Coupa помог Pearson увеличить соответствие расходам с 22% до 85%: как ИИ-агент трансформирует закупки

Компания Pearson, гигант в сфере образования и издательства, столкнулась с типовой проблемой: сложный процесс закупок приводил к низкому соответствию расходам. Всего за шесть месяцев после внедрения ИИ-агента от Coupa, Pearson удалось поднять этот показатель с критических 22% до впечатляющих 85%, при этом 87% пользователей отметили высокую удовлетворённость системой.

Закупки, это не просто трата денег, это стратегический процесс, который может либо оптимизировать затраты, либо стать чёрной дырой для бюджета. Тысячи мелких решений, ручная обработка документов, отсутствие единой картины — всё это приводит к неэффективности, упущенной выгоде и высоким рискам. Раньше считалось, что это неизбежное зло, но сегодня ИИ-агенты меняют правила игры, превращая хаос в упорядоченную систему.

Скрытые издержки традиционных закупок

В такой крупной организации, как Pearson, закупки затрагивают множество отделов и географических регионов. До внедрения ИИ-агента, процесс был фрагментирован и требовал значительных ручных усилий. Это приводило к низкой прозрачности расходов, сложностям в отслеживании контрактов и, как следствие, к низкому уровню соответствия установленным правилам расходования средств – всего 22%.

Сотрудники тратили часы на поиск нужных поставщиков, сверку цен, оформление заказов и согласование документов. Это не только замедляло работу, но и создавало риски для бюджета: отсутствие единой картины расходов затрудняло выявление неэффективных трат и потенциальных переплат. При объёме £300 миллионов стерлингов, проходящих через систему, даже небольшой процент неэффективности оборачивался миллионными потерями.

Почему прежние инструменты не справлялись

У Pearson уже были системы для управления закупками, но они не могли обеспечить требуемый уровень автоматизации и контроля. Эти системы были ориентированы на выполнение отдельных шагов процесса, но не обладали способностью к комплексному анализу, прогнозированию и автономному принятию решений. Они требовали постоянного ручного вмешательства и не могли адаптироваться к изменяющимся условиям рынка или внутренним потребностям без значительных усилий со стороны персонала.

Компания нуждалась в решении, которое могло бы не просто автоматизировать отдельные задачи, а взять на себя весь цикл «от источника до платежа» (source-to-pay), обеспечивая проактивную аналитику и управление рисками. Именно поэтому выбор пал на ИИ-агента, способного работать с огромными объёмами данных и принимать обоснованные решения на основе этих данных.

Как спроектировали ИИ-агента для Coupa

ИИ-агент Coupa был разработан как платформа для построения, развёртывания и оркестровки специализированных агентов. В его основе лежит уникальный подход, использующий «Community Intelligence» — данные о транзакциях на сумму более $10 триллионов, накопленные за 20 лет. Эти данные позволяют ИИ-агенту действовать не как новичку, а как опытному профессионалу с многолетним опытом в B2B закупках.

Агент был спроектирован для выполнения нескольких ключевых функций: предоставление рекомендаций по экономии, выявление рисков поставщиков, бенчмаркинг расходов и автоматизация рутинных операций. Это включает создание заявок на закупку, сравнение предложений, мониторинг рисков, проверку санкций и ранжирование сценариев. Благодаря интеграции с технологиями интеллектуальной обработки документов (например, Rossum) и оркестровки (Tonkean), ИИ-агент может самостоятельно обрабатывать счета, управлять потоками задач и взаимодействовать с различными системами.

Внедрение и адаптация

Внедрение ИИ-агента в Pearson было быстрым и эффективным. Всего за 6 месяцев после запуска, компания смогла перевести через новую систему £300 миллионов стерлингов расходов. Ключевым фактором успеха стала не только функциональность агента, но и его способность к плавной интеграции в существующие процессы и удобство для конечных пользователей.

ИИ-агент взял на себя наиболее трудоёмкие и рутинные задачи, высвободив время сотрудников для более стратегической работы. Это позволило не только повысить эффективность, но и улучшить качество принимаемых решений, поскольку агент предоставлял глубокие инсайты на основе огромного объёма исторических данных и бенчмарков сообщества.

Результаты внедрения

Достижение 85% соответствия расходам и 87% удовлетворённости пользователей всего за полгода — это выдающийся результат, который демонстрирует трансформационный потенциал ИИ-агентов в закупках. Компания не только получила значительную экономию и контроль над расходами, но и повысила продуктивность и моральный дух сотрудников, освободив их от рутины.

Как это внедрить у вас

Если ваша компания сталкивается с неэффективностью в закупках, ИИ-агент может стать мощным инструментом для оптимизации. Вот с чего стоит начать:

• Идентифицируйте болевые точки. Определите, где в вашем процессе закупок тратятся лишние часы, где возникают риски и где есть наибольший потенциал для экономии.
• Используйте данные. Убедитесь, что у вас есть доступ к качественным историческим данным о закупках. Чем больше данных, тем «умнее» будет ваш ИИ-агент.
• Начните с малого. Не пытайтесь автоматизировать всё сразу. Выберите один или два ключевых процесса, где ИИ может быстро показать результат, например, анализ предложений или мониторинг рисков поставщиков.
• Интегрируйте агента в существующие системы. Чем более бесшовно ИИ-агент встроится в ваш текущий рабочий процесс, тем быстрее его примут сотрудники и тем выше будет отдача.

Если этот кейс похож на то, что происходит у вас, наш менеджер поможет разобраться: бесплатно проанализирует ваш бизнес и нишу и подскажет, где ИИ-агент даст реальный результат именно в вашем случае. Написать менеджеру