Проверка поставщика: 5 источников, которые реально работают в 2026 году

Коллеги, знакомо: приходит новый поставщик с привлекательным КП, а СПАРК показывает только то, что компания сама захотела раскрыть.
Многие в этой ситуации переходят в режим «на авось» и просто сравнивают цены и молятся. Но зрелые закупки так не работают. Вот 5 рабочих инструментов, которые заменяют ушедшие сервисы без потери качества проверки.

1️⃣ ФНС России: «Прозрачный бизнес»
Бесплатный и главный. Сервис ФНС даёт выписку из ЕГРЮЛ онлайн, показывает дисквалифицированных лиц, проверяет адреса массовой регистрации и даёт информацию о среднесписочной численности сотрудников. Если в компании по документам 50 человек, а на сайте гордо заявлено «штат — 500+», это красный флаг. Ссылка: pb.nalog.ru

2️⃣ Картотека арбитражных дел (kad.arbitr.ru)
Золотой стандарт due diligence. Ищем поставщика по ИНН и видим всю историю судебных споров. Важно смотреть не просто «были иски», а их характер:
- у поставщика систематически взыскивают долги → проверьте его финансовую устойчивость;
- он сам подаёт на контрагентов → умеет защищать свои права;
- налоговые споры → возможные претензии к схеме работы.

3️⃣ Банк данных исполнительных производств (ФССП)
Если поставщик регулярно фигурирует в списках должников с крупными суммами, то он - кассовый разрыв на ножках. Даже хороший продукт не спасёт, если контрагент зависнет на полпути из-за ареста счетов.

4️⃣ EIS (zakupki.gov.ru) и коммерческие ЭТП
Парадокс: мы ищем поставщика на рынке, а его реальная «биография» часто лежит в госзакупках. Смотрите:
- как часто поставщик участвует?;
- сколько контрактов расторгнуто по его инициативе?;
- есть ли в РНП (Реестре недобросовестных поставщиков)?
Коммерческие ЭТП (B2B-Center, Fabrikant, Tender.pro) тоже хранят историю. Провайдеры часто не афишируют, что можно запросить статистику по конкретному участнику.

5️⃣ Каналы и профильные сообщества
Иногда лучший комплаенс - это «сарафанное радио». В закупочном сообществе есть закрытые чаты, где делятся опытом работы с поставщиками. Два-три звонка коллегам из смежных компаний часто дают больше, чем месяц кабинетных проверок. Только не забывайте: и здесь есть риск наткнуться на недобросовестную конкуренцию т.к. кто-то может целенаправленно «топить» сильного игрока.

6️⃣ 📊 Globas от «КредИнформ» (globas.credinform.ru)
Профессиональный инструмент финансового мониторинга контрагентов, который в современных условиях стал фактической заменой ушедшим западным сервисам. Globas даёт:
- финансовый анализ на основе бухгалтерской отчётности (кредитоспособность, финансовая устойчивость);
- индекс должной осмотрительности (скоринг рисков);
- историю изменений в регистрационных данных (кто и когда менял директора, юрадрес - частый признак подготовки к «исчезновению»);
- проверку связей (аффилированность, группы компаний).
Отличное подспорье для углублённой проверки, но переплачивать за полный тариф на каждую мелкую закупку смысла нет — используйте точечно на крупных сделках.

🔄 А что если сделать проверку автоматической и непрерывной?

Раз уж мы говорим о цифровизации, то правильный подход не в том, чтобы разово «пробить» поставщика перед сделкой, а настроить постоянный мониторинг его здоровья.
Собрать ИИ-бота для автоматической проверки и мониторинга поставщиков сегодня можно без единой строки кода: n8n + парсеры открытых источников (ФНС, kad.arbitr, ФССП) + LLM (DeepSeek или другая модель) для анализа и сводки. Бот еженедельно пробегает по вашей базе поставщиков и выдаёт дайджест: у кого появились новые иски, у кого сменился директор, у кого упал скоринговый балл.
Это превращает комплаенс из разовой акции (проверили и забыли) в живой процесс: система сама сигналит, когда пора бить тревогу, а не когда поставщик уже обанкротился или арестовал счета. Именно такой подход я использую в своих проектах — и он многократно окупается.

