How Zip's AI Superagents Automate Procurement End-to-End | Rujul Zaparde

Сводка

Руджул Запарде, сооснователь Zip, рассказывает об эволюции компании от одноразовых агентов по закупкам к «супер-агентам», которые обрабатывают сквозные процессы (RFP, юридическая вычитка, кодирование счетов). Он утверждает, что слой управления, прав доступа и аудита критически важен, поскольку закупки напрямую влияют на главный бухгалтерский учёт и P&L, где допустимость ошибок равна нулю.

Ключевые выводы

Zip оценивает, что около 80% процесса закупок состоит из дискретных, прямолинейных задач (соответствие W-9/W-8, проверка SOC 2, кодирование счетов, валидация бюджета), которые можно автоматизировать с помощью агентов.
Компания перешла от одноразовых агентов, выполняющих одну задачу, к «супер-агентам», которые обрабатывают весь сквозной процесс: RFP-супер-агент может найти поставщиков, составить и отправить RFP, дождаться ответов, оценить их и рекомендовать поставщика; юридический супер-агент может провести полный цикл redlining (вычитки) в рамках нескольких раундов переписки по электронной почте через MCP.
Закупки — одна из самых рискованных областей для внедрения ИИ, поскольку они питают главный бухгалтерский учёт и P&L. Запарде говорит, что «абсолютно нет допустимости» для P&L, который «в целом верен».
Zip создал более 350 типов прав доступа, которые применяются как к людям, так и к агентам. Агент, действующий от имени пользователя, может видеть только то, что видит этот пользователь, создавая жёсткую границу прав.
Двумя клиентами Zip являются Anthropic и OpenAI. Запарде говорит, что диалог с ними по вопросам исследований в области управления (governance) был напрямую полезен.
Zip тестирует модели ежедневно и маршрутизирует разные сценарии использования (простой счёт, многоязычный счёт на 1200 страниц, redline MSA, валидация бюджетного кода) на разные модели. Для многих задач качество контекста важнее использования самой передовой модели.
UCI Health использовал переговорного агента Zip для IT-инициативы и добился совокупного снижения затрат более чем на 20 миллионов долларов за период, который он оценивает примерно в шесть месяцев до года.
Опрос более 1000 лидеров по управлению расходами от Zip показал, что организации, глубоко внедряющие ИИ в процессы, получают ROI около 39% по сравнению с ~6% у тех, кто лишь проводит пилотные проекты (он оговаривается: «если я правильно помню»).
Zip позиционирует себя как единственную компанию, занимающуюся как «intake to procure» (оркестрация запросов, маршрутизация, цепочка согласований с помощью ИИ), так и «procure to pay» (традиционный 50-летний процесс от заявки до оплаты). Компания впервые была включена в Gartner Magic Quadrant для категории procure-to-pay в качестве Visionary.
Запарде — оптимист в отношении макровлияния ИИ на эффективность и реинвестирование, но говорит, что последняя работа, которую заменит ИИ, — это роль корпоративного продавца (enterprise seller), потому что убеждение другого человека принять инициативу и запустить проект — это то, что он не видит в текущих возможностях ИИ.
Продукт «AI spend automation»: Zip анализирует историю согласований клиента (например, 85 000 согласований за 12 месяцев), выявляет ~25 высокоэффективных сценариев, настраивает под них супер-агентов и назначает AI forward deployed engineer. Это решает то, что он называет «проблемой последней мили» в корпоративном ИИ.
Бэкграунд Руджула: бросил колледж примерно в 2012–2013 годах, чтобы основать Flight Car (бесплатная парковка в аэропорту на 17 локациях, продана Mercedes-Benz в 2016 году), затем работал в Airbnb несколько лет, затем был visiting partner в YC, а в августе 2020 года запустил Zip вместе со сооснователем Лу.

Супер-агенты: от одноразовых задач к сквозным персонам

Исходная архитектура агентов Zip, примерно за год до интервью, состояла из множества маленьких, дискретных агентов, встроенных в рабочий процесс. Агент для проверки SOC 2 получал набор промптов, создавал вывод, после чего человек одобрял его или отмечал проблемы. Ограничением было то, что они были одноразовыми: они не обрабатывали последующие шаги, обмен репликами или многоходовые взаимодействия.

