Pentair сэкономил $15 млн и улучшил оборотный капитал: как ИИ-агент трансформировал закупки

Pentair, компания с оборотом в $4 млрд, столкнулась с проблемой устаревшей и сложной системы закупок, которая требовала огромных временных затрат на согласование данных о расходах между бизнес-подразделениями. После внедрения ИИ-агента, который за два месяца был развёрнут по всему миру, Pentair добилась 90% точности в классификации расходов, что привело к улучшению оборотного капитала на $15 млн и открыло новые возможности для экономии.

В крупной компании закупки, это не просто покупка товаров, это стратегический процесс, который напрямую влияет на маржинальность и оборотный капитал. Но без точных данных о расходах, без возможности быстро анализировать контракты и управлять рисками поставщиков, закупки превращаются в хаотичное тушение пожаров. Это обходится в миллионы долларов упущенной выгоды и потерянного времени. Но сегодня эту проблему уже можно решить.

Реальность проблемы: закупки до ИИ-агента

Pentair оперирует в глобальном масштабе, что означает тысячи транзакций, сотни поставщиков и невероятный объём данных, который нужно было собирать, анализировать и согласовывать вручную. Существующая система была громоздкой и не позволяла эффективно отслеживать расходы на товары и услуги, управлять отношениями с поставщиками и вовремя выявлять риски. Ежедневная работа категорийных менеджеров сводилась к рутинному сбору и выверке данных, вместо стратегического планирования и поиска новых возможностей для экономии.

В условиях такого объёма данных, анализировать контракты, счета и другие документы традиционными методами было невозможно. Это приводило к упущенным возможностям для оптимизации затрат, задержкам в согласовании платежей и, как следствие, к снижению оборотного капитала.

Путь к ИИ-агенту: почему существующие решения не работали

Pentair уже использовала различные инструменты для управления закупками, но они не справлялись с масштабом и сложностью данных. Существующие системы не могли динамически классифицировать расходы, выявлять аномалии или автоматически управлять контрактами с необходимой точностью. Они требовали постоянного ручного вмешательства и не давали полной картины. Компании нужен был не просто новый софт, а интеллектуальный помощник, который мог бы обрабатывать огромные объёмы структурированных и неструктурированных данных, выявлять скрытые закономерности и предоставлять глубокие инсайты.

Именно поэтому Pentair обратилась к ИИ-агенту, способному трансформировать закупки из реактивной функции в проактивную, генерирующую ценные данные и повышающую операционную эффективность.

Как проектировали ИИ-агента для закупок

ИИ-агента задумали как комплексное решение, способное автоматизировать и оптимизировать ключевые аспекты закупочной деятельности. Основные задачи, которые ставились перед агентом:

• Управление контрактами. Агент должен был унифицировать управление жизненным циклом контрактов, извлекать ключевые термины с помощью обработки естественного языка (NLP) и машинного обучения, а также автоматизировать создание, проверку и утверждение договоров.
• Управление рисками поставщиков. Агент должен был анализировать миллионы источников данных, чтобы заблаговременно выявлять потенциальные риски в цепочке поставок и предупреждать о них.
• Анализ и классификация расходов. ИИ-агент должен был динамически классифицировать статьи расходов с высокой точностью (более 90%), выявляя ключевые слова и связывая их с категориями затрат.
• Обнаружение аномалий. Агент был запрограммирован на автоматическое выявление мошенничества, нарушений соответствия и изменений цен по всему спектру поставщиков в режиме реального времени.
• Автоматизация соответствия. Агент должен был структурировать данные из контрактов, счетов и заказов на поставку, чтобы автоматически выявлять и подсвечивать проблемы несоответствия, сравнивать условия оплаты и обнаруживать дубликаты.

Цель была не просто автоматизировать отдельные задачи, а создать интеллектуальную систему, которая бы координировала все эти функции, предоставляя категорийным менеджерам полную картину и возможности для принятия стратегических решений.

Внедрение и этапы развертывания

Внедрение ИИ-агента в Pentair заняло всего два месяца, что для глобальной компании такого масштаба, это крайне быстрый срок. Процесс был разделён на несколько этапов:

1. Пилотный проект. На первом этапе ИИ-агент был запущен для решения наиболее критичных и ресурсоёмких задач, таких как классификация расходов. Это позволило быстро продемонстрировать ценность решения и получить обратную связь от пользователей.
2. Постепенное расширение функционала. После успешного пилота, функционал агента постепенно расширялся, включая управление контрактами, рисками поставщиков и обнаружение аномалий.
3. Интеграция с существующими системами. ИИ-агент был бесшовно интегрирован в существующую IT-инфраструктуру Pentair, что минимизировало необходимость изменения рабочих процессов и обучения сотрудников.
4. Обучение персонала. Категорийные менеджеры и другие сотрудники, задействованные в закупках, прошли обучение по работе с новым инструментом, что позволило им эффективно использовать его потенциал.

Результаты внедрения ИИ-агента в Pentair

Благодаря ИИ-агенту, Pentair не только улучшила точность классификации расходов до 90%, но и достигла значительного улучшения оборотного капитала на $15 млн. Это позволило категорийным менеджерам сосредоточиться на стратегическом поиске поставщиков и переговорах, а не на рутинной обработке данных. Оптимизация сети поставщиков и консолидация поставщиков также привели к дополнительной экономии и повышению эффективности.

Как это внедрить у вас

Кейс Pentair показывает, что внедрение ИИ-агентов в закупках может принести существенные финансовые и операционные выгоды. Если ваша компания сталкивается с похожими проблемами, вот с чего можно начать:

• Проведите аудит текущих процессов. Определите, где именно в ваших закупках происходят наибольшие потери времени и ресурсов из-за ручной обработки данных, низкой точности или отсутствия прозрачности.
• Начните с наиболее критичных областей. Выберите одну-две области, где потенциальный выигрыш от ИИ-агента будет максимальным — например, классификация расходов или управление контрактами, чтобы быстро продемонстрировать ценность.
• Интегрируйте ИИ-агента в существующую инфраструктуру. Избегайте создания отдельных систем. ИИ-агент должен быть частью вашей текущей рабочей среды, чтобы сотрудники могли легко его использовать.
• Обучите команду. Успех внедрения зависит от того, насколько хорошо ваша команда будет использовать новый инструмент. Инвестируйте в обучение и поддержку.

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