AI kupiec kontra AI dostawca. Kto wygrywa negocjacje w twoim łańcuchu dostaw?

Ręczne uzgadnianie warunków z hurtownikami przy setkach SKU to dziś jak jazda furmanką po autostradzie. Badanie przeprowadzone na prawie 10 tysiącach symulacji pokazuje, że agenci AI potrafią zawierać kontrakty, nie ujawniając najcenniejszego skarbu detalisty: faktycznych prognoz popytu. Kluczowe pytanie brzmi już nie "czy to działa", ale "w czyim modelu siedzi twój agent kupiecki".

Problem, który znasz z wtorkowych spotkań zakupowych

Zamrażarka na lody w marcu jest pusta, a w sierpniu pęka w szwach. Kategoria manager prosi o zwiększenie zamówienia na promocję, ale dostawca odpowiada 'według moich danych twój popyt jest niższy, nie schodzę z ceny'. Negocjacje ciągną się dwa tygodnie, kończą się kompromisem, a marża topnieje. To klasyczna sytuacja, w której detalista ma prywatną informację o popycie, a hurtownik nie, i obie strony wiedzą, że to gra o sumie niezerowej.

Dotychczas automatyzacja tego procesu kończyła się na elektronicznym obiegu zamówień. Samo rozeznanie, do której hurtowni lepiej pójść z większym wolumenem, wymagało ręcznej analizy, a negocjacje i tak kończyły się telefonem. Przy dwóch tysiącach indeksów i dziesięciu dostawcach to nie był proces skalowalny.

Agent AI przy stole negocjacyjnym, czyli koniec z graniem w otwarte karty

Nowe podejście opiera się na agentach LLM, które siadają do wirtualnego stołu z agentami dostawców. Detalista definiuje reguły gry: maksymalną cenę akceptacji, koszt braku towaru, karę za opóźnienie. Agent kupca posiada prognozę popytu z systemu ERP, ale ujawnia tylko tyle, ile musi, by skłonić sprzedawcę do złożenia sensownej oferty. To zupełnie inna dynamika niż wysłanie hurtownikowi pliku CSV z historycznymi zamówieniami.

W badaniu Liang i Xu przetestowano 9,840 takich negocjacji między różnymi modelami. Agenci dogadywali się w 98,9% przypadków, osiągając średnio 95,4% maksymalnej nadwyżki ekonomicznej. Dla sieci z obrotem 200 mln zł w kategoriach świeżych to różnica rzędu kilku milionów złotych rocznie wynikająca z lepszych cen zakupu i mniejszej liczby przecen na końcówki serii.

Konkretny scenariusz: zamawianie nabiału pod prognozę pogodową

Wyobraź sobie sieć 300 sklepów convenience, która kupuje jogurty i serki od pięciu mleczarni. Twój zespół zakupowy dostaje w poniedziałek alert z modelu predykcyjnego: w weekend na południu kraju zapowiadają falę upałów. System wie, że tydzień temu w tych samych lokalizacjach promocja na skyry podniosła sprzedaż o 22%, a teraz chłodziarki będą wyczyszczone do niedzieli.

We wtorek o 8:00 twój agent AI wchodzi w równoległe negocjacje z agentami trzech mleczarni. Każdy dostaje ten sam komunikat: 'Mam popyt dwucyfrowy wyższy od bazy, potrzebuję X palet z priorytetem dostawy do czwartku. Twoja oferta?'. Agent celowo nie podaje dokładnej liczby X ani nie zdradza, że konkurencja już odpowiedziała z 5% rabatem. Mleczarnia B, której agent działa na modelu Qwen, proponuje 7% upustu przy większym minimalnym zamówieniu. Agent kupca analizuje, czy to się opłaca, biorąc pod uwagę koszt ewentualnego zwrotu niesprzedanego towaru. Transakcja dobija do tąpnięcia w 3 rundach, kontrakt zostaje zawarty, a towar rusza w trasę.

