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
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
HireBuyer
HireBuyer — анализ закупок онлайн
Найти потери, сравнить ТКП, подготовить переговоры, сформировать ТЗ. Без регистрации — файл не покидает браузер.
👍7
На днях автор канала №1 о закупках Виктор Коданёв поделился свежим отчетом Яков и партнеры об ИИ агентах в современных реалиях. Выводы и предоставленные цифры очень занимательны и интересны, советую хотя бы пробежаться (к примеру, из 18 продуктов-лидеров мирового рынка только 7 (39%) реально прошли методологическую проверку на «агентность» по шести критериям - остальные 11 оказались обычными ИИ-ассистентами).
Главный вывод, который подтверждает мой подход
Отчёт прямо называет закупки примером функциональной области, которую нельзя пилотировать целиком т.к. внутри неё десятки разных сценариев, и такой пилот просто увязнет в согласованиях. Правильная единица - это повторяемый сценарий из 3–7 шагов с измеримой метрикой. И главное, декомпозиция процесса закупок на такие сценарии, а не попытка автоматизировать закупки одним решением. Это ровно то, что консультанты в отчете называют правильной архитектурой.
Также я проверил их методику, как отличать настоящего ИИ-агента от ассистента - шесть критериев, шкала зрелости от простой модели до мультиагентной системы.
Прогнал через неё собственный закупочный пайплайн.
Каждый скилл по отдельности - 5 из 6. Генератор ТЗ проверяет себя валидатором сам: ошибка - правка - повтор, пока проверка не пройдёт чисто. Черновик интервью переживает обрыв сессии и продолжается с того же места.
Весь пайплайн от ТЗ до пояснительной записки - уже 3,5 из 6. Между стадиями стоит человек. Сам решает, когда запускать следующий скилл, сам смотрит результат, прежде чем двигаться дальше.
BMW в закупках описывает свою систему так же трезво: 10 агентов, 1800 пользователей, ассистент закупщика с человеком в контуре. Автономность у них тоже пока план, а не факт.
Прошелся и по нашему новому веб-сервису HireBuyer "Закупщик в аренду". По шести критериям агентности из методики «Яков и Партнеры» ключевой ИИ-модуль Хайрбаера - диалоговый движок формирования ТЗ - показывает реальную самокоррекцию, а не заявленную: при ошибке в реестре требований система получает точный список замечаний от детерминированного валидатора и сама присылает исправленный документ, без участия человека на этом шаге. При итоговой оценке 3 из 6 движок обходит все восемь готовых российских продуктов из выборки отчёта (Нейроюрист, GigaLegal, Naumen, TWIN, SaluteBot, FabricaONE.AI, AutoFAQ, CraftTalk) - выше в выборке только платформы для самостоятельной сборки агентов, а не готовые продукты. Архитектура при этом построена так, что там где нужен агент - используется он, а где хватает алгоритма - достаточно кода: диагностика, анализ ТКП и сборка спецификации работают на детерминированном коде без единого обращения к LLM - отчёт прямо предостерегает от обратной ошибки, строить агентскую инфраструктуру там, где достаточно инструмента попроще. А обязательное подтверждение пользователя перед генерацией документа - не пробел в автономности, а точное соответствие правилу отчёта: там, где цена ошибки высока, агент должен работать под контролем человека.
Похоже, граница сейчас проходит не между "есть агент" и "нет агента", а между агентом внутри одной задачи и агентом, который ведёт процесс от начала до конца. У кого уже есть свой счёт по такой сетке?
Главный вывод, который подтверждает мой подход
Отчёт прямо называет закупки примером функциональной области, которую нельзя пилотировать целиком т.к. внутри неё десятки разных сценариев, и такой пилот просто увязнет в согласованиях. Правильная единица - это повторяемый сценарий из 3–7 шагов с измеримой метрикой. И главное, декомпозиция процесса закупок на такие сценарии, а не попытка автоматизировать закупки одним решением. Это ровно то, что консультанты в отчете называют правильной архитектурой.
Также я проверил их методику, как отличать настоящего ИИ-агента от ассистента - шесть критериев, шкала зрелости от простой модели до мультиагентной системы.
Прогнал через неё собственный закупочный пайплайн.
Каждый скилл по отдельности - 5 из 6. Генератор ТЗ проверяет себя валидатором сам: ошибка - правка - повтор, пока проверка не пройдёт чисто. Черновик интервью переживает обрыв сессии и продолжается с того же места.
