьезных сбоев, можно прогнозировать его надежность и в будущем. В стабильной экономике такой подход прекрасно работал.
Сегодня ситуация изменилась радикально. Рынок все чаще развивается не эволюционно, а скачкообразно. Вчера поставщик был надежным, а завтра он попадает под жесточайшие ограничения. Вчера логистический маршрут считался оптимальным, через месяц он становится недоступным. Вчера цена сырья определялась рыночным балансом. Сегодня — политическим решением.
Проблема заключается не в том, что прогнозирование стало бесполезным. Напротив, оно остается необходимым инструментом управления. Изменилось другое. Раньше прогноз был основой решения, теперь он стал лишь одним из входящих параметров. Компании постепенно начинают понимать, что в условиях высокой волатильности выигрывает не тот, кто точнее угадывает будущее, а тот, кто лучше подготовлен к нескольким вариантам будущего одновременно.
Великий соблазн искусственного интеллекта
Когда неопределенность начинает расти, естественной реакцией любой организации становится поиск дополнительных данных. Логика выглядит приблизительно так:
-
если рынок стал сложнее — нужно собирать больше информации;
-
если решений стало больше — необходимо быстрее их анализировать;
-
если риски стали выше — требуется более совершенная аналитика.
Именно поэтому инвестиции в цифровизацию закупок сейчас растут практически во всех странах мира. Современные системы способны автоматически классифицировать расходы, анализировать цены, отслеживать отклонения, выявлять аномальное поведение поставщиков, контролировать исполнение договоров, рассчитывать прогнозы потребления и даже самостоятельно запускать закупочные процедуры с учетом алгоритмированных расчетов.
Во многих организациях уже существуют категории закупок, которые проходят практически без участия человека. И это абсолютно правильное направление развития процесса. Более того, в ближайшие годы объем рутинной работы, передаваемой алгоритмам, будет только увеличиваться.
Однако именно здесь возникает достаточно распространенное заблуждение о цифровой трансформации. Очень многие компании начинают воспринимать искусственный интеллект не как инструмент принятия решений, а как замену процесса принятия решений. Такая подмена понятий на практике приводит к провалу всей закупочной функции. Потому что рынок по-прежнему остается человеческой системой. И именно поэтому существуют вещи, которые алгоритмы пока видят значительно хуже человека или вообще не могут учитывать в своей аналитике.
Чего не видит искусственный интеллект
В профессиональном сообществе принято обсуждать возможности искусственного интеллекта. Гораздо реже обсуждаются его ограничения. Вместе с тем именно понимание ограничений позволяет правильно встроить ИИ в систему управления. Алгоритм великолепно анализирует цифры, но рынок состоит не только из цифр:
-
Алгоритм видит историю поставщика, человек видит собственника, который готовится продать бизнес.
-
Алгоритм видит конкурентную процедуру, человек понимает, что перед ним картель.
-
Алгоритм фиксирует снижение цены, человек замечает попытку демпинга ради захвата доли рынка.
-
Алгоритм анализирует финансовую отчетность, человек оценивает качество управленческой команды поставщика.
-
Алгоритм работает с фактами, человек работает с контекстом.
Особенно заметно это становится во время переговоров. За последние годы нам неоднократно приходилось наблюдать ситуации, когда месяцы аналитической подготовки давали меньше результата, чем один правильно проведенный личный разговор. Причина проста и очевидна — в реальных переговорах обсуждается не только цена.
Обсуждаются риски, ожидания, страхи, амбиции, будущие проекты, скрытые ограничения, приоритеты и возможности сторон. Значительная часть этой информации никогда не появляется в информационных системах. Она существует только внутри отношений между людьми.
Поэтому идея полностью автономных закупок пока остается скорее технологическим экспериментом, чем зрелой управленческой моделью. Именно это обстоятельство заставляет ведущие экономики мира искать баланс между цифровизацией и человеческим участием. Но делают они это по-разному.
Китай, Европа и Турция: три ответа на один и тот же вызов
Интересно, что крупнейшие мировые рынки пришли к разным моделям развития Procurement 5.0. Хотя цель у всех одинаковая — принимать качественные решения в условиях растущей вариативности сценариев.
Китай сделал ставку на скорость. Китайская модель строится вокруг максимальной цифровой интеграции цепочек поставок. Производство, логистика, финансы, электронная коммерция и закупки постепенно объединяются в единые цифровые экосистемы. Главное преимущество такого подхода — скорость реакции. Когда рынок меняется, система быстро перестраивает потоки, перераспределяет мощности и находит альтернативы. Фактически Китай показывает миру, насколько мощным может быть Procurement 5.0 при наличии огромного объема данных и высокой степени интеграции участников рынка.