Схема проверки за 30 минут (ручная):
🔹 ИНН → ФНС (юридический статус)
🔹 ИНН → kad.arbitr.ru (судебная активность)
🔹 ИНН → ФССП (текущие долги)
🔹 Название/ИНН → zakupki.gov.ru (история исполнения контрактов)
🔹 Название /ИНН → Globas / форумы (фин. анализ + репутация)

Схема автоматическая (постоянный мониторинг):
🔹 1 раз настроил n8n-бота — и каждую неделю дайджест с сигналами по всей базе поставщиков
🔹 Ничего не упускаешь, даже когда завал с текущими сделками

Никакой магии — всего несколько кликов, но они отсеивают 80% однодневок и проблемных контрагентов.

Как вы проверяете новых поставщиков сейчас? Пользуетесь Globas или уже автоматизировали мониторинг? Делитесь в комментариях 👇

#Закупки #DueDiligence #Поставщики #Комплаенс #Импортозамещение #ProcPoint #Автоматизация

Не создать агента, а вырастить его

Создание AI-агентов больше не является технической проблемой. Их можно клепать десятками на коленке, это решенная задача. Но вот дальше начинается самое интересное: как сделать их по-настоящему умными? Как их вырастить?
Это ближе к педагогике, чем к программированию. Мы впервые получили учеников, которые впитывают контекст на лету, не обижаются на критику и копят опыт годами за пару часов. С людьми сложнее, им мешают лень или выгорание, амбиции или личные кризисы. Вкладывать время в команду необходимо, но это всегда венчур. С агентами, прям чистый азарт :) У них нет биологического потолка, а каждая новая итерация дает результат.
Но магии не происходит: ИИ не генерирует смыслы из пустоты. Вся креативная стратегия, логика взаимодействия и создание архитектуры процессов железно остаются на человеке. Мышление автоматизировать нельзя. Мы проектируем каркас системы, а они заполняют его рутинным мясом.
Я ярко прочувствовал это на своем пайплайне закупочных скилов: tz-creator → tz-parser → rfq-generator → tkp-comparator → pz-writer. Я сначала выстроил эту архитектуру в голове, а потом буквально воспитывал каждый элемент: гонял на реальных жестких ТЗ, лично разбирал косяки, докручивал промпты. И с каждым кругом они становились кратно адекватнее.
Это вообще не похоже на классическую разработку. Это чистое наставничество над цифровыми подмастерьями.
Ближайшие годы главным навыком будет не «создать AI», а «спроектировать и воспитать AI». И в закупках в первую очередь.
Кто-то ловил уже это ощущение, что вы больше не кодите, а управляете штатом виртуальных сотрудников?

