Zakupy pochłaniają w wielu firmach do 90% wydatków, a 77% menedżerów zakupów nie wie, jak użyć do nich AI. Pierwsze pieniądze nie leżą w negocjacjach

Dlaczego ta rozmowa wraca właśnie teraz

Dwie rzeczy zmieniły się w 2026 roku jednocześnie i dopiero razem robią z zakupów sensowny obszar na pierwsze wdrożenie. Pierwsza to presja kosztowa, którą widać w twardych danych: według GUS ceny produkcji przemysłowej we wrześniu 2026 roku były o 6,1% wyższe niż rok wcześniej. Dla firmy, która kupuje materiały, komponenty i usługi, to nie jest wskaźnik makro — to jest różnica w cenniku od dostawcy, która przychodzi mailem z informacją o aktualizacji od pierwszego dnia miesiąca.

Druga zmiana jest techniczna i prawie nikt nie wyciągnął z niej wniosków po stronie zakupowej. Od 1 kwietnia 2026 roku zdecydowana większość polskich firm wystawia i odbiera faktury przez KSeF, w jednym schemacie XML. To znaczy, że każda faktura zakupowa — nie tylko sprzedażowa — jest od kilku miesięcy ustrukturyzowanym dokumentem z NIP-em dostawcy w ustalonym polu, pozycjami, jednostkami i cenami. Opisaliśmy to wcześniej w tekście o danych z KSeF z perspektywy księgowości i należności; z perspektywy zakupów oznacza to coś innego i prostszego: analiza wydatków, która jeszcze dwa lata temu była projektem na kwartał, jest dziś kwestią kilku dni, bo dane są już czyste i w jednym formacie.

Jak na to reaguje rynek? Z raportu „Gotowość na AI” przygotowanego w 2026 roku przez Antal i Sodexo Polska pod patronatem merytorycznym PSML, na próbie 299 osób pracujących w zakupach, wychodzi obraz, który trudno nazwać inaczej niż rozjechanym. Wdrożenie AI jest priorytetem strategicznym w 27% organizacji, dwa lata wcześniej w 15%. Wybór lub wdrożenie narzędzi automatyzacji i AI planuje się w 73% firm. A jednocześnie 51% badanych przyznaje, że ich organizacja nie jest na tę zmianę przygotowana, i — to jest najważniejsza liczba w całym raporcie — 77% nie wie, jak wykorzystać potencjał AI w zakupach.

Te liczby nie świadczą o zacofaniu, tylko o tym, że obszar jest słabo rozpisany na konkrety. Cele są jasne: 61% wskazuje optymalizację kosztów jako cel kluczowy, 60% oczekuje oszczędności rok do roku, 32% planuje obniżenie stawek dostawców — rok wcześniej 25%. Mniej jasne jest to, co właściwie miałoby się zautomatyzować. 73% badanych uważa, że procesowanie zamówień da się w pełni zautomatyzować, ale tylko około 30% widzi taki potencjał w relacjach z dostawcami. Ta druga liczba jest, naszym zdaniem, trafna i zdrowa — i właśnie z niej wynika kolejność, którą proponujemy niżej.

Warto jeszcze dopisać jedną liczbę, która ustawia skalę. W wielu branżach zakupy — surowce, komponenty, usługi, media — pochłaniają nawet 90% wydatków firmy. Przy takiej strukturze jeden procent lepiej kontrolowanych zakupów robi w wyniku więcej niż dziesięć procent oszczędności w kosztach biurowych. To jest też powód, dla którego warto tu działać ostrożnie: obszar, w którym przechodzi większość pieniędzy, jest obszarem, w którym błąd automatyzacji też kosztuje najwięcej.

Gdzie w zakupach naprawdę znikają pieniądze

Zanim cokolwiek wdrożycie, warto zobaczyć, że większość strat w zakupach nie bierze się ze złych negocjacji. Bierze się z braku widoczności — czyli z sytuacji, w których nikt nie ma przed sobą jednej tabeli i dlatego nikt nie widzi, że coś jest nie tak. Poniższa lista to miejsca, które w projektach wychodzą najczęściej, w kolejności od najbardziej powszechnego.

