English (EN)
Русский (RU)
Українська (UK)
español (ES)
Türkçe (TR)
+300% к скорости продаж: внедряем ИИ-агентов и RAG-системы в бизнес в 2026 году
ChatGPT галлюцинирует, потому что не знает ваш бизнес. RAG-агент знает всё: прайсы, кейсы, регламенты — и отвечает точно и мгновенно.
2026-06-26
107
Идея AI-стартапа для закупок: обработка PDF, Excel, фото и сообщений, сопоставление товаров с CRM и аналитика цен поставщиков.
Содержание
Отдел закупок получает коммерческие предложения от поставщиков ежедневно. Одни приходят в Excel, другие — в PDF, третьи — в виде фото прайса в WhatsApp. Каждое нужно открыть, прочитать, внести данные в таблицу, найти нужный товар в базе и сравнить с предыдущими ценами. При 30–100 КП в неделю это уже не операционная работа — это системная потеря времени специалистов.
Tron Pool Energy разработала AI-агента, который берёт эту работу на себя: автоматически считывает входящие КП от поставщиков из любых форматов, извлекает данные о товарах и ценах, привязывает к товарной базе CRM и накапливает историю оферт для аналитики. Специалист по закупкам принимает решение — AI собирает всю необходимую для этого информацию.
В этой статье: чем этот инструмент отличается от других AI-решений блога, полный функционал агента, кейс из практики и FAQ по внедрению.
1. Важная навигация: это не то же самое, что AI для продаж
В блоге Tron Pool Energy уже разобраны AI-инструменты для отдела продаж: генерация КП для клиентов, AI co-pilot для ответов в чате CRM, ИИ-ассистент поддержки. Все они работают в направлении «компания → клиент». Эта статья — про противоположное направление: «поставщик → отдел закупок». Разные отделы, разные процессы, разная аналитика.
| Параметр | AI в продажах (предыдущие статьи) | AI в закупках (эта статья) |
|---|---|---|
| Направление потока данных | Компания → Клиент (исходящее) | Поставщик → Компания (входящее) |
| Отдел | Продажи, поддержка, presale | Закупки, снабжение |
| Что обрабатывает AI | Запросы клиентов, брифы, ответы | Оферты, прайсы, условия поставщиков |
| Результат | КП клиенту, ответ, лид | База оферт, история цен, аналитика |
| Главная метрика | Скорость ответа, конверсия | Оптимальная закупочная цена, экономия |
| Решение принимает | Менеджер по продажам | Специалист по закупкам |
2. Почему ручная обработка КП поставщиков — системная проблема
Компания работает с десятками и сотнями поставщиков. Каждый присылает предложения в своём формате, в своём ритме. Сотрудник отдела закупок вынужден:
- Открывать каждое письмо или сообщение вручную
- Разбираться в формате вложения (PDF, Excel, скан, фото прайса)
- Вручную переносить данные о товарах и ценах в таблицы
- Искать нужный товар в базе и сопоставлять наименования
- Отдельно вести историю цен, чтобы сравнивать динамику
Результат предсказуем: ошибки при переносе данных, отсутствие единой базы оферт, решения по закупкам принимаются на основе последнего прайса, а не накопленной аналитики. При этом самые выгодные периоды закупки определяются интуитивно, а не на основе данных.
3. Что умеет AI-агент: полный функционал
3.1. Анализ входящих КП в любом формате
Агент подключён к email и мессенджерам компании. Все входящие сообщения анализируются автоматически: система определяет, является ли письмо или файл коммерческим предложением поставщика. Если нет — игнорирует. Если да — запускает извлечение данных.
| Формат | Метод обработки | Что извлекается |
|---|---|---|
| Текстовое письмо / сообщение | NLP — анализ текста | Наименование товара, цена, поставщик, дата, условия |
| PDF-документ | PDF-парсинг + NLP | Все поля документа, таблицы цен, условия |
| Excel / CSV-таблица | Парсинг структурированных данных | Строки прайса: артикул, наименование, цена, объём |
| Изображение / фото прайса | OCR + NLP | Распознавание текста на фото, последующий разбор |
| Скан документа | OCR + структурирование | Текст из скана, извлечение ключевых полей |
3.2. Автоматическое сопоставление с базой товаров CRM
После извлечения данных AI сопоставляет наименования товаров из КП с товарной базой компании в CRM. Поставщики называют один и тот же товар по-разному — агент учитывает это: сравнивает по ключевым словам, артикулу, категории. Если уверенность в сопоставлении ниже порога — запускается human-in-the-loop: сотрудник подтверждает или корректирует привязку.