Весь пайплайн от ТЗ до пояснительной записки - уже 3,5 из 6. Между стадиями стоит человек. Сам решает, когда запускать следующий скилл, сам смотрит результат, прежде чем двигаться дальше.
BMW в закупках описывает свою систему так же трезво: 10 агентов, 1800 пользователей, ассистент закупщика с человеком в контуре. Автономность у них тоже пока план, а не факт.
Прошелся и по нашему новому веб-сервису HireBuyer "Закупщик в аренду". По шести критериям агентности из методики «Яков и Партнеры» ключевой ИИ-модуль Хайрбаера - диалоговый движок формирования ТЗ - показывает реальную самокоррекцию, а не заявленную: при ошибке в реестре требований система получает точный список замечаний от детерминированного валидатора и сама присылает исправленный документ, без участия человека на этом шаге. При итоговой оценке 3 из 6 движок обходит все восемь готовых российских продуктов из выборки отчёта (Нейроюрист, GigaLegal, Naumen, TWIN, SaluteBot, FabricaONE.AI, AutoFAQ, CraftTalk) - выше в выборке только платформы для самостоятельной сборки агентов, а не готовые продукты. Архитектура при этом построена так, что там где нужен агент - используется он, а где хватает алгоритма - достаточно кода: диагностика, анализ ТКП и сборка спецификации работают на детерминированном коде без единого обращения к LLM - отчёт прямо предостерегает от обратной ошибки, строить агентскую инфраструктуру там, где достаточно инструмента попроще. А обязательное подтверждение пользователя перед генерацией документа - не пробел в автономности, а точное соответствие правилу отчёта: там, где цена ошибки высока, агент должен работать под контролем человека.
Похоже, граница сейчас проходит не между "есть агент" и "нет агента", а между агентом внутри одной задачи и агентом, который ведёт процесс от начала до конца. У кого уже есть свой счёт по такой сетке?
👍4❤1
Всех причастных - с праздником!
И не забывайте! Мы рождены, чтоб сказку сделать былью :)
И не забывайте! Мы рождены, чтоб сказку сделать былью :)
🔥 Как объяснить сложное простыми словами и не провалить задачу?
Посмотрите на эту картинку. Дифференциалы и интегралы — тут объяснили буквально на пальцах: d - это разрезать на крошечные кусочки, а интеграл - это магнитом собрать их обратно. Понятно за 5 секунд даже ребенку.
В закупках и управлении мы постоянно сталкиваемся с обратным эффектом т.н. «проклятием знания» (которое часто идет рука об руку с эффектом Даннинга - Крюгера).
В чем суть когнитивной ловушки?
Когда мы профессионалы с годами опыта, нам кажется, что наши требования, ТЗ и контекст задачи абсолютно очевидны. Мы забываем, каково это - не знать всех деталей.
В итоге происходит классический сбой:
Руководитель/закупщик дает задачу так, будто исполнитель читает его мысли, и считает: «Ну тут же и так всё понятно!»
Исполнитель из-за неопытности или ложной уверенности стесняется уточнить детали и думает, что всё понял.
На выходе: сорванные сроки, несоответствие спецификации и взаимные претензии.
💡 Главные выводы: как не наступить на эти грабли
Забудьте фразу «это же очевидно». То, что очевидно вам после 100 проведенных тендеров, для нового сотрудника, смежного отдела или неопытного продажника поставщика может быть темным лесом.
Объясняйте «на пальцах». Если вы не можете объяснить логику задачи простыми словами (как на картинке с интегралом), значит, задача сама по себе еще не до конца структурирована.
Никогда не рассчитывайте, что всё поймут с первого раза. Любую поставленную задачу нужно валидировать.
Проверяйте понимание правильно. Забудьте бесполезный вопрос: «Тебе всё понятно?» (вам всегда ответят «Да»).
👉 Спрашивайте иначе: «Расскажи своими словами, как ты понял ключевые критерии и какой результат рассчитываешь получить на первом этапе?»
Умение спуститься на уровень восприятия исполнителя и убедиться, что вы говорите на одном языке - это не «микроменеджмент», а базовый навык эффективного управления.
P.S. А сделать такую классную инфографику и объяснить сложное простыми словами/образами помогут современные инструменты.
Посмотрите на эту картинку. Дифференциалы и интегралы — тут объяснили буквально на пальцах: d - это разрезать на крошечные кусочки, а интеграл - это магнитом собрать их обратно. Понятно за 5 секунд даже ребенку.