• Rozproszony zakup od tego samego dostawcy. Trzy oddziały, dwie spółki albo cztery działy kupują osobno u tego samego podmiotu, każdy na swoich warunkach i bez świadomości łącznego wolumenu. Dostawca ma pełny obraz, Wy nie — i to on wie, że jesteście jego piątym największym klientem.
• Cena na fakturze inna niż w ofercie albo w cenniku z umowy. Nie z powodu oszustwa, zwykle z powodu aktualizacji cennika, zmiany jednostki, innego opakowania, dopisanego transportu albo rabatu, który wygasł i nikt tego nie odnotował. Nikt nie porównuje, bo przy kilkuset pozycjach miesięcznie nie da się tego robić ręcznie.
• Ogon wydatków, którego nikt nie pilnuje. Reguła, którą w zakupach zna każdy: większość transakcji odpowiada za niewielką część kwot, i odwrotnie. Ta drobnica — najwięcej dokumentów, najwięcej dostawców, najmniej uwagi — jest jednocześnie miejscem, w którym najłatwiej płaci się cenę detaliczną za coś, co firma kupuje regularnie.
• Zakupy awaryjne. Brak materiału na produkcji o czwartej po południu oznacza zakup u pierwszego dostępnego dostawcy, po jego cenie, z jego terminem. Pojedynczo niewidoczne, w skali roku zwykle najdroższa pozycja na liście — i zarazem ta, którą najłatwiej ograniczyć przewidywaniem, a nie negocjacją.
• Umowy, które odnowiły się same. Automatyczna prolongata, termin wypowiedzenia liczony wstecz od rocznicy, klauzula indeksacyjna uruchamiana „na wniosek dostawcy”. Terminy są w PDF-ach w folderze, a nie w kalendarzu, więc mijają.
• Duplikaty dostawców i pozycji w systemie. Ten sam towar pod trzema nazwami, ten sam dostawca jako trzy kartoteki. Skutek: porównanie cen w czasie jest niemożliwe, a każda analiza zaczyna się od trzech dni porządkowania.

Czego AI w zakupach nie zrobi

Granicę stawiamy na początku, bo w tym obszarze sprzedaje się dużo obietnic, których nie da się dowieźć, a koszt pomyłki jest realny — kontrakt podpisuje się na rok, nie na tydzień.

Model nie wynegocjuje warunków. Negocjacja opiera się na wiedzy o tym, jak bardzo drugiej stronie zależy, co ma w magazynie, jak wygląda jej obłożenie i co powiedziała trzy miesiące temu przy kawie. Tego w danych nie ma. AI przygotuje do negocjacji dobrze — historię cen, wolumeny, porównanie z alternatywami, listę pytań — ale rozmowę prowadzi człowiek i to jest w raporcie Antala jedna z niewielu rzeczy, co do których badani są zgodni.

Model nie wybierze dostawcy. Może zbudować tabelę porównawczą i wskazać, że jedna oferta jest o 12% tańsza przy dłuższym terminie dostawy. Nie wie, że ten tańszy dostawca zawiódł dwa lata temu przy podobnym zamówieniu, że jego certyfikat wygasa w marcu i że Wasz klient końcowy ma go na liście wykluczonych. Ranking dostawców wystawiony przez model i zaakceptowany bez przeglądu to najszybsza droga do złej decyzji o dużej wartości.

Model nie zweryfikuje jakości ani zgodności technicznej. Zgodność karty materiałowej z wymaganiem konstrukcyjnym ocenia inżynier. Model może wskazać rozbieżność w parametrach i to jest wartościowe, ale jako alarm do sprawdzenia, nie jako orzeczenie.

I rzecz, którą trzeba powiedzieć wprost, bo bywa sprzedawana jako główna korzyść: autonomiczne składanie zamówień u dostawcy przez agenta nie jest wdrożeniem na pierwszy kwartał. Zamówienie to oświadczenie woli — zobowiązanie finansowe wobec podmiotu zewnętrznego. Różnicę między automatyzacją z regułami a agentem, który sam decyduje, rozpisaliśmy w tekście o agencie AI kontra automatyzacji; w zakupach ta różnica ma cenę wyrażoną w kwocie zamówienia.