Коллеги, классика: утро начинается с горящего запроса от производства, а к вечеру вы судорожно разбираетесь, почему сорвалась поставка. Знакомая картина? Это реактивные закупки. Болото, в котором тонут 80% российских отделов снабжения.
Альтернатива — категорийный менеджмент. Забудьте про умные слова из MBA-методичек. На практике это один простой сдвиг в голове: переход от вопроса «У кого купить дешевле?» к вопросу «Что именно мы покупаем и зачем?».
В реактивных закупках процессом рулят внешние обстоятельства. Прилетела заявка, ищете, кто есть на рынке. Сорвался контрагент, паника, ищете замену. Вы работаете как пожарная команда. Красиво, героически, но бестолково: каждое возгорание тушится с нуля, а на внедрение системных решений у вас просто нет времени.
Симптомы реактивщины:
* снабжение не видит разницы между стратегическим сырьём и копеечными расходниками, поэтому всё закупается одинаково тяжело;
* каждый новый тендер запускается с чистого листа, без оглядки на историю прошлых лет.
Категорийный менеджмент позволяет вам диктовать условия рынку, а не подстраиваться под его удары. Вы не ждёте отмашки. План на следующий квартал понятен заранее: известны пулы поставщиков, просчитана логика. А сегментация идет не по алфавиту, а по жестким критериям.
Базовый инструмент здесь — матрица Кралича. Она делит все закупки на четыре группы по двум осям: влияние на прибыль и риски поставок.
Стратегический квадрант
Уникальное оборудование или дефицитное сырьём. Ошибка здесь — это гарантированная остановка завода. Логика работы: никакого агрессивного торга, только долгосрочные контракты и выстраивание отношений.
Рычажные позиции
Массовые закупки с огромным бюджетом: металлопрокат, фрахт, стандартная тара. Вот здесь «отжимать» по цене — нормально и правильно. Включайте жесткие тендеры, рынок это позволяет.
Узкие места
Редкие запчасти, эксклюзивный сервис. Денег уходит немного, но если позиция «вылетит», мало не покажется. Стратегия: уходить от зависимости. Ищите аналоги, пересогласовывайте конструктив, держите альтернативу.
Рутина
Спецодежда, канцелярия, хозтовары. Главная задача — убрать отсюда человека. Пусть закупки идут через маркетплейс или ИИ-агента. Время квалифицированного закупщика стоит дороже, чем экономия на скрепках.
Алгоритм перехода на категорийное управление
Шаг 1. Анализ корзины. Поднимите данные по затратам за прошлый год и выделите 20% позиций, сожравших 80% бюджета. Это ваше ядро. Оставшуюся мелочь отложите в сторону.
Шаг 2. Перерезка ролей. Вместо классического «снабженца на подхвате» у вас должен появиться владелец категории. Разница фундаментальна: обычный закупщик просто пересылает чужие заявки, а категорийщик знает конъюнктуру рынка глубже, чем заводы-изготовители.
Шаг 3. Оцифровка. Соберите дашборд с трендом изменения цен за 12 месяцев. Когда вы видите, что ключевой контрагент за полгода задрал ценник на 30%, а альтернатив на рынке нет, это уже не форс-мажор, а управленческий факап, который можно было предотвратить.
В чем главная сложность? Сломать систему за неделю не выйдет. Придется полностью перетряхнуть KPI, чтобы оценивать не число закрытых заявок, а снижение TCO, и выдернуть команду из текучки на обучение аналитике. Но главное — нужно терпение руководства. Первые системные результаты проявятся только через полгода или год. Иначе вас ждет вечный бег по кругу с огнетушителем, пока конкуренты контрактуются на годы вперед по фиксированным ценам.
Переходили ли вы на категорийный менеджмент в своей компании? Что в итоге оказалось сложнее: перестроить закупщиков-пожарных или доказать руководству, что быстрой экономии здесь не бывает? Напишите в комментариях, как это происходит у вас.

