Искусственный интеллект в закупках: как избежать розовых очков и получить реальную пользу. Кейс НСПК

Внедрение искусственного интеллекта часто окружено необоснованным оптимизмом: кажется, что достаточно «скачать приложение», и умный алгоритм решит все операционные проблемы. Реальность, как правило, оказывается сложнее и требует системной подготовительной работы. Своим честным и практичным опытом этого пути на Ежегодном Всероссийском форуме директоров по коммерческим закупкам VPROC 2026 (Москва, 25-27 марта) поделился Гагик Аветисян, директор по закупкам «Национальной системы платёжных карт» (НСПК).

Его выступление в формате интервью стало детальным разбором того, как закупочная функция в высокодинамичном финтехе переходит от идеи к реальному внедрению ИИ. Гагик, имеющий опыт в РЖД, ВТБ и группе «Мегаполис», развеял несколько популярных мифов и показал, что успех лежит не в «волшебной кнопке», а в кропотливой подготовке данных, правильной постановке задач и управлении изменениями внутри команды.

Подготовительный этап: почему без порядка в данных ИИ бесполезен

Первым и ключевым тезисом Гагика стал отказ от идеи «универсального ИИ». Придя в НСПК с опытом внедрения автоматизации в ВТБ, он, по собственному признанию, первоначально представлял себе систему, в которую можно «закинуть» задачу и получить готовый анализ. Однако реальность быстро внесла коррективы.

«Мне повезло, что у меня в команде оказался очень крутой аналитик, который сказал: "Гагик, так не работает. Ты мыслишь розовыми очками"».

Попытка подключиться к публичным языковым моделям (вроде GigaChat) была заблокирована службой информационной безопасности. Но главным барьером оказалось внутреннее состояние процессов. Спикер сформулировал простое правило: нельзя внедрять ИИ, когда внутри бардак.

Команда провела аудит и выявила критичные пробелы:

• Несколько несвязанных систем в сквозном процессе.
• Отсутствие единой нормализованной базы контрагентов.
• Нет чёткой категоризации закупок и структурированной документации.

Был поставлен жёсткий приоритет: за год выстроить сквозную автоматизацию на единой платформе (от планирования до оплаты). Только после создания этой «цифровой чистоты» появилась основа для обучения искусственного интеллекта.

Прагматичный подход: от тотальной замены к точечной помощи

Следующей ошибкой стал запрос команде: «Напишите, что вы хотите, чтобы ИИ делал за вас». Результат оказался неожиданным — сотрудники описали все свои рутинные обязанности, что поставило под вопрос необходимость их собственной работы.
Этот момент стал поворотным. Команда осознала, что ИИ без человеческой экспертизы бесполезен. Его роль — не замена, а усиление. Задача — освободить людей от трудоёмких, нефункциональных операций, не приносящих экспертной ценности.

«Мы увидели моменты, где очень много трудозатрат, такой рутинный идёт. От него эффекта человеческого никакого нет».

Однако обоснование инвестиций в ИИ в крупном холдинге всегда упирается в вопрос окупаемости. Гагик отметил, что в разумных компаниях, считающих деньги, главным аргументом часто становится сокращение операционных издержек на ФОТ (фонд оплаты труда) через оптимизацию численности. Параллельно работают и другие доводы:

• Снижение рисков: Минимизация ошибок, репутационных и коррупционных рисков.
• Скорость: В условиях динамичного финтеха, где контракт можно потерять из-за двух часов задержки, скорость принятия решений становится конкурентным преимуществом.

Три пилотных кейса: где ИИ принёс реальную пользу

НСПК пошла по пути точечного, а не глобального внедрения. Были выбраны три сегмента с максимальной рутинной нагрузкой.

1. «Онлайн-аудитор» для проверки технических заданий.

• Задача: Исключить субъективные ошибки и заказные ТЗ. Система обучалась на миллионах заданий из ЕИС, помеченных как «эталонные» и «плохие».
• Как работает: Алгоритм анализирует ТЗ, сверяет требования с предметом закупки и базой данных контрагентов. Он может указать: «Вы требуете лицензию МЧС, но у вас нет пожарных работ» или «Исходя из критериев, это ТЗ написано под ООО "Ромашка"».
• Результат: ИИ стал беспристрастным арбитром, оперирующим фактами. Он также автоматизировал проверку бюджета, исключив из цепочки финансовых контролёров.

2. Автоматическая проверка документов в закупочных процедурах.

• Задача: Избавить закупщиков от ручного прохождения чек-листов по десяткам документов от каждого участника (выписки ЕГРЮЛ, лицензии, коммерческие предложения и т.д.).
• Как работает: При поступлении заявок ИИ за 10 минут формирует отчёт: у контрагента А все документы в порядке, у контрагента Б отсутствует ОГРН и коммерческое предложение.
• Важный нюанс: Окончательное решение о допуске всегда оставалось за человеком. ИИ выступал в роли помощника, а не лица, принимающего решение.

3. Советник по договорам и проверка версионности.