Warstwa pierwsza: jedna tabela wydatków, czyli najtańsza wygrana

Pierwszy krok nie jest projektem AI i dobrze o tym wiedzieć, zanim ktoś wystawi za niego fakturę jako za wdrożenie modelu. Chodzi o to, żeby mieć jedną tabelę: dostawca, NIP, kategoria, pozycja, jednostka, ilość, cena jednostkowa, data, dział zamawiający. Źródłem są faktury zakupowe z KSeF, uzupełnione o to, co przez KSeF nie przechodzi — faktury od dostawców zagranicznych, rachunki, część mediów i leasingów.

Model językowy wchodzi tu w jednym konkretnym miejscu i jest w nim nie do zastąpienia: kategoryzacja i ujednolicanie nazw. „Śruba M8x40 A2”, „wkręt M8 40 nierdz.” i „M8x40 stal nierdzewna” to u trzech dostawców trzy opisy jednej pozycji, a ich sprowadzenie do wspólnego mianownika regułami jest możliwe tylko w teorii. Tu model jest tani, szybki i wystarczająco dokładny, pod jednym warunkiem: kategoryzację trzeba raz przejrzeć ręcznie na próbce i poprawić słownik, a nie przyjąć w ciemno.

Dopiero wtedy można zadać pytania, których wcześniej nie dało się zadać — i to jest moment, w którym zarząd zazwyczaj zmienia zdanie o całym projekcie. Ile łącznie wydaliśmy u tego dostawcy we wszystkich spółkach? Które pozycje podrożały o więcej niż 10% w ciągu roku i czy wzrost dotyczy rynku, czy tylko nas? Ilu mamy dostawców w kategorii, w której wystarczyłoby dwóch? Jakie zakupy robimy regularnie bez umowy? Które pozycje kupujemy jednocześnie u dwóch dostawców po dwóch różnych cenach?

Technicznie da się to postawić na dwa sposoby i oba są uzasadnione. Prostszy: raport odświeżany raz w tygodniu, który wylicza te same kilkanaście pytań. Droższy, ale wygodniejszy w codziennej pracy: warstwa, w której pytania zadaje się w języku naturalnym. Drugie rozwiązanie wygląda lepiej na demie i trudniej działa na prawdziwych danych — dlaczego, rozpisaliśmy w tekście o pytaniach do danych firmy w języku naturalnym. Rekomendacja z projektów jest nudna: najpierw kilkanaście stałych pytań, bo one dowożą 80% wartości w dwa tygodnie, a swobodne pytania dopiero wtedy, gdy ktoś faktycznie zaczyna z tego raportu korzystać.

Warstwa druga: oferta kontra faktura, czyli najnudniejsza kontrola w firmie

To jest miejsce, w którym w naszych projektach najszybciej znajdują się pieniądze, i jednocześnie to, o którym nikt nie chce rozmawiać, bo nie brzmi jak transformacja. Zadanie: dla każdej pozycji na fakturze zakupowej sprawdzić, czy cena jednostkowa zgadza się z ceną z obowiązującej oferty, cennika albo umowy. Jeśli nie — pokazać różnicę, kwotę i podstawę.

Większość tej pracy to nie AI, tylko porównanie dwóch liczb, i tak należy to zbudować, bo porównanie liczb jest powtarzalne i sprawdzalne, a model nie jest. Rola modelu jest pomocnicza i dotyczy trzech rzeczy, których regułami się nie zrobi: dopasowania pozycji z faktury do pozycji z cennika, gdy nazwy się różnią; przeliczenia jednostek, gdy cennik jest w kilogramach, a faktura w sztukach albo opakowaniach; oraz wyciągnięcia ceny i warunków z oferty, która przyszła jako PDF albo jako zdanie w mailu.

