В конце января Kearney вынесла в повестку закупок «агентную» волну ИИ — в статье “The agentic AI revolution: what procurement leaders need to know now”.
Причина проста: закупки всё чаще оказываются «узким горлышком» бизнеса — из‑за роста требований к скорости, соответствию корпоративным политикам, управлению рисками цепочек и ожиданий по экономическому эффекту. При этом доля внешних закупок в экономике компаний огромна: Kearney напоминает, что third‑party spend часто является крупнейшей статьёй затрат и в среднем превышает 60% выручки в производственных компаниях и около 30% в сервисных.
На этом фоне агентная автоматизация выглядит не как «игрушка», а как попытка ответить на вопрос: как увеличить пропускную способность закупок, не превращая функцию в фабрику согласований.
Что такое агентный ИИ простыми словами?
Если обобщить сигнал рынка, агентный ИИ — это следующий шаг после «генеративного помощника».
- Copilot/ассистент помогает человеку: ищет, пишет, резюмирует, предлагает варианты.
- Агент (agentic) не только предлагает, но планирует и выполняет цепочку действий в рамках заданных правил: собирает данные, проверяет условия, инициирует шаги процесса, эскалирует исключения.
Kearney в исследовании для CEO формулирует это прямо: агентный ИИ — это «следующая граница» автоматизации, где системы не только автоматизируют задачи, но и принимают автономные решения, обходя жёсткость классического RPA и работая с более сложными, неструктурированными кейсами.
С точки зрения закупок это означает переход от «ИИ помогает закупщику» к модели «закупщик задаёт правила и цели, а агент выполняет».
Почему закупки — одна из лучших функций для ИИ‑агентов
Закупки — идеальная среда для агентных сценариев по трём причинам.
Во‑первых, процессы закупок — это многошаговые цепочки “если‑то” (входные данные → проверка политики → выбор маршрута → тендер/сравнение → контракт → заказ → приёмка/оплата). Именно такие цепочки особенно хорошо автоматизируются агентами. Эта идея не новая: ещё в классическом материале A.T. Kearney о «будущем закупок» подчёркивалось, что цифровые технологии будут автоматизировать рутинные закупочные процессы, а роль лидера закупок сместится к оркестрации end‑to‑end и деятельности с долгосрочной ценностью.
Во‑вторых, закупки страдают от «распределённых данных»: спецификации, контракты, заявки, письма, счет‑фактуры — всё это живёт в разных системах и форматах. Агентный подход ценен тем, что способен сшивать источники и исполнять действия в нескольких системах подряд (при корректном контроле). Этот же вывод делает Gartner: агентные системы дают «виртуальную рабочую силу» и более адаптивное ПО, способное выполнять широкий спектр задач в сложной среде.
И в‑третьих, экономический потенциал высокий: закупки управляют крупнейшим «кошельком» компании, а значит даже небольшое улучшение скорости, качества решений и соответствие корпоративным политикам даёт эффект на уровне P&L. Именно поэтому Kearney в своей оценке зрелости закупок связывает технологическую готовность с конкурентоспособностью и призывает произвести «стресс-тест» способности закупок на фоне роста технологии, агентного ИИ и геополитики.
Какие сценарии дают быстрый эффект
Чтобы избежать ловушки «сделали пилот — не масштабировали», полезно мыслить сценариями, где агент снижает время цикла и стоимость ошибок.
Gartner выделяет, что развитие агентного ИИ ведёт закупки к сокращению дистанции между идеями, инсайтами и действиями, а агентные функции, мультимодальность и AI‑агенты станут решающими для повестки CPO.
Практически это чаще всего означает 5 классов применений:
- Прием запросов и маршрутизация: агент принимает запрос «человеческим языком», проверяет политику/порог/категорию, направляет по правильному пути (каталог, рамочный договор, RFQ, исключение).