Dlaczego to, od kogo kupiłeś model, decyduje o marży

Największym zaskoczeniem z tych badań jest fakt, że wybór dostawcy modelu wpływa na podział zysków z negocjacji silniej niż sam ranking wydajności. Agent kupca działający na modelu Qwen (Alibaba) w testach self-play przechwytywał 70% nadwyżki dla kupującego. Dla OpenAI było to 40%, a dla Google około 50%. Różnica 30 punktów procentowych w podziale tortu to, w skali roku fiskalnego, decyzja o wypłacie premii dla całego działu zakupów albo o cięciu kosztów gdzie indziej.

Co ciekawe, ta asymetria nie jest tylko kwestią promptu. Utrzymuje się nawet, gdy wyłączy się dyskontowanie i ograniczy komunikację. To sugeruje, że 'osobowość negocjacyjna' modelu jest głęboko wbudowana w architekturę. Dla praktyka z łańcucha dostaw oznacza to jedno: wybór modelu to nie decyzja IT, to decyzja finansowa. Jeśli twoja sieć wydaje 50 mln zł rocznie na jeden kontrakt kategorii, przesunięcie podziału o 5% w twoją stronę to 2,5 mln zł zysku operacyjnego.

Strategiczna cierpliwość w prompcie. Darmowa dźwignia, której nie używasz

Badanie wykazało jeszcze jedną rzecz, która nie wymaga ani grosza nakładów inwestycyjnych: prompt jest strategiczną dźwignią. To, jak zaprogramujesz cierpliwość swojego agenta, wyjaśnia 90% wariancji w podziale zysków. Delegując negocjacje agentowi, oddzielasz swoją faktyczną presję czasu od tej, którą widać po drugiej stronie stołu.

W praktyce: jeśli twój agent dostanie instrukcję 'negocjuj twardo, nie akceptuj pierwszej oferty, masz czas do piątku', podczas gdy agent dostawcy ma prompt 'domknij kontrakt w tej turze', marża idzie w twoją stronę. I nic to nie kosztuje. Oczywiście jest haczyk: badanie pokazało, że negocjacje trwają średnio 2,98 rundy zamiast 1,25, a opóźnienie zjada od 21 do 34% nadwyżki. W kategorii z krótkim shelf-life, jak świeże pieczywo, zbytnia cierpliwość zabija biznes. Trzeba skalibrować.

Ryzyka, o których nikt nie mówi na konferencjach

Jest jeden raport z tego badania, który powinien zmrozić każdy zarząd. Bazowe modele w 19,2% przypadków akceptowały kontrakty indywidualnie nieracjonalne, takie, w których strona byłaby lepiej bez umowy niż z nią. Dopiero modele średniej i flagowej półki (GPT-4, Gemini Pro) zredukowały ten odsetek do 0,0-0,6%. Jeśli twój start-up dostarczający agenta bazuje na tańszym API, bo 'negocjacje to tylko gadanie', wpuszczasz AI, które może podpisać deal gorszy niż niepodpisywanie żadnego. Bez automatycznej weryfikacji minimalnej marży na transakcję to igranie z ogniem.

Podsumowanie: od testu do wdrożenia w dwa miesiące

Nie czekaj, aż twój największy konkurent wynegocjuje lepsze warunki, bo zmienił model na nowszą wersję. To nie science fiction, to już się dzieje w logistyce i zaopatrzeniu. Zacznij od jednej kategorii, gdzie masz dobre dane historyczne i zmienny popyt. Wypuść agenta równolegle do ręcznych negocjacji i porównaj wyniki po miesiącu. Jeśli twój agent kupiecki dostaje średnio 2% lepszą cenę zakupu, to przy kategorii wartej 10 mln zł masz dodatkowe 200 tys. zł w kieszeni. Prompt do strategicznej cierpliwości możesz zmienić dziś po południu. Kod dostępu do API i umowę z dostawcą modelu zaplanuj na ten tydzień.

• 98,9% negocjacji kończy się umową, przechwytując 95,4% maksymalnej nadwyżki ekonomicznej
• Wybór dostawcy modelu AI determinuje podział zysków silniej niż techniczny ranking modelu
• Prompt definiujący strategiczną cierpliwość jest darmową dźwignią wyjaśniającą 90% wariancji wyniku

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.