3.3. История оферт и таблица поставщиков по каждому товару
Каждая оферта прикрепляется к соответствующему товару в CRM. По каждой позиции формируется таблица всех полученных предложений: дата, поставщик, цена, условия. Специалист видит не одно последнее предложение, а полную историю оферт — кто предлагал, когда и по какой цене.
3.4. Аналитика цен и сезонности
На основе накопленной базы AI строит аналитику по каждому товару:
- Графики изменения цен: минимальная, максимальная, средняя цена в динамике
- Сравнение поставщиков: кто предлагает лучшие условия по конкретной позиции
- Анализ сезонности: периоды выгодных закупок, ценовые тренды по временам года
- Долгосрочные тенденции: рост или снижение цены по товару за период
4. Как работает агент: путь от КП поставщика до аналитики
Полный цикл обработки КП — 9 шагов:
- Поставщик отправляет КП. Email или мессенджер — неважно. Сообщение с вложением автоматически попадает в систему.
- AI получает уведомление. Агент запускает процесс анализа сразу после получения.
- Распознавание типа документа. Система определяет: это КП или обычное сообщение? Если обычное — игнорирует.
- Извлечение данных. AI считывает: наименование товара, цену, поставщика, дату, условия поставки.
- Сопоставление с базой CRM. Агент ищет соответствующий товар в внутренней базе компании.
- Проверка сопоставления. Если уверенность AI ниже порога — задача уходит сотруднику на подтверждение.
- Добавление оферты. КП прикрепляется к товару в CRM: дата, поставщик, цена.
- Обновление статистики. Система пересчитывает аналитику: средняя цена, динамика, диапазон.
- Отдел закупок принимает решение. Специалист видит полную картину оферт и аналитику — и выбирает оптимального поставщика.
5. Кейс: австрийская оптово-розничная компания (алкогольные напитки)
Ситуация. Компания из Австрии занимается оптово-розничной торговлей алкогольными напитками. Работает с большим количеством поставщиков — виноделен, дистрибьюторов, импортёров. Коммерческие предложения на продукцию поступают ежедневно в разных форматах: email с PDF-прайсами, Excel-таблицы, фотографии прайс-листов в WhatsApp, текстовые сообщения. Отдел закупок из 6 человек вручную обрабатывал поступающие КП: переносил данные в Excel, сопоставлял с ассортиментом, вёл отдельный учёт цен. Без единой базы истории цен определение выгодных периодов закупки было основано на опыте конкретного менеджера, а не на данных.
Что внедрила Tron Pool Energy (8 недель):
- AI-агент подключён к корпоративному email и WhatsApp Business компании.
- Обрабатывает все форматы входящих КП: PDF, Excel, изображения, сканы, текст.
- Интегрирован с внутренней CRM: каждая оферта автоматически привязывается к товарной позиции.
- Накапливает историю оферт по каждому товару с возможностью сравнения поставщиков.
- Аналитика цен: динамические графики с минимальными, максимальными и средними значениями, анализ сезонности закупок.
| Метрика | До внедрения | После внедрения | Изменение |
|---|---|---|---|
| Время обработки одного КП | 15–30 минут вручную | < 2 минут автоматически | −90% |
| КП, обработанных в день | 20–30 (ручной предел команды) | 100+ (без ограничений) | ×3–5 пропускная способность |
| Ошибки при переносе данных | 5–8% (человеческий фактор) | < 0,5% (проверка сотрудником) | -85% ошибок |
| Наличие истории цен по товарам | Нет (или в разрозненных таблицах) | Полная история с первого дня | С нуля до 100% |
| Время на поиск лучшей цены | 1–2 часа (поиск по таблицам) | Мгновенно (в карточке товара CRM) | −95% |
| Выявление сезонных скидок | Интуитивно | На основе данных аналитики | Качественный сдвиг |
Дополнительный эффект: благодаря аналитике сезонности компания впервые получила данные о том, в какие периоды конкретные поставщики предлагают наиболее выгодные условия. Это позволило скорректировать стратегию закупок и увеличить объём плановых заказов в оптимальные периоды.
