Склад и закупки — это место, где рутина измеряется часами: ввод накладных и УПД, сверка позиций со справочником, пересчёт остатков, сравнение прайсов поставщиков. ИИ-агент для склада и закупок закрывает именно этот пласт работы: распознаёт документ, находит позиции в учётной системе, готовит черновик поступления и следит за остатками. Ниже — что реально автоматизируется в 2026 году, где нужен человек и как это устроено на примере Hermes Agent.
Что такое ИИ-агент для склада и закупок?
ИИ-агент для склада и закупок — это программа, которая получает доступ к учётной системе и документам через API, сама извлекает данные из накладных и прайсов, сверяет позиции со справочниками и выполняет повторяющиеся операции по расписанию. Ключевое отличие от OCR-сервиса и чат-бота: агент не просто распознаёт текст, а доводит операцию до результата — готового черновика документа или сигнала по остатку.
Проще говоря, это не «нейросеть, которая читает PDF», а исполнитель с доступом к вашим данным и понятными границами: что он делает сам, а что отправляет на подпись человеку.
Какие задачи на складе и в закупках реально автоматизируются
Приёмка: распознавание накладных и УПД
Приёмка — хронически перегруженный участок. По данным обзора INTEKEY (Habr, 2026), до 40% потерь на складе связано с отсутствием качественной проверки на входе: брак, пересортица и короткий срок годности проходят дальше и обнаруживаются, когда вернуть товар поставщику уже нельзя.
Агент берёт на себя ввод первички. По тесту Noltis на 30 реальных счетах (июль 2026), ручной ввод одного счёта в 1С занимает 3–5 минут, а УПД с большой номенклатурой — до 10 минут. На потоке в 300 счетов в месяц это 25 часов чистой рутины. При этом при ручном вводе типовых форм процент ошибок доходит до 30% (данные Smart Engines).
Что делает агент в этом сценарии:
Скорость специализированных движков здесь уже измеряется десятками тысяч страниц: ИИ-агент Smart Engines (анонс от 29.10.2025) распознаёт до 900 страниц в минуту и 54 000 страниц за час — это месячный объём отдела из 10 бухгалтеров.
Сверка со справочниками и сопоставление номенклатуры
Распознать данные — половина дела. Главная боль в том, что один и тот же товар у поставщика называется «Винт потай 3,5×16», а в вашем справочнике он «Шуруп DIN 965 3.5×16». Пока эти два объекта не сведены, никакая автоматизация не работает.
Агент решает это сопоставлением по нескольким признакам сразу — названию, артикулу, штрихкоду и смыслу, а не только по точному совпадению строки. Так работает ИИ-агент «Сопоставитель номенклатуры поставщиков» (MBS Group): для 95% позиций из прайса он находит точное соответствие в справочнике 1С, а оставшиеся 5% — новые или спорные товары — отдаёт менеджеру на подтверждение, сокращая ручную работу до 90%.
Похожий подход применяют в векторном поиске по «сырым» прайсам (кейс Infostart): наименование товара превращается в вектор из 384 чисел, и система находит нужную позицию, даже если ни одно слово в запросе не совпадает по буквам. Такой размер вектора позволяет работать на обычном сервере без GPU.
Сигналы по остаткам и неснижаемый запас
Ручной контроль остатков ломается не из-за сложности, а из-за человеческого фактора: «кто-то заметил, заказал поздно — простой». Агент закрывает это автоматически.
Неснижаемый остаток (минимальный запас) — это порог, ниже которого позицию нужно дозаказывать. Агент каждое утро забирает остатки по складам, сравнивает с порогом и присылает сигнал только по позициям, которые уходят в ноль. Управленческая разница с ручным мониторингом: по данным Skladolog, ИИ-системы управления запасами снижают ошибки прогнозирования на 30–50%. А в одном из кейсов ритейла из обзора ASCN дефицит товаров уменьшился на 80%, а избыток — на 60%.
Важная деталь: агент умеет молчать, когда ничего не произошло. Это снимает главный раздражитель автоматизации — «ещё одну бесполезную рассылку».
Работа с прайсами поставщиков
Прайсы приходят в Excel, CSV, письмом и через B2B-порталы, и у каждого поставщика своя структура колонок: у одного «Прайс», у другого «Оптовая цена». Агент сводит всё это в единую структуру, отслеживает изменения цен и подсвечивает позиции, где цена выросла сверх согласованной.