В закупках и управлении мы постоянно сталкиваемся с обратным эффектом т.н. «проклятием знания» (которое часто идет рука об руку с эффектом Даннинга - Крюгера).
В чем суть когнитивной ловушки?
Когда мы профессионалы с годами опыта, нам кажется, что наши требования, ТЗ и контекст задачи абсолютно очевидны. Мы забываем, каково это - не знать всех деталей.
В итоге происходит классический сбой:
Руководитель/закупщик дает задачу так, будто исполнитель читает его мысли, и считает: «Ну тут же и так всё понятно!»
Исполнитель из-за неопытности или ложной уверенности стесняется уточнить детали и думает, что всё понял.
На выходе: сорванные сроки, несоответствие спецификации и взаимные претензии.
💡 Главные выводы: как не наступить на эти грабли
Забудьте фразу «это же очевидно». То, что очевидно вам после 100 проведенных тендеров, для нового сотрудника, смежного отдела или неопытного продажника поставщика может быть темным лесом.
Объясняйте «на пальцах». Если вы не можете объяснить логику задачи простыми словами (как на картинке с интегралом), значит, задача сама по себе еще не до конца структурирована.
Никогда не рассчитывайте, что всё поймут с первого раза. Любую поставленную задачу нужно валидировать.
Проверяйте понимание правильно. Забудьте бесполезный вопрос: «Тебе всё понятно?» (вам всегда ответят «Да»).
👉 Спрашивайте иначе: «Расскажи своими словами, как ты понял ключевые критерии и какой результат рассчитываешь получить на первом этапе?»
Умение спуститься на уровень восприятия исполнителя и убедиться, что вы говорите на одном языке - это не «микроменеджмент», а базовый навык эффективного управления.
P.S. А сделать такую классную инфографику и объяснить сложное простыми словами/образами помогут современные инструменты.
🔥6❤2👍1💯1
Самая дорогая строчка в закупке - та, которой в ТЗ нет.
Классика: купили насос по ТЗ из трёх абзацев. Цена отличная, поставка в срок. А на приёмке выяснилось, что в ТЗ не было ни климатического исполнения, ни требований к фланцам, ни ЗИП на пусконаладку. Дальше доп. соглашение, доплата, и насос стоит на складе ещё два месяца.
Виноват не поставщик. Он честно поставил то, что написано.
Проблема в том, что нормальное ТЗ - это несколько часов работы инженера и закупщика вместе. А в реальности инженер занят, у закупщика ещё двадцать позиций, и ТЗ собирается из старого файла пятилетней давности методом «поменяли название».
Я с этим жил двадцать лет. Теперь - нет. Что изменилось, расскажу в ближайших постах.
Классика: купили насос по ТЗ из трёх абзацев. Цена отличная, поставка в срок. А на приёмке выяснилось, что в ТЗ не было ни климатического исполнения, ни требований к фланцам, ни ЗИП на пусконаладку. Дальше доп. соглашение, доплата, и насос стоит на складе ещё два месяца.
Виноват не поставщик. Он честно поставил то, что написано.
Проблема в том, что нормальное ТЗ - это несколько часов работы инженера и закупщика вместе. А в реальности инженер занят, у закупщика ещё двадцать позиций, и ТЗ собирается из старого файла пятилетней давности методом «поменяли название».
Я с этим жил двадцать лет. Теперь - нет. Что изменилось, расскажу в ближайших постах.
👍5
Как теперь рождается ТЗ у меня в отделе.
Когда нужно ТЗ с нуля или аудит существующего, зову внутреннего заказчика к себе. Пишем два-три предложения: для кого, куда, зачем. Агент определяет домен и роль. Дальше агент задаёт вопросы, и мы отвечаем на них вместе. Вопросы те самые, которые обычно всплывают уже после подписания договора: слепые зоны в тех.требованиях, приёмка, ЗИП, шеф-монтаж, комплект документации.
А технари «в полях» пользуются генератором сами, прямо на линии: описал задачу, ответил на вопросы с телефона, отправил результат в закупки.
На выходе готовый .docx и машиночитаемый реестр требований. Реестр - главное: из него автоматически собираются RFQ, матрица соответствия ТЗ и спецификация для ЭТП. Документ "пишется" один раз, а работает во всех документах закупки. Сквозная передача всех требований.
Покрывает оборудование, ЗИП, материалы, НИОКР и услуги: ремонт, монтаж, ПНР, транспорт.
В следующем посте покажу живой разбор: что аудит находит в ТЗ, которое считалось «нормальным».
