ММООЗЗГГ.ru

Инструкция

Как собрать ИИ-агента для закупок: от заявки до сравнения предложений

6 мин12 источников

ИИ-агент для закупок берет на себя рутину между заявкой и решением: собирает потребность, сверяет предложения поставщиков с техническим заданием и пишет дозапросы. В СИБУРе такой агент ускорил первичную проверку предложения в 7 раз. Выбор поставщика и подпись договора остаются за человеком.

На странице · 7 разделов

Нужен разработчик

Что агент делает в закупках

Закупка проходит одни и те же шаги: заявка от подразделения, техническое задание (ТЗ, список требований к товару или работе), запрос поставщикам, сравнение предложений и решение. Агент полезен там, где люди читают и сверяют документы.

Типовые задачи агента: собрать заявку от цеха или отдела по шаблону, проверить, что в ТЗ заполнены все поля, разослать запрос, свести ответы поставщиков в таблицу и отметить, чего в них не хватает.

Пример с цифрами есть у СИБУРа. По сообщению от 15 сентября 2026 года, агент сверяет техническую часть предложений с ТЗ, находит неполные и противоречивые данные и сам готовит дозапрос поставщику с вопросом по каждому пустому параметру.

До автоматизации на такие дозапросы уходило до 80% времени специалистов по техническому анализу. У компании около 8000 закупочных процедур в год и больше 2000 поставщиков, поэтому выигрыш заметен.

Когда нужен агент, а когда хватит таблицы

OpenAI в руководстве по агентам (апрель 2025) называет три признака задачи для агента: решения с исключениями, громоздкие правила, которые дорого поддерживать, и много документов без единого формата. Проверку поставщиков на безопасность руководство приводит как пример задачи с громоздкими правилами.

Если предложения приходят с торговой площадки одной таблицей, цены и сроки сравнит формула, и агент не нужен. Агент окупается, когда каждый поставщик присылает свой PDF, а требования ТЗ разбросаны по приложениям и письмам.

Для одной закупки поисковая база часто не нужна. По данным Anthropic (сентябрь 2024), материал до 200 000 токенов, это около 500 страниц, можно целиком передать модели в запросе. Базу с поиском строят, когда агент отвечает по архиву закупок за несколько лет.

Собрать самому: сравнение предложений

Простой вариант собирается без программиста. Нужны конструктор агентов, модель и папка с документами закупки: ТЗ, предложения поставщиков в PDF, ваши требования к договору.

Агент работает по принципу RAG: перед ответом он ищет нужные фрагменты в загруженных документах и отвечает по ним. Модель при этом не обучают, ей просто дают ваши файлы.

Задача для первой версии: «Сравни три предложения с ТЗ, выпиши расхождения по каждому пункту и составь вопросы поставщикам». Результат закупщик проверяет сам. Такой агент работает на копиях файлов и ничего не меняет в учетных системах.

Anthropic в руководстве по агентам советует начинать с простого решения и усложнять, только когда простого не хватает. Для закупок это значит: сначала сравнение предложений, потом интеграции.

Интеграция с 1С и площадками

Агент начинает экономить часы, когда сам берет данные: остатки и историю закупок из 1С, заявки из системы документооборота, предложения с электронной торговой площадки. Здесь нужен разработчик.

Подключение идет через API, то есть официальный канал обмена данными между программами, или через MCP. MCP (Model Context Protocol) Anthropic открыла 25 ноября 2024 года как единый способ подключать ИИ к данным и сервисам.

Права выдают узко: чтение справочников и истории, создание черновика заявки. Проводить документы и менять цены в договорах агент не должен. Как устроены такие подключения, разобрано на странице об интеграции с 1С.

Сканы и вложения в письмах поставщиков агент сначала переводит в текст. Как это работает и где он ошибается, описано на странице агента для документов.

Где решает закупщик

Агент готовит материал для решения, а решает закупщик. В сообщении СИБУРа речь идет о первичной проверке и дозапросах, выбор поставщика там не описан как работа агента.

За человеком остаются выбор победителя, переговоры о цене и подпись договора. Агент может ошибиться в чтении таблицы или пропустить условие в приложении, поэтому каждая цифра в сравнении идет со ссылкой на страницу документа.

Предложения поставщиков и их цены не загружают в публичные чат-боты. Для таких документов агент работает на модели, развернутой на вашем сервере, или в облаке с договором об обработке данных.

Если агенту дают право писать поставщикам, первые недели каждое письмо уходит только после одобрения закупщика. Право отправлять без проверки агент получает, когда журнал покажет, что он пишет без ошибок.

Риск чужих документов

Агент закупок читает файлы, которые писали не вы. OWASP ставит промпт-инъекцию, то есть команду, спрятанную в тексте, первой в списке рисков языковых моделей на 2025 год. Косвенная инъекция приходит как раз из внешних файлов и сайтов. Например, строка мелким шрифтом в предложении поставщика может попросить агента назвать это предложение лучшим.