«Супер-агенты», о которых Zip объявил за несколько месяцев до интервью, организованы вокруг дискретных персон, а не отдельных задач. Например, юридический супер-агент может автономно обрабатывать весь сквозной процесс redlining. Он подключён к электронной почте пользователя через MCP, отправляет письмо поставщику или его юридическому совету от имени пользователя, обрабатывает вычитку, дожидается ответа другой стороны и итерирует. Запарде описывает этот сдвиг так: теперь ИИ обрабатывает больше сквозной работы, а не только подкомпоненты.

Он приводит второй пример: супер-агент по поиску поставщиков или RFP. Если кто-то подаёт заявку на покупку конкретного товара, агент может идентифицировать существующих поставщиков в vendor master (источник истины в ERP), выполнить веб-поиск новых кандидатов, составить RFP, отправить его, дождаться ответов, рассчитать и оценить результаты, принять решение о соотношении стоимости и ценности и вернуться с рекомендацией по поставщику. Всё это происходит автономно в рамках настроенных параметров.

Закупки как высокорискованная область: почему управление критически важно

Запарде подчёркивает, что закупки — одна из областей с самым высоким риском негативных последствий при внедрении ИИ. Он противопоставляет это, скажем, маркетинговому письму, где агент может ошибиться в деталях, кто-то пожалуется, но структурно ничего не сломается. Закупки затрагивают главный бухгалтерский учёт в ERP, который питает P&L. Нет аппетита к «P&L, который в целом верен или даже слегка ошибочен», как он выражается.

Именно поэтому Zip потратил значительное время на создание управляемого фреймворка, в котором работают агенты. Ключевые компоненты, которые он описывает:

**Полная аудируемость**: каждое решение, которое принимает агент, контекст, который он использовал, и откуда он его получил, логируется и может быть процитирован. Например, можно увидеть, что конкретному агенту было разрешено считать SOC 2 поставщика достаточным в соответствии с политикой компании, кто настроил это право и когда. Всё это хранится в одном месте и экспортируется в виде пакетов аудита для внутренних и внешних аудиторов.
**Настраиваемый human-in-the-loop**: клиенты устанавливают параметры риска, определяющие, когда человек должен проверить и подписать, а когда агент может работать на автопилоте. Банки, например, обычно хотят, чтобы человек проверял большинство действий. Некоторые технологические клиенты более охотно позволяют агенту обрабатывать ситуации и принимать решения в рамках определённых параметров.
**Область применения SOX**: большинство клиентов Zip включают Zip в свою область применения Sarbanes-Oxley, что означает, что контроль и аудируемость являются не опциональными, а регуляторными требованиями.

Он добавляет оговорку, что Zip подключается к средам SAP или Oracle и фактически пушит данные и изменяет записи в этих системах, которые являются источником истины для организации. «Вы действительно должны быть уверены», — говорит он, учитывая то, что поставлено на кону.

Маршрутизация моделей, контекст и фреймворк из 350 прав

Ведущий спрашивает, сколько базовых моделей использует Zip и использует ли он Anthropic, OpenAI, проприетарные или open-source модели. Запарде говорит, что ландшафт быстро меняется, и Zip ежедневно тестирует разные модели для разных сценариев. Кодирование строк в счетах — «полностью, безумно другой сценарий использования», чем создание redline для MSA или валидация бюджетного кода. Они тестируют как с проприетарным контекстом Zip, так и без него, измеряя эффективность, отслеживаемую на уровне строк для счетов, на уровне пунктов для контрактов и с другими гранулярностями.

Конкретный пример: у клиента может быть счёт на 1200 страниц на языке, отличном от английского, с покупкой огромных объёмов отдельных товаров у определённых поставщиков. Этот сценарий маршрутизируется и тестируется совершенно иначе, чем простой одностраничный счёт. Для простых и умеренно сложных счетов, говорит Запарде, не нужна самая передовая модель. «На самом деле, контекст важен гораздо больше», — говорит он, и Zip помогает управлять этим контекстом, частично по соображениям стоимости.

Со стороны прав доступа Zip создал 350 разных типов прав, которые применяются как к людям, так и к агентам. Механизм: если агент действует от имени человека-пользователя, агент может видеть только те данные, которые видит этот пользователь. Набор прав человека задаёт границу, и агент находится в подмножестве этих прав. Запарде называет это «довольно сложным для построения» и «равно сложным, если не более сложным, для фактического тестирования и валидации». Он приводит пример конфиденциальной информации, готовящейся к IPO, которая может находиться в счёте или в statement of work; если пользователь больше не имеет доступа к этому документу, агент, действующий от его имени, не должен использовать эти данные для ответа на другой вопрос.

