Що робить
Grow2.ai розгортає AI-агента, який бере на себе механічну частину процесу закупівель: читання документів, виділення умов, зведення в таблицю та формулювання попереднього висновку. Керівнику залишається перевірити аргументацію і прийняти рішення.
Процес виглядає так:
- Збір КП із файлового сховища. Агент відстежує папку з комерційними пропозиціями та підтягує нові файли — PDF, DOCX, таблиці, листи.
- Вилучення структурованих даних. З кожної пропозиції виділяються ціна, строки, гарантії, SLA, склад робіт, умови оплати, приховані комісії.
- Нормалізація умов. Різні формати та формулювання приводяться до єдиної шкали: «постачання протягом 10 робочих днів» і «2 тижні» вважаються зіставними.
- Побудова порівняльної таблиці. Постачальники вибудовуються за критеріями в табличному вигляді з явним підсвіченням відхилень від середнього.
- Генерація резюме. Агент складає короткий narrative: ключові відмінності, на що звернути увагу, які ризики видно в документах.
- Рекомендація з обґрунтуванням. Пропонує кандидата та пояснює вибір — з посиланням на конкретні пункти в самих КП.
Агент використовує патерни Пошук / RAG Q&A (керівник ставить запитання до даних: «у кого найдовша гарантія?»), Аналіз та insight (data → narrative) і Сумаризація (long → short).
Що автоматизація не робить
- Не приймає фінальне рішення за керівника. Вибір і відповідальність залишаються за людиною — агент готує аргументи, але не підписує контракт.
- Не веде переговори з постачальниками. Запити на уточнення умов, торг за ціною, погодження правок у договорі — вручну.
- Не замінює юридичний і фінансовий due diligence. Перевірка контрагента на благонадійність, аналіз контракту юристом, зустрічі — як і раніше, в зоні людини.
Автоматизація закриває стандартне вузьке місце: десятки КП лежать у папці, керівник відкладає ревʼю, строки прийняття рішення розтягуються на тижні. Після впровадження час від надходження КП до аргументованого висновку скорочується на 70% — це і є заявлений ефект автоматизації.
Як працює
AI-агент зібраний на кастомній зв'язці з кількох компонентів. У центрі — AI-модель, яка читає документи й міркує за витягнутими даними. Навколо неї — конектор до file storage, RAG-індекс для повторних запитів і шаблон промпта із закріпленими критеріями оцінки.
Технічний потік
- Trigger. Новий файл у папці з КП або запуск за розкладом (раз на день або раз на тиждень).
- Extract. Агент витягує текст із PDF, DOCX, таблиць і листів, нормалізує кодування, видаляє підписи та службові блоки.
- Chunking + embeddings. Документи розрізаються на логічні блоки та індексуються у векторному сховищі для подальших RAG-запитів.
- Field extraction. За шаблоном критеріїв витягуються значення: ціна, термін постачання, умови оплати, гарантія, штрафи, SLA, склад робіт.
- Порівняння. Умови нормалізуються (валюта, одиниці, строки), будується таблиця з підсвічуванням відхилень.
- Summarization. Агент формує текст: ключові відмінності, ризики, рекомендація.
- Output. Звіт зберігається назад у file storage і паралельно надходить керівнику у звичний канал.
Кроки впровадження
- Збір критеріїв. Операційний керівник перелічує параметри, які реально впливають на вибір. Саме на цьому етапі вперше виходить із голів у документ те, що раніше не було явно сформульовано.
- Підготовка датасету. Потрібно 5-10 минулих оцінок із реальними рішеннями — агент використовує їх як калібрування.
- Налаштування конектора до file storage. Підключення до поточного сховища (Google Drive, Dropbox, S3, внутрішня SMB-шара) з правами на читання.
- Проєктування промпта. Опис ролі агента, критеріїв, формату виведення, правил нормалізації. Це основна частина кастомної розробки.
- Тестування на історичних даних. Агент обробляє минулі КП, результати звіряються з реальними рішеннями. Розбіжності — привід уточнити промпт.
- Пілот. Дві-три реальні закупівлі йдуть паралельно: керівник оцінює КП сам і дивиться результат агента. Звірка.
- Продакшн. Агент працює в основному потоці, людина — на фінальній перевірці.
Компоненти рішення
Компонент | Призначення |
|---|---|
File storage connector | Читання КП із підключеної папки |
AI-модель | Витягування полів, порівняння, резюме |
Vector store | Індексація документів для RAG-запитів |
Шаблон промпта | Критерії, правила нормалізації, формат |
Output handler | Збереження звіту та відправка керівнику |
Тип рішення — custom-code. Базова логіка збирається під конкретний процес клієнта, а не конфігурується в готовому SaaS. Причина: критерії оцінки постачальників відрізняються у виробничої компанії, IT-інтегратора й ритейлера — універсальний шаблон тут працює погано. Натомість клієнт отримує гнучкість: критерії, формат звіту й правила обробки винятків налаштовуються під його процес.
