ИИ для оптовой компании и дистрибьютора: заказы, остатки, дебиторка

Коротко: в оптовой торговле и дистрибуции ИИ быстрее всего окупается там, где менеджеры вручную переносят данные между мессенджерами, почтой, Excel и 1С. Пять сценариев с самым понятным эффектом: приём заказов из мессенджеров и почты в черновик заказа 1С, ответы клиентам по остаткам, ценам и статусу отгрузки, сопоставление номенклатуры поставщиков, работа с дебиторской задолженностью и прогноз спроса для закупок. Правило безопасного внедрения одно: ИИ готовит данные и черновики, а коммерческие решения — скидки, отсрочки, замены товара — остаются за менеджером. Начинать стоит с одного сценария, обычно с приёма заказов, и измерять долю заказов, которые прошли без ручных исправлений.

Материал для собственников и коммерческих директоров оптовых компаний и дистрибьюторов, руководителей отделов продаж и логистики, а также ИТ-специалистов, которые сопровождают 1С. Рыночные данные проверены 3 октября 2026 года по указанным источникам. Сценарии и рамка выбора — редакционный анализ AIrassvet; это не описание результатов конкретного клиента. AIrassvet не получает вознаграждения за упоминание сервисов и платформ в статье.

Содержание

• Почему опту нужен ИИ именно сейчас
• Где теряются деньги в оптовой компании
• Сценарий 1: приём заказов из мессенджеров и почты
• Сценарий 2: ответы по остаткам, ценам и отгрузкам
• Сценарий 3: сопоставление номенклатуры поставщиков
• Сценарий 4: дебиторская задолженность
• Сценарий 5: прогноз спроса и закупки
• Что не стоит отдавать ИИ
• С чего начать: сравнение сценариев
• Как подготовить данные в 1С
• План пилота на 6 недель
• Частые вопросы
• Первоисточники и метод проверки
• Как AIrassvet помогает автоматизировать оптовые продажи с ИИ
• Итог: ИИ готовит, менеджер решает

Почему опту нужен ИИ именно сейчас

ИИ для оптовой компании — это набор ИИ-агентов и моделей, которые принимают и разбирают заявки клиентов, сверяют их с каталогом, остатками и ценами в учётной системе, готовят документы и подсказывают решения по закупкам и задолженности. В отличие от классической автоматизации, ИИ понимает свободный текст: «как в прошлый раз, только ручек синих побольше» он может превратить в строки заказа, а не отправить в очередь на ручную обработку.

Рынок подталкивает к этому с двух сторон. Во-первых, B2B-продажи переходят в цифровые каналы: по оценке Strategy Partners, оборот продаж бизнесу и госструктурам через маркетплейсы и интернет-магазины в 2025 году достигнет 2 трлн рублей (+11,1% год к году), а в 2026 году — 2,3 трлн рублей; Data Insight даёт более сдержанный прогноз — 2,1 трлн рублей в 2026 году (Коммерсантъ). Крупные маркетплейсы развивают B2B-направления и приучают закупщиков к скорости ответа. Во-вторых, многие дистрибьюторы по-прежнему принимают заказы через мессенджеры и почту: эксперты в той же публикации называют сдерживающим фактором «низкую цифровую зрелость многих компаний» и консервативность закупочных процессов.

Итог: клиент ждёт ответа в мессенджере за минуты, а менеджер тратит время на перенос строк в 1С. Этот разрыв и закрывает ИИ.

Где теряются деньги в оптовой компании

Типичный путь заказа в небольшой оптовой компании выглядит так: клиент пишет в мессенджер или на почту, менеджер переписывает заявку в таблицу или сразу в 1С, проверяет остатки и цены, выставляет счёт. Публикация на «Клерке» описывает типичные потери этого процесса: заказы теряются среди сообщений, при переносе путаются артикулы и количество, применяется старая цена, часть заявок обрабатывается только на следующий день (Клерк).

Потеря	Где возникает	Чем грозит
Пропущенные заявки	Сообщения в разных чатах и ящиках	Клиент уходит к конкуренту
Ошибки в артикулах и количестве	Ручной перенос в 1С	Пересорт, возвраты, претензии
Старые цены	Менеджер помнит прошлый прайс	Потеря маржи или конфликт с клиентом
Медленные ответы по остаткам	Менеджер ищет в 1С и звонит на склад	Клиент заказывает там, где ответили быстрее
Забытая дебиторка	Нет регулярного контроля сроков	Кассовые разрывы
Неточные закупки	Закупка «на глаз» по прошлому месяцу	Дефицит ходовых позиций и залежи неходовых

Каждая строка таблицы — отдельный сценарий для ИИ. Ниже разберём пять основных.