Когда нужно ТЗ с нуля или аудит существующего, зову внутреннего заказчика к себе. Пишем два-три предложения: для кого, куда, зачем. Агент определяет домен и роль. Дальше агент задаёт вопросы, и мы отвечаем на них вместе. Вопросы те самые, которые обычно всплывают уже после подписания договора: слепые зоны в тех.требованиях, приёмка, ЗИП, шеф-монтаж, комплект документации.
А технари «в полях» пользуются генератором сами, прямо на линии: описал задачу, ответил на вопросы с телефона, отправил результат в закупки.
На выходе готовый .docx и машиночитаемый реестр требований. Реестр - главное: из него автоматически собираются RFQ, матрица соответствия ТЗ и спецификация для ЭТП. Документ "пишется" один раз, а работает во всех документах закупки. Сквозная передача всех требований.
Покрывает оборудование, ЗИП, материалы, НИОКР и услуги: ремонт, монтаж, ПНР, транспорт.
В следующем посте покажу живой разбор: что аудит находит в ТЗ, которое считалось «нормальным».
👍7❤2🤔1
Я передумал показывать вам свой результат. Сделаем иначе.
Предложение для подписчиков.
Пришлите в личку своё ТЗ. Любое: по которому закупка уже прошла или только готовится. Реквизиты и другую чувствительную информацию лучше убрать.
Прогоню документ через аудит GenTZ и покажу разбор в канале: где требования нельзя измерить, где слепые зоны, где поставщик прочитает документ не так, как задумал автор.
Бесплатно и анонимно. Мне - материал для канала, вам - свежий взгляд на документ, по которому вы уже отправили деньги или собираетесь.
Первые три ТЗ возьму в работу на этой неделе. Личка: @yuraberg
Предложение для подписчиков.
Пришлите в личку своё ТЗ. Любое: по которому закупка уже прошла или только готовится. Реквизиты и другую чувствительную информацию лучше убрать.
Прогоню документ через аудит GenTZ и покажу разбор в канале: где требования нельзя измерить, где слепые зоны, где поставщик прочитает документ не так, как задумал автор.
Бесплатно и анонимно. Мне - материал для канала, вам - свежий взгляд на документ, по которому вы уже отправили деньги или собираетесь.
Первые три ТЗ возьму в работу на этой неделе. Личка: @yuraberg
👍9
Просили поделится опытом взаимодействия с агентами - делюсь :)
Как у меня устроена память у агентов и почему у неё два слоя.
Раньше была каша: агент в каждой сессии «забывал» контекст, приходилось пересказывать, а статусы задач жили где-то в голове. Теперь двухуровневая схема, и она реально работает.
1. Obsidian (думаю многие знают это мощное приложение для заметок или личной БД, "второй мозг") - общая память для всех агентов
В vault лежит папка Память агентов. К ней имеют доступ и Claude Code (во всех проектах), и Hermes, локальный и на сервере. Внутри четыре подпапки:
context — устойчивые факты: инфраструктура, проекты, предпочтения. Пишутся редко, читаются всегда.
decisions — решения в формате ADR: что решили, почему, какие альтернативы отбросили.
sessions — короткие саммари каждой сессии.
future — планы, бэклог, идеи на потом.
Правило простое: один файл = один факт/решение. Коротко, без воды, чтобы LLM реально быстро могла это читать и искать, а не тонуть в простынях.
2. Handoff vs status.md - это не одно и то же
В каждом проекте два «слоя», и их не надо путать:
status.md - трекер проекта, живёт прямо в git репозитории. Это история + текущее состояние: что сделано, что в работе, что сломано. По нему новый агент за минуту понимает, где мы.
/handoff - команда, которой я заканчиваю сессию. Она актуализирует трекер в status.md и пишет короткое саммари сессии в Obsidian sessions.
Разница принципиальная: status.md — «локальное» состояние проекта, оно живёт рядом с кодом. А sessions в Obsidian - «глобальная» память, доступная агентам из других проектов. Первое — про проект, второе — про то, что я делал в целом.
3. Встроенная memory у Hermes и Claude Code. Она есть, и она полезна. Но вот её предел.
У обоих агентов есть своя встроенная память, и я ею пользуюсь. Она быстрая: инжектится в каждый запрос автоматически, ничего искать не надо. Там живёт самое горячее: предпочтения, текущие договорённости, «как со мной работать».
