Точка закупки
Відкрити в Telegram
Блог о закупках, стратегиях, переговорах и просто интересных фактах. Связаться с владельцем @berdnikovyv
Показати більшеКраїна не вказанаКатегорія не вказана
293
Підписники
Немає даних24 години
+117 днів
+2330 день
Кількість дописів
Триває завантаження даних...
Реакції
Коментарі
Telegram Stars
ТОП дописів по
Триває завантаження даних...
Аналітика дописів
Дописи | Динаміка переглядів | |||||
ИИ-агенты приходят в закупки. Но не так, как вы думаете
Главный миф: ИИ-агент - это чат-бот, который просто «поумнел». На самом деле это принципиально другая вещь. Чат-бот отвечает на вопрос. Агент сам ставит себе план и действует: находит поставщиков, собирает коммерческие предложения, сравнивает условия, готовит ТЗ и аналитику. Без твоего участия на каждом шаге.
Свежий отчёт «Технологий Доверия» по российскому бизнесу даёт отрезвляющую картину:
- 60% компаний уже используют ИИ в работе, но только 1% готовы полностью отдать агенту контроль над решениями.
- ИИ-агент способен забрать на себя примерно четверть задач офисного сотрудника.
- В сферах, соседних с закупками, это уже работает: логистика 23%, прогнозирование рисков 24%, клиентский сервис 46%.
И вот что важнее цифр. Пока все спорят, заменит ли ИИ закупщика, рынок уже сменил вопрос. Рутина дешевеет, а проверка дорожает.
Поиск поставщика, первичная рассылка, сбор цен, черновик ТЗ, сравнение оферт, теперь всё это агент делает за минуты. Но именно поэтому ценность человека смещается туда, где ИИ пока слаб: проверить, что агент не сравнил несравнимое, не пропустил скрытые условия, не перепутал технические параметры.
Закупщик будущего, это не «тот, кто ищет поставщиков». Это тот, кто ставит задачу агенту, задаёт границы и проверяет результат. Агент - исполнитель, человек - контролёр и переговорщик.
Барьеры, которые называет отчёт, знакомы каждому снабженцу: непрозрачность решений ИИ, страх отдать ему реальные функции, и главное ! - качество данных. Агент хорош ровно настолько, насколько хороши ваши каталоги, спецификации и история закупок. Мусор на входе — мусор на выходе.
Вывод простой: в закупках побеждает не тот, кто раньше внедрит агентов, а тот, кто раньше наведёт порядок в данных и процессах, чтобы агентам было с чем работать. | 961 | 24 | 0 | 4 | Loading... | |
Пока вы думаете какое же сырое ТЗ мне отправить, напомню, что в @Hirebuyer_bot есть бесплатные инструменты (они же есть и на сайте https://Hirebuyer.ru); есть бесплатный формирователь скелета категорийной стратегии.
Есть @GenTZbot - формирование ТЗ (3 бесплатных генерации)
@negotrainingbot - симулятор переговоров (1 бесплатная генерация).
А на сайте https://Hirebuyer.ru есть бесплатный кросс-словарь закупщика и описание возможностей платформы. | 92 | 1 | 0 | 2 | Loading... | |
Просили поделится опытом взаимодействия с агентами - делюсь :)
Как у меня устроена память у агентов и почему у неё два слоя.
Раньше была каша: агент в каждой сессии «забывал» контекст, приходилось пересказывать, а статусы задач жили где-то в голове. Теперь двухуровневая схема, и она реально работает.
1. Obsidian (думаю многие знают это мощное приложение для заметок или личной БД, "второй мозг") - общая память для всех агентов
В vault лежит папка Память агентов. К ней имеют доступ и Claude Code (во всех проектах), и Hermes, локальный и на сервере. Внутри четыре подпапки:
context — устойчивые факты: инфраструктура, проекты, предпочтения. Пишутся редко, читаются всегда.
decisions — решения в формате ADR: что решили, почему, какие альтернативы отбросили.
sessions — короткие саммари каждой сессии.
future — планы, бэклог, идеи на потом.
Правило простое: один файл = один факт/решение. Коротко, без воды, чтобы LLM реально быстро могла это читать и искать, а не тонуть в простынях.
2. Handoff vs status.md - это не одно и то же
В каждом проекте два «слоя», и их не надо путать:
status.md - трекер проекта, живёт прямо в git репозитории. Это история + текущее состояние: что сделано, что в работе, что сломано. По нему новый агент за минуту понимает, где мы.
/handoff - команда, которой я заканчиваю сессию. Она актуализирует трекер в status.md и пишет короткое саммари сессии в Obsidian sessions.
Разница принципиальная: status.md — «локальное» состояние проекта, оно живёт рядом с кодом. А sessions в Obsidian - «глобальная» память, доступная агентам из других проектов. Первое — про проект, второе — про то, что я делал в целом.
3. Встроенная memory у Hermes и Claude Code. Она есть, и она полезна. Но вот её предел.
У обоих агентов есть своя встроенная память, и я ею пользуюсь. Она быстрая: инжектится в каждый запрос автоматически, ничего искать не надо. Там живёт самое горячее: предпочтения, текущие договорённости, «как со мной работать».
Но у неё три объективных ограничения:
Изолированность. Память Hermes не видит Claude Code и наоборот. Это два отдельных силоса. А когда у тебя три агента (Claude Code, Hermes c Deepseek/Kemi/GLM, Antigravity c Gemini) работают над одним хозяйством, то им нужен общий слой, и встроенная память его не даёт.
Жёсткий лимит объёма. Встроенная память вливается в контекст целиком на каждый запрос, поэтому её нельзя раздувать — у Hermes это буквально пара тысяч символов. Решения с мотивацией, история сессий, бэклог туда физически не влезают. Это память «что я знаю сейчас», а не «как мы сюда пришли».
Нет истории и структуры. Встроенная память имеет плоский список фактов. А ADR с отвергнутыми альтернативами, саммари сессий, планы, как контент, которому нужны файлы, поиск и версионирование.
Моя схема не заменяет встроенную память, а достраивает её сверху:
встроенная память = горячий кэш — всегда под рукой, на уровне одного агента;
Obsidian = источник правды и история — общая для всех, читается по требованию.
Отсюда правило: общее и кросс-проектное → Obsidian, локальное и горячее → встроенная память. Один факт — одно место. При конфликте доверяю Obsidian, а не встроенной памяти.
4. Что это дало
Новая сессия подхватывает контекст за секунды, а не после десяти «напомни, что мы делали».
Решения фиксируются с мотивацией, то даже через месяц понятно, почему поступили так, а не иначе.
Claude Code, Antigravity, Hermes больше не «разные миры»: читают одну и ту же память.
Схема не замкнута: та же папка подключается к Codex c ChatGPT при необходимости, так что четвёртый агент встаёт в ту же память без костылей. А вот Google AI Studio, к примеру, остаётся снаружи, это веб-песочница без доступа к локальным файлам, её место, разовые генерации, а не общая память.
LLM не нужна «умная» память - нужна структурированная. Четыре папки и одно правило конца сессии дали больше, чем все попытки заставить модель «помнить всё». | 103 | 3 | 2 | 5 | Loading... |