Ведущий отмечает, что двумя клиентами Zip являются Anthropic и OpenAI, которые, вероятно, могли бы построить это сами. Запарде подтверждает, что с обеими компаниями ведётся активный диалог по исследованиям в области управления, и говорит, что Zip «огромно выиграл» от их последних идей.

На вопрос о квадратичном расширении вычислений контекстного окна Запарде откровенен: «Я также откровенно не эксперт в некоторых из этих вопросов даже внутри компании». Он говорит, что по его наблюдениям, это не было проблемой для Zip, но добавляет: «возможно, я чего-то не вижу».

Возможности сквозных агентов и где остаётся человек

Ведущий спрашивает, насколько супер-агенты могут работать без человека в цикле и есть ли жёсткие ограничения. Запарде говорит, что супер-агент может запустить полный сквозной процесс, и он подробно разбирает пример с RFP. Агент находит поставщиков в vendor master или через веб-поиск, создаёт RFP, используя внутренний playbook компании (если он существует для этой категории расходов), отправляет его, дожидается ответов, рассчитывает результаты и делает рекомендацию.

Для юридической работы агент имеет полный юридический playbook клиента, аннотирует MSA, рассчитывает полный redline, отправляет письмо юристу поставщика и обрабатывает несколько раундов обмена репликами. После определённого количества ходов или когда остаются неразрешённые пункты, он «поднимает руку» и сигнализирует, что юристу-человеку нужно взять трубку.

Автопилот настраивается. Когда пользователь впервые взаимодействует с агентом, тот уточняет («Вы в порядке с этим письмом? Хотите, я отправлю?»). Позже пользователь может сказать: «Не спрашивай меня в следующий раз», и агент будет выполнять этот шаг на автопилоте. Однако Запарде настоятельно рекомендует human-in-the-loop всякий раз, когда агент пушит данные в исходную систему, особенно в ERP. «Откровенно говоря, в корпоративном секторе мы видим, что почти каждый клиент этого хочет».

Он также отмечает практический уровень в поведении клиентов: для крупнейших контрактов (например, сделка с AWS на 50 миллионов долларов) клиенты всё ещё хотят, чтобы этим занимались люди. Но средний и длинный хвост расходов, которые, по его словам, «даже не трогают», потому что это «слишком много усилий», — это там, где супер-агент создаёт рычаг. Покупка на 250 000 или даже 1 миллион долларов, на которую никто не стал бы тратить время на тендер, теперь может быть конкурентно сформирована. «Это доллары, которые не проходят конкурентную процедуру», — говорит он. «Компании переплачивают за вещи».

Ответственность: кто несёт ответственность за плохое решение агента

Ведущий спрашивает напрямую: если агент договаривается о плохом условии или одобряет расходы, которые не должен был, и это могло быть галлюцинацией на уровне модели, кто понесёт удар? Клиент, Zip или провайдер модели?

Запарде предлагает аналогию: если он использует Claude, чтобы отправить письмо с неверной информацией или неправильным тоном, и он дал ему на это разрешение, «эта ответственность лежит на мне. Я не могу винить Claude, потому что он просто сделал то, что мог». Он распространяет это на Zip: «В конечном итоге ответственность лежит на ком-то, и, вероятно, сегодня в рамках, я думаю, это явно эволюционирует. Я думаю, что это просто человек, который принял решение позволить агенту сделать X, Y или Z и дал ему на это разрешение». Он явно отмечает, что это его текущая точка зрения и «возможно, это изменится со временем».

Коммерция между агентами и качество RFP

Ведущий поднимает идею о том, что скоро ИИ будет по другую сторону RFP, читая его и отвечая, и спрашивает, не станут ли агенты в конечном счёте просто передавать данные друг другу, не создавая документов, читаемых человеком. Запарде говорит: «Я думаю, что это абсолютно тот мир, к которому мы идём».

