ИИ для оптовой торговли и дистрибуции: документы и заказы

Оптовый бизнес держится на скорости и точности: кто быстрее подтвердил заказ, свёл цены и отгрузил без ошибок, тот и удержал клиента. При этом большая часть рабочего дня менеджеров и бухгалтерии уходит не на продажи, а на разбор заявок в почте и мессенджерах, ручной ввод накладных и сверку остатков. ИИ для оптовой торговли снимает именно эту рутину: принимает и распознаёт заказы из любых каналов, заносит первичку, контролирует цены и дебиторку, отвечает клиентам по наличию и статусам. Ниже разберём конкретные сценарии, интеграцию с 1С и то, как посчитать эффект до старта проекта.

Где опт теряет деньги и время

Дистрибьютор работает с сотнями SKU, десятками поставщиков и клиентами, каждый из которых присылает заказ по-своему: один Excel-файлом, другой текстом в WhatsApp, третий фотографией бланка, четвёртый через личный кабинет. Менеджер вручную переносит позиции в 1С, ищет артикулы по названиям с опечатками, проверяет, есть ли товар, и согласовывает цену по индивидуальному прайсу. На один нестандартный заказ уходит 15–30 минут, и это в лучшем случае.

Параллельно бухгалтерия вбивает входящие накладные и счета-фактуры, сверяет их с заказами и договорами, ловит расхождения в количестве и цене. По рынку до двух третей времени линейного сотрудника уходит на такую механическую обработку, а не на работу с клиентом. Плюс прямые потери: медленный ответ на заявку — и клиент уходит к конкуренту; по разным оценкам из-за задержек теряется заметная доля входящих обращений. Ошибка в артикуле или цене превращается в пересортицу, возврат и испорченные отношения с сетью.

Корень проблемы не в ленивых людях, а в том, что поток входящих данных разнороден и неструктурирован, а ERP требует чистых, сверенных записей. Между этими двумя точками сидит человек и работает живым парсером. Эту прослойку и забирает ИИ.

Приём и распознавание заказов из любых каналов

Первый и самый окупаемый сценарий — автоматический разбор входящих заявок. ИИ-агент подключается к почтовому ящику, Telegram, WhatsApp и формам сайта, забирает сообщение в любом виде и превращает его в структурированный заказ.

Как это работает по шагам:

1. Агент получает входящее: текст письма, вложенный Excel или PDF, скан бланка, фото с телефона, голосовое сообщение.
2. Распознаёт содержимое и извлекает позиции — наименование, количество, требуемую дату, реквизиты клиента.
3. Сопоставляет тексты с номенклатурой по артикулам, синонимам и опечаткам, а не по точному совпадению строки. «Молоко 3,2 пэт 0,9» находит нужный SKU, даже если в базе он назван иначе.
4. Подтягивает индивидуальный прайс клиента, проверяет остаток на складе и формирует черновик заказа в 1С.
5. Спорные позиции, которые не удалось сопоставить уверенно, помечает и отдаёт менеджеру на ручное решение.

Человек перестаёт быть переписчиком и становится контролёром: он смотрит готовый заказ и подтверждает его, а не собирает с нуля. Время обработки типовой заявки падает с десятков минут до пары. Важная деталь: автоматизация оптовой торговли с ИИ имеет смысл только при честной обработке исключений — система должна понимать, где она уверена, а где нет, и не «додумывать» позиции.

Ввод первички и сверка с заказом

Второй блок — документооборот. ИИ-агенты распознают входящие УПД, накладные ТОРГ-12, счета-фактуры и счета: вытаскивают поставщика, номера, даты, позиции, количество, цены и суммы НДС. Распознавание первички сокращает ручной ввод в разы и убирает опечатки, которые потом всплывают в актах сверки.

Дальше начинается то, ради чего всё затевалось, — автоматическая сверка. Агент сопоставляет документ с заказом и с условиями договора и сам подсвечивает расхождения.

Что сверяется	Ручной процесс	С ИИ-агентом
Позиции накладной с заказом	Глазами, выборочно	Полностью, по каждой строке
Цена против прайса/договора	Часто пропускается	Авто-флаг при отклонении
Количество и пересорт	Всплывает при приёмке	Видно до проведения
Дубли документов	Обнаруживаются случайно	Блокируются на входе
Скорость одного документа	5–15 минут	Секунды плюс контроль

Бухгалтер получает не пачку сканов, а размеченные документы с готовыми пометками: вот тут цена выше договорной на 4%, тут не хватает двух коробок, тут счёт-фактура задвоена. Решение остаётся за человеком, но поиск проблем берёт на себя машина.

Контроль цен, остатков и дебиторки

ИИ в дистрибуции полезен не только на входящем потоке, но и как постоянный сторож по ключевым показателям. Агент работает поверх 1С и CRM и реагирует на события, а не ждёт, пока кто-то откроет отчёт.