Европа выбрала другой путь. Для европейских компаний ключевой становится не скорость, а устойчивость. Здесь особое внимание уделяется прозрачности цепочек поставок, комплаенсу, устойчивому развитию, происхождению продукции, управлению рисками и объяснимости решений. Европейские компании активно внедряют искусственный интеллект, но стараются сохранить контроль человека над стратегическими решениями. В некотором смысле Европа рассматривает ИИ не как нового руководителя закупок, а как чрезвычайно квалифицированного аналитика.
Турция представляет третий интересный подход. Последние годы страна стала одним из главных производственных и логистических партнеров европейского бизнеса. Однако ее успех объясняется не только промышленными возможностями. Турецкая бизнес-культура традиционно опирается на скорость принятия решений, гибкость и качество личных отношений. Именно в эпоху глобальной нестабильности ценность человеческих отношений внутри цепочек поставок начала расти. То, что раньше воспринималось как дополнительное преимущество, сегодня становится фактором устойчивости. Этот вывод по турецкому подходу имеет принципиальное значение для развития Procurement 5.0. Чем выше турбулентность рынка, тем выше становится ценность человеческого капитала внутри закупочной функции. Когда даже самый продвинутый ИИ-алгоритм проигрывает в эффективности человеческой коммуникации.
Procurement 5.0: новая модель разделения труда между человеком и ИИ
Если посмотреть на опыт разных стран, становится очевидно: вопрос больше не заключается в том, нужен ли искусственный интеллект закупкам. Он в том, как правильно распределить ответственность между человеком и машиной. На наш взгляд, эволюционно зрелая модель Procurement 5.0 должна строиться на трех уровнях принятия решений:
-
Первый уровень — автономные решения. Это стандартные, повторяющиеся и низкорисковые закупки. Каталожная продукция, типовые услуги, регулярные поставки по заранее утвержденным параметрам. Здесь человек не создает дополнительной ценности. Алгоритм быстрее, дешевле и зачастую точнее.
-
Второй уровень — совместные решения. Система анализирует рынок, формирует рекомендации, рассчитывает варианты и выявляет риски. Человек оценивает выводы и принимает окончательное решение. Именно этот уровень в ближайшие годы станет основой большинства корпоративных закупок.
-
Третий уровень — стратегические решения. Критически важные поставщики, инвестиционные проекты, дефицитные категории, кризисные ситуации, сложные переговоры. Здесь искусственный интеллект должен выступать в роли советника, но ответственность остается за человеком. Именно в этих ситуациях значение приобретают факторы, которые пока невозможно полностью формализовать. Это доверие, репутация, личная мотивация сторон, политический контекст, переговорная позиция, профессиональная интуиция.
Именно поэтому Procurement 5.0 нельзя рассматривать как путь к полному устранению человека из закупочного процесса. Наоборот, он требует более компетентного участия человека.
Главная ошибка цифровой трансформации закупок
За последние годы мне приходилось видеть множество программ цифровой трансформации закупок. Большинство из них объединяла одна общая проблема. Компании пытались автоматизировать закупки, но на самом деле автоматизировать нужно стандартные решения. Это принципиально разные задачи. Если организация просто переносит существующий хаос в цифровую систему, она получает цифровой хаос. Если компания автоматизирует плохой процесс, она получает быстрый плохой процесс. Настоящий эффект возникает только тогда, когда бизнес сначала определяет архитектуру принятия решений, а уже потом внедряет технологии. Сначала необходимо ответить на вопросы:
-
Какие решения являются типовыми?
-
Какие риски критичны?
-
Какие категории требуют человеческого участия?
-
Какие решения можно делегировать алгоритмам?
-
Какие показатели действительно влияют на устойчивость бизнеса?
И только после этого имеет смысл говорить о выборе программного обеспечения или внедрении искусственного интеллекта.
Вместо заключения: почему будущее принадлежит не самым цифровым компаниям
На протяжении многих лет считалось, что развитие закупок представляет собой движение от человека к технологии. Чем выше автоматизация, тем совершеннее система. Сегодня становится очевидно, что реальность значительно сложнее. Да, искусственный интеллект радикально меняет закупочную функцию. Да, объем автоматизации будет расти. Да, многие операции полностью перейдут под контроль алгоритмов.
Но одновременно растет значение тех решений, которые остаются за человеком. В мире, где данные доступны всем, конкурентным преимуществом становится не способность собрать информацию. Конкурентным преимуществом становится способность правильно интерпретировать ее в конкретном контексте.