Но у неё три объективных ограничения:
Изолированность. Память Hermes не видит Claude Code и наоборот. Это два отдельных силоса. А когда у тебя три агента (Claude Code, Hermes c Deepseek/Kemi/GLM, Antigravity c Gemini) работают над одним хозяйством, то им нужен общий слой, и встроенная память его не даёт.
Жёсткий лимит объёма. Встроенная память вливается в контекст целиком на каждый запрос, поэтому её нельзя раздувать — у Hermes это буквально пара тысяч символов. Решения с мотивацией, история сессий, бэклог туда физически не влезают. Это память «что я знаю сейчас», а не «как мы сюда пришли».
Нет истории и структуры. Встроенная память имеет плоский список фактов. А ADR с отвергнутыми альтернативами, саммари сессий, планы, как контент, которому нужны файлы, поиск и версионирование.
Моя схема не заменяет встроенную память, а достраивает её сверху:
встроенная память = горячий кэш — всегда под рукой, на уровне одного агента;
Obsidian = источник правды и история — общая для всех, читается по требованию.
Отсюда правило: общее и кросс-проектное → Obsidian, локальное и горячее → встроенная память. Один факт — одно место. При конфликте доверяю Obsidian, а не встроенной памяти.
4. Что это дало
Новая сессия подхватывает контекст за секунды, а не после десяти «напомни, что мы делали».
Решения фиксируются с мотивацией, то даже через месяц понятно, почему поступили так, а не иначе.
Claude Code, Antigravity, Hermes больше не «разные миры»: читают одну и ту же память.
Схема не замкнута: та же папка подключается к Codex c ChatGPT при необходимости, так что четвёртый агент встаёт в ту же память без костылей. А вот Google AI Studio, к примеру, остаётся снаружи, это веб-песочница без доступа к локальным файлам, её место, разовые генерации, а не общая память.
LLM не нужна «умная» память - нужна структурированная. Четыре папки и одно правило конца сессии дали больше, чем все попытки заставить модель «помнить всё».
Как у меня устроена память у агентов и почему у неё два слоя.
Раньше была каша: агент в каждой сессии «забывал» контекст, приходилось пересказывать, а статусы задач жили где-то в голове. Теперь двухуровневая схема, и она реально работает.
1. Obsidian (думаю многие знают это мощное приложение для заметок или личной БД, "второй мозг") - общая память для всех агентов
В vault лежит папка Память агентов. К ней имеют доступ и Claude Code (во всех проектах), и Hermes, локальный и на сервере. Внутри четыре подпапки:
context — устойчивые факты: инфраструктура, проекты, предпочтения. Пишутся редко, читаются всегда.
decisions — решения в формате ADR: что решили, почему, какие альтернативы отбросили.
sessions — короткие саммари каждой сессии.
future — планы, бэклог, идеи на потом.
Правило простое: один файл = один факт/решение. Коротко, без воды, чтобы LLM реально быстро могла это читать и искать, а не тонуть в простынях.
2. Handoff vs status.md - это не одно и то же
В каждом проекте два «слоя», и их не надо путать:
status.md - трекер проекта, живёт прямо в git репозитории. Это история + текущее состояние: что сделано, что в работе, что сломано. По нему новый агент за минуту понимает, где мы.
/handoff - команда, которой я заканчиваю сессию. Она актуализирует трекер в status.md и пишет короткое саммари сессии в Obsidian sessions.
Разница принципиальная: status.md — «локальное» состояние проекта, оно живёт рядом с кодом. А sessions в Obsidian - «глобальная» память, доступная агентам из других проектов. Первое — про проект, второе — про то, что я делал в целом.
3. Встроенная memory у Hermes и Claude Code. Она есть, и она полезна. Но вот её предел.
У обоих агентов есть своя встроенная память, и я ею пользуюсь. Она быстрая: инжектится в каждый запрос автоматически, ничего искать не надо. Там живёт самое горячее: предпочтения, текущие договорённости, «как со мной работать».
Но у неё три объективных ограничения:
Изолированность. Память Hermes не видит Claude Code и наоборот. Это два отдельных силоса. А когда у тебя три агента (Claude Code, Hermes c Deepseek/Kemi/GLM, Antigravity c Gemini) работают над одним хозяйством, то им нужен общий слой, и встроенная память его не даёт.
Жёсткий лимит объёма. Встроенная память вливается в контекст целиком на каждый запрос, поэтому её нельзя раздувать — у Hermes это буквально пара тысяч символов. Решения с мотивацией, история сессий, бэклог туда физически не влезают. Это память «что я знаю сейчас», а не «как мы сюда пришли».
