← Wszystkie Insights
Advisory 5 min czytania

Automatyzacja zakupów jako problem doświadczenia

Agentowa AI może przejąć rutynowe zakupy, które dławią dział zakupów, ale wartość pojawia się dopiero wtedy, gdy projekt zaczynamy od doświadczenia zamawiającego i zostawiamy ludzi na bramkach obarczonych ryzykiem.

W skrócie

  • Automatyzację zakupów najczęściej sprzedaje się jako grę o koszty. Liderzy traktują ją jako grę o doświadczenie: zamawiający oczekuje szybkiej i przewidywalnej odpowiedzi, a zadaniem agenta jest mu ją dać, nie łamiąc przy tym polityki firmy.
  • Agenci AI potrafią odczytać zapotrzebowanie, dopasować je do umowy, sprawdzić zgodność z polityką i przeprowadzić akceptację od początku do końca. Oszczędności są realne, ale kumulują się w firmach, które łączą autonomię z konsekwentnie egzekwowanymi bramkami obsadzonymi przez ludzi tam, gdzie zapadają nieliczne ryzykowne decyzje.
  • Korzyści nie rozkładają się równomiernie. Najlepsze organizacje zakupowe osiągają z GenAI mniej więcej dwa razy wyższy zwrot niż reszta rynku, bo najpierw porządkują dane, politykę i ścieżkę akceptacji, a dopiero potem skalują agentów.

Zapotrzebowanie zakupowe to moment prawdy. Ktoś w organizacji czegoś potrzebuje, a czas od zgłoszenia do odpowiedzi to doświadczenie, które ta osoba zapamięta i na które będzie narzekać. Większość programów automatyzacji to ignoruje i usprawnia zaplecze, dlatego tak wiele z nich przyspiesza proces, do którego nikt nie ma zaufania.

Wystarczy zmienić perspektywę. Gdy potraktujemy wewnętrznego zamawiającego jak klienta, a dostawcę jak relację, automatyzacja zakupów przestaje być sporem o etaty i staje się kwestią projektowania usługi, za którą ktoś bierze odpowiedzialność.

Agenci zmieniają to, co dział zakupów może udźwignąć, a nie jego rolę

Agentowa AI robi dla zakupów to samo, co wszędzie indziej: interpretuje swobodny tekst, podejmuje decyzje i działa w wielu systemach naraz, zamiast czekać, aż człowiek kliknie. W zakupach oznacza to, że agent potrafi odczytać zapotrzebowanie, wydobyć strukturę z chaotycznego zgłoszenia, dopasować je do preferowanej umowy lub dostawcy, oznaczyć odstępstwo od polityki, wskazać osobę akceptującą i przygotować zamówienie. Rutynowe, powtarzalne, mało ryzykowne zakupy realizują się w tempie maszyny, a wyjątki trafiają do eskalacji według jednolitych reguł, zamiast zależeć od tego, kto akurat ma dyżur.

25–40% Wzrost produktywności, który McKinsey przypisuje copilotom AI i narzędziom obsługującym pojedyncze zadania w całej funkcji zakupowej, w miarę jak rutynowa praca przechodzi od ludzi do agentów. Źródło: McKinsey via Industry Today

Ta liczba robi za nagłówek, ale nie jest puentą. Oszczędności łatwo pokazać w pilotażu, a trudno utrzymać, gdy agent zderza się z prawdziwymi umowami, prawdziwymi wyjątkami i prawdziwymi ludźmi, którzy jeszcze mu nie ufają.

Zakupy, które skalują się bez powiększania zespołu, wyglądają tak: agenci w pętli, ludzie na bramkach.

Zwrot trafia do nielicznych, nie do wszystkich

Te same badania, które obiecują oszczędności, pokazują też, jak nierówno się one rozkładają. Wygrywają firmy, które najpierw odrobiły niewdzięczną pracę domową: uporządkowały dane o umowach i dostawcach, spisały politykę w jednolitych regułach i zaprojektowały ścieżkę akceptacji tak, by maszyna mogła ją wykonać, a człowiek nadzorować.