Сценарий 1: приём заказов из мессенджеров и почты

Что делает ИИ: собирает обращения из мессенджеров и почты в единую очередь, извлекает из свободного текста позиции, количество, единицы измерения, желаемую дату доставки и реквизиты клиента, сопоставляет позиции с каталогом и готовит черновик заказа в 1С. Менеджер проверяет и подтверждает.

Схема процесса:

Сообщение клиента → распознавание позиций → сверка с каталогом → проверка цены и остатков → черновик заказа → подтверждение менеджером → счёт клиенту

Правила, которые стоит заложить сразу (часть из них предлагает и публикация «Клерка»):

• если позиция определена неоднозначно, ИИ задаёт уточняющий вопрос, а не угадывает;
• нестандартная скидка или отсрочка платежа — передача менеджеру;
• недостаток товара блокирует автоматическое оформление;
• заявка без ответа дольше заданного времени — напоминание ответственному;
• клиенту уходит уведомление после выставления счёта и отгрузки.

Входящие заявки могут приходить и в виде вложений — сканов, фотографий накладных, Excel-таблиц. Тогда к языковой модели добавляется распознавание документов. Об автоматизации заявок из почты мы подробно писали в статье «Автоматизация заявок из почты с ИИ», а о подключении ассистента к мессенджерам — в материале «ИИ-ассистент для WhatsApp, VK, Telegram и Max».

Как измерять: время от сообщения клиента до счёта, доля заказов, прошедших без ручных исправлений, число ошибок в артикулах и количестве, число пропущенных заявок.

Сценарий 2: ответы по остаткам, ценам и отгрузкам

Что делает ИИ: отвечает клиентам в мессенджере или на портале на типовые вопросы — «есть ли в наличии», «сколько стоит при заказе от 100 штук», «где моя отгрузка» — по данным 1С и системы доставки в реальном времени.

Ключевые условия:

• данные берутся из учётной системы в момент вопроса, а не из выгрузки недельной давности;
• ИИ видит только цены и условия, положенные конкретному клиенту по его договору;
• ответы о сроках поставки формулируются с оговоркой, если товар в пути;
• вопросы вне компетенции агента — сразу менеджеру с контекстом переписки.

Этот сценарий снимает нагрузку с менеджеров и сокращает время ответа, но требует аккуратной настройки прав: агент не должен раскрывать одному клиенту цены другого. Как правильно выдавать агенту права в 1С и CRM, мы разбирали в статье «Как подключить ИИ-агентов к 1С».

Сценарий 3: сопоставление номенклатуры поставщиков

Что делает ИИ: сопоставляет позиции из прайсов и счетов поставщиков с вашим справочником номенклатуры, даже если названия, единицы измерения и артикулы не совпадают. Например, «Бумага офисная А4 80г 500л» у поставщика и «Бумага SvetoCopy A4» у вас.

Где это нужно дистрибьютору:

• загрузка прайсов новых поставщиков без ручного сопоставления тысяч строк;
• приёмка товара по документам поставщика;
• сравнение цен нескольких поставщиков на одни и те же позиции.

ИИ предлагает соответствие с оценкой уверенности; позиции с низкой уверенностью уходят на ручную проверку. Подробно этот сценарий описан в статье «Сопоставление номенклатуры с ИИ в 1С», а сравнение коммерческих предложений — в материале «Сравнение КП поставщиков с ИИ».

Сценарий 4: дебиторская задолженность

Что делает ИИ: ежедневно проверяет сроки оплаты по данным 1С, готовит персональные напоминания клиентам с актуальным актом сверки, сортирует должников по риску и подсказывает менеджеру, кому позвонить в первую очередь.

Для дистрибьютора с отсрочками платежа это один из сценариев с наиболее прямым влиянием на деньги: каждый день просрочки — это оборотный капитал, замороженный у клиента. Важно разделить роли:

• напоминания с вежливым тоном и актом сверки — агент;
• решение о приостановке отгрузок, реструктуризации или претензии — менеджер и финансовый директор;
• проверка новых клиентов перед предоставлением отсрочки — отдельный сценарий, о нём в статье «Проверка контрагентов с ИИ».