Нет истории и структуры. Встроенная память имеет плоский список фактов. А ADR с отвергнутыми альтернативами, саммари сессий, планы, как контент, которому нужны файлы, поиск и версионирование.
Моя схема не заменяет встроенную память, а достраивает её сверху:
встроенная память = горячий кэш — всегда под рукой, на уровне одного агента;
Obsidian = источник правды и история — общая для всех, читается по требованию.
Отсюда правило: общее и кросс-проектное → Obsidian, локальное и горячее → встроенная память. Один факт — одно место. При конфликте доверяю Obsidian, а не встроенной памяти.
4. Что это дало
Новая сессия подхватывает контекст за секунды, а не после десяти «напомни, что мы делали».
Решения фиксируются с мотивацией, то даже через месяц понятно, почему поступили так, а не иначе.
Claude Code, Antigravity, Hermes больше не «разные миры»: читают одну и ту же память.
Схема не замкнута: та же папка подключается к Codex c ChatGPT при необходимости, так что четвёртый агент встаёт в ту же память без костылей. А вот Google AI Studio, к примеру, остаётся снаружи, это веб-песочница без доступа к локальным файлам, её место, разовые генерации, а не общая память.
LLM не нужна «умная» память - нужна структурированная. Четыре папки и одно правило конца сессии дали больше, чем все попытки заставить модель «помнить всё».
👍6🔥1
Пока вы думаете какое же сырое ТЗ мне отправить, напомню, что в @Hirebuyer_bot есть бесплатные инструменты (они же есть и на сайте https://Hirebuyer.ru); есть бесплатный формирователь скелета категорийной стратегии.
Есть @GenTZbot - формирование ТЗ (3 бесплатных генерации)
@negotrainingbot - симулятор переговоров (1 бесплатная генерация).
А на сайте https://Hirebuyer.ru есть бесплатный кросс-словарь закупщика и описание возможностей платформы.
Есть @GenTZbot - формирование ТЗ (3 бесплатных генерации)
@negotrainingbot - симулятор переговоров (1 бесплатная генерация).
А на сайте https://Hirebuyer.ru есть бесплатный кросс-словарь закупщика и описание возможностей платформы.
HireBuyer
HireBuyer — анализ закупок онлайн
Найти потери, сравнить ТКП, подготовить переговоры, сформировать ТЗ. Без регистрации — файл не покидает браузер.
👍2
Технологии_Доверия_ИИ_агенты_текущие_реалии_и_перспективы_в_рос.pdf
11.1 MB
ИИ-агенты приходят в закупки. Но не так, как вы думаете
Главный миф: ИИ-агент - это чат-бот, который просто «поумнел». На самом деле это принципиально другая вещь. Чат-бот отвечает на вопрос. Агент сам ставит себе план и действует: находит поставщиков, собирает коммерческие предложения, сравнивает условия, готовит ТЗ и аналитику. Без твоего участия на каждом шаге.
Свежий отчёт «Технологий Доверия» по российскому бизнесу даёт отрезвляющую картину:
- 60% компаний уже используют ИИ в работе, но только 1% готовы полностью отдать агенту контроль над решениями.
- ИИ-агент способен забрать на себя примерно четверть задач офисного сотрудника.
- В сферах, соседних с закупками, это уже работает: логистика 23%, прогнозирование рисков 24%, клиентский сервис 46%.
И вот что важнее цифр. Пока все спорят, заменит ли ИИ закупщика, рынок уже сменил вопрос. Рутина дешевеет, а проверка дорожает.
Поиск поставщика, первичная рассылка, сбор цен, черновик ТЗ, сравнение оферт, теперь всё это агент делает за минуты. Но именно поэтому ценность человека смещается туда, где ИИ пока слаб: проверить, что агент не сравнил несравнимое, не пропустил скрытые условия, не перепутал технические параметры.
Закупщик будущего, это не «тот, кто ищет поставщиков». Это тот, кто ставит задачу агенту, задаёт границы и проверяет результат. Агент - исполнитель, человек - контролёр и переговорщик.
Барьеры, которые называет отчёт, знакомы каждому снабженцу: непрозрачность решений ИИ, страх отдать ему реальные функции, и главное ! - качество данных. Агент хорош ровно настолько, насколько хороши ваши каталоги, спецификации и история закупок. Мусор на входе — мусор на выходе.
Вывод простой: в закупках побеждает не тот, кто раньше внедрит агентов, а тот, кто раньше наведёт порядок в данных и процессах, чтобы агентам было с чем работать.
