ИИ для заказчика: как нейросеть помогает формировать закупку

ИИ для заказчика — это уже не маркетинговая абстракция, а набор вполне конкретных инструментов, которые экономят часы рутины при подготовке закупки. Но между рекламным обещанием «нейросеть сама сформирует закупку» и тем, что реально работает в июне 2026 года, лежит ощутимая пропасть. Заказчику ИИ помогает считать и обосновывать НМЦК, подбирать коды КТРУ и ОКПД-2, вычитывать техзадание на ошибки и противоречия, ранжировать заявки и сравнивать версии контракта. А вот «автопилота», который без человека выпустит извещение в ЕИС, на рынке пока нет — и в ближайшее время не появится.

Эта статья — честный разбор того, что нейросети умеют для процедурного формирования закупки сегодня, а что остаётся хайпом. Поставщикам она тоже полезна: понимая, как именно заказчик готовит документацию с помощью ИИ, проще предугадать слабые места ТЗ и подать конкурентную заявку.

Что реально умеет ИИ на стороне заказчика

Разберём по основным задачам цикла подготовки закупки. Ниже — таблица, которая отделяет рабочие функции от рекламных формулировок.

Главное, что видно из таблицы: ИИ закрывает сбор данных, рутинную сверку и первичную аналитику. Решения по-прежнему остаются за специалистом.

Где ИИ реально помогает заказчику: 5 направлений

1. Расчёт НМЦК методом анализа рынка. Сервис «Контур.Снаб» считает начальную максимальную цену контракта методом анализа рынка, использует встроенные справочники ОКПД-2 и КТРУ из последних редакций и автоматически формирует обоснование НМЦК по шаблону — отчёт можно сохранить или распечатать. Это снимает с контрактного управляющего самую трудоёмкую часть: ручной сбор и усреднение коммерческих предложений.

2. Подбор кодов и поиск аналогичных техзаданий. При поиске по ОКПД-2 и КТРУ система показывает техзадания из уже исполненных контрактов. Заказчику не нужно писать ТЗ с нуля — он опирается на проверенные практикой формулировки, что снижает риск ошибок в описании объекта закупки.

3. Аудит закупки по множеству критериев. Девелопер «Самолёт» в марте 2025 года реализовал пилот с нейросетью «Тринити»: она проводит быстрый аудит сделок более чем по 20 критериям и выдаёт рекомендации, что доработать. В тесте на ~5% закупок компании (около 2000 позиций) нейросеть нашла 100% специально заложенных ошибок и выявила переплату примерно в 28 млн рублей. Это показательный кейс: ИИ ловит то, что человек пропускает в потоке однотипных сделок.

4. Нормализация номенклатуры и оценка рыночных цен. ИТ-холдинг Т1 в своём сервисе «Витрина цен» сводит разные названия одного и того же товара к единой номенклатурной линейке и рядом выводит актуальный уровень рыночных цен. Это решает вечную боль заказчика: одна и та же деталь у разных поставщиков названа по-разному, и без нормализации цены несопоставимы.

5. Междокументарная сверка и проверка на риски. Нейросеть в решениях Т1 проводит сверку между документами, проверяет соответствие требованиям конкретной процедуры, подсвечивает юридические и финансовые риски, противоречия и дублирование. По оценке холдинга, операции, на которые раньше уходило 2–3 часа, сжимаются до 15 минут.

Что пока остаётся хайпом

Здесь важно быть честным. Экспертный консенсус — в том числе материалы издания «Цифровые Закупки» — говорит прямо: реальных production-кейсов, где ИИ у госзаказчика полностью автоматизирует расчёт НМЦК и подготовку документации, пока мало. Во всех работающих системах ИИ используется не как механизм принятия решений, а как вспомогательный «дублёр».

Отдельная история — вендорские формулировки. Часть функций, которые на лендингах гордо называют «нейросетью», по факту представляет собой поиск по ключевым словам или работу по жёстким правилам. Это не плохо само по себе — правиловый движок отлично подсвечивает, например, отсутствие обязательного раздела в ТЗ. Но называть это искусственным интеллектом — натяжка. При выборе инструмента стоит спрашивать поставщика прямо: это языковая модель, которая понимает смысл текста, или набор регулярных выражений?