​🤖 ИИ-агенты против маркетплейсов: тектонический сдвиг в закупках, который мы зеваем
​Пока в b2b-закупках лениво автоматизируют рутину, на потребительском b2c-рынке разворачивается настоящая бойня. Она уже завтра перекроит архитектуру коммерции. В Forbes вышла статья Максима Валецкого «Нейросеть против маркетплейса» и она отлично подсвечивает главный тренд: классические маркетплейсы гибнут, их убивают ИИ-агенты.
​Почему Amazon заваливает предсудебными претензиями поисковик Perplexity, а остальные платформы панически боятся умных ассистентов? Роботы-закупщики вскрыли две главные дойные коровы ритейла:
​Рекламную выручку (Retail Media). Amazon зарабатывает десятки миллиардов долларов на том, что выводит проплаченные товары в топ выдачи. Но цифровому агенту плевать на спонсорские плашки. Он приходит с жестким ТЗ: «найди лучший товар по заданным параметрам до $100». Рекламодатель вылетает из уравнения, рекламные бюджеты сливаются вхолостую.
​Импульсивные покупки. Ведь до 40% выручки платформ составляет сопутствующий хлам, который мы закидываем в корзину из-за рекомендательных алгоритмов и плашек «осталось 3 штуки». У робота-эконома нет эмоций. Ему не нужны «милые брелоки». Он забирает строго позицию по спецификации и закрывает сессию. Средний чек падает по экспоненте.
​🌐 Инфраструктура новой реальности
​Борьба зашла так далеко, что ИТ-гиганты спешно создают открытые стандарты для агентской торговли. Архитекторам на заметку:
​MCP (Model Context Protocol) от Anthropic - это язык общения агента с серверами.
​ACP (Agentic Commerce Protocol) от OpenAI и Stripe, такие как обнаружение товара и передача клиента ритейлеру.
​UCP (Universal Commerce Protocol) от Google - глобальный слой поверх всех систем, куда затянули даже Amazon.
​AP2 (Agent Payments Protocol), стандарты безопасных платежей, совершаемых ИИ от имени человека.
​🇷🇺 А что у нас?
​В России эта война развернется внутри экосистем. Наш рынок реагирует мгновенно: «Яндекс» уже выкатил свой YCP (Yandex Commerce Protocol), обучив «Алису» самостоятельно покупать, оплачивать через Сплит/Pay и интегрироваться с мерчантами через API. Прогноз к 2030 году: через ИИ-ассистентов пойдет до 10% всех онлайн-транзакций (это более 3 трлн рублей).
​Нас ждет жесткое столкновение ИИ-инфраструктуры с традиционными площадками вроде Wildberries и Ozon, чьи рекламные доходы исчисляются сотнями миллиардов рублей.
​💡 Главный вывод для b2b-закупок:
​Мы стоим на пороге нового технологического неравенства. Эксперименты Anthropic (Project Deal) показали: агенты на слабых языковых моделях заключают объективно худшие, менее выгодные сделки, а пользователи этого даже не замечают.
​Побеждать в закупках будущего будет не тот, у кого раздут штат снабженцев. Выиграет тот, чья LLM-архитектура, интеграционные агенты и коммерческие протоколы точнее и быстрее анализируют рынок. Будущее закупок - это война алгоритмов, и закладывать агентские протоколы в b2b-платформы нужно уже сегодня.
​#ИИвЗакупках #СтратегияСнабжения #ProcPoint #Цифровизация

Автоматизация пошла не по плану: чему кейс Ford учит нас в цифровизации.

Ford столкнулся с классической ловушкой внедрения инноваций. В погоне за скоростью компания передала рутинные проверки качества проектирования и производства ИИ-системам.
Суть проблемы: рост числа производственных ошибок и отзывных кампаний вынудил автогиганта экстренно вернуть к работе более 350 опытных инженеров.
Главная ошибка крылась не в самих технологиях, а в данных. Часть опытных сотрудников покинула компанию до того, как их фундаментальные практические знания были перенесены в автоматизированные алгоритмы. ИИ просто не на чем было учиться тому тонкому пониманию контекста, которое есть у инженера после десятков запущенных проектов. Сейчас эти 350 профильных специалистов работают с молодыми командами, собирая качественные данные для дообучения нейросетей.

В управлении цепями поставок и закупках мы видим абсолютно те же грабли: попытки быстро внедрить LLM для серьезных задач часто проваливаются.
Причина проста: алгоритм выдаст качественный результат только тогда, когда в него заложена логика сильного закупщика-методолога. Если автоматизировать процесс, из которого ушли реальные носители знаний, на выходе получится лишь ускоренный хаос.
При этом Ford не отказывается от искусственного интеллекта. Они добавили более 100 000 новых ИИ-тестов для поиска редких сбоев, но теперь делают ставку на гибридную модель: машинные проверки алгоритмами, качественные исторические данные и опыт людей, прошедших полный производственный цикл. Этот шаг уже позволил компании впервые за 16 лет занять первое место в рейтинге начального качества.

Главный вывод: цифровая трансформация - это не замена людей машинами. Это масштабирование экспертизы. Строить архитектуру автоматизации должны те, кто понимает физику процесса изнутри.

А как в ваших компаниях проходит внедрение ИИ: сталкивались с тем, что алгоритмы «не тянут» без контроля опытного наставника?

Иллюзия всемогущества: чему учиться, когда нейросети умеют (почти) всё?

Казалось бы, зачем напрягаться? Делегируй всё нейронкам! Но именно здесь мы рискуем влезть в так называемый когнитивный долг. Исследователи из Массачусетского технологического провели недавно простой эксперимент: три группы студентов написали эссе с одновременным снятием данных ЭЭГ (регистрация эл. активность нейронов головного мозга). Первые писали сами, вторым дали доступ к поисковикам и ещё одна группа использовала исключительно нейросети. Данные с приборов показали весьма удручающий результат: у тех, кто отдал всю работу ИИ, мозговая активность была самой низкой. Мы буквально глупеем, когда перекладываем на алгоритм этап осмысления.