• Цены: если заказ уходит ниже согласованной маржи или по устаревшему прайсу, агент останавливает и сигнализирует ответственному.
• Остатки: при попытке отгрузить больше, чем есть, или при падении запаса ходового SKU ниже порога — уведомление закупщику с предложением заказа.
• Дебиторка: клиенту с просроченной задолженностью новый заказ ставится на холд, менеджеру и финансисту уходит оповещение до отгрузки, а не после.
• Договорные условия: агент следит за сроками действия цен, бонусами за объём и спецусловиями сети.

Такой контроль обычно невозможно держать вручную на широком ассортименте — людей не хватает, и проверки делаются выборочно. Здесь важна суверенность данных: цены, маржа и клиентская база — чувствительная коммерческая информация, и прогонять её через зарубежные облачные сервисы рискованно и зачастую незаконно. OVEERMOON разворачивает таких агентов на отечественных LLM в закрытом контуре, on-premise, так что данные не покидают периметр компании и соблюдаются 152-ФЗ.

Ассистент по каталогу, наличию и статусам

Четвёртый сценарий разворачивает ИИ лицом к клиенту и к собственным менеджерам. RAG-ассистент держит в памяти прайсы, остатки, договоры и спецификации и отвечает на вопросы на естественном языке.

Что он закрывает:

• «Что есть в наличии из линейки X и по какой цене для нас?» — ответ с учётом индивидуального прайса клиента.
• «Где мой заказ №?» — статус, дата отгрузки, номер машины без участия менеджера.
• «Чем заменить позицию, которой нет?» — подбор аналогов из каталога.
• Поиск по договорам и прайс-листам: какие условия по этой сети, когда заканчивается акция, какая отсрочка.

По рынку ассистент закрывает значимую долю типовых обращений сам, а менеджер подключается только к нестандартному. Для клиента это ответ за секунды в привычном мессенджере, для компании — разгруженный отдел продаж и круглосуточная доступность справки. Внутренний поиск по прайсам и договорам экономит не меньше: новому сотруднику не нужно знать наизусть тысячи позиций и условий.

Интеграция с 1С и как посчитать эффект

Вся ценность сценариев держится на интеграции. ИИ-агенты подключаются к 1С (УТ, КА, ERP), к CRM и СЭД через типовые механизмы обмена, так что заказы, документы и статусы ходят в обе стороны без ручного экспорта. Внедрение идёт итерациями: сначала самый болезненный участок — обычно приём заказов или ввод первички, — затем расширение.

Чтобы понять, окупится ли проект, посчитайте базовые метрики до старта:

1. Среднее время обработки одного заказа и одной накладной, умноженное на их количество в месяц.
2. Стоимость часа сотрудников, занятых этой рутиной, и сколько FTE она съедает.
3. Доля заявок, по которым ответ занимает больше N часов, и оценка потерянных из-за этого сделок.
4. Объём ошибок: пересорт, возвраты, ценовые расхождения в актах сверки за квартал.
5. Скорость ответа клиенту по наличию и статусу.

После пилота сравните те же цифры. Адекватный проект фиксирует целевые метрики заранее и отвечает за результат, а не за факт установки. OVEERMOON работает именно так: метрики до и после согласуются на старте.

Часто задаваемые вопросы

С какими каналами и форматами заказов работает ИИ?

Почта, Telegram, WhatsApp, формы сайта и личный кабинет. Форматы — текст, Excel и CSV, PDF, сканы и фото бланков, голосовые сообщения. Агент извлекает позиции и сопоставляет их с номенклатурой по артикулам и синонимам, а неуверенные строки отдаёт менеджеру.

Не сольются ли наши цены и клиентская база на сторону?

Нет, если система развёрнута в закрытом контуре. Решения на отечественных LLM работают on-premise, данные не покидают периметр компании, что соответствует 152-ФЗ и требованиям к значимым объектам КИИ. Это легальная замена недоступным зарубежным сервисам.

Нужно ли менять нашу 1С или CRM?

Как правило, нет. Агенты подключаются к существующим УТ, КА, ERP, amoCRM или Bitrix24 через штатные механизмы обмена. Дорабатываются обмены и правила, а не переписывается учётная система.

Что будет, если ИИ ошибётся в распознавании?

Спорные позиции и документы не проводятся автоматически: система помечает их и передаёт человеку. Точность растёт по мере обучения на вашей номенклатуре, но контроль исключений остаётся за сотрудником — это снижает риск пересорта и ценовых ошибок.

С чего начать

Возьмите один участок, который болит сильнее всего, — чаще это приём заказов или ввод накладных, — и замерьте по нему время, объём и ошибки за месяц. Этого достаточно, чтобы оценить эффект пилота и решить, масштабировать ли ИИ на остальные процессы опта. Следующий шаг — собрать эти цифры и обсудить с командой, какой сценарий запускать первым.