Чего ИИ не умеет в тендерах: границы применимости

Спор «заменит ИИ тендерный отдел или нет» бесполезен, потому что задан неправильно. Полезнее знать границу: какие операции в тендерном цикле машина закрывает надёжно, где она даёт черновик под проверку и где её нельзя подпускать вообще. Ниже разбор по задачам, с ценой ошибки и с арифметикой, которая показывает, что автоматизировать выгодно, а что не окупится никогда.

Откуда берётся объём, который хочется автоматизировать

Чтобы разговор был предметным, я выгрузил сотню извещений по 44-ФЗ, опубликованных 21 июля 2026 года, и посчитал структурированные характеристики в описании объекта закупки.

Медиана обманчива. Половина закупок — это десяток строк, которые специалист прочитает за две минуты. Но хвост распределения тяжёлый: одно извещение с 208 характеристиками съедает рабочий день, а таких в потоке крупного поставщика продуктов, медизделий или IT-оборудования несколько в неделю.

Вторая цифра из той же выборки: 75,9% характеристик помечены инструкцией «значение характеристики не может изменяться участником закупки», 23,3% требуют указать конкретное значение. Плюс распределение математических знаков в диапазонах: «не менее» 56,2%, «не более» 35,5%, строгое «менее» 6,3%, строгое «более» 2,0%.

Вот эти 8,3% строгих знаков и есть типичная зона потерь. Заказчик пишет «менее 17%», поставщик читает «до 17 включительно», подставляет ровно 17 и вылетает. Человек ошибается на этом стабильно, потому что после двухсотой строки внимание кончается. Машина не ошибается никогда: для неё «менее» и «не более» два разных оператора.

Где ИИ действительно работает

Закономерность простая. ИИ силён там, где задача сводится к сопоставлению текста с текстом при большом объёме и заранее известном критерии правильности.

Отбор лотов по номенклатуре. Поиск по ключевым словам ломается на смешанных лотах: закупка называется «Поставка продуктов питания Лот 4», а ваш кефир там одна строка из шестнадцати. Семантический разбор состава лота такие позиции находит, фильтр по слову «кефир» в наименовании закупки нет.

Сверка характеристик с ТЗ. Разложить требование «массовая доля жира от 2,5 до 3,2%» на границы, сравнить с паспортом вашего SKU, отметить конфликт. На двухстах строках это единственный способ уложиться в срок подачи.

Извлечение требований из документации. ТЗ приходит вложением в скане, спецификация в xlsx с объединёнными ячейками, проект контракта отдельным файлом. Разобрать это в структуру машина умеет.

Нормализация единиц. Молоко закупается в литрах, ваш прайс в килограммах. Йогурт в одной позиции КТРУ идёт в килограммах, в другой в литрах. Пересчёт и подсветка расхождения — рутина, которую стоит отдать первой.

Черновики типовых текстов: запрос на разъяснение, письмо о несоответствии, сопроводительная. Черновик за минуту, правки за пять.

Где ИИ даёт черновик, но решает человек

Оценка заказчика. Модель соберёт историю: сколько закупок, какие поставщики выигрывали, как часто расторгались контракты, есть ли признаки заточенности ТЗ. Вывод «идём или не идём» делает человек, потому что в него входят вещи, которых в данных нет. Как этот заказчик принимает товар. Как долго подписывает акты. Есть ли у вас с ним история.

Противоречия в документации. Машина найдёт расхождение между ТЗ и проектом контракта. Дальше начинается юридическое суждение: что считать приоритетным, стоит ли подавать запрос на разъяснение, изменит ли ответ вашу позицию. Разъяснение не должно менять суть извещения, и оценка того, изменило оно её или нет, лежит на вас.

Национальный режим. Определить применимые ограничения по коду ОКПД-2 автоматика может. Но соответствие вашего товара реестровым требованиям, наличие актуальной записи в реестре и корректность выписки проверяются руками, и цена ошибки здесь равна цене отклонения.