Да, сегодня LLM может за секунды сгенерировать "рыбу" сложного технического задания, сравнить коммерческие предложения или написать бота для парсинга данных. Но есть нюанс.
Если вы не умеете выстраивать логику процесса с нуля, машина вас не спасет. Например, когда я собираю автоматизации для каких то процессов, я понимаю: ценность давно не в написании конкретных строчек кода или настройке узлов. ИИ сделает это быстрее. Истинная ценность всегда в системном видении. В понимании архитектуры того, как идут данные, где узкие места и как система должна реагировать на сбои.

Глядя на своих подростков (им сейчас 15 и 17), которые уже выбирают свой жизненный путь, я понимаю главное: учить их нужно не программам или языкам программирования, которые устареют уже через пару лет. Их нужно учить создавать что-то из ничего.
Собирать разрозненную информацию в стратегию.
Уметь находить ошибки в своей и чужой логике.
Доводить начатую мысль до конца.

В мире тотальной автоматизации умение сделать сложную работу самому никуда не исчезнет. Оно просто станет элитным навыком. (Кстати, то же исследование MIT показало: если человек сначала продумал всё сам, а только потом привлек ИИ для шлифовки, то результат и для мозга, и для качества продукта получается феноменальным).
Поэтому мой главный совет по работе с нейросетями сейчас: не отдавайте машине архитектуру. Составляйте скелет сами, а затем работайте в режиме диалога: спорьте с моделью, заставляйте ее критиковать ваши решения, докручивайте любые детали. Только так ИИ будет вашим экзоскелетом, а не костылем.

А какие навыки вы считаете самыми важными для прокачки сегодня?
Делитесь в комментариях.

Пошла жара :) Делюсь отличной новостью моего партнера Анны Цилевич о нашем стартапе Закупщик в аренду, который прежде всего будет ориентирован на малый и средний бизнес. Все вопросы в комментарии здесь, либо у Анны, а также можно поспрашивать у специального бота

#парусловвмикрофон
Иногда я думаю, о чем бы написать так, чтобы было интересно не только мне, но и вам. Потому что закупки - это радость и боль, непрекращающийся пиздец и прекрасные события. Новые люди, новые знания, новый опыт, новые вызовы.

И я решила - а почему бы сегодня не поделиться с вами, чем мы с @Yuraberg занимаемся? Кстати, хочу сказать, что наше партнерство родилось из общения в Линкедин- Юра ответил на мой пост, я на его и закрутилось. Я рада, что мы стали единомышленниками не только в обсуждении закупочных кейсов, но и будущего закупок😉

А еще у нас появился проект, который мы скоро запустим для МСБ (не реклама, так, повыделываться же можно).

В общем, радуемся за то, что мы все есть друг у друга и закупки - это сила💪
Хороших всем выходных. Задавать вопросы о проекте можно и нужно 😉

С праздником!

Я обещал, что дойду до прода и я сделал это!

SumPoint - это AI-агрегатор Telegram-каналов: он подключается к вашим подпискам через Telethon (User API), автоматически фильтрует рекламу и шум, а затем обрабатывает посты через LLM (DeepSeek + Ollama/BGE-M3 для эмбеддингов):

- 🏷 Классификация — каждый пост получает категорию (Market, Technology, Events и др.)
- 📝 Саммаризация — краткое изложение 1–3 предложениями
- 📅 Извлечение событий — даты, названия, ссылки → календарь
- 🔍 Семантический поиск — pgvector + BGE-M3, поиск по смыслу, а не по ключевым словам
- 🤖 Telegram-бот — утренние и вечерние дайджесты, быстрые фильтры по категориям
- 🖥 Веб-дашборд — лента постов, календарь, ассистент, избранное

Ссылка на репо. Проект публичный, ставьте звезды, форкайте, улучшайте, давайте обратную связь!

