AI в оптовых продажах: что уже работает в 2026 году

Что изменилось

Раньше автоматизация в опте упиралась в свободный текст. Программа хорошо работала с тем, что уже разложено по полям: артикул, количество, цена. А клиенты писали «болт 8х40 оц — 200», и перевести это в артикул мог только человек.

Современные языковые модели читают такой текст почти так же, как опытный менеджер: понимают сокращения, опечатки, разный порядок параметров и контекст. Это открыло автоматизацию для тех шагов, которые раньше считались неавтоматизируемыми, — и почти все они про текст.

Что уже работает

Разбор заявок и сопоставление с каталогом

Клиент пишет заявку как привык, система находит позиции в каталоге и собирает черновик счёта или заказа, менеджер проверяет. Это самое понятное применение: работа однотипная, объём большой, результат легко проверить. Подробно — в статье «Как автоматизировать обработку заявок в оптовой компании».

Извлечение данных из писем и файлов

Реквизиты из карточки контрагента, позиции из спецификации, условия из письма — всё, что человек переносит руками из одного документа в другой. Нейросеть вытаскивает данные в таблицу, человек проверяет.

Ответы на типовые вопросы

«Есть ли в наличии», «когда будет поставка», «какой срок доставки в Казань» — если у системы есть доступ к данным об остатках и поставках, она отвечает на такие вопросы сразу. Важное условие: ответ строится на данных компании, а не на «знаниях» модели.

Черновики документов и писем

Коммерческое предложение по шаблону, ответ на претензию, письмо о переносе поставки. Нейросеть готовит черновик, менеджер правит и отправляет. Экономит время на рутине, но не заменяет знание клиента.

Сопоставление прайсов поставщиков

Та же задача, что и разбор заявок, только с другой стороны: сопоставить позиции из прайса поставщика со своим каталогом, чтобы сравнить цены или обновить ассортимент.

Как меняется день менеджера

Проще всего понять эффект на одном дне менеджера оптового поставщика.

Без автоматизации

Утро начинается с очереди: за вечер пришло несколько заявок в мессенджер и на почту. Менеджер открывает первую, ищет каждую позицию в каталоге, переносит в счёт, отправляет. Пока он разбирает длинную заявку, клиенты пишут «ну что там со счётом?». До звонков постоянным клиентам и работы с новыми руки доходят после обеда — если доходят.

С разбором заявок

Утром черновики по вечерним заявкам уже готовы. Менеджер просматривает их, правит спорные строки, уточняет у клиента то, что в заявке не указано, и отправляет счета. Время, которое раньше уходило на поиск позиций, остаётся на то, что нейросеть не сделает: разговор с клиентом, условия, допродажи.

Работа менеджера не исчезает, а меняется: из оператора, который переписывает текст в артикулы, он становится тем, кто проверяет и договаривается.

Где нужен человек

Нейросеть ошибается — редко, но уверенно. Поэтому есть задачи, где её ответ без проверки опасен:

• Цены и скидки. Модель не знает, какую скидку вы готовы дать этому клиенту и почему.
• Отправка счёта клиенту без проверки. Ошибка в артикуле — это возврат и потерянное доверие.
• Обещания по срокам и наличию без доступа к реальным данным: модель может «придумать» правдоподобный ответ.
• Решения по кредитному лимиту и отсрочке. Это ответственность, а не обработка текста.

Рабочая схема во всех случаях одна: нейросеть готовит, человек решает. Менеджер перестаёт искать и переписывать и начинает проверять и договариваться.

Что работает хуже, чем обещают

• «ИИ-менеджер», который сам ведёт клиента. В опте продажи держатся на отношениях, условиях и доверии; автономный бот-продавец чаще раздражает постоянных клиентов, чем помогает.
• Прогноз спроса «из коробки». Прогнозирование работает, но требует чистой истории продаж за годы и настройки под ваш ассортимент. Языковая модель тут не главный инструмент.
• Внедрение «везде сразу». Большой проект без конкретной метрики заканчивается презентацией, а не результатом.

