Обсудить проект
Оставьте контакты - мы свяжемся в ближайшее время и обсудим возможный формат сотрудничества.
Как компании внедряют ИИ: реальные кейсы и результаты
Решение: ИИ-помощник для отдела закупок
Мы разработали ИИ-помощника (бота) для поиска и валидации заявок, который автоматизировал процесс обработки закупок и интегрировался с существующими базами данных компании.
Что было сделано:
1) Автоматизация обработки заявок. Бот принимает спецификации от подрядчиков и служебные записки из цехов в любом формате.
2) Интеграция с базами данных компании. Бот имеет доступ к ключевым источникам информации:
3) Настройка интеллектуального гибридного поиска. Мы внедрили трёхуровневую систему поиска:
4) Валидация результатов с помощью LLM. Языковая модель приводит разные варианты написания к единому формату («арматура 5 метров» = «арм. 5 м.» = «армирование 5000 мм»).
5) Анализ и формирование рекомендаций. Наше решение обрабатывает каждую позицию из заявки:
6) Генерация служебной записки. Бот формирует служебную записку с конкретными рекомендациями:
1) Автоматизация обработки заявок. Бот принимает спецификации от подрядчиков и служебные записки из цехов в любом формате.
2) Интеграция с базами данных компании. Бот имеет доступ к ключевым источникам информации:
- остатки материалов и их местоположение;
- цены, условия и история работы с поставщиками;
- данные о предыдущих сделках;
- рыночные данные.
3) Настройка интеллектуального гибридного поиска. Мы внедрили трёхуровневую систему поиска:
- Семантических поиск для понимания контекста и технических синонимов (например, «стальные стержни» — это также «арматура»).
- Векторный поиск для поиска аналогов и похожих товаров, даже если они записаны по-разному.
- Алгоритмический поиск для работы с артикулами, ГОСТами и марками.
4) Валидация результатов с помощью LLM. Языковая модель приводит разные варианты написания к единому формату («арматура 5 метров» = «арм. 5 м.» = «армирование 5000 мм»).
5) Анализ и формирование рекомендаций. Наше решение обрабатывает каждую позицию из заявки:
- проверяет наличие на складах;
- сравнивает цены у разных поставщиков;
- определяет оптимальный вариант: взять со склада или закупить у конкретного поставщика.
6) Генерация служебной записки. Бот формирует служебную записку с конкретными рекомендациями:
- использование позиций, которые есть на складе;
- выгодные закупки с указанием цены и поставщика;
- спорные позиции, требующие внимания сотрудника.
Итог
Проект для ТМЦ демонстрирует, как ИИ может превратить хаотичные процессы в управляемые и измеримые. Мы автоматизировали рутинную работу отдела закупок, объединили разрозненные данные из разных систем в единый поток и сократили время обработки заявки на 80%.
ИИ-помощник разгрузил склады и продолжает экономить до 15% от суммы каждой заявки.
Подход масштабируется на любую компанию с распределённой системой закупок и разрозненными данными.
ИИ-помощник разгрузил склады и продолжает экономить до 15% от суммы каждой заявки.
Подход масштабируется на любую компанию с распределённой системой закупок и разрозненными данными.
Результаты
Наше решение изменило экономику закупок в компании:
- оптимизация до 15% от суммы заявки. ИИ-помощник находит позиции и их альтернативы в складских запасах и сравнивает предложения поставщиков.
- обработка заявок ускорилась на 80%. Бот за минуты анализирует заявки, находит подходящие варианты и формирует служебную записку.
- экономия до 5% стоимости закупки. Выбор поставщиков основан на объективном анализе цен и условий, что снижает риск переплат.
Автоматизация для отдела закупок металлургической компании: как ИИ-помощник экономит до 80% времени на обработку заявок
Мы создали ИИ-помощника, который автоматизирует поиск ТМЦ по неточным названиям и подбирает релевантные аналоги, что обеспечивает экономию до 15% от суммы заявок и сокращает трудозатраты на 80%, превращая хаос закупок в управляемый процесс.
- Автоматизация процессов, Интеллектуальный поиск, Оптимизация закупок, Разгрузка складов
- Автоматизация процессов, ИИ-агенты, LLM
Компания обратилась к нам для внедрения ИИ в отдел закупок. Изначально конкретной цели не было — руководители искали точки роста через автоматизацию.
Мы проанализировали процессы закупок и выявили следующие узкие места:
Мы проанализировали процессы закупок и выявили следующие узкие места:
- Склад как слепая зона. На складе хранились колоссальные запасы ТМЦ, однако сотрудники продолжали закупать новые материалы, поскольку поиск в разрозненных базах данных занимал слишком много времени.
- Хаос в написании позиций. Одна и та же позиция могла быть записана десятками способов (например, «арматура 5 метров», «арм. 5 м.», «арматура сталь 5000 мм»), что делало стандартные алгоритмы поиска неэффективным.
- Несколько каналов заявок. Заявки на закупку поступали из 2 каналов (предложения от подрядчиков для инвестиционных проектов и служебные записки для операционного обслуживания производства), имели различную структуру и форму записи позиций.
Вызов
Крупная металлургическая компания с распределённой структурой производственных объектов, инвестиционных проектов и операционных процессов.
Клиент
меню
Контакты
- info@mera-ai.com
- 620041 г. Екатеринбург, ул. Уральская 5