ИИ в формировании закупки — это помощник, а не автопилот. Он собирает данные, считает, сверяет и подсвечивает риски, но финальное решение по НМЦК, отклонению заявки или редакции контракта принимает человек. Это не только здравый смысл, но и требование закона: статья 16 152-ФЗ запрещает принимать решения, порождающие юридические последствия в отношении субъекта, исключительно на основе автоматизированной обработки персональных данных.

Почему это важно и поставщику

Поставщику полезно понимать механику закупки со стороны заказчика. Если заказчик считает НМЦК методом анализа рынка через автоматический сбор предложений, значит, ваши публичные цены и прайсы напрямую влияют на стартовую цену будущих процедур. Если ТЗ прогоняют через проверку на ограничение конкуренции, у вас больше шансов оспорить «заточенные» требования — ИИ-аудит работает на обе стороны. А знание того, что заявки ранжируются по формальным критериям и помечаются «неоптимальные цены», помогает не выпасть из отбора из-за технической небрежности.

Чтобы не упустить процедуры, где ваша продукция реально подходит под требования, удобно использовать систему мониторинга. TenderScan отслеживает новые закупки по 44-ФЗ и 223-ФЗ и помогает быстро оценить соответствие вашего товара требованиям конкретного ТЗ — то есть делает на стороне поставщика ту же работу по сопоставлению, что ИИ-инструменты делают на стороне заказчика.

Часто задаваемые вопросы

Может ли нейросеть полностью сформировать закупку без участия человека?

Нет. На июнь 2026 года ни один сервис не выпускает извещение в ЕИС автономно. ИИ закрывает рутину — расчёт НМЦК, подбор кодов, проверку ТЗ, — но утверждает документацию и принимает процедурные решения контрактный управляющий или комиссия. Это и техническое ограничение зрелости решений, и требование статьи 16 152-ФЗ.

Насколько можно доверять расчёту НМЦК, который сделал ИИ?

Расчёт методом анализа рынка автоматизирован у нескольких вендоров (например, «Контур.Снаб»), и он экономит часы. Но ответственность за корректность НМЦК и обоснования остаётся на заказчике. ИИ корректно усреднит предложения, однако решить, какие источники цен релевантны и репрезентативны, должен специалист.

Как отличить настоящий ИИ от «нейросети» в кавычках?

Спросите поставщика, на чём основана функция. Если это языковая модель, она понимает смысл текста, переформулирует и обобщает. Если под «нейросетью» скрывается поиск по ключевым словам или набор правил — инструмент полезен, но его возможности ограничены жёсткими шаблонами и он не справится с нестандартными формулировками ТЗ.

Помогает ли ИИ-аудит ТЗ избежать претензий ФАС?

Помогает снизить риск, но не гарантирует. Нейросеть подсвечивает признаки ограничения конкуренции, противоречия и дубли — это ценная вторая пара глаз. Однако итоговую квалификацию нарушения даёт антимонопольный орган, а не алгоритм, поэтому юридическую проверку человеком ИИ не заменяет.

Вывод

ИИ для заказчика в 2026 году — это зрелый помощник в рутине и сырой автопилот в принятии решений. Реально и прямо сейчас он считает и обосновывает НМЦК, подбирает КТРУ и ОКПД-2, вычитывает ТЗ, нормализует номенклатуру и сверяет документы, сжимая часы работы в минуты. Чего он пока не делает — так это не заменяет человека там, где нужна ответственность и юридическая квалификация. Практический совет простой: внедряйте ИИ-инструменты для сбора данных и проверки, но требуйте от вендора честного ответа, что именно стоит за словом «нейросеть», и оставляйте финальное решение за специалистом. А поставщикам стоит держать в голове, что по ту сторону закупки тоже всё чаще работает алгоритм — и готовить заявку с учётом этого.