Три заблуждения

«Нейросеть надо обучать на наших данных месяцами»

Для работы с текстом заявок долгое обучение не нужно: современные модели уже понимают язык, им нужен ваш каталог как справочник. Месяцы нужны прогнозу спроса, а не разбору заявок.

«Это только для больших компаний»

Наоборот: у крупных компаний заказы часто уже идут через обмен между системами, а у среднего и небольшого поставщика основная масса заявок — текст в мессенджере. Именно там нейросеть экономит больше всего.

«Раз ИИ, значит, ошибок не будет»

Ошибки будут, поэтому в схеме всегда есть проверка человеком. Вопрос не в том, ошибается ли система, а в том, успевает ли человек поймать ошибку до клиента.

Как выбрать первую задачу

Хорошая первая задача для нейросети в опте отвечает на четыре вопроса «да»:

1. Её делают много раз в день одинаково?
2. Результат легко проверить человеку за секунды?
3. Ошибку можно поймать до того, как она дойдёт до клиента?
4. Понятно, как измерить эффект — в минутах, часах или скорости ответа?

Разбор заявок подходит по всем четырём, поэтому чаще всего начинают с него. Извлечение данных из документов — тоже хороший кандидат. Прогноз спроса и «умный» ассортимент — нет: результат видно через месяцы, а проверить его сложно.

С чего начать

1. 1Выберите один процессТот, где больше всего однотипной ручной работы с текстом.
2. 2Замерьте «до»Сколько раз в день, сколько минут каждый раз, сколько ошибок.
3. 3Проверьте на реальных данныхОдна настоящая заявка или письмо покажут больше любой демонстрации.
4. 4Пилот на потокеДве недели на реальной работе с проверкой человеком, потом сравнение с замером.

Деньги на подключение стоит тратить только после пилота: он показывает эффект на ваших данных, а не на чужом примере.

Сколько это стоит

Цена ИИ-решения в опте обычно складывается из двух частей: разовый запуск на ваших данных и ежемесячная плата за работу. Сравнивать её стоит не с ценой другой программы, а с часами сотрудников, которые решение высвобождает, и с заказами, которые не уходят к конкурентам из-за медленного ответа.

Главное правило — платить за запуск после проверки на своих данных. Демонстрация на чужом каталоге показывает, что технология работает вообще, но не показывает, как она сработает у вас. Как посчитать окупаемость на своих цифрах — в статье «Сколько стоит бот для обработки заказов и когда он окупается».

Частые вопросы руководителей

Нейросеть заменит менеджеров?

Нет. Она забирает однотипную работу с текстом, а решения, переговоры и отношения с клиентами остаются за людьми. Обычно речь не о сокращении, а о том, что тот же отдел справляется с большим потоком.

Нужны ли свои ИТ-специалисты?

Для узкой задачи вроде разбора заявок — как правило, нет: достаточно выгрузки каталога и человека, который проверяет результат. Большие проекты с интеграциями — другое дело.

Что если клиенты узнают, что заявку разбирает бот?

Клиент видит только результат — счёт, который пришёл быстрее. Его проверил и отправил менеджер, как и раньше.

Про данные и безопасность

Каталог, заявки и переписка с клиентами — коммерческая информация. Перед запуском спросите подрядчика:

• где хранятся ваши данные и кто к ним имеет доступ;
• передаются ли данные в сторонние сервисы и в какие;
• что будет с данными после окончания договора;
• подписывается ли соглашение о конфиденциальности.

Если на эти вопросы нет ясных ответов, это повод насторожиться независимо от того, насколько хорошо система работает.

Как это выглядит у нас

Мы делаем бота для обработки заявок оптового поставщика — ровно по схеме из этой статьи: бот подключается к вашему каталогу, читает заявку в свободной форме и собирает черновик счёта с артикулами, менеджер проверяет. Проверено на каталогах до 10 000 позиций; в тесте заявку на 5 000 строк бот разобрал за 1 минуту с точностью 99%.

Одну реальную заявку разбираем бесплатно, а потом предлагаем пилот на 14 дней на вашем потоке заявок. Из чего складывается цена бота и когда он окупается — в отдельной статье.