- Контрактный контур: черновики, сравнение версий, извлечение рисковых условий, подготовка «красных флагов». Gartner прямо указывает контракт‑менеджмент как один из кейсов, где генеративный ИИ применим и востребован.
- Онбординг поставщиков и соответствие процедурам: сбор пакета документов, сверка статусов, напоминания, эскалации.
- Мелкие закупки: автономное выявление «мелких» закупок, консолидация, подготовка предложений по оптимизации.
- Мониторинг рисков: агентная «дежурная служба» по сигналам (финансовые метрики, новости, санкции, инциденты), где человек получает не отчёт, а варианты действий.
Важно: агентная автоматизация особенно сильна там, где есть повторяющиеся шаги и понятные правила — и слабее там, где «всё держится на переговорах и контексте» (это пока остаётся зоной человека).
Главные риски: что может пойти не так
С ростом автономности растёт цена ошибок. Здесь стоит опираться на три источника «предупреждений».
Риск «агентного хайпа» и подмена понятий
Gartner прогнозирует, что более 40% агентных ИИ‑проектов будут отменены к концу 2027 года из‑за роста затрат, неясной бизнес‑ценности или недостаточного контроля рисков.
И добавляет неприятное: многие поставщики занимаются “agent washing” — переименовывают ассистентов/чатботов/RPA в «агентов» без реальной агентности; Gartner оценивает, что «реальных» вендоров значительно меньше, чем маркетинговых заявлений.
Риск данных и интеграций
По Gartner, в ранней стадии агентные решения стоит запускать там, где данные высокого качества и поведение «проверяемо», иначе масштабирование превращается в хаос.
То же подтверждает Kearney‑исследование CEO: фокус на алгоритмах часто опережает работу с качеством и интеграцией данных; фрагментированные данные и устаревшая инфраструктура — типовая причина «застрявших» инициатив.
Риск governance, безопасности и ответственности
В исследовании CEO Kearney подчёркивает, что этика становится бизнес‑императивом: многие лидеры признают риски барьером, но формальные frameworks есть далеко не у всех.
Для закупок это особенно важно: агент может затронуть персональные данные, коммерчески чувствительные цены, условия контрактов, санкционные проверки.
Практический план для CPO и руководителей закупок
Вместо лозунга «нужно внедрять агентов» — рабочая схема на 6–8 недель подготовки и 6–8 недель пилота.
Сформулируйте “Путеводную звезду” в операционных метриках.
Не «внедрить AI», а сократить цикл/ошибки: lead time на закупку, долю возвратов на доработку, compliance rate, скорость продлений, время на обработку инвойсов/исключений.
Выберите 2–3 сценария с понятной экономикой.
Gartner прямо рекомендует преследовать agentic AI там, где есть ясная ценность/ROI, и избегать «агентности ради агентности».
Опишите “границы автономности”.
Что агент делает сам, где обязателен человек, какие триггеры эскалации, какой лог действий хранится.
Соберите минимум данных и правил.
Политики (пороги, исключения), справочники (поставщики, категории), шаблоны контрактов и «красные флаги». Без этого агент будет действовать как «умный стажёр без инструкций».
Заранее решите вопрос ответственности.
Кто владелец решения, кто отвечает за риск, кто подписывает итог (особенно в контрактных кейсах). Kearney отмечает, что успешные организации чаще делегируют операционное исполнение специализированным командам и не держат всё «под руками CEO». Этот принцип переносим и на procurement: автономность требует ясных ролей, а не ручного микроменеджмента.
Завершающая мысль
Агентный ИИ — не про то, чтобы «заменить закупщика». Это про то, чтобы сделать закупки быстрыми и управляемыми, а людей вернуть туда, где они незаменимы: стратегия, переговоры, партнёрства и сложные решения. И чем раньше закупки выстроят фундамент (данные, процесс, governance), тем легче будет превратить «агентов» в реальную конкурентоспособность, а не в ещё одну витрину технологий.