• Задача: Разгрузить юристов от потока типовых договоров и ускорить согласование.
• Как работает: Система не просто указывает на проблемные пункты отсылками к Гражданскому кодексу (как это часто делают юристы), а предлагает конкретную исправленную формулировку с обоснованием, ссылаясь на судебную практику. Также она автоматически сравнивает версии, выделяя изменения.
• Реакция команды: Юристы поначалу сопротивлялись, но пилотный проект показал эффективность. Их роль сместилась в сторону работы с комплексными, нестандартными договорами, в то время как ИИ взял на себя рутину.

Человеческий фактор: вызовы внедрения и «подхалимский» ИИ

Гагик подробно остановился на неочевидных проблемах, с которыми столкнулась команда.

• Сопротивление изменений. Ключом к его преодолению стал пилотный проект. Наглядный результат работы алгоритма убедил скептиков среди руководителей и самих сотрудников.
• «Подхалимаж» ИИ. Спикер отметил удивительный феномен: генеративные модели могут проявлять «конформизм», стремясь угодить пользователю и соглашаясь с его точкой зрения, даже если она ошибочна. Разработчикам потребовалось несколько месяцев, чтобы научить систему критическому мышлению и независимому анализу на основе данных, а не на основе ожиданий человека.
• Опасность потери экспертизы. Гагик высказал серьёзные опасения: если закупщик полностью доверится системе, он рискует превратиться в «оператора ЭВМ», вытирающего пыль с сервера. Ценность специалиста — в развитии собственной экспертизы, которую он передаёт ИИ, а не в слепом выполнении его указаний.
• Высокая стоимость поддержки. Внедрение — не разовое действие. Нужны дорогостоящие ML-специалисты, GPU-инфраструктура и постоянная техподдержка. Кроме того, при любых изменениях в регламентах (например, в 223-ФЗ) систему необходимо дорогостояще переобучать.

«Средняя цена за час работы [ML-разработчика] порядка 7 500 ₽... Прежде чем туда идти, нужно решить, готов ли ты тратить эти деньги. Это дорогостоящее удовольствие».

Итоговые рекомендации: чек-лист для внедрения ИИ в закупках

Резюмируя свой опыт для аудитории VPROC 2026, Гагик Аветисян сформулировал несколько ключевых принципов:

• Наведите порядок в данных и процессах. Единая система, чистые данные, структурированные документы — основа для обучения.
• Откажитесь от идеи «единого ИИ для всего». Внедряйте решения точечно, в самых болезненных и рутинных участках.
• Готовьтесь считать ROI. Главный аргумент для бизнеса — окупаемость, часто через оптимизацию издержек. Дополнительные аргументы — скорость и снижение рисков.
• Управляйте сопротивлением через пилоты. Наглядный результат — лучший способ убедить и команду, и руководство.
• Не теряйте экспертизу. ИИ — инструмент для усиления специалиста, а не его замена. Развивайте собственные компетенции.
• Просчитайте стоимость жизненного цикла. Учитывайте не только внедрение, но и дорогую поддержку, инфраструктуру и необходимость постоянного дообучения.

ИИ как результат зрелости процесса, а не его начало

Выступление Гагика Аветисяна на Форуме директоров по закупкам VPROC 2026 стало антидотом от хайпа. Оно показало, что успешное внедрение искусственного интеллекта — это не про технологии в первую очередь, а про зрелость управленческих процессов, готовность команды к изменениям и жёсткий прагматичный расчёт.

Это история о том, как закупки из исполнительной функции могут стать драйвером цифровой трансформации, но только если они начнут с основ: порядка, данных и чёткого понимания, какую конкретную бизнес-проблему они решают. Как заключил спикер, идти в ИИ стоит только тогда, когда в информационных системах наведён порядок, а процессы стабильны. В противном случае дорогостоящее внедрение может не принести ожидаемой отдачи.

По материалам выступления Гагика Аветисяна, директора по закупкам «Национальной системы платёжных карт», на Ежегодном Всероссийском форуме директоров по коммерческим закупкам VPROC 2026 (Москва, 25-27 марта).

Перейти к мероприятиям

Скачать план конференций

#commercialprocurement #procurement #logistics #supplychains #коммерческиезакупки #закупки #логистика #интерфорум #interforum #interforums

Ближайшие конференции

24-25.09.2026

3 дня

MARKETING DATA ANALYTICS 2026*

*VI Всероссийский форум по сбору и анализу данных в маркетинге

От анализа рынка до персонализированных предложений — путь любого маркетингового действия сегодня лежит через данные. Узнайте, как строить этот маршрут…

Анализ данных в маркетинге

Маркетинг

E-commerce

Ритейл

Электронная торговля

Подробнее Регистрация

12-13.11.2026

Скидка 10%

52 дня

ОПЕРАЦИОННЫЙ ДИРЕКТОР 2026

Всероссийский форум по повышению операционной эффективности

12-13 ноября форум «Операционный Директор 2026» соберет в Москве профессионалов сферы операционного управления для обмена передовыми практиками и…

Менеджмент и управление

Операционное управление

Подробнее Регистрация