6. Кому подходит AI-агент для обработки КП поставщиков
| Тип компании | Проблема | Что даёт AI-агент |
|---|---|---|
| Оптовая и дистрибьюторская торговля | 100+ поставщиков, разные форматы, нет единой базы | Автоматический сбор всех оферт, единая история цен |
| Ритейл и сети (FMCG) | Сезонные предложения, ценовая динамика, тендеры | Аналитика выгодных периодов закупки, сравнение поставщиков |
| Производство (закупка сырья) | Прайсы в PDF и Excel, ручной перенос в ERP | Автоматическое заполнение данных, сопоставление с номенклатурой |
| Строительство и девелопмент | Тендерные предложения, сметы, прайсы субподрядчиков | Структурирование оферт, сравнение по позициям |
| HoReCa и общепит | Еженедельные прайсы от 20–50 поставщиков | Актуальные цены по каждой позиции меню без ручной сверки |
| Импортёры и агенты | Оферты на иностранных языках, разные валюты | Мультиязычная обработка, конвертация и унификация данных |
7. Честно: преимущества и точки роста
| Преимущества | Точки роста (решаются при внедрении) |
|---|---|
| Обрабатывает любой формат КП: PDF, Excel, фото, скан, текст | Начальная настройка сопоставления товаров требует участия отдела закупок |
| История всех оферт накапливается автоматически с первого дня | Качество OCR зависит от качества скана (плохой скан = ниже точность) |
| Аналитика цен и сезонности доступна в реальном времени | Для нестандартных оферт (сложные условия, скидки) — проверка человеком |
| Освобождает закупщиков для аналитики, а не переноса данных | Требует регулярного обновления товарной базы в CRM |
| Human-in-the-loop при неуверенном сопоставлении | Мультиязычные КП требуют дополнительной настройки языковых моделей |
Итог: закупки на основе данных, а не интуиции
Решение о выборе поставщика должно опираться на данные: историю цен, динамику оферт, сезонные паттерны. Пока эти данные собираются вручную — они либо неполные, либо устаревшие. AI-агент превращает входящий поток КП от поставщиков в структурированную аналитическую базу — автоматически, в реальном времени, без ошибок переноса. Tron Pool Energy внедряет такие решения под ключ: от настройки OCR-распознавания до полной интеграции с вашей CRM и построения аналитических дашбордов.
Хотите автоматизировать обработку КП поставщиков?Запросите аудит вашего процесса закупок →
FAQ
-
Что если поставщик называет тот же товар по-другому, чем он есть в нашей базе?
Именно для этого существует механизм сопоставления с человеческой проверкой. AI сравнивает наименования по ключевым словам, синонимам, артикулам и категориям. Если уверенность в сопоставлении ниже заданного порога — задача отправляется закупщику на подтверждение. После подтверждения система запоминает это соответствие и в следующий раз сопоставляет автоматически.
-
Чем этот AI-агент отличается от AI-агента для генерации КП?
Принципиально разное направление: AI-агент для генерации КП (описан в статье 17 блога) создаёт документы, которые компания отправляет своим клиентам. Этот агент анализирует документы, которые поставщики присылают в компанию. Разные отделы (продажи vs закупки), разные задачи, разная аналитика — хотя оба работают с термином «КП».
-
Можно ли работать с КП на иностранных языках?
Да. Языковые модели, на которых строится агент, поддерживают множество языков. Это особенно актуально для компаний, работающих с международными поставщиками. Дополнительно возможна настройка конвертации валют: агент приводит все цены к единой валюте для корректного сравнения.
-
Что происходит, если поставщик присылает КП с 200 позициями в одном Excel?
Агент обрабатывает многострочные прайсы полностью: построчно извлекает данные по каждой позиции, сопоставляет с базой CRM и прикрепляет оферту к каждому соответствующему товару. Обработка файла занимает секунды — в отличие от часов ручного переноса.
-
Как AI определяет, что письмо — коммерческое предложение, а не обычное сообщение?
Модуль классификации анализирует содержание сообщения: наличие прайс-листов, упоминание товаров и цен, вложенных файлов в характерных форматах. Обычные операционные письма (подтверждения, вопросы, договорённости) агент игнорирует. Порог классификации настраивается в процессе внедрения под специфику коммуникации конкретной компании.
Читайте также
СМОТРЕТЬ ВСЕ СТАТЬИ
ИИ-агент для отдела продаж: как менеджеры закрывают сделки в 3 раза быстрее
Как искусственный интеллект помогает отделу продаж закрывать больше сделок за меньшее время? Разбираем, как ИИ-агент автоматизирует поиск информации, подготовку ответов и коммерческих предложений, поддерживает менеджеров на presale и сокращает рутинную работу с клиентами.
2026-08-20
162
ИИ-ассистент для поддержки клиентов и пресейла: как бизнес автоматизирует коммуникации в 2026 году
ИИ-ассистент для поддержки клиентов помогает бизнесу отвечать на обращения 24/7, квалифицировать лиды, создавать тикеты и автоматизировать пресейл. Разбираем ключевые сценарии, каналы подключения, кейс SaaS-компании, результаты внедрения и этапы запуска ИИ-ассистента.
2026-08-25
119
