Levelpath запускает Ranger для сквозного выполнения закупочных процессов

Levelpath запустила Ranger, автономную платформу закупок, разработанную для перехода корпоративных закупок от администрирования с поддержкой ИИ к полному выполнению. Объявленная 30 сентября, Ranger принимает запросы на естественном языке или голосовой запрос, а затем координирует работу, необходимую для поиска поставщиков, проверки контрактов, подключения поставщиков, оценки риска третьих сторон и сопоставления и утверждения счетов‑фактур.

Это различие имеет значение. Большинство закупочных помощников могут резюмировать контракт, подготовить анкету или ответить на вопрос политики, но сотруднику всё равно приходится связывать эти результаты в процесс. Ranger создан, чтобы выступать в роли этой связующей ткани. Его агенты могут планировать и выполнять несколько шагов в рамках закупок, финансов, юридических, безопасностных и ИТ‑систем, одновременно передавая решения, требующие человеческого суждения, на уровень утверждения.

От подсказки к управляемому процессу

В центре платформы находится Ranger Studio — среда естественного языка, где команды закупок описывают агента или рабочий процесс, указывают политики, которым он должен соответствовать, и решают, где необходимо вмешательство человека. Компания заявляет, что пользователи могут развертывать помощников для вопросов, основанных на данных, агентных задач для рутинных работ, агентов рабочего процесса для многошаговых процедур и непрерывных агентов, которые отслеживают такие обязанности, как продление контрактов или состояние поставщиков.

Ranger поставляется с пятью автономными рабочими процессами: поиск поставщиков, проверка контрактов, подключение поставщиков, защита от рисков третьих сторон и сопоставление и утверждение счетов‑фактур. Это не отдельные функции. Они работают на общей модели данных закупок Levelpath и подключаются к ERP, системам управления жизненным циклом контрактов, финансовым, коллаборационным и другим корпоративным системам через готовые интеграции и API.

Эта архитектура построена на механизм рассуждений Hyperbridge компании Levelpath, который объединяет контекст поставщиков, контрактов, поиска и расходов в едином слое. Компания описывает Hyperbridge как сочетание больших языковых моделей с корпоративными данными и логикой рабочих процессов, позволяя агентам рассуждать над контекстом запроса, а не рассматривать каждый документ или систему как отдельное взаимодействие.

Эта база данных является критическим техническим требованием. В недавнем Unite.AI интервью Levelpath соучредитель и генеральный директор Алекс Якубович утверждал, что агент не может действовать надёжно, когда информация о поставщиках, контрактах и поиске остаётся фрагментированной. Предложение Ranger состоит в том, что единая модель предоставляет специализированным агентам достаточный контекст для продвижения рабочего процесса, а не просто выдаёт ответ.

Как выглядит автономная закупка на практике

Для события поиска поставщиков Ranger может преобразовать короткий запрос в структурированный запрос предложений (RFP) с анкетой, прайс‑листом, оценочной таблицей и процессом, специфичным для поставщика. Он может анализировать ответы, объяснять свою оценку и рекомендовать присвоение контракта, при этом окончательный выбор остаётся за уполномоченным лицом. Исторические цены, показатели поставщиков и согласованные условия также могут учитываться при анализе.

Управление контрактами добавляет более проактивный подход. Ranger может рассчитывать сроки уведомления, начинать обзор продления до истечения срока контракта и рекомендовать, продлевать ли, переоформлять, прекращать или ничего не предпринимать. Функция Contract Discovery позволяет команде задать один вопрос по до 10 000 контрактов и получить ответ, привязанный к доказательствам в исходных документах. Этот уровень цитирования важен в юридической и закупочной работе, где правдоподобный ответ без прослеживаемого источника недостаточен.

В отделе расчётов платёжных обязательств платформа сопоставляет счета‑фактуры с записями поставщиков, заказами на покупку, контрактами и данными о получении. Она может выявлять дубли, несоответствия цен или количеств, необычные суммы и заказы, приближающиеся к своим лимитам. Чистые, низкозначимые счета‑фактуры могут автоматически переходить к оплате; исключения направляются человеку с письменным обоснованием и аудиторским следом.

AI Front Door предоставляет общий интерфейс. Сотрудники могут начать запрос на покупку через чат, цитату или голосовую инструкцию. Ranger предварительно заполняет запрос, применяет рекомендации в зависимости от роли сотрудника и направляет работу в юридические, безопасностные, финансовые или рисковые команды согласно политикам и пороговым значениям. Дашборды на естественном языке аналогично преобразуют вопросы о расходах, поставщиках и эффективности в графики, сравнения или ключевые показатели эффективности (KPI).

Автономия с жёсткими границами

Самой значимой частью запуска может стать её дизайн управления. Каждый агент может быть включён или отключён на отдельном этапе и ограничен политиками, порогами одобрения, инструкциями, тоном и организационными правилами. Levelpath утверждает, что изменения агентов тестируются на основе версионных сценариев оценки и производственных диалогов перед выпуском.

Более того, разрешения могут быть структурными, а не консультативными. Агент одобрения может иметь право утверждать подходящий запрос, но технически не может отклонять его, заставляя каждое отклонение передавать человеку. Ranger также различает автоматические действия и человеческие решения в своей аудиторской записи и разработан так, чтобы не действовать на основе устаревшей или неполной информации.

Эти меры направлены на более широкую корпоративную угрозу: по мере распространения автономных агентов компаниям необходимо знать, какая система приняла решение, какие доказательства использовались и какие полномочия она осуществляла. Как недавно проанализировала Unite.AI в росте теневых агентов, проблема управления усложняется, когда агенты могут инициировать друг друга через функции. Модель Ranger, основанная на ограниченных разрешениях, оценке, доказательствах и явной эскалации, представляет собой попытку сделать эту автономию оперативно подотчётной.

Новая операционная модель для закупок

Levelpath заявляет, что Ranger уже доступен и будет предоставлен существующим клиентам без дополнительных затрат. Новые клиенты могут начать с доказательства концепции или доказательства ценности. Среди организаций, использующих её технологию, компания перечисляет American Airlines, CBRE, Amgen, New York Life, Levi Strauss & Co. и Western Union.

Запуск также представляет Ranger Academy — серию семинаров, предназначенных для обучения специалистов по закупкам в роли “Менеджеров операций агентов”, которые определяют политики, настраивают агентов и отвечают за результаты. Эта роль указывает, где заключается реальная проблема внедрения продукта. Автономные рабочие процессы не устраняют экспертизу в области закупок; они преобразуют её в разработку политик, обработку исключений, стратегию поставщиков и надзор за агентами.

Ranger появляется в тот момент, когда корпоративный ИИ переходит от создания контента к координации действий. Закупки являются показательным испытанием, поскольку они объединяют неструктурированные документы, большие объёмы транзакций, межфункциональные согласования, регуляторные обязательства, отношения с поставщиками и прямые финансовые последствия. Если Levelpath сможет удерживать агентов в проверяемых границах, одновременно интегрируя разрозненные системы, от которых по‑прежнему зависят предприятия, Ranger может сделать закупки одной из самых ярких демонстраций управляемого агентного ИИ в действии.