Подробнее о механике — в материале «Автоматизация работы с дебиторской задолженностью с ИИ».

Сценарий 5: прогноз спроса и закупки

Что делает ИИ: строит прогноз продаж по каждой позиции и складу с учётом сезонности, акций, трендов и сроков поставки, рассчитывает рекомендуемый объём заказа поставщику и подсвечивает риск дефицита и затоваривания.

Здесь работают уже не языковые модели, а классическое машинное обучение на исторических данных продаж. Условия успеха:

• история продаж минимум за один-два сезона по позициям, а не только по группам;
• данные о дефицитах: если товара не было на складе, нулевые продажи не означают нулевой спрос;
• сроки поставки и минимальные партии поставщиков;
• закупщик видит не только цифру, но и объяснение прогноза.

Как устроен прогноз и какие данные нужны, мы разбирали в статье «Прогнозирование спроса с ИИ», а управление остатками — в материале «Как автоматизировать склад и остатки с ИИ».

Что не стоит отдавать ИИ

Автоматизация в опте должна убирать рутину, а не принимать коммерческие решения. Не стоит передавать ИИ:

• переговоры с ключевыми клиентами и согласование крупных скидок;
• решения об отсрочке платежа и лимитах кредита;
• замену отсутствующего товара аналогом без подтверждения: похожие позиции могут отличаться характеристиками, сертификатами или условиями хранения (Клерк);
• разрешение конфликтов и претензий — ИИ может подготовить материалы, но решает человек;
• самостоятельное проведение документов в 1С на старте — только черновики.

Эти границы можно сдвигать по мере накопления статистики: например, автоматически проводить повторные заказы постоянных клиентов без изменений. Но только когда данные показывают, что ошибок нет.

С чего начать: сравнение сценариев

Ниже — наша редакционная оценка сценариев по сложности старта и измеримости эффекта. Реальная картина зависит от состояния ваших данных.

Сценарий	Сложность старта	Что нужно из данных	Как измерить эффект	Когда начинать с него
Приём заказов	Средняя	Чистый справочник номенклатуры, цены, остатки	Время до счёта, доля заказов без исправлений	Много заказов в свободной форме
Ответы по остаткам и статусу	Средняя	Актуальные остатки, договорные цены, статусы отгрузок	Время ответа, нагрузка на менеджеров	Много однотипных вопросов клиентов
Сопоставление номенклатуры	Низкая–средняя	Справочник и прайсы поставщиков	Время загрузки прайса, доля ручных сопоставлений	Много поставщиков и частые прайсы
Дебиторка	Низкая	Взаиморасчёты, сроки, контакты	Средний срок оплаты, объём просрочки	Большая доля продаж с отсрочкой
Прогноз спроса	Высокая	История продаж, дефициты, сроки поставки	Дефициты, оборачиваемость запасов	Широкий ассортимент и много складов

Если сомневаетесь, начинайте с приёма заказов или дебиторки: у обоих сценариев короткий путь к измеримому результату. Общий подход к выбору первого процесса описан в статье «Что автоматизировать в бизнесе в первую очередь».

Как подготовить данные в 1С

ИИ не исправит плохие данные — он будет уверенно ошибаться на их основе. Перед пилотом проверьте:

1. Справочник номенклатуры: нет дублей, у позиций заполнены артикулы, единицы измерения и ключевые характеристики.
2. Цены: актуальные виды цен и правила скидок по договорам в учётной системе, а не в головах менеджеров.
3. Остатки: учитываются резервы и товары в пути.
4. Контрагенты: у клиентов заполнены договоры, условия оплаты и контакты.
5. Доступ: для агента заведён отдельный пользователь 1С с правами только на нужные объекты; черновики создаются без права проведения.

Подробный чек-лист подготовки данных — в материале «Подготовка данных для внедрения ИИ».

План пилота на 6 недель

1. Неделя 1 — базовая линия. Выберите сценарий и посчитайте текущие показатели: число заказов в день, время до счёта, долю ошибок.
2. Неделя 2 — данные. Почистите справочник по позициям, которые чаще всего заказывают, заведите пользователя для агента.
3. Недели 3–4 — запуск в режиме подсказок. Агент готовит черновики, менеджеры работают как обычно и сравнивают.
4. Неделя 5 — рабочий режим. Менеджеры подтверждают черновики агента вместо ручного ввода, все исправления фиксируются.
5. Неделя 6 — оценка. Сравните с базовой линией: время, ошибки, доля заказов без исправлений. Решите, масштабировать ли сценарий.