Jakie rozbieżności to wychodzi w praktyce? Najczęściej nie oszustwo, a dryf: cennik zaktualizowany bez poinformowania, rabat ilościowy niezastosowany przy zamówieniu, które próg przekroczyło, opłata za transport doliczona przy dostawie poniżej limitu mimo zapisu w umowie, inne opakowanie przy tej samej nazwie, naliczona indeksacja wyższa niż dopuszcza umowa. Pojedynczo małe kwoty, systematycznie powtarzane przy kilkuset pozycjach miesięcznie.

Jedna uwaga o tym, jak to wdrożyć, żeby nie zepsuć relacji z dostawcami. Wynikiem tej kontroli nie powinien być automatyczny mail z reklamacją, tylko lista rozbieżności dla kupca, z kwotą i źródłem. Część rozbieżności okaże się uzasadniona, bo ktoś ustalił coś telefonicznie i nie zapisał. Mechanizm, który sam wysyła pretensje, w ciągu kwartału nauczy Wasz zespół go omijać — a dokładnie ten sam błąd opisaliśmy przy AI na firmowej skrzynce i przy monitoringu należności. Zasada jest w obu miejscach identyczna: automatyzujcie wykrywanie, nie komunikację.

Warstwa trzecia: oferty, które przychodzą w pięciu różnych PDF-ach

Jeżeli wysyłacie zapytanie ofertowe do pięciu dostawców, wrócą do Was cztery odpowiedzi w czterech różnych układach: jedna jako tabela w PDF, jedna jako arkusz, jedna jako treść maila, jedna jako skan z podpisem. Ktoś je potem przepisuje do jednego arkusza, żeby dało się je porównać — i to przepisywanie jest zadaniem, które model wykonuje szybciej i dokładniej od człowieka o piątej po południu.

Co trzeba wyciągnąć, żeby porównanie było uczciwe, a nie tylko cenowe: cena jednostkowa i waluta, jednostka miary i przelicznik, minimum logistyczne, termin dostawy, warunki Incoterms, koszt transportu, termin płatności, okres ważności oferty, warunki gwarancji, próg rabatu ilościowego. Dopiero taka tabela pokazuje rzecz, którą widać w co drugim postępowaniu: najtańsza cena jednostkowa przy minimum logistycznym trzykrotnie wyższym od Waszego zużycia miesięcznego nie jest najtańszą ofertą.

Jedna zasada techniczna jest tu nienegocjowalna i decyduje o tym, czy narzędzie będzie używane po trzecim tygodniu. Każda wartość w tabeli musi mieć przy sobie źródło: plik, stronę, zdanie. Model, który wpisuje cenę bez wskazania, skąd ją ma, jest w zakupach bezużyteczny, bo jego wynik trzeba sprawdzić w całości — czyli zrobić pracę jeszcze raz. Z cytatem sprawdzenie pozycji zajmuje kilka sekund. Tę samą regułę stosowaliśmy przy analizie SWZ w przetargach i przy przeglądzie umów od kontrahentów — tam, gdzie wartości liczbowe wchodzą potem do oferty albo do zamówienia, ekstrakcja bez cytatu jest ryzykiem, nie oszczędnością.

Czego nie oddawać modelowi w tej warstwie: samego wyboru i samej wysyłki zapytania. Zapytanie ofertowe jest komunikatem rynkowym — informuje dostawców o Waszych planach, wolumenach i terminach. Narzędzie, które rozsyła je samo, może w ciągu tygodnia powiedzieć rynkowi więcej, niż chcielibyście powiedzieć.

Warstwa czwarta: terminy z umów, których nie ma w żadnym kalendarzu

Ta warstwa jest najtańsza z całej listy i najczęściej pomijana, bo nie wygląda na projekt. Chodzi o przeczytanie umów z dostawcami i cenników i wyciągnięcie z nich wyłącznie dat i warunków brzegowych: data zawarcia, okres obowiązywania, termin wypowiedzenia i sposób jego liczenia, automatyczna prolongata, zasada indeksacji i jej podstawa, progi rabatowe, okres ważności cennika, warunki zmiany ceny, kary umowne po obu stronach.