Затем он предлагает осторожный контрпример изнутри Zip. Компания отвечает на сотни RFP в год и использовала ИИ для черновиков ответов. Он лично копнул качество примерно восемь-десять месяцев назад и обнаружил, что «часть этого ужасна». Он заставил свою команду убрать ИИ из генерации ответов и перейти к модели, где ИИ может сопоставить вопрос с предварительно одобренным ответом из «золотой библиотеки» ответов, утверждённых людьми, но ИИ не может написать новый ответ. «Вы не хотите оказаться в ситуации, когда вы отвечаете определённым образом, а затем клиент говорит: „Ну, вы сказали это здесь“, а мы отвечаем: „Да, мой агент так сказал“».

Результаты клиентов: UCI Health и опрос лидеров по расходам

UCI Health — клиент Zip, который использовал переговорного агента для конкретной IT-инициативы. Результатом стало снижение затрат более чем на 20 миллионов долларов. Запарде уточняет, когда ведущий спрашивает, является ли это одним контрактом: это совокупная сумма за период, который он оценивает как «шесть месяцев или год или что-то вроде этого», и говорит, что ему нужно будет проверить. Механизм в том, что у UCI Health есть playbooks для разных типов переговоров (риск, юридические, ценовая ценность), и агент позволяет им охватить больше своих расходов. «Даже если вы можете срезать 5%, 10% на этом или 20% на том, или 2% на другом, всё это складывается».

В опросе более 1000 лидеров по расходам вывод, который больше всего противоречил их предположениям, — это разрыв в глубине внедрения. Организации, глубоко внедряющие ИИ в свои процессы, получают ROI 39%, «если я правильно помню», по сравнению с ROI 6% у тех, кто лишь проводит пилотные проекты или говорит, что использует ИИ. Это примерно разница в 6,5 раза. Он добавляет, что это «на самом деле не должно быть сюрпризом», потому что, если человек всё ещё делает 95% или 99% работы, площадь поверхности на самом деле не увеличилась.

Автоматизация расходов с ИИ и «проблема последней мили»

Zip создал продукт, который они называют «AI spend automation». Процесс: Zip смотрит на данные согласований клиента (он приводит пример 85 000 разных согласований за последние 12 месяцев), анализирует, что было согласовано и на каких этапах, выявляет набор высокоэффективных сценариев (он говорит: «25, я выдумываю» как заглушку), настраивает супер-агентов под эти конкретные сценарии и прогнозирует ROI в виде сокращения времени цикла, экономии затрат за счёт выставления большего количества заявок на тендер или экономии на штате для BPO-типа работы. Затем Zip направляет AI forward deployed engineer на место, чтобы помочь настроить и отладить агентов. FDE не делает ничего, что клиент не мог бы сделать в продукте, но «мы знаем, как тестировать агентов, и мы можем переписать промпты, весь процесс, и мы можем сделать это за вас».

Запарде определяет базовую проблему как «проблему последней мили» с ИИ в корпоративном секторе. Инструменты существуют, значения по умолчанию есть, но разрыв между наличием продукта и фактической трансформацией конкретного рабочего процесса — это там, где создаётся или теряется ценность. Он говорит, что этот продукт «реально зашёл» и что у них «много клиентов», которые проводят эти трансформации.

Позиция на рынке: оркестрация закупок с ИИ

Zip создал то, что он называет категорией «AI procurement orchestration»: захват запроса с помощью ИИ, маршрутизация через кросс-функциональные команды (бюджет, риск, юридические, IT) и автоматизация как можно большей части этой работы. Кроме того, Zip также занимается «procure to pay», традиционной категорией заявок, согласований, purchase order, сверки счетов и оплаты, которая существует уже 50 лет или более. Запарде говорит, что Zip — «единственная компания в мире», которая делает и то и другое, и они впервые были включены в Gartner Magic Quadrant для существующей категории procure-to-pay в качестве Visionary.

Он утверждает, что конкурентный разрыв структурен: проблема сложна, нет допустимости ошибок (расчёты бразильских налогов должны быть верными, права доступа должны быть герметичными), и легаси-платформы несут 20, 30, 40, 50 лет технического долга и «расползающуюся площадь поверхности» кастомных, специфичных для клиента конфигураций, которые нельзя легко обновить или превратить в AI-first продукт. «Это почти невозможная задача», — говорит он о ретрофиттинге ИИ на такую легаси-архитектуру.

По горизонтальной широте: он приводит примеры учёных-фармацевтов, покупающих химикаты для тестирования лекарств, лабораторных исследователей, закупающих повседневные расходники, и CPG-компании (он упоминает производителя шоколадных батончиков), которая закупает все ингредиенты через Zip. «Каждая компания в мире, по крайней мере выше определённого размера, может быть несколько сотен сотрудников на самом нижнем уровне, имеет эту проблему».