Красная зона: сюда ИИ не пускают

1. Подписание и подача. Заявка подписывается усиленной квалифицированной подписью руководителя или лица по машиночитаемой доверенности. Это юридически значимое действие конкретного физического лица. Никакой автоподачи «роботом с ключом» не существует в законном виде.
2. Решение о цене. Модель не знает вашей себестоимости на завтра, загрузки склада, кассового разрыва и того, что этот контракт нужен ради объёма. Шаг аукциона и предел падения задаёт человек.
3. Обоснование добросовестности при демпинге. Когда цена падает ниже установленного порога, включаются антидемпинговые меры и нужно подтверждать добросовестность или вносить повышенное обеспечение. Это финансовое решение с последствиями для оборотных средств.
4. Юридическая квалификация нормы. Языковые модели уверенно выдумывают номера постановлений и редакции. Любую ссылку на норму, которую вы собираетесь использовать в жалобе или в запросе, проверяйте в первоисточнике.
5. Отказ от подписания контракта. Уклонение ведёт в реестр недобросовестных поставщиков на два года. Такое решение не делегируется.
6. Переписка при исполнении. Претензии, акты, споры о качестве. Черновик можно поручить, отправку и позицию — нет.

Сводная таблица: кто что делает

Арифметика: когда автоматизация окупается

Возьмите свою воронку и посчитайте по шагам. Пример для отдела, который смотрит примерно 4000 извещений в месяц по нескольким кодам ОКПД-2:

Автоматика убирает почти весь первый этап и примерно половину второго, то есть около 58 часов. Третий этап она не трогает: расчёт и сборка остаются на людях. Дальше умножьте высвобожденные часы на стоимость часа специалиста и сравните со стоимостью инструмента.

Второй множитель важнее первого. Если из-за нехватки времени вы разбираете 120 лотов из 400 подходящих, автоматизация даёт не экономию, а рост числа поданных заявок при том же штате. При конверсии в победу около 20% каждые пять дополнительных заявок в месяц — это одна дополнительная победа.

И третий эффект, который считают реже всего: отклонения по характеристикам. Если у вас за квартал было три отклонения по несоответствию заявки описанию объекта закупки, посчитайте стоимость подготовки этих заявок и упущенную маржу. Обычно это перекрывает годовую стоимость подписки на инструмент.

В TenderScan мы закрываем ровно те два блока, где машина сильнее человека: поиск лотов под конкретную номенклатуру в смешанных лотах и сверку характеристик товара с ТЗ по КТРУ. Цена, стратегия торга и подпись остаются за вами, и это не ограничение продукта, а правильное разделение ответственности.

Чек-лист перед тем, как что-то отдавать машине

• У задачи есть проверяемый критерий правильности? Если нет, автоматизировать нечего.
• Ошибка обнаруживается до подачи заявки или после? Всё, что вскрывается после, оставляйте под ручным контролем.
• Требуется ли юридически значимое действие от конкретного лица? Тогда это красная зона.
• Есть ли у вас способ выборочно проверить результат? Без выборочного контроля любая автоматизация со временем деградирует незаметно.
• Что произойдёт, если инструмент ошибётся десять раз подряд? Если ответ «потеряем контракт», нужен второй контур проверки.

Часто задаваемые вопросы

Может ли ИИ сам подать заявку на площадке?

Нет. Заявка подписывается усиленной квалифицированной электронной подписью конкретного лица. Автоматизировать можно подготовку пакета, но не подписание и не подачу.

Насколько можно доверять ИИ в проверке характеристик?

Как хорошему исполнителю: результат проверяемый, поэтому его надо проверять выборочно. Требуйте от инструмента не вердикт «подходит», а разбор по каждой характеристике с указанием, откуда взято требование и откуда значение вашего товара.

Стоит ли использовать публичные чат-боты для работы с тендерной документацией?

Взвесьте два риска. Первый — фактический: модель выдумывает номера норм. Второй — режим обработки данных, особенно если в документах есть сведения ограниченного доступа. Для рабочего контура это решается использованием сервиса с понятным контуром обработки, а не копированием ТЗ в первый попавшийся чат.

С чего начать автоматизацию, если ресурс ограничен?

С первого этапа воронки. Отбор лотов из потока даёт самый быстрый и самый измеримый эффект, а ошибки на этом шаге дёшевы: пропущенный лот виден сразу, испорченной заявки не возникает.

Что делать дальше

Разметьте свой тендерный цикл по трём цветам: зелёное отдаём машине, жёлтое проверяем, красное не трогаем. Затем месяц ведите учёт двух чисел: сколько лотов вы физически успели разобрать и сколько заявок отклонили по формальным основаниям. Эти два числа честнее любой презентации показывают, где у вас граница применимости ИИ проходит на самом деле.