Wynikiem jest kalendarz z przypomnieniami i jedna tabela warunków. Przy trzydziestu umowach to dzień pracy modelu i pół dnia weryfikacji przez człowieka — po czym firma po raz pierwszy wie, która umowa odnowi się sama w lutym i do kiedy trzeba ją wypowiedzieć, żeby to nie nastąpiło.

Jak takie umowy czytać i o co pytać przy nowych, rozpisaliśmy osobno w tekstach o umowie z dostawcą AI i o analizie umów od kontrahentów. Tu dodajemy tylko to, co dotyczy samych zakupów: najczęściej kosztującą pozycją nie jest zła klauzula, a przegapiony termin. Klauzulę można renegocjować, przegapionego terminu wypowiedzenia odzyskać nie można.

I zastrzeżenie, które stawiamy wyraźnie: to jest praca operacyjna nad terminami i warunkami handlowymi, nie ocena prawna umowy. Interpretacja zapisu spornego, ocena skuteczności klauzuli indeksacyjnej czy ryzyka kary umownej wymaga prawnika, który zobaczy dokument. Model nadaje się do tego, żeby wiedzieć, co w umowie jest; nie do tego, żeby rozstrzygać, co z tego wynika.

Dokumenty od dostawców, których nikt nie zbiera na czas

Jest jeszcze jeden obszar, który w ostatnich dwóch latach urósł z formalności do realnego obowiązku, a jego obsługa nadal polega na tym, że ktoś raz w roku wysyła dwadzieścia maili z prośbą o dokumenty. Chodzi o certyfikaty, polisy, oświadczenia, karty materiałowe, potwierdzenia z ZUS i urzędu skarbowego, dokumenty dotyczące emisji przy importowanych towarach, oświadczenia o zgodności z wymaganiami bezpieczeństwa.

Model w tej roli nie ocenia dokumentów — pilnuje kompletności i dat. Dla każdego dostawcy: jakie dokumenty są wymagane, które są w teczce, które wygasają w ciągu kwartału, które przyszły w innej wersji niż poprzednio. To zadanie listy kontrolnej, czyli dokładnie to, w czym automatyzacja jest wiarygodna, a człowiek systematycznie zawodzi — nie z braku kompetencji, tylko dlatego, że nikomu nie wypełnia to kalendarza.

Dla części firm doszedł do tego wymóg, który dotyczy bezpieczeństwa w łańcuchu dostaw. Jeśli jesteście w wykazie podmiotów kluczowych lub ważnych, wymagania wobec dostawców przestały być dobrą praktyką i stały się obowiązkiem z konsekwencjami — opisaliśmy to w tekście o NIS2 i narzędziach AI w firmie. Praktyczny skutek jest prosty: lista dostawców i ich dokumentów przestaje być folderem, a zaczyna być rejestrem, który ktoś może chcieć zobaczyć.

Trzy ryzyka, które w zakupach wyglądają inaczej niż w innych działach

Zakupy mają własny profil ryzyka i trzy z nich trzeba zamknąć przed pierwszym zapytaniem do modelu, a nie po pierwszym incydencie.

• Tajemnica handlowa po obu stronach. Cennik od dostawcy i oferta w postępowaniu są zwykle objęte klauzulą poufności albo stanowią jego tajemnicę przedsiębiorstwa. Wklejenie ich do darmowego czatu jest naruszeniem umowy z dostawcą, niezależnie od tego, czy ktokolwiek się o tym dowie. To nie jest hipoteza — to najczęstszy sposób, w jaki AI trafia dziś do zakupów, i opisaliśmy ten mechanizm w tekście o shadow AI w firmie. Zamknięcie tego ryzyka wymaga narzędzia z umową i wyłączonym treningiem na Waszych danych oraz jednej strony zasad, a nie zakazu, którego nikt nie dotrzyma.
• Dane cenowe to najwrażliwszy zbiór w firmie po danych osobowych. Pełna tabela zakupów pokazuje Wasze marże, zależności od pojedynczych dostawców i strukturę kosztów. Dostęp do niej powinien być węższy niż dostęp do CRM-u, a nie szerszy. W projektach widzimy odwrotnie: raport wrzucony na dysk współdzielony, bo „to tylko faktury”.
• Treść od dostawcy jest treścią z zewnątrz. Oferta w PDF i mail od dostawcy to materiał, który wchodzi do modelu — a to znaczy, że może zawierać instrukcje dla niego. Zdanie ukryte w dokumencie, które każe narzędziu pominąć pozycję albo potraktować ofertę jako najtańszą, jest realnym wektorem, a nie ciekawostką; rozpisaliśmy go w tekście o atakach na agenta AI. Dlatego w tej warstwie model ma czytać i cytować, a nie rozstrzygać i działać.