Как я навайбкодил себе сервис

Как я сделал бота для канала «Последний конверт» и что из этого вышло

Ребята, хочу рассказать историю, которая может быть полезна всем, кто ведёт экспертный канал.

У канала «Последний конверт», несомненно лучшего канала о закупках, накопилась огромная база материалов: разборы кейсов, истории, аналитика, лайфхаки, ответы на вопросы подписчиков. Проблема в том, что вся эта ценность лежит мёртвым грузом. Новый подписчик физически не может перечитать сотни постов, чтобы найти ответ на свой вопрос.

Решение довольно простое в реализации: telegram-бот с ИИ, который отвечает на вопросы подписчиков по материалам канала.

Технически внутри:
— RAG (Retrieval-Augmented Generation), бот не выдумывает ответы, а ищет релевантные фрагменты в реальных постах канала и строит ответ только на их основе;
— семантический поиск через библиотеку FAISS + небольшую модель эмбеддингов BGE-M3 (последняя отлично справляется с русским языком). Бот понимает смысл вопроса, а не просто ищет совпадения по ключевым словам;
— DeepSeek в качестве языковой модели, которая формулирует связный ответ на нормальном языке;
— контекст автоматически обновляется раз в сутки, как только выходит новый пост в канале, бот уже "знает" о нём.

Результат: подписчик задаёт вопрос и через несколько секунд получает точный ответ со ссылкой на конкретный материал канала, а не "погуглите сами" или тишину. Бот подключен также в чат канала и вызывается простым его упоминанием через @AskKodanevBot

Для закупщиков вывод простой: экспертный контент без удобного доступа к нему - это упущенная ценность. RAG-боты, это рабочий и не дорогой способ превратить архив знаний в мгновенно доступный инструмент.

Если ведёте канал или базу знаний и думаете о похожем — пишите, поделюсь опытом.

#закупки #автоматизация #ИИ

Вебинар на Бидзааре на тему создания простого бота на базе n8n собрал рекордное количество участников. И я решил пойти дальше и сделать профессиональный инструмент.
🚀 Тестовый запуск: ТЗ на закупку прямо со смартфона, стоя у оборудования.
Друзья, запускаем в тест Telegram-бота, который решает одну простую, но больную проблему: ТЗ на закупку почти всегда пишет не тот, кто знает предмет лучше всех.
Механик, энергетик, инженер, тот, кто реально стоит рядом со сломавшимся узлом или изношенной запчастью, обычно не за компьютером и не в 1С. У него в руках смартфон. А потом, вспоминая по памяти в кабинете, легко упустить деталь, которая через месяц обернётся не тем оборудованием от поставщика.
Бот сделан именно для этого сценария «в полях»:
1️⃣ Прямо с телефона, не отходя от оборудования, отвечаете в Telegram на вопросы бота: предмет закупки, технические характеристики, условия эксплуатации, регуляторные и гарантийные требования. Всё по SMART, чтобы формулировки сразу были однозначными.
2️⃣ Не обязательно проходить интервью самому: можно переслать бота внутреннему заказчику: механику, энергетику, инженеру, и он ответит на вопросы сам, или пройти интервью вместе с ним прямо на месте. Это удобно именно потому, что не нужен компьютер, только смартфон под рукой.
3️⃣ ИИ (Claude) собирает из ответов готовое ТЗ и формирует .docx - можно сразу переслать в закупки.
4️⃣ Одной кнопкой: матрица соответствия в .xlsx для рассылки поставщикам.
Почему Claude, а не что-то ещё: пробовали DeepSeek и ряд других моделей, но для этой задачи (структурировать требования и не потерять техническую точность) Claude стабильно даёт самый качественный результат.
Это дополнение к новому сервису HireBuyer, а не замена. HireBuyer - это "закупщик в аренду": диагностика расходов, сравнение коммерческих предложений (ССВ), стратегия переговоров и формирование ТЗ через веб-анкету. Орентирован на малый и средний бизнес. Тестовый доступ через пару дней. Этот бот - про тот же последний пункт, но заточен именно под мобильный, разговорный сценарий "в полях": если требования проще надиктовать боту в мессенджере, стоя у станка, чем сесть и заполнить анкету за компьютером.
Сейчас идёт открытое тестирование и оно бесплатное. Дальше одна генерация (сразу оба документа ТЗ и матрица соответствия) будет стоить как чашка кофе, разовым списанием, без подписки.
Попробуйте бота: @GenTZbot и оставляйте обратную связь боту или пишите мне в личку/в комменты к этому посту.
В беклоге: распознавание шильдов и паспортов, отправка голосовых сообщений и многое другое!
Следите за новостями.