Срок пилота — ориентир для небольшого сценария на одном отделе; при сложной интеграции или грязных данных он вырастет.

Частые вопросы

Можно ли принимать заказы из мессенджеров сразу в 1С с помощью ИИ?

Да. ИИ извлекает из сообщения позиции, количество и дату, сопоставляет их с каталогом и создаёт черновик заказа в 1С. Безопаснее, чтобы менеджер подтверждал заказ, особенно на старте.

Что делать, если клиент пишет названия товаров по-своему?

Для этого и нужен ИИ: он сопоставляет свободные формулировки с каталогом по смыслу, учитывая историю заказов клиента. Если уверенность низкая, агент задаёт уточняющий вопрос.

Может ли ИИ сам предлагать замену отсутствующего товара?

Предлагать варианты менеджеру — да. Отправлять замену клиенту без подтверждения не стоит: похожие позиции могут отличаться характеристиками, сертификатами и условиями хранения.

Какие данные нужны для прогноза спроса?

История продаж по позициям и складам минимум за один-два сезона, данные о дефицитах, сроки поставки и минимальные партии. Без информации о дефицитах прогноз будет занижать спрос на ходовые позиции.

С какого сценария лучше начать дистрибьютору?

Обычно с приёма заказов или работы с дебиторкой: у них понятные метрики и короткий путь к результату. Прогноз спроса сложнее и требует качественной истории продаж.

Нужно ли менять 1С для внедрения ИИ?

Как правило, нет. ИИ подключается к существующей конфигурации через интерфейсы обмена или через агентную автоматизацию интерфейса. Но справочники и права доступа обычно приходится привести в порядок.

Первоисточники и метод проверки

Рыночные данные проверены 3 октября 2026 года. Сценарии, таблица сравнения и план пилота — редакционный анализ AIrassvet на основе перечисленных источников; это не результаты конкретного клиента. Сроки и эффекты в вашей компании зависят от данных и процессов.

• Коммерсантъ: рынок B2B-маркетплейсов и интернет-магазинов — оценки Strategy Partners и Data Insight, факторы, сдерживающие рост.
• Клерк: заказы теряются в WhatsApp — типичный путь заказа в небольшой оптовой компании, правила безопасной автоматизации.
• Data Insight: экосистема B2B электронной торговли России 2025 — структура рынка B2B eCommerce.

Как AIrassvet помогает автоматизировать оптовые продажи с ИИ

Оптовой компании не нужна «нейросеть вообще» — нужен агент, который понимает заявки клиентов и аккуратно работает с 1С. AIrassvet внедряет интеллектуальных ИИ-агентов, интегрированных с мессенджерами, почтой и бизнес-системами, агентную RPA для 1С, ERP и браузера, а также ML-прогнозирование спроса и оптимизацию запасов. Для дистрибьютора мы можем:

• провести аудит процесса продаж и выбрать сценарий с самым быстрым измеримым эффектом;
• построить агента приёма заказов из мессенджеров и почты с созданием черновиков в 1С и подтверждением менеджером;
• подключить ответы по остаткам, ценам и статусам с правами, ограниченными договором конкретного клиента;
• построить прогноз спроса для закупок на ваших исторических данных.

Реалистичный первый шаг — выбрать один процесс, например приём заказов, и зафиксировать его текущее состояние, источники данных, ограничения и критерий приёмки.

Обсудить задачу

Итог: ИИ готовит, менеджер решает

Оптовая торговля и дистрибуция — одна из самых благодарных отраслей для ИИ: много однотипных заявок в свободной форме, много ручного переноса данных в 1С и прямая связь скорости ответа с продажами. Пять сценариев с понятным эффектом — приём заказов, ответы по остаткам, сопоставление номенклатуры, дебиторка и прогноз спроса.

Работает правило «ИИ готовит, менеджер решает»: агент собирает, сверяет и готовит черновики, а скидки, отсрочки и замены остаются за человеком. Приведите в порядок справочники и права в 1С, начните с одного сценария, измерьте долю заказов без исправлений — и расширяйте автоматизацию по данным, а не по ощущениям.