Dane: tu rozbija się prawie co drugi projekt

W raporcie Antala najczęściej wskazywaną barierą wdrożenia AI w zakupach jest nieprzygotowana struktura danych — 45% odpowiedzi. Zaraz za nią brak kompetencji w zespole i obawy pracowników, po 42%, oraz brak zrozumienia nowej roli człowieka, 41%. Kolejność jest wymowna: pierwsza bariera jest techniczna, trzy następne są organizacyjne.

Co konkretnie trzeba uporządkować po stronie danych, żeby warstwy opisane wyżej w ogóle działały? Kartoteka dostawców bez duplikatów, z NIP-em jako kluczem — KSeF to w dużej mierze załatwia dla faktur, ale nie dla Waszego systemu. Spójne jednostki miary i przeliczniki opakowań, bo bez nich porównanie cen jest fikcją. Jedno miejsce, w którym leżą obowiązujące cenniki i umowy, w wersji, o której wiadomo, że jest aktualna. Oraz informacja o tym, kto zamawiał — bez niej nie da się zobaczyć ani rozproszenia zakupów, ani zakupów awaryjnych.

To jest praca na tydzień, nie na kwartał, i da się ją zrobić równolegle z pierwszą warstwą. Jak ją ocenić i od czego zacząć, rozpisaliśmy w tekście o danych gotowych na AI. Jedyna rzecz, przed którą warto przestrzec: nie ma sensu czekać z projektem zakupowym do momentu, w którym dane będą idealne. Analiza wydatków na danych, w których 15% pozycji jest nieskategoryzowanych, jest nieporównywalnie lepsza od braku analizy — byle ten odsetek był widoczny w raporcie, a nie ukryty.

Rachunek: co policzyć przed startem

Cytowany w raporcie Antala szacunek mówi o wzroście efektywności zakupów o 25–40% pod warunkiem uporządkowania danych, procesów i kompetencji. Traktujemy go tak, jak należy traktować każdy taki przedział w ofercie dostawcy: jako sufit dla organizacji, która ma dojrzały dział zakupów, a nie jako prognozę dla firmy, w której zakupami zajmuje się jedna osoba obok trzech innych obowiązków. Dla takiej firmy sensowny rachunek jest prostszy i da się go zrobić w pół godziny, zanim ktokolwiek wyceni projekt.

Policzcie trzy rzeczy. Pierwsza: ile godzin w miesiącu zajmuje przepisywanie ofert, szukanie cenników i porównywanie faktur z ustaleniami. Pomnóżcie przez koszt godziny — nie przez stawkę, a przez pełny koszt. Druga: ile wynosi Wasz roczny wydatek w trzech największych kategoriach zakupowych. Pół procenta z tej kwoty to konserwatywna, zwykle zaniżona wartość tego, co znajduje kontrola cen na fakturach w pierwszym kwartale. Trzecia: ile w skali roku wydaliście na zakupy awaryjne — jeśli nie umiecie tego policzyć, macie już wynik pierwszej warstwy.