В 1С:ERP аналогичная логика контроля цен поставщиков строится на механизме максимальных цен закупки: в справочнике «Виды цен» задаются контрольные значения, выше которых закупка нецелесообразна, и документ закупки сравнивается с ними. Агент может наполнять этот контроль данными автоматически — собирать цены из прайсов и историю закупок, а не ждать, пока менеджер вручную заведёт их в систему.
Что агент делает сам, а что требует подтверждения
Границы — главное, что отличает рабочую автоматизацию от рискованной. Вот разумная схема для склада и закупок:
| Задача | Делает сам | Требует подтверждения |
|---|---|---|
| Распознавание накладной или УПД | Да | — |
| Сопоставление номенклатуры | Да (95% позиций) | Спорные позиции |
| Черновик поступления | Да | Проведение документа |
| Сигнал «остаток ниже минимума» | Да | Решение о закупке |
| Сбор и сравнение прайсов | Да | Выбор поставщика |
| Проведение документа в учёте | Нет | Всегда человек |
| Изменение цен и заказов | Нет | Всегда человек |
Логика простая: агент готовит данные и считает, а операции, которые меняют живой учёт, применяются только после проверки. Первый месяц работы — как правило, режим черновиков.
Сколько это экономит: цифры
Автоматизация приёмки через WMS и терминалы сбора данных, по оценкам того же обзора, окупается за 3–6 месяцев, если склад принимает более 20–30 паллет в день или держит больше 3000 SKU.
Как подключить агента к складскому учёту
Технически цель одна: агент должен читать справочники и остатки и уметь подготовить черновик документа. Дальше всё зависит от того, что умеет ваша учётная система.
Подробно про то, как 1С отдаёт данные наружу (OData, HTTP-сервисы, планы обмена) и какие подводные камни есть при публикации базы, разобрано в отдельной статье: Hermes Agent и 1С: обмен данными без ручного переноса.
Как это устроено у Hermes Agent
Hermes Agent — это self-hosted ИИ-агент с открытым исходным кодом (лицензия MIT) от Nous Research. Он работает на вашем сервере, а не в облаке SaaS, и получает доступ к данным через API тех систем, которые вы ему открыли.
Что важно для склада и закупок:
Про способы настройки повторяющихся операций есть материал Cron-задачи в Hermes: автоматизация по расписанию без кода, а про подключение внешних сервисов — MCP-протокол в Hermes: подключение внешних инструментов.
FAQ
Может ли ИИ-агент принимать товар на склад полностью без человека?
Нет. Агент распознаёт накладную, сверяет позиции со справочником и готовит черновик поступления, но подтверждение физического прихода и проведение документа остаётся за человеком. Разумная схема — автоматический ввод данных плюс выборочная проверка спорных позиций.
Нужно ли менять учётную систему, чтобы внедрить агента?
Нет, если у системы есть API. 1С отдаёт данные через OData, «МойСклад» и большинство ERP — через REST. Агент работает поверх существующего учёта, а не вместо него.
Как агент справляется с тем, что у поставщиков разные названия товаров?
Он сопоставляет позиции по нескольким признакам сразу: артикулу, названию, штрихкоду и смыслу. Для типовых каталогов точность сопоставления достигает 95%; оставшиеся спорные позиции агент показывает человеку отдельно.
Что делать, если поставщик присылает фото накладной с телефона, а не скан?
Vision-модели 2025–2026 годов читают документ как человек и понимают контекст: различают «Итого к оплате» и «Всего с НДС», номер счёта и номер договора. На фото под углом и с бликом качество падает, но модель честно помечает «сумма нечитаема, нужна проверка» вместо догадки. Такие документы отправляются на верификацию человеку.
Это законно — автоматизировать ввод первички?
Да, если агент работает с вашими легальными доступами к вашей учётной системе. Ограничения касаются не способа ввода, а достоверности данных: ответственность за проводки и отчётность остаётся на организации, поэтому спорные документы должны проверяться человеком.
Полезные материалы на Hermes Wiki
Документация Hermes Agent: hermes-agent.nousresearch.com/docs