Экономические последствия: эффективность, рентоизвлечение и то, что ИИ не заменит

Ведущий спрашивает, думает ли спикер о том, как изменится вся экономика, когда закупки станут более эффективными. Запарде говорит, что он разделяет эту идею. Более эффективное ценообразование означает меньше перерасходов, и сэкономленные средства можно реинвестировать в R&D и улучшение продукта. «Экономика будет вознаграждать тех, кто затем реинвестирует эти средства дальше».

Он признаёт политические и relacionales неэффективности в текущей системе: «покупатель дружит с вендором, и они как бы не давят слишком сильно». Со временем рентоизвлекатели «потеряют своё преимущество или своё преимущество». Он описывает это как «хорошую вещь для мира».

По макровопросу об экономике, «опирающейся на ткань агентов» (он ссылается на Юваль Ной Харари), он говорит, что верит, что клиенты будут продолжать автоматизировать больше транзакционного процесса закупок, и что фреймворк управления «становится всё более и более важным», по мере того как ИИ даётся больше «верёвки». «Если вы собираетесь дать ИИ больше верёвки, у вас должен быть фреймворк и контроль вокруг него».

Где он проводит жёсткую черту: «Мы можем автоматизировать много транзакционной работы, но кто-то, убеждающий другого человека сделать что-то и превратить это в инициативу и запустить проект, я не вижу, чтобы любой ИИ делал это». Он ссылается на прочитанное им, что последняя работа, которую заменят, — это роль корпоративного продавца, и говорит: «к сожалению, я с этим согласен». Он добавляет оговорку, что это верно «не до тех пор, пока не придёт суперинтеллект, когда они смогут убедить любого из нас в чём угодно».

Он также говорит, что он «определённо оптимист» относительно последствий ИИ, отмечая, что макросдвиги «похожи на то, что вещи просто перемещаются, и на самом деле появляется больше возможностей для создания».

История основания, команда и что дальше

Руджул бросил колледж в конце 2012 или 2013 года, чтобы начать Flight Car, бизнес экономики совместного потребления, который давал бесплатную парковку в аэропорту, сдавая машину пользователя в аренду другому человеку, полностью застрахованную. Они работали на 17 аэропортах с физическими локациями, персоналом, который мыл машины и забирал пассажиров. Он описывает бизнес как «операционно сложный» и уподобляет зарабатывание денег «выжиманию лимона». Они провели продажу активов Mercedes-Benz в 2016 году, что «не было результатом, к которому мы стремились». Урок: никаких более операционно интенсивных бизнесов. «Следующая компания, которую я запущу, будет BUB SaaS компанией» (он говорит «BUB SaaS», вероятно, ошибка транскрипции для «B2B SaaS»).

Затем он работал в Airbnb несколько лет, где познакомился со сооснователем Лу. В Airbnb Лу прошёл через процесс закупок и стал знаком с его болями и сложностью. После Airbnb Руджул работал в Y Combinator как visiting partner, изначально на два батча. Лу и он оба решили уйти в свою компанию на полный рабочий день, но потребовалось ещё четыре-пять месяцев в разгар COVID, чтобы найти идею. Zip стартовал в августе 2020 года. Совокупные обработанные и согласованные расходы по всем клиентам, по его оценке, «около 1,2 триллиона» долларов.

По найму: в начале они взяли инженеров, дизайнеров и PM из своих сетей Airbnb и до-Airbnb. «Им также очень нужно было сделать ставку, потому что у нас тогда почти ничего не происходило. Нет клиентов, в основном нет продукта». Он «благодарен, что они сделали прыжок веры».

Глядя вперёд, Zip строит больше персон супер-агентов (они приоритизировали первые пять и намерены сделать следующие десять), нанимает больше forward deployed engineers (область, в которой они признают, что были «чуть-чуть в отставании»), и проводят трансформационную работу по отраслям. По вопросу об AI-native, он указывает на отсутствие легаси-технического долга, дисциплину не строить кастомные или подгоняемые функции для отдельных клиентов и тот факт, что роли продуктовой инженерии и дизайна нанимаются только в Bay Area, Нью-Йорке и Торонто, с фокусом на бэкграунд в consumer-tech, чтобы держать опыт конечного пользователя (заказчика) в центре.