Po stronie kosztów: uruchomienie analizy wydatków i kontroli cen na realnych danych to w naszej praktyce projekt rzędu kilku tygodni pracy, a nie kwartałów, bo dane są już ustrukturyzowane i nie trzeba budować integracji od zera. Do tego dochodzi koszt bieżący, w zakupach wyjątkowo niski, bo wolumen dokumentów jest mały w porównaniu z obsługą klienta — liczy się w setkach dokumentów miesięcznie, nie w dziesiątkach tysięcy zapytań. Jak czytać wycenę wdrożenia i gdzie w budżetach znikają pieniądze, rozpisaliśmy w tekście o koszcie wdrożenia AI.

I jedna rzecz, o której trzeba zdecydować przed startem, bo potem nikt nie będzie umiał rozstrzygnąć, czy projekt się opłacił: co jest punktem odniesienia. Oszczędność trzeba liczyć od ceny, którą byście zapłacili bez tej kontroli, a nie od ceny z pierwszej oferty dostawcy. Bez zapisanego baselineu każdy raport o oszczędnościach jest opowieścią — i to dotyczy zarówno raportów od dostawcy narzędzia, jak i Waszych własnych.

Wdrożenie w cztery tygodnie

Kolejność poniżej jest ułożona tak, żeby po każdym tygodniu było coś, z czego da się korzystać, nawet gdyby projekt stanął. W zakupach to szczególnie ważne, bo osoba, która ma z tego korzystać, jest zwykle jedna i nie ma czasu na czekanie.

1. Tydzień pierwszy: jedna tabela wydatków za ostatnie dwanaście miesięcy. Faktury z KSeF plus to, co przez KSeF nie przechodzi. Kategoryzacja przez model, przegląd próbki ręcznie, poprawa słownika. Wynikiem jest odpowiedź na pytanie, ile i u kogo wydajecie — i ona sama zwykle wystarcza, żeby projekt obronił się przed zarządem.
2. Tydzień drugi: kontrola cen na trzech największych kategoriach. Zestawienie obowiązujących cenników i umów w jednym miejscu, porównanie z pozycjami faktur, lista rozbieżności z kwotą i źródłem. Nie wysyłajcie jeszcze nic dostawcom — najpierw przejrzyjcie listę i sprawdźcie, ile z rozbieżności jest uzasadnionych. Ten odsetek powie Wam więcej o jakości Waszej dokumentacji niż o dostawcach.
3. Tydzień trzeci: terminy z umów w kalendarzu. Ekstrakcja dat i warunków brzegowych ze wszystkich obowiązujących umów, weryfikacja przez człowieka, przypomnienia z wyprzedzeniem dłuższym niż termin wypowiedzenia. Przy okazji powstaje lista zakupów regularnych prowadzonych bez żadnej umowy.
4. Tydzień czwarty: szablon porównania ofert. Jeden format tabeli z pozycjami, które naprawdę decydują o cenie całkowitej, i ekstrakcja z ofert z obowiązkowym cytatem. Przetestujcie go na zakończonym postępowaniu, w którym znacie wynik — porównanie wyniku modelu z decyzją, którą podjął człowiek, jest najtańszym testem, jaki możecie zrobić.
5. Po czwartym tygodniu, nie wcześniej: decyzja o tym, czy budować dalej. Kryterium nie jest zachwyt nad narzędziem, tylko dwie liczby — ile godzin faktycznie zniknęło i ile rozbieżności cenowych okazało się prawdziwych. Jeśli obie są małe, to nie znaczy, że AI nie działa. Znaczy, że Wasze pieniądze leżą w innym procesie, i warto ich tam szukać.

Pięć sygnałów, że poszło w złą stronę

Projekty zakupowe psują się w sposób przewidywalny i prawie zawsze da się to zauważyć w pierwszym miesiącu. Oto objawy, które traktujemy jako powód do zatrzymania się.

