Искусственный интеллект в сфере управления закупками

Основная часть

Множественность вариантов апробации систем искусственного интеллекта для эффективной оптимизации процессов закупок для нужд государства даёт возможность для создания эффективной модели, которая будет базироваться на точной алгоритмизации и позволит оптимизировать закупочную деятельность. В условиях цифровой трансформации, массовой цифровизации – это одно из перспективных и востребованных направлений дальнейшего развития всех отраслей экономики.

Понимая и принимая идеи искусственного интеллекта как уже действующее направление, следует привести его основные характеристики [4, 6, 9], определяющие само понятие «искусственный интеллект»:

• особая технология и наука по созданию интеллектуальных разработок;
• уникальное свойство интеллектуальных систем выполнять креативные функции человека;
• интеллектуальные разработки, основная задача которых заключается в правильном моделировании образовательных, когнитивных и ментальных процессов [3];
• множественность алгоритмов и программных разработок, которые смогут взять на себя выполнение задач, свойственных специфическим функциям человеческого интеллекта [8];
• моделирование уникальных интеллектуальных процессов при помощи компьютерных разработок.

Таким образом, искусственный интеллект сегодня можно назвать междисциплинарной отраслью моделирования, воссоздания и понимания когнитивных процессов и интеллекта на базе логических, информационных, математических, лингвистических, биологических и психологических принципов. Основной целью развития систем искусственного интеллекта является создания технологий и устройств, которые могут самообучаться, коммуницировать, разумно рассуждать, целенаправленно проводить необходимые манипуляции и др.

Ряд ученых отмечают, что искусственный интеллект напрямую зависит от умения устройства мыслить как человек, то есть умение познавать, воспринимать, принимать решения разумным и рациональным образом [9].

В Национальной стратегии развития искусственного интеллекта до 2030 года, принятой на основании указа Президента, разработки в сфере искусственного интеллекта позволяют повысить уровень эффективности прогнозирования, планирования и принятия решений, в том числе, в сфере закупок [1, 2]. Эффективное развитие искусственного интеллекта на основании этой стратегии базируется на:

• поддержке разработок;
• поддержке научных исследований;
• разработке правовой базы;
• развитии программного обеспечения;
• доступности технологий;
• обучении высококвалифицированных кадров [6, 8].

Государственная стратегия развития искусственного интеллекта основывается на том, что для реализации основных задач, необходимо активно апробировать системы искусственного интеллекта на базе плотного взаимодействия науки, государства, общества и негосударственных компаний. В Российской Федерации парадигма активной цифровизации системы закупок для нужд государства впервые появилась при публикации целевой программы «Цифровая Россия».

На основании этой программы был разработан интернет-портал, на котором публиковались данные о государственных закупках. Изначально портал подразумевал информационные функции, на базе которых возможные участники могли получить открытую информации о проведении государственных закупок. Для участия в закупке необходима была заявка, но необходимо помнить о том, что в то время не было законодательной базы для участия в закупках на основании электронной заявки [7, 10].

Глобальная цифровизация российской экономической системы началась в 2017 году. В основные направления цифровой трансформации вошли государственные закупки, в результате чего было принято ряд поправок в законодательную базу. Основным направлением поправок был процесс интеграции множества площадок в одну, формализация и стандартизация закупочных процедур для более высокой эффективности и определённости. Однако, главное изменение, которое было вызвано экономической реформой, основывалось на постепенном переходе закупочных торгов в цифровой пространство.

Искусственный интеллект при осуществлении закупок обладает рядом неоспоримых преимуществ. В частности, это:

1. Анализ информации о поставщиках. Искусственный интеллект способен быстро и эффективно обеспечить работу с поставщиками. Он легко находит контрагентов и их контакты, дает информацию о финансовом состоянии компании и анализирует отзывы заказчиков о качестве их работы. При этом время на обработку информации значительно сокращается, а ее количество увеличивается.
2. Управление расходами. Искусственный интеллект на основе машинного обучения способен проанализировать затраты за определенный период времени и определить ситуации, в которых была реальная возможность сэкономить. Программные комплексы способны оперативно сравнивать цены на закупку, сравнивать их с индексами на рынке и порекомендовать более выгодное предложение.
3. Управление рисками. Искусственный интеллект собирает информацию о возможных рисках в цепочке поставок. При этом бизнес может увеличить скорость обработки заказов, оптимизировать расходы и улучшить качество закупаемой продукции.
4. Оптимизация взаиморасчетов. Искусственный интеллект значительно упрощает и ускоряет систему взаиморасчетов с поставщиками. При этом существенно сокращаются ошибки и не допускаются различные виды мошенничества. Особенно актуально такое программное обеспечение при большом объеме платежей.

С 2019 года закупки для нужд государства стали проходить на базе единой информационной системы. Появились новые требования для участников закупок. К процедурам закупок начали допускать только зарегистрированные в единой информационной системе организации [10, 11].