Программист Саймон Уиллисон (июнь 2025) называет опасным сочетание трех свойств: доступ к закрытым данным, работа с непроверенным содержимым и право отправлять данные наружу. Агент, который видит ваши цены, читает предложения и сам пишет поставщикам, собирает все три.

Поэтому роли разделяют: агент сравнения читает документы и не отправляет писем, а дозапрос уходит после одобрения закупщика. OWASP прямо пишет, что ни одна мера не защищает полностью, и советует давать минимальные права и подтверждать рискованные действия человеком.

Метрика и пилот

Эффект агента в закупках измеряют временем: сколько часов уходит на первичную проверку одного предложения до и после запуска. Вторая метрика: сколько дозапросов уходит поставщикам в первый день, а не через неделю.

Замер до запуска делают на 10 закупках прошлого месяца. Без него через месяц нечего сравнивать, и спор о пользе агента идет на уровне ощущений.

Кроме времени проверяют точность. Возьмите 20 прошлых закупок, где правильный ответ уже известен, и сравните таблицу агента с решением закупщика. Anthropic советует начинать проверку агента с 20–50 задач из реальных ошибок и повторять ее после каждой смены инструкции.

Считайте и расходы. Gartner (июнь 2025) ждет, что больше 40% проектов агентного ИИ закроют к концу 2027 года, и первой причиной называет затраты. В расчет входят оплата модели, сервер и время сотрудника, который разбирает спорные случаи.

Типовой агент сравнения предложений собирается из открытых блоков. Если за него просят как за уникальную разработку, спросите, из чего складывается цена, и оплачивайте результат по метрике, а не часы.

Наш пилот ИИ-агента идет 14 дней на одном процессе и стоит от 149 000 ₽. Метрика записана в договоре до старта.

Вопросы и ответы

Может ли ИИ-агент сам выбрать поставщика?

Технически агент может расставить предложения по цене и сроку поставки. Решение о победителе, переговоры и подпись остаются за закупщиком: агент ошибается в чтении документов, а отвечает за закупку человек. Поэтому агент готовит сравнение со ссылкой на источник каждой цифры.

Сколько времени экономит агент в закупках?

Зависит от того, сколько у вас ручной сверки. В СИБУРе первичная проверка предложения стала в 7 раз быстрее, а раньше до 80% времени специалистов на техническом анализе уходило на дозапросы. Свою цифру вы получите, если замерите время на 10 прошлых закупках до запуска.

Нужно ли обучать модель на наших закупках?

Нет. Агент находит ответ в ваших документах перед каждым ответом: этот подход называют RAG, и он работает без обучения модели. Новое ТЗ или прайс поставщика достаточно положить в базу документов, и агент начнет учитывать их в тот же день.

Можно ли загружать предложения поставщиков в ChatGPT?

Лучше нет: это чужая коммерческая информация, а в личных версиях чат-ботов переписка может идти на обучение моделей. Anthropic, например, с августа 2025 года использует чаты Claude Free, Pro и Max для обучения, если пользователь не выключил настройку. Кроме того, России нет в списке стран, где OpenAI поддерживает свои сервисы. Для закупок агент работает на открытой модели на вашем сервере.

Источники и проверка

Проверено редакцией 16 октября 2026.

  1. CNews, 15 сентября 2026 (cnews.ru)
  2. arXiv 2005.11401, 22 мая 2020 (arxiv.org)
  3. Anthropic, 19 декабря 2024 (anthropic.com)
  4. Anthropic, 25 ноября 2024 (anthropic.com)
  5. OpenAI, руководство по агентам, апрель 2025 (cdn.openai.com)
  6. Anthropic, 19 сентября 2024 (anthropic.com)
  7. OWASP, LLM01:2025 Prompt Injection (genai.owasp.org)
  8. Simon Willison, 16 июня 2025 (simonwillison.net)
  9. Anthropic, 9 января 2026 (anthropic.com)
  10. Gartner, 25 июня 2025 (gartner.com)
  11. Anthropic, 28 августа 2025 (anthropic.com)
  12. OpenAI, страны и территории, где работает API (developers.openai.com)

Нашли ошибку? Напишите нам

Публикации

Как создать чат-бот в Максе: инструкция для компании

Чтобы создать чат-бот в Максе, компании нужно пройти четыре шага на платформе MAX для партнеров: проверить профиль организации через Госуслуги, заполнить карточку бота, дождаться модерации до 48 часов по рабочим дням и собрать сценарий в конструкторе или своим кодом. Ниже каждый шаг по документации MAX, проверенной 16 октября 2026 года, а также как связать бота с сайтом, CRM и командой и на чем бо

ИнструкцияИТСредний11 мин
Написать в Telegram