RAG-шар дає додаткову цінність після першого розгортання: керівник ставить до корпусу КП запитання на кшталт «покажи всіх постачальників із гарантією більше 2 років» або «де найкоротша відстрочка платежу» — без окремого звіту, у вільній формі.
Що потрібно
Автоматизація передбачає мінімальний набір умов на стороні клієнта — без них впровадження сповільниться.
Дані та доступи
- Структурована папка з комерційними пропозиціями у file storage (Google Drive, Dropbox, S3, SMB-шара — підключається через конектор).
- 5-10 минулих закупівель із задокументованим рішенням для калібрування агента.
- Документація або усна фіксація критеріїв вибору — що саме порівнюємо, які параметри критичні.
- Права на читання папки для сервісного облікового запису.
Готовність команди
- Операційний керівник або closure-менеджер, який володіє процесом закупівель і готовий витратити 3-5 годин на погодження критеріїв і шаблону звіту.
- Технічний контакт (CTO, DevOps або зовнішній підрядник) для налаштування конектора до file storage.
- Готовність вивести критерії вибору з голів у документ. Цей крок займає найбільше часу, бо всередині компанії критерії рідко бувають явно сформульовані.
Терміни
Complexity рівня week означає медіанний строк впровадження 6-10 тижнів. З них:
- 1-2 тижні — збір критеріїв і підготовка датасету.
- 2-3 тижні — розробка та налаштування агента.
- 2-3 тижні — тестування на історичних даних і коригування.
- 1-2 тижні — пілот на реальних закупівлях і фінальне налаштування.
Болі
- Ревью — вузьке місце
- Знання в головах, не в документах
FAQ
Скільки часу займає впровадження?
Медіанний термін — 6-10 тижнів. Більшу частину часу займає не розробка, а узгодження критеріїв вибору всередині команди та калібрування агента на минулих закупівлях. Якщо в компанії критерії вже зафіксовані в документах і є 5-10 розібраних кейсів, терміни зсуваються до нижньої межі. За необхідності доступний прискорений варіант зі скороченим функціоналом і подальшим розширенням.
Що як у нас немає єдиного формату КП?
Різнобій форматів — норма в закупівлях: одні постачальники надсилають PDF, інші — листи, треті — таблиці. Агент саме на це і розрахований: витягує поля з різних форматів і зводить до єдиної шкали. Проблема не в різнобої форматів, а у відсутності критеріїв, за якими проводиться порівняння. Критерії доведеться сформулювати один раз на етапі впровадження.
Які є ризики та що може зламатися?
Три основних ризики. Перший — агент витягує поле невірно, коли постачальник формулює умову незвично (наприклад, знижка застосовується за складним правилом). Рішення — ручна перевірка перших 10-20 звітів та уточнення промпта. Другий — зміна формату документів у ключового постачальника. Рішення — моніторинг точності. Третій — критерії вибору змінюються з розвитком бізнесу, промпт потребує періодичного оновлення.
Чи підходить автоматизація для нашої галузі?
Рішення горизонтальне — працює скрізь, де регулярно порівнюються комерційні пропозиції від кількох постачальників: виробництво, ритейл, IT-послуги, будівництво, професійні сервіси, B2B-торгівля. Специфіка галузі впливає лише на критерії порівняння та формат звіту — технічна частина однакова. Для вузькоспеціалізованих закупівель (медичне обладнання, промислова автоматика, сертифіковані матеріали) знадобиться більше часу на калібрування та більший набір минулих кейсів для навчання.
Що робити, якщо критерії вибору змінюються з часом?
Критерії справді змінюються — з'являються нові постачальники, регулюється законодавство, зміщуються пріоритети бізнесу. В промпт закладається механізм періодичного оновлення: раз на квартал операційний керівник переглядає критерії разом з командою Grow2.ai або самостійно. Технічна частина промпта відокремлена від бізнес-частини, тому оновлення займає 1-2 години. Масштабний перегляд архітектури потрібен лише при кардинальній зміні моделі закупівель.
Чи можна вбудувати результати в існуючий workflow?
Так. Звіт агента зберігається назад у file storage поруч з вихідними КП і паралельно надходить у звичний канал керівника — лист, Slack, завдання в таск-трекері. Конектор до зовнішніх систем налаштовується на етапі впровадження. Якщо вже використовується workflow-рушій або інший оркестратор, агент підключається як крок у наявному пайплайні. Структура звіту зафіксована, тому його легко парсити далі.
Хочете таку автоматизацію в своєму бізнесі?
Запишемо безкоштовний аудит — покажемо, як це працюватиме саме для вас.