Ilustracja 1

Liderzy zakupów osiągają z GenAI mniej więcej dwukrotnie wyższy zwrot niż naśladowcy

Digital Masters 3.2x
Naśladowcy 1.5x

Źródło: Deloitte, 2025 Global CPO Survey

O różnicy nie decyduje model, lecz dyscyplina operacyjna. Liderzy z badania Deloitte, ci z 3,2-krotnym zwrotem z GenAI, to ta sama grupa, która przeznacza nawet jedną czwartą budżetu działu na technologię i likwiduje silosowy sposób pracy, który 57 procent dyrektorów zakupów wskazało jako główną barierę dla wartości. Agent jest tylko tak dobry, jak dane, polityka i doświadczenie, na których się opiera.

Wartość kryje się w czynnościach, których nikt nie lubi wykonywać

Największe korzyści nie biorą się z efektownych decyzji zakupowych. Biorą się z uzgodnień, weryfikacji i kontroli, które ludzie pomijają, gdy brakuje czasu, a to właśnie tam kumulują się straty i po cichu kruszeje zaufanie dostawców.

$10M+ Utracona wartość wykryta przez jedno wdrożenie AI uzgadniające faktury z umowami, które wychwyciło rozbieżności rutynowo umykające ręcznej weryfikacji. Źródło: McKinsey via Industry Today

Wdrożenia są na tyle wczesne, że daje to przewagę, a nie zrównuje z rynkiem. Zaledwie około 40 procent liderów zakupów deklaruje, że aktywnie testuje generatywną AI, co oznacza, że firmy zdobywające wartość już teraz dzieli od czekających model operacyjny, a nie technologia.

Jak to zaprojektować, żeby doświadczenie się obroniło

Sprawdza się nie zasada „automatyzuj wszystko”, lecz świadomy podział na to, co rozstrzyga agent, i to, za co odpowiada człowiek, podporządkowany doświadczeniu, jakie chcesz zapewnić zamawiającemu i dostawcy.

  1. Zacznij od chwili, gdy ktoś składa zapotrzebowanie, a nie od przepływu pracy. Zmapuj doświadczenie, jakie ma otrzymać wewnętrzny klient: jak szybko, jak przejrzyście, jak przewidywalnie. Automatyzacja istnieje po to, by mu je zapewnić, i to jedyna uczciwa miara sukcesu.
  2. Najpierw bramki, potem agenci. Ustal wprost, co można zatwierdzić automatycznie, a co musi trafić do człowieka, w zależności od wartości, ryzyka i rodzaju wyjątku. To ludzie odpowiadają za decyzje, które niosą konsekwencje.
  3. Uporządkuj dane, które czyta agent. Umowy, listy dostawców i dokumenty polityki to zmysły agenta. Śmieci na wejściu to śmieci na wyjściu, tyle że zatwierdzone szybciej niż dotąd.
  4. Potraktuj ślad audytowy jako funkcję, nie dodatek. Kto, co, kiedy i na jakiej podstawie zatwierdził, powinno powstawać samo, w toku procesu, a nie być odtwarzane po fakcie. To właśnie sprawia, że autonomię da się obronić.
  5. Traktuj dostawców jak relację, a nie jak kolejkę. Agenci, którzy pilnują zobowiązań i szybko wyjaśniają rozbieżności, budują zaufanie dostawców skuteczniej niż jakikolwiek przeprojektowany portal.

Tak zaprojektowana automatyzacja zakupów przypomina nie tyle robotyczny proces, ile dobrze poprowadzoną usługę: szybką tam, gdzie szybkość jest bezpieczna, eskalowaną tam, gdzie potrzeba osądu, i czytelną dla każdego, kogo dotyczy. Tę samą logikę wnosimy do strategii doświadczeń oraz szerszej pracy doradczej, gdzie celem nigdy nie jest automatyzacja dla samej automatyzacji, lecz lepsza i bardziej odpowiedzialna decyzja. Jeśli chcesz zobaczyć, jak wspólnie z klientami projektujemy bramki obsługiwane przez ludzi i stojące za nimi dane, zajrzyj do studiów przypadków.

Źródła

  1. McKinsey & Company (Khushalani, Albrecht), "How AI Can Unlock Value for Procurement," via Industry Today, industrytoday.com.
  2. Deloitte, "Procurement at the Tipping Point: 2025 Global Chief Procurement Officer Survey," deloitte.com.

Chcesz zastosować to do swoich danych?

Umów konsultację