Главный миф: ИИ-агент - это чат-бот, который просто «поумнел». На самом деле это принципиально другая вещь. Чат-бот отвечает на вопрос. Агент сам ставит себе план и действует: находит поставщиков, собирает коммерческие предложения, сравнивает условия, готовит ТЗ и аналитику. Без твоего участия на каждом шаге.
Свежий отчёт «Технологий Доверия» по российскому бизнесу даёт отрезвляющую картину:
- 60% компаний уже используют ИИ в работе, но только 1% готовы полностью отдать агенту контроль над решениями.
- ИИ-агент способен забрать на себя примерно четверть задач офисного сотрудника.
- В сферах, соседних с закупками, это уже работает: логистика 23%, прогнозирование рисков 24%, клиентский сервис 46%.
И вот что важнее цифр. Пока все спорят, заменит ли ИИ закупщика, рынок уже сменил вопрос. Рутина дешевеет, а проверка дорожает.
Поиск поставщика, первичная рассылка, сбор цен, черновик ТЗ, сравнение оферт, теперь всё это агент делает за минуты. Но именно поэтому ценность человека смещается туда, где ИИ пока слаб: проверить, что агент не сравнил несравнимое, не пропустил скрытые условия, не перепутал технические параметры.
Закупщик будущего, это не «тот, кто ищет поставщиков». Это тот, кто ставит задачу агенту, задаёт границы и проверяет результат. Агент - исполнитель, человек - контролёр и переговорщик.
Барьеры, которые называет отчёт, знакомы каждому снабженцу: непрозрачность решений ИИ, страх отдать ему реальные функции, и главное ! - качество данных. Агент хорош ровно настолько, насколько хороши ваши каталоги, спецификации и история закупок. Мусор на входе — мусор на выходе.
Вывод простой: в закупках побеждает не тот, кто раньше внедрит агентов, а тот, кто раньше наведёт порядок в данных и процессах, чтобы агентам было с чем работать.
👍5
Три шага, а не один
Наткнулся на статью на Хабре с мыслью, которая точно описывает то, чем я занимаюсь последние месяцы.
Сначала необходимо найти место, где AI действительно может создать ценность. Потом встроить его в процесс. И только затем проверить, создал ли он эту ценность на самом деле.
Большинство разговоров про AI в закупках застревают на первом шаге. Все ищут применение, делают демо, показывают красивую генерацию ТЗ или сравнение КП. А дальше тишина. Работает ли это на реальных объёмах, экономит ли время, не плодит ли ошибки, которые потом дороже ловить руками.
Я прогнал свой пайплайн (tz-creator, tz-parser, rfq-generator, tkp-comparator, pz-writer) через рамку зрелости агентов L1-L5. Писал об этом ранее. Отдельные скиллы дотягивают до L4. А вся цепочка целиком - только L3, потому что между этапами до сих пор нужен я, руками передающий результат с шага на шаг.
Это и есть третий шаг - проверка. Без неё легко спутать "мы внедрили AI" с "AI создаёт ценность".
У кого в закупках дошло до третьего шага, а не остановилось на демо?
Наткнулся на статью на Хабре с мыслью, которая точно описывает то, чем я занимаюсь последние месяцы.
Сначала необходимо найти место, где AI действительно может создать ценность. Потом встроить его в процесс. И только затем проверить, создал ли он эту ценность на самом деле.
Большинство разговоров про AI в закупках застревают на первом шаге. Все ищут применение, делают демо, показывают красивую генерацию ТЗ или сравнение КП. А дальше тишина. Работает ли это на реальных объёмах, экономит ли время, не плодит ли ошибки, которые потом дороже ловить руками.
Я прогнал свой пайплайн (tz-creator, tz-parser, rfq-generator, tkp-comparator, pz-writer) через рамку зрелости агентов L1-L5. Писал об этом ранее. Отдельные скиллы дотягивают до L4. А вся цепочка целиком - только L3, потому что между этапами до сих пор нужен я, руками передающий результат с шага на шаг.
Это и есть третий шаг - проверка. Без неё легко спутать "мы внедрили AI" с "AI создаёт ценность".
У кого в закупках дошло до третьего шага, а не остановилось на демо?