Если рассматривать основные проблемы, характерные для системы закупок для нужд государства, то эффективным было бы использование искусственного интеллектом, позволяющее достичь:

• эффективной проверки подрядчиков на их соответствие требованиям законодательной базы, которая основывается на алгоритме сравнения известных подрядчику характеристик с установленными критериями закупок для государства;
• качественного контрактного управления, которое основывается на автоматизированном контроле и сопровождении на всех этапах подписания и выполнения контрактных обязательств на основании работы автоматизированных алгоритмических цепочек;
• когнитивной поддержки принятия решений, которая основывается на множественности классов решений, отвечающих за выполнение процесса в автоматическом режиме, корректную поддержку при выборе оптимальных решений;
• грамотной перспективной и предиктивной аналитики в закупках, которая основывается на методики множественного анализа поступивших данных с автоматической интерпретацией, дающей возможность на базе имеющейся информации выявлять актуальные данные об исследуемых параметрах и составлять прогнозную сетку будущих событий;
• заключения контрактных обязательств на базе блок-чейн разработок;
• развития виртуальных помощников в виде интерактивных ботов.

Таким образом, с помощью искусственного интеллекта можно решить следующие задачи в сфере закупок:

1. Планирование. Речь идет об оптимизации ассортимента продукции. Недостаточный ассортимент или отсутствие позиций ведет к потере покупателей. Избыточное количество товара, особенно скоропортящегося или сезонного, приводит к финансовым потерям. Грамотно организованный процесс закупки позволяет планировать расходы и на основе глубокой аналитики эффективно выстраивать систему взаимодействия с поставщиками.
2. Прогнозирование спроса. Изучение детального портрета клиента, его финансовых возможностей, анализ работы конкурентов, расширение предложений и корректировка товарной матрицы, управление ценами для увеличения прибыли – искусственный интеллект делает это гораздо быстрее человека, в соответствии с заданными параметрами. Такое преимущество оставляет конкурентов позади, а количество клиентов увеличивается.
3. Планирование объема и закупочной цены. Искусственный интеллект учитывает средние расходы за предыдущий период и значимые изменения, способные внести свои коррективы. Для расчета оптимальной цены используются данные о бюджете компании, общей ситуации на рынке, особенности спроса и налоговые обязательства.

В качестве достоинств использования искусственного интеллекта в закупках для нужд государства следует отметить высокий уровень прозрачности, экономию времени, высокий уровень контролируемости процессов, экономию трудовых ресурсов, беспристрастность в выборе подрядчиков. При этом учет возможных рисков на основе качественного анализа данных позволяет соблюсти установленные сроки и избежать выхода за рамки планируемого бюджета, что особенно важно для ценообразования.

Стоит выделить актуальные и перспективные технологии искусственного интеллекта, которые уже зарекомендовали себя для системы государственных закупок:

• Нейронные сети, которые позволяют рассматривать каждую задачу как множественность исходящей и входящей информации, функций и переменных разной степени важности, которые связывают эту информацию.
• Машинное обучения, являющееся одной из популярных форм искусственного интеллекта, которая заключается в автоматизированном сравнении базовых моделей с поступающей информацией и автоматизированного обучения при помощи актуализации и получения новой информации.
• Глубокое обучение, позволяющее классифицировать и прогнозировать результаты на базе парадигмы обратного распространения ошибки.
• Эволюционное моделирование, которое является генетической алгоритмикой и мультиагентным моделированием.
• Роботизированная автоматизация, позволяющая в автоматическом режиме выполнять множественность структурированных задач в цифровом пространстве.

В настоящее время трудности по внедрению искусственного интеллекта определяются следующими факторами:

• недостаточная квалификация сотрудников;
• большие затраты на разработку;
• большие затраты на внедрение;
• большой срок перехода на цифровую закупочную систему.

Однако, анализ отечественного и зарубежного опыта разработки и использования технологий искусственного интеллекта позволяет утверждать, что эти трудности временны и преодолимы, поскольку его преимущества гораздо ценнее – возможность решать вопросы, возникающие при управлении закупочными процессами в новых условиях – условиях цифровой трансформации. Определение наиболее подходящего инструментария из технологий искусственного интеллекта для конкретной закупочной задачи и степень его эффективности подразумевает необходимость глубокого анализа функциональных особенностей каждого инструмента.

В государственной закупочной деятельности одним из очень важных можно назвать управление процессом взаимодействия с подрядчиками. Как правило, этот процесс подразумевает проведение многофакторной экспертной оценки подрядчика, что может привести к смещению результата из-за множества субъективных факторов и содержит в себе риски, которые вызваны человеческим фактором.

Для избежания ошибок в таких условиях отлично подойдёт машинное обучение. После анализа данных модель может отнести к конкретному классу любую изучаемую компанию, у которой ещё нет приобретённого класса. Для предложений от возможных подрядчиков, которые поступают в графическом и бумажном формате, подойдут алгоритмы распознавания образов и обработки естественного языка.

Машинное обучение максимально подходит для сферы закупок. Закупочная деятельность предполагает наличие огромного количества данных, которые полезны и информативны. Качественная аналитика представляет собой прямой путь к высокой окупаемости инвестиций.

Технология роботизированной автоматизации процесса, кроме того, может в автоматизированном режиме получать информацию о подрядчике не только из закупочной документации, но и из всех открытых источников в глобальной сети, что позволяет ей эффективно проводить базовую обработку информации, в том числе очистку, нормализацию, удаление дубликатов, выявление аномалий и др.

Заключение

Искусственный интеллект в системе закупок, в том числе для нужд государства, может быть очень важным и мощным инструментом, который сможет выполнять ряд функционала, который позволит закупщикам достигать более эффективных результатов каждой закупки. Множественность вариантов апробации систем искусственного интеллекта для эффективной оптимизации процессов закупок для нужд государства даёт возможность для создания эффективной модели, которая будет базироваться на точной алгоритмизации и позволит оптимизировать закупочную деятельность.