Executive summary
Поиск новых поставщиков — один из самых трудоёмких и недооценённых процессов в закупках. Внешне он выглядит просто: найти несколько компаний, отправить запрос, собрать предложения. На практике закупщик тратит часы на поиск сайтов, проверку релевантности, копирование контактов, первичный отсев и уточнение, действительно ли компания способна выполнить запрос.
AI хорошо подходит для первой части этой работы. Он может быстро собрать long-list, пройти по открытым источникам, сопоставить описание компании с категорией закупки, найти контакты, выделить признаки релевантности и подготовить список кандидатов для проверки.
Но есть ограничение, о котором лучше говорить честно: не всегда возможно однозначно идентифицировать юридическое лицо поставщика по сайту. Поэтому автоматический поиск не должен превращаться в автоматическое принятие решения. Лучший подход — AI формирует рынок, человек подтверждает критичные данные.
1. Почему ручной поиск поставщиков плохо масштабируется
В большинстве компаний поиск поставщиков остаётся полуручным процессом.
Закупщик использует:
- поисковые системы;
- отраслевые каталоги;
- старые конкурсы;
- рекомендации коллег;
- базы поставщиков;
- сайты производителей;
- маркетплейсы и справочники.
Каждый источник сам по себе полезен. Но весь процесс плохо масштабируется.
Типовые проблемы:
- много нерелевантных результатов;
- поставщик заявляет широкую экспертизу, но фактически работает в другой нише;
- сайт не содержит понятного юрлица;
- контакты устарели;
- компания является посредником, а не производителем;
- сложно быстро понять географию работы;
- часть поставщиков не отвечает на первый запрос.
В итоге закупщик тратит время не на анализ рынка, а на сбор и очистку первичной информации.
2. Что AI может делать уже сейчас
AI не отменяет экспертизу закупщика. Но он может сократить ручную часть первичного sourcing.
1. Формирование long-list
Система анализирует категорию закупки, ключевые слова, технические параметры и ищет потенциальных поставщиков в открытых источниках.
Результат — первичный список компаний, который закупщик может быстро просмотреть.
2. Классификация релевантности
AI может оценить, насколько поставщик соответствует запросу:
- продаёт ли нужный тип продукции;
- оказывает ли нужную услугу;
- работает ли в нужном регионе;
- есть ли признаки производственной базы;
- есть ли опыт в аналогичной категории.
3. Сбор контактов
Система может собрать:
- сайт;
- email;
- телефон;
- форму обратной связи;
- адрес;
- контактные лица, если они доступны публично.
4. Подготовка запроса
AI может адаптировать текст RFQ под категорию и подготовить письмо поставщику.
5. Выявление ограничений
Система может помечать поставщиков, по которым данных недостаточно:
- не найдено юрлицо;
- неясна география работы;
- нет подтверждения нужной категории;
- отсутствуют контакты;
- сайт выглядит неактивным.
Это не ошибка AI. Это нормальный результат анализа неопределённости.
3. Где всё ещё нужен человек
Автоматический поиск не должен подменять проверку поставщика.
Человек нужен в нескольких точках.
1. Идентификация юрлица
Сайт может принадлежать группе компаний, дилеру, агенту или маркетинговому проекту. Иногда на сайте нет ИНН, юридического адреса или корректного названия.
Для закупки это критично. Контрагентом будет не сайт, а юридическое лицо.
2. Проверка фактической способности выполнить запрос
Компания может писать на сайте, что работает с нужной категорией, но не иметь реальных мощностей, склада, специалистов или опыта.
3. Отсев посредников
Посредник не всегда плох. Но закупщик должен понимать, с кем работает: производитель, дилер, интегратор, дистрибьютор или агент.
4. Риск и комплаенс
Новый поставщик требует проверки: регистрационные данные, санкционные риски, судебная история, налоговые признаки, деловая репутация, HSE-требования.
AI может подготовить данные, но решение о допуске должно приниматься по правилам компании.
4. Как должна выглядеть правильная архитектура процесса
Эффективный AI sourcing должен быть не “поиском ради поиска”, а частью закупочного процесса.
Шаг 1. Категория и параметры
Система получает не просто текст “нужен поставщик”, а структурированную потребность: категория, параметры, регион, ограничения, сроки, требования к поставщику.
Шаг 2. Поиск
AI формирует long-list из открытых и внутренних источников.
Шаг 3. Первичный скоринг
Каждый поставщик получает оценку релевантности и статус проверки.
Пример статусов:
- релевантен;
- требует проверки;
- недостаточно данных;
- нерелевантен;
- дубликат;
- потенциальный посредник.
Шаг 4. Human check
Закупщик проверяет спорные карточки и подтверждает список для RFQ.
Шаг 5. Запрос предложений
Система рассылает запросы, фиксирует ответы и напоминает поставщикам.
Шаг 6. Обновление базы
Поставщики, прошедшие проверку, попадают в базу. По итогам закупки их профиль дополняется результатами исполнения.
Так поиск поставщиков перестаёт быть одноразовой ручной работой и становится механизмом накопления supplier intelligence.
5. Практический эффект
Главный эффект автоматического поиска — не только экономия времени.
Он меняет качество рынка, который видит компания.
Больше поставщиков в long-list
Закупщик перестаёт ограничиваться теми, кого уже знает.
Быстрее первая волна sourcing
Список кандидатов появляется не через несколько часов ручного поиска, а значительно быстрее.
Ниже зависимость от личной памяти
Источники и логика поиска становятся воспроизводимыми.
Лучше база поставщиков
Каждый sourcing может пополнять базу новыми проверенными участниками.
Выше прозрачность
Можно показать, почему поставщик попал в список или почему был исключён.
6. Какие метрики отслеживать
Для оценки эффекта AI-поиска стоит смотреть на:
- время формирования long-list;
- число найденных релевантных поставщиков;
- долю поставщиков, прошедших human check;
- долю дубликатов;
- долю поставщиков без идентифицированного юрлица;
- конверсию из long-list в RFQ;
- конверсию из RFQ в полученные КП;
- долю новых поставщиков, дошедших до заказа;
- качество исполнения новых поставщиков после первой поставки.
Последний показатель особенно важен. Если AI нашёл много новых поставщиков, но они плохо исполнили заказы, процесс требует перенастройки.
7. Подход Digital Purchasing
Digital Purchasing рассматривает поиск поставщиков как агентный процесс.
Платформа должна не просто хранить список поставщиков, а активно помогать закупщику расширять рынок:
- анализировать заявку и категорию;
- искать новых поставщиков;
- собирать первичные данные;
- выделять неопределённость;
- помогать с рассылкой запросов;
- обновлять базу после закупки;
- связывать поиск с оценкой исполнения.
Ключевой принцип — быстрый поиск плюс контролируемая проверка. Это позволяет ускорить sourcing без потери управляемости.
Дополнительные материалы
- McKinsey: AI in procurement — from spend analytics to procurement intelligence — https://www.mckinsey.com/solutions/spend-analytics-software/our-offerings/ai-in-procurement-from-spend-analytics-to-procurement-intelligence
- BCG: From Buzz to Bottom Line — Cost Savings Using GenAI — https://www.bcg.com/publications/2025/from-buzz-to-bottom-line-cost-reductions-using-genai
- The Hackett Group: Generative AI in Procurement 2025 — https://www.thehackettgroup.com/insights/embracing-the-future-how-generative-ai-is-revolutionizing-procurement-in-2025/
CTA
На разборе можно посмотреть, как формируется long-list поставщиков, где система помечает неопределённость и какие проверки остаются за человеком.