📦 Обновление бота по генерации технического задания: теперь можно отвечать голосом и отправлять фото шильда

По следам первого теста анонсирую три доработки, которые делают интервью ещё удобнее в поле:

🎙 Голосовые сообщения. Теперь можно не печатать - надиктуйте ответ голосом прямо в Telegram, бот сам распознает речь и продолжит интервью, как будто вы напечатали текст. Особенно удобно, когда руки заняты инструментом или деталью.

📸 Распознавание шильдиков и паспортов оборудования. Сфотографируйте табличку на корпусе или паспорт агрегата и бот считает с фото модель, серийный номер, технические параметры и сразу подставит их в интервью. Не нужно вручную перепечатывать цифры с мелкой таблички т.к. фото решает вопрос быстрее и без опечаток.

🧠 Более глубокое рассуждение модели. Да, это в два-три раза дороже, но и намного качественнее. Бот теперь тратит больше «раздумий» перед тем, как сформулировать следующий вопрос или собрать черновик ТЗ, прежде чем зафиксировать требование, модель взвешивает контекст интервью целиком. Результат: заметно более точнее и полнее, особенно в нетиповых или сложных случаях закупки.

Вместе эти три вещи закрывают ровно то, чего не хватало в поле: печатать неудобно - есть голос, переписывать данные с шильда неудобно - есть фото, а качество самого ТЗ выросло за счёт более вдумчивой и рассудительной модели.

И теперь самое интересное: выделю это жирным. Если вы сомневаетесь, либо не знаете каких-либо параметров, то так и отвечайте боту: «Не знаю, помоги мне разобраться, предложи варианты», и он ответит. В этом его прелесть. Разумеется он выберет наиболее часто используемые или усреднённые параметры, но 90% запросов это покрывает. Да, в этом случае есть вероятность галлюцинаций, но для этого мы и используем только передовые модели Claude. Но все ключевые параметры необходимо верифицировать дополнительно.

Тестируйте: @GenTZbot
Как всегда, я жду замечания и идеи в комментариях. Оставляйте обратную связь в боте.

p.s. После оперативной обратной связи добавил кнопочки после каждого блока с подтверждением информации, либо возможностью её исправить, чтобы вам было максимально удобно.

Дефицит на рынке труда - 2,5 млн человек. Цифра из свежего исследования ЦМИ Сбера (во вложении), и там же зацепила одна деталь: GenAI закроет кадровый голод максимум в 37% профессий.

Список тех, кого текстовый ИИ не спасёт, давно понятен: водители, разнорабочие, операторы кранов, электромеханики и т.д. Синие воротнички. Живые руки. Ровно те специальности, которых не хватает на производстве и складе.

Логичный следующий шаг - роботизация. Но тут для России цифры отрезвляющие.

Мир в среднем - 177 роботов на 10 тысяч занятых в промышленности. Южная Корея - 1220, Сингапур - 818, Германия - 449. Россия - 29. Это 42-е место при цели войти в топ-25 к 2030 году.

Парк роботов при этом растёт быстро: с 12,8 тыс. единиц в 2023 году до 20,8 тыс. в 2024-м, плюс 62% за год. Просто база настолько низкая, что даже такой рост не закрывает разрыв с нижней планкой топ-20 - у Франции это 186 на 10 тысяч.

Получается двойная воронка. GenAI не решает дефицит именно в тех профессиях, где людей не хватает больше всего. А роботизация, которая могла бы это закрыть, у нас пока в разы отстаёт от нужного уровня.

Для тех, кто занимается CAPEX на производстве - это не абстракция про далёкое будущее, а вопрос ближайших пяти лет.

Закупщики бросают нейросети примерно на одном и том же месте.