Именно поэтому главный вопрос для бизнеса в ближайшие годы не будет звучать так: «Сколько закупщиков мы сможем заменить искусственным интеллектом?» Он будет таким: «Где проходит граница между решениями, которые должна принимать машина, и решениями, за которые обязан отвечать человек?» Компании, которые найдут этот баланс, получат не просто эффективную закупочную функцию. Они получат устойчивость. А в эпоху высокой волатильности именно устойчивость становится самым ценным активом бизнеса.
К сведению
Необратимые изменения: как ИИ перестраивает системы принятия решений и рынки
Искусственный интеллект (ИИ) сегодня не просто автоматизирует рутину, он формирует принципиально новую архитектуру общества. К такому выводу пришли аналитики ИСИЭЗ НИУ ВШЭ в ходе картирования так называемых точек разломов — зон, где под воздействием ИИ уже произошли глубинные, необратимые трансформации.
В отличие от предыдущих технологических укладов, текущая ИИ-трансформация протекает одновременно во всех сферах, создавая эффект домино. Исследование фиксирует три ключевых вектора изменений, каждый из которых несет как колоссальные возможности, так и системные риски.
Управление: от реактивности к предвидению
В системе управления ключевой сдвиг связан не с автоматизацией рутины, а с встраиванием ИИ в ядро принятия решений. Управленческий цикл ускоряется, контроль становится точнее, решения все чаще опираются на большие данные. ИИ проникает во все этапы — от стратегического планирования до операционного мониторинга в реальном времени.
Но у этой медали есть обратная сторона. Чем больше решений принимается на основе данных, тем выше цена ошибки в самих данных. Искажение одного показателя может разрушить всю цепочку решений. Именно здесь компании сталкиваются с двумя проблемами.
Первая — качество и доступность данных. Их дефицит, сложности с подготовкой и обработкой остаются серьезным препятствием наряду с организационными барьерами.
Вторая — ответственность. Когда итоговое решение зависит одновременно от человека, модели и массива данных, определить виновного за ошибочный результат практически невозможно. Этот вопрос пока не урегулирован институционально.
И чем глубже алгоритмы встраиваются в управление, тем острее становится вопрос надежности. Уязвимость модели, данных или инфраструктуры автоматически становится уязвимостью всей организации.
Экономика: данные как главная валюта
В экономике ИИ перестает играть сугубо прикладную роль и становится частью процессов создания стоимости — от разработки продукта до постпродажного взаимодействия с клиентом. Роботизация бизнес-процессов меняет структуру издержек, а производительность растет за счет оптимального перераспределения функций между человеком и алгоритмами.
Ключевой тренд, зафиксированный исследованием, — формирование новых бизнес-моделей на базе ИИ. В платформенной экономике (от e-commerce до финтеха) конкурентное преимущество теперь определяется способностью анализировать поведение пользователей в реальном времени и персонализировать опыт. В этой логике данные перестают быть сопутствующим ресурсом — они превращаются в сам продукт, основу монетизации и инструмент долгосрочного удержания клиентов.
При этом внедрение ИИ радикально меняет рынок труда. Речь идет не о тотальном сокращении рабочих мест, а о «пересборке» профессий: доля рутинных задач падает, но взрывной рост демонстрирует спрос на навыки работы с данными, аналитику и разработку ИИ-решений.
Тем не менее эксперты ВШЭ предупреждают об угрозе монополизации. Доступ к облачной инфраструктуре и центрам обработки данных становится критическим условием развития. Зависимость от поставщиков вычислительных мощностей создает предпосылки для концентрации технологий и алгоритмов у ограниченного круга глобальных игроков.
Социум: генерация контента и кризис доверия
Самые заметные изменения — в общественной сфере. ИИ стирает барьеры входа в творчество: тексты, изображения, видео теперь может создавать практически любой. В России каждый шестой интернет-пользователь уже использует генеративный ИИ.
Но у этого есть обратная сторона. Массовая генерация контента размывает границу между реальностью и вымыслом, снижая доверие к информации. Около 30% пользователей испытывают тревогу из-за растущего влияния алгоритмов. Обостряются и вопросы безопасности данных: объемы информации растут экспоненциально, делая их защиту системной проблемой. Кроме того, генеративный ИИ ставит под вопрос авторские права — кому принадлежит созданное нейросетью?
Резюмируя выводы авторов исследования, развитие ИИ сочетает две встречные тенденции: технология становится массово доступной, но контроль над вычислительными ресурсами и моделями концентрируется у ограниченного числа лидеров. Ключевой вопрос — смогут ли государство и бизнес выстроить систему управления рисками, установить стандарты качества данных и разработать механизмы ответственности за решения, принятые с участием ИИ.