Что сделал СИБУР
Компания проводит порядка 8000 закупочных процедур в год, в них участвуют более 2000 поставщиков. Этап для автоматизации выбирали по реальным трудозатратам: до 80% времени специалистов на техническом анализе уходило не на оценку, а на запросы поставщикам: дозаполнить опросный лист, приложить паспорт на продукцию, подтвердить опыт поставок.
ИИ-агентИИ-агент. ИИ-агент это нейросеть, которая сама выполняет задачу по шагам: ищет данные и пользуется программами, а в конце проверяет результат. забирает техническую часть предложения с электронной торговой площадки СИБУРа, сверяет данные с техническим заданием, находит пустые и противоречивые поля и готовит поставщику запрос с точечными вопросами. По каждой строке опросного листа модель ставит один из трех вердиктов: соответствует, не соответствует, данных недостаточно. Закупщик читает черновик, правит и отправляет.
Цифры проекта
По данным блога компании, технический анализ одной позиции раньше занимал 40 минут работы человека, теперь 5 минут. Качество ответов модели выросло с 41% в первую неделю до 65% к третьей, и авторы объясняют это тем, что за эти недели чинили процесс, а не модель.
Главное решение проекта не техническое: поставщику дают одну итерацию дозапроса и сутки на ответ. Раньше закупщик мог возвращаться к одному поставщику пять-шесть раз. После того как агент не справился с архивом на 380 мегабайт, в закупочной системе задали лимит на размер архива, его структуру и допустимые форматы файлов.
Что это значит для производства в России
Директор функции обеспечения производства СИБУРа Михаил Кирьянов сказал, что ИИ-агенты позволяют масштабировать такой подход на разные этапы процесса и категории закупок. Компания планирует агентов на всех ключевых этапах закупочного цикла.
Небольшой завод покупает меньше, но у него та же проблема на входе продаж: клиент присылает заявку без размеров, количества или срока, и менеджер несколько раз переписывается, прежде чем может посчитать цену. Если вы присматриваетесь к ИИ для производственной компании, вот первый кандидат: проверка полноты входящей заявки и один точный запрос недостающих данных.
Что проверить у себя
Сколько заявок в месяц приходит без данных, нужных для расчета. Сколько раз менеджер возвращается к клиенту за уточнениями. Есть ли у вас список обязательных полей для каждого типа изделия или он только в голове технолога. Через сколько часов клиент получает первый ответ.
Опыт СИБУРа подсказывает порядок: сначала записать правило, какие данные обязательны, потом отдавать проверку агенту. Без правила агент будет гадать так же, как гадал человек.
Комментарий ММООЗЗГГ.ru: как применить это в производственной компании
Новость касается приема заявок, и именно его мы советуем отдать агенту первым. Агент читает заявку с сайта, из почты или мессенджера, сверяет ее со списком обязательных полей, задает клиенту недостающие вопросы одним сообщением и заводит сделку в CRM или документ в 1С. Цену и условия подтверждает менеджер. В договор пилота пишем две метрики: время до первого ответа клиенту и долю заявок в CRM с полным набором данныхдатасет. Датасет (dataset) это набор данных, собранный и оформленный для обучения или проверки модели: таблица, папка с картинками или корпус текстов, где каждый пример описан одинаково..
Пример расчета: допустим, 300 заявок в месяц и менеджер с зарплатой 70 000 ₽, который треть времени тратит на уточнения. С налогами это 70 000 × 1,3 = 91 000 ₽, треть из них около 30 300 ₽ в месяц. Пилот одного агента стоит от 150 000 ₽ и идет 14 дней, сопровождение от 40 000 ₽ в месяц. На одном менеджере арифметика почти в ноль, поэтому считать стоит на всем отделе и на скорости ответа: если метрика пилота подтвердится, клиент получает расчет раньше, а менеджеры тратят время на переговоры.