Смотрю на это не первый месяц и вижу много печальных историй.
Специфика работы в закупках, эт ж постоянная рутина: сравнение компредов, сверка спецификаций, разбор разношерстных прайс-листов от десятков поставщиков и подготовка ТЗ. Казалось бы, искусственный интеллект создавался ровно под такие задачи. Однако многие специалисты по закупкам, попытавшись применить нейросети, быстро бросают это занятие.
Причины кроются в нескольких типичных ловушках:
1. инструмент выбран не под задачу
Закупщик читает статьи про автоматизацию, API, скрипты на Python и смотрит вебинары про интеграцию нейросети с 1С. Вдохновившись, он пытается построить сложную инженерную систему. Столкнувшись с терминалом, настройкой окружения или первыми ошибками в коде, он обычно просто бросает эту идею.
При этом его реальная задача гораздо проще: сравнить условия в пяти коммерческих предложениях или вытащить ключевые риски из текста договора. Для этого не нужны скрипты и инженерный путь, достаточно базового диалога с моделью.
2. отсутствие быстрой обратной связи
Когда программист пишет код, у него есть четкий ориентир: код либо скомпилировался, либо вывел ошибку. У закупщика такого компаса нет. Он загружает в нейросеть спецификацию и получает сгенерированный файл. Текст выглядит правдоподобно, но точно ли там нет галлюцинаций в номенклатуре и артикулах? Из-за отсутствия моментальной проверки и отклика «все сделано верно» пропадает ощущение прогресса, а без него внимание взрослого занятого человека быстро переключается на рутину.
3. привычный масштаб ошибки (высокая цена риска)
В закупках ошибка стоит дорого: это сорванные поставки, остановка производства, юридические претензии и прямые убытки компании. Закупщик привык быть предельно осторожным и переносит эту привычку на работу с ИИ: боится загрузить во внешнюю модель прайс-лист, драфт договора или ТЗ. В итоге вместо бесплатных экспериментов с обезличенными данными в «песочнице» специалист испытывает страх и закрывает вкладку.
4. изучение инструмента ради инструмента, а не под конкретную боль
Самая частая история: закупщик садится «изучать нейросети вообще». Читает про промпты, разницу между моделями и обновления сервисов. Проходит неделя: знаний добавилось, а куча неразобранных прайсов осталась на месте. Без привязки к конкретной боли (например, сократить время первичного анализа 20 КП с трех часов до пятнадцати минут) обучение быстро превращается в процесс ради процесса и загнивает.
Какой из этого напрашивается вывод?
Если вы хотите реально внедрить ИИ в закупки, меняйте подход:
- начинайте с одной конкретной боли (например, анализ контракта или унификация таблиц);
- выбирайте самый простой инструмент без сложной инженерии;
- обезличьте чувствительные данные и дайте себе право свободно тестировать запросы;
- ищите формат работы с быстрой обратной связью, чтобы сразу видеть результат и фиксировать экономию рабочего времени.

Читаю историю разработчика: настроил Claude Code с Telegram-ботом, всё подключено, сервер отвечает, сообщения в очереди - а бот молчит. Три часа отладки.

Дело оказалось не в коде. На тарифе Team функция подключения каналов выключена административно, и включить её может только владелец организации. Тумблер, до которого у автора нет доступа.

Он написал свой мост в обход официального плагина, а по пути нашёл десяток мелких, но злых багов 😱

Знакомая логика для закупок. Сколько раз официальный путь упирается не в технику, а в чужие права доступа: подписать может один человек, а он в отпуске или недоступен. Решение обычно одно - искать рабочий путь, не дожидаясь чужой подписи.

Кто в закупках так обходил не процесс, а конкретного человека?

Чуть не забыл 😅 наш сервис https://hirebuyer.ru официально запущен. Есть демо "Где мои деньги?", есть уже известные вам боты - генератор_ТЗ и симулятор_переговоров.
На пути к выпуску - анализатор номенклатуры и формирователь категорийной стратегии.
Также мы сделали кросс-словарь основных терминов закупщика. Проверьте себя))
Как обычно, будем рады отзывам.
Кнопка вызов эксперта идет в телеграм-бот. Там можно также оставить свой комментарий