• Narzędzie wysyła coś samo. Zapytanie ofertowe, reklamację ceny, ponaglenie o dokumenty. Każda z tych rzeczy jest komunikatem handlowym wobec podmiotu zewnętrznego i powinna przechodzić przez człowieka — przynajmniej dopóki nie macie za sobą kwartału poprawnych wyników.
• Tabela porównawcza bez cytatów. Jeśli przy cenie nie ma pliku i strony, nikt tej tabeli nie użyje do decyzji o wartości dwustu tysięcy złotych, i słusznie.
• Raport oszczędności bez zapisanego punktu odniesienia. Liczba bez baselineu jest wynikiem negocjacji wewnętrznych, nie pomiarem.
• Model rozstrzyga zamiast sygnalizować. „Rekomendowany dostawca: X” zamiast „trzy rozbieżności do sprawdzenia, oto one”. To ta sama granica, którą opisywaliśmy przy eskalacji do człowieka — tylko że tutaj po drugiej stronie nie jest klient, a kontrakt.
• Kupiec przestał z tego korzystać i nikt tego nie zauważył. W zakupach użytkownik jest zwykle jeden, więc adopcja jest zero-jedynkowa i nie da się jej uśrednić. Dlaczego narzędzia przestają być używane po trzech tygodniach i co z tym zrobić, rozpisaliśmy w tekście o zespole, który nie używa AI.

Dlaczego 77% nie wie, od czego zacząć

Ta liczba z raportu Antala zasługuje na wyjaśnienie, bo nie wynika z braku wiedzy o technologii. Wynika z tego, że zakupy są opisywane w kategoriach strategicznych — konsolidacja bazy dostawców, kategorie, strategia zakupowa, zarządzanie relacjami — a AI działa dziś najlepiej na poziomie o dwa piętra niżej: na pojedynczych dokumentach, pozycjach i datach. Między „chcemy obniżyć koszty zakupów o 5%” a „model odczyta jednostki z czterech ofert” jest przerwa, której nikt nie zasypuje, bo jedna strona rozmowy mówi o strategii, a druga o parsowaniu PDF-ów.

Jest jeszcze jeden powód, bardziej ludzki. W raporcie 77% badanych nie potrafi określić, jakie nowe zadania dział zakupów mógłby przejąć, gdyby automatyzacja uwolniła czas. Jeśli nie wiadomo, na co ten czas pójdzie, to automatyzacja przestaje być szansą i zaczyna wyglądać jak pytanie o etat. Dlatego w projektach zakupowych pierwszą rozmowę warto odbyć nie o narzędziu, a o tym, co kupiec zrobi z odzyskanym dniem w tygodniu — i zapisać to, zanim cokolwiek się uruchomi. Zwykle odpowiedź jest konkretna i opłacalna: przygotowanie się do negocjacji z trzema największymi dostawcami, znalezienie drugiego źródła dla pozycji krytycznej, przegląd kategorii, której nikt nie ruszał od dwóch lat.

Od czego zacząć

Najtańszy pierwszy krok nie wymaga żadnego narzędzia ani budżetu i zajmuje jedno popołudnie. Wyciągnijcie faktury zakupowe z ostatnich dwunastu miesięcy, zsumujcie je po NIP-ie dostawcy i ułóżcie od największej kwoty. Potem zadajcie trzy pytania. Czy przy pierwszych dziesięciu pozycjach macie obowiązującą umowę lub aktualny cennik? Czy ktokolwiek w firmie sprawdził w tym roku, że ceny na fakturach od nich zgadzają się z ustaleniami? Czy znacie datę, do której trzeba wypowiedzieć trzy największe z tych umów, żeby nie odnowiły się same? Jeżeli odpowiedź na którekolwiek z tych pytań brzmi „nie wiem”, macie zakres pierwszego wdrożenia i nie potrzebujecie do jego wyznaczenia nikogo z zewnątrz.

Tak prowadzimy takie projekty: najpierw audyt tego, gdzie w Waszych zakupach realnie uciekają godziny i pieniądze, potem jedna tabela wydatków i kontrola cen na trzech największych kategoriach, a dopiero na końcu porównywanie ofert i kalendarz terminów. Zakres konsultingu i wdrożeń AI opisaliśmy osobno, stawki znajdziecie w cenniku, a jeśli chcecie sprawdzić, ile z tych czterech warstw ma u Was sens przy Waszym wolumenie dokumentów — umówcie bezpłatną konsultację.