Telegram
Точка закупки
На днях автор канала №1 о закупках Виктор Коданёв поделился свежим отчетом Яков и партнеры об ИИ агентах в современных реалиях. Выводы и предоставленные цифры очень занимательны и интересны, советую хотя бы пробежаться (к примеру, из 18 продуктов-лидеров…
❤3🤔1
🤖 Кто освободит кресло алгоритмам: ВШЭ спросила создателей ИИ о будущем рынка труда
Институт статистических исследований НИУ ВШЭ опросил руководителей 500+ компаний-разработчиков искусственного интеллекта. Без маркетингового шума и прогнозов футурологов — только сухой практический опыт тех, кто эти системы внедряет.
Ключевые сдвиги по отраслям и ролям:
💼 Менеджмент: чистка белых воротничков
Административная рутина уходит алгоритмам. Контролировать отчетность, сверять календари и согласовывать типовые бумаги ИИ уже сейчас делает дешевле и без человеческого фактора (баланс спроса -10 пунктов).
Зато ручное управление людьми взлетает в цене. Стратегия (+38) и умение вести за собой (+36) критически дефицитны. Алгоритмы не умеют гасить конфликты, выстраивать доверие и зажигать команды.
📊 Работа с данными: отмена ручного ввода
Спрос на базовый документооборот рухнул — 45% компаний сокращают такие позиции (баланс -21). При этом объем сырых данных затапливает бизнеса. Победит тот, кто умеет ставить нейросетям правильные задачи и критически оценивать их галлюцинации (+10).
💻 IT: кризис джунов и расцвет ИБ-архитекторов
Написание кода штормит: 30% прогнозируют спад спроса на кодеров, 29% — рост. «Вайбкодинг» сбивает ценность базового написания функций, но сами системы становятся громоздкими.
Главный бенефициар — кибербезопасность (+29). Чем больше автосгенерированного кода идет в продакшен, тем выше риски критических уязвимостей.
👥 Человекоориентированность — главный иммунитет
Все, что завязано на физическом присутствии и переговорах, защищено от автоматизации. Сложные презентации и прямые коммуникации покажут устойчивый рост (+18). В креативе (+6) нейросети заберут шаблонный дизайн и копирайтинг, но разработка смыслов останется за человеком.
🧱 Рабочие специальности: точечные замены
Роботы и компьютерное зрение заберут фасовку и сортировку на складах (баланс -16). Но любой нелинейный монтаж (+13), стройка (+12) и ремонт нестандартных станков (+23) ИИ пока не под силу — алгоритмам критически не хватает пространственной гибкости.
файл-источник в первом комментарии
Институт статистических исследований НИУ ВШЭ опросил руководителей 500+ компаний-разработчиков искусственного интеллекта. Без маркетингового шума и прогнозов футурологов — только сухой практический опыт тех, кто эти системы внедряет.
Ключевые сдвиги по отраслям и ролям:
💼 Менеджмент: чистка белых воротничков
Административная рутина уходит алгоритмам. Контролировать отчетность, сверять календари и согласовывать типовые бумаги ИИ уже сейчас делает дешевле и без человеческого фактора (баланс спроса -10 пунктов).
Зато ручное управление людьми взлетает в цене. Стратегия (+38) и умение вести за собой (+36) критически дефицитны. Алгоритмы не умеют гасить конфликты, выстраивать доверие и зажигать команды.
📊 Работа с данными: отмена ручного ввода
Спрос на базовый документооборот рухнул — 45% компаний сокращают такие позиции (баланс -21). При этом объем сырых данных затапливает бизнеса. Победит тот, кто умеет ставить нейросетям правильные задачи и критически оценивать их галлюцинации (+10).
💻 IT: кризис джунов и расцвет ИБ-архитекторов
Написание кода штормит: 30% прогнозируют спад спроса на кодеров, 29% — рост. «Вайбкодинг» сбивает ценность базового написания функций, но сами системы становятся громоздкими.
Главный бенефициар — кибербезопасность (+29). Чем больше автосгенерированного кода идет в продакшен, тем выше риски критических уязвимостей.
👥 Человекоориентированность — главный иммунитет
Все, что завязано на физическом присутствии и переговорах, защищено от автоматизации. Сложные презентации и прямые коммуникации покажут устойчивый рост (+18). В креативе (+6) нейросети заберут шаблонный дизайн и копирайтинг, но разработка смыслов останется за человеком.
🧱 Рабочие специальности: точечные замены
Роботы и компьютерное зрение заберут фасовку и сортировку на складах (баланс -16). Но любой нелинейный монтаж (+13), стройка (+12) и ремонт нестандартных станков (+23) ИИ пока не под силу — алгоритмам критически не хватает пространственной гибкости.
файл-источник в первом комментарии
👌1