Кейс клиента · 1С:УПП · Закупки
Автоматизация анализа предложений поставщиков в 1С:УПП
DeepSeek и Qwen обрабатывают ответы поставщиков и готовят консолидированный Excel. Для 40 специалистов анализ сократился с 25 до 8 часов в неделю на человека — на 680 часов в неделю для всей группы.
Автор: Ломакин Сергей Юрьевич, специалист компании ООО ТехКон.
Обновлено:
О заказчике
Заказчик — крупнейший производитель хлеба и хлебобулочных изделий в Московской области. В его системе 1С:УПП работает около 6 000 пользователей.
В отделе закупок — 60 сотрудников. Из них 40 специалистов занимаются анализом коммерческих предложений поставщиков. Закупки охватывают сырьё, материалы и полуфабрикаты для производства, а также товары для остальных нужд предприятия.
Что было у клиента
До внедрения каждый из 40 специалистов тратил на анализ коммерческих предложений около 25 часов в неделю. Суммарно эта работа занимала 1 000 человеко-часов еженедельно.
Предложения поставщиков поступали по почте и в файлах Excel. Чтобы подготовить сравнение, сотрудникам приходилось разбирать ответы и собирать условия в общую таблицу. При большом потоке закупок значительная часть недели уходила на подготовку данных для принятия решения.
Заказчику требовался привычный результат — консолидированный Excel, с которым закупщики могут продолжать работу. Сценарий услуги адаптировали к 1С:УПП и локальной инфраструктуре предприятия.
Какие ошибки возникали
При ручном сравнении предложений важно проверять не только цену, но и срок поставки, количество и единицы измерения. Ниже разобран демонстрационный пример ошибки сравнения на условных данных.
В примере закупки муки предложение по 31 ₽ за килограмм выглядит выгоднее предложения по 32 ₽. Однако более дешёвый поставщик готов привезти товар 22 сентября при требуемой дате 18 сентября. Выбор только по цене оставляет потребность производства к нужной дате необеспеченной.
Сводная таблица помогает заметить это расхождение: цена и дата находятся рядом, а закупщик проверяет условия до принятия решения. Пример иллюстрирует риск ручного анализа и не описывает подтверждённый инцидент заказчика.
Что мы внедрили
За два месяца внедрили локальное решение для обработки коммерческих предложений. Подготовили типовые файлы для отправки поставщикам, подключили решение к локальному почтовому серверу и обучили модели разбирать входящие ответы и Excel-вложения.
DeepSeek отвечает за разбор почты и работу с Excel-файлами. Обмен данными с 1С:УПП выполняется через интеграцию с Qwen: все обмены с учётной системой в этом решении проходят через эту модель.
По требованию заказчика результатом обработки становится консолидированный Excel. Он объединяет предложения для дальнейшего анализа закупщиком. Создание документа «Заказ поставщику» в 1С доступно как возможное расширение сценария; в описанном внедрении конечный результат — таблица.

Пример: сравнение предложений на поставку муки
Рассмотрим демонстрационный запрос ЗК-214 от 15 сентября 2026 года: требуется 10 000 кг пшеничной муки высшего сорта с поставкой не позднее 18 сентября. Названия поставщиков, суммы и даты ниже условные и иллюстрируют работу инструмента.
Три поставщика прислали предложения. «Мельница А» указала 32 ₽ за килограмм и поставку 18 сентября. «Мельница Б» предложила 31 ₽, но с поставкой 22 сентября. «Мельница В» указала 33 ₽ и поставку 18 сентября. Для примера цены приведены к одной базе сравнения, а остальные условия считаются одинаковыми.
В консолидированной таблице закупщик видит цену, количество, общую сумму и дату по каждому предложению. Самое дешёвое предложение на 310 000 ₽ не соответствует требуемой дате. Среди двух предложений с поставкой в срок меньшая сумма у «Мельницы А» — 320 000 ₽.
Такой формат помогает оценивать цену вместе с условиями поставки. Сотрудник проверяет исходные предложения и принимает решение, используя подготовленный Excel.
| Поставщик | Цена и сумма за 10 000 кг | Дата и соответствие запросу |
|---|---|---|
| Мельница А | 32 ₽/кг · 320 000 ₽ | 18.09.2026 · в срок |
| Мельница Б | 31 ₽/кг · 310 000 ₽ | 22.09.2026 · позже срока |
| Мельница В | 33 ₽/кг · 330 000 ₽ | 18.09.2026 · в срок |
Условный пример сравнения. Это иллюстрация выбора по цене и сроку, а не подтверждённая экономия заказчика.
Сроки и состав внедрения
Внедрение заняло два месяца. Стоимость проекта составила 350 000 ₽.
В эту стоимость вошли обучение моделей, разработка типовых файлов для отправки поставщикам, подключение к локальному почтовому серверу и обучение разбору входящих ответов поставщиков.
Ежемесячное обслуживание стоит 100 000 ₽. Оно включает поддержку решения, исправление ошибок, тонкую донастройку и анализ уникальных ситуаций, возникающих при обработке предложений.
Что стало
После внедрения анализ коммерческих предложений занимает 8 часов в неделю на специалиста вместо 25. Сокращение составляет 17 часов, или 68 % исходных трудозатрат.
Для 40 сотрудников, занятых этим анализом, суммарная нагрузка снизилась с 1 000 до 320 человеко-часов в неделю. Расчётное высвобождение времени — 680 часов еженедельно: 40 × (25 − 8). Эти показатели относятся к группе из 40 аналитиков предложений, а не ко всем 60 сотрудникам отдела закупок.
Закупщики получают консолидированный Excel и уделяют время анализу условий, проверке результатов и работе с нестандартными ответами. Снижение трудозатрат показывает высвобождённое рабочее время; денежную экономию и сокращение численности персонала по этим данным не рассчитывали.
Какие ИИ-модели использовались
DeepSeek используется для разбора почты поставщиков и работы с файлами Excel. Qwen отвечает за интеграцию с 1С:УПП; все обмены данными с 1С в этом решении проходят через Qwen.
Обе модели размещены локально на серверах заказчика. Для работы решения интернет не требуется. Обработка поступивших писем и файлов выполняется в инфраструктуре предприятия с подключением к его локальному почтовому серверу.
Мы соблюдаем соглашение о конфиденциальности и не раскрываем данные, название и внутренние процессы клиента. Иллюстрации показывают демонстрационные интерфейсы на условных данных и не относятся к данным конкретного заказчика.
Следующий шаг
Есть похожая задача?
Разберём ваш процесс, оценим возможность автоматизации и предложим архитектуру решения.