Как ИИ разобрал закупку Мариинского театра на 110 млн ₽ 🤖
Зачем я это сделал: хотел проверить, может ли ИИ превратить восемь файлов крупной закупки в понятную карту рисков — и при этом не подменить решение специалиста.
Инструмент: ChatGPT в режиме анализа загруженных файлов. Я передал извещение, ТЗ, НМЦК с Excel-расчётом, требования к заявке, порядок оценки и проект контракта по закупке № 0372100014226000046.
Шаблон анализа:
«Ты — помощник тендерного специалиста со стороны поставщика. Используй только приложенные документы. Раздели анализ на блоки: условия закупки, допуск, НМЦК, ТЗ, критерии оценки, проект контракта. Для каждого вывода дай: факт → риск → документ и раздел → что проверить специалисту. Если данных нет — не додумывай».
Что ИИ собрал в одну картину:
— НМЦК — 110 098 617,02 ₽, срок — 24 месяца, аванса нет;
— обеспечение заявки — 1 100 986,17 ₽, исполнения — 22 019 723,40 ₽;
— в закупке не только уборка: 11 направлений, включая мероприятия, интерьеры, фасад, территории, озеленение и вспомогательные корпуса;
— в ТЗ указан рекомендуемый состав 42 человека, а при снегопаде — ещё шесть подсобных рабочих при необходимости;
— по расчёту НМЦК услуги составляют 86,53 млн ₽, материалы — 23,57 млн ₽;
— цена весит 60%, качество — 40%; для качественного предложения нужно раскрыть семь свойств;
— для допуска требуется подтверждённый опыт стоимостью не менее 20% НМЦК — около 22,02 млн ₽.
Что проверил я вручную: формулировку о рекомендуемом персонале, арифметику НМЦК, требование к опыту, веса критериев и условия оплаты в первоисточниках.
🎯 Ценность ИИ здесь не в совете «участвовать или нет». Он быстро связал условия из разных файлов и показал, где нужны расчёт и решение человека: персонал, финансирование без аванса, качественное предложение и цена снижения.
Честный вывод об участии появится только после модели конкретной компании: фонд оплаты труда, стоимость материалов, техника, гарантия и доступное финансирование.
Что разобрать следующим: качественное предложение, проект контракта или экономику исполнения?
ИИ видит только те документы, которые вы ему дали 📎
Просьба «проанализируй закупку» не работает, если нейросеть получила только извещение. Она перескажет общие условия и не увидит то, на чём чаще всего теряются деньги и баллы.
Для первичного анализа я загружаю минимум семь групп файлов:
1. Извещение и его печатную форму.
2. Техническое задание со всеми приложениями.
3. Требования к составу заявки и инструкцию по заполнению.
4. Обоснование НМЦК и расчётные таблицы.
5. Порядок оценки — если это конкурс.
6. Проект контракта со всеми приложениями.
7. Разъяснения и изменения документации.
Зачем это нужно: ИИ сопоставляет один и тот же вопрос сразу в нескольких источниках. Например, объём работ — в ТЗ, цена материалов — в НМЦК, срок оплаты — в контракте, а баллы — в порядке оценки.
Шаблон запроса:
«Работай только с приложенными файлами. Сначала составь перечень документов и отметь, чего не хватает. Затем сформируй таблицу: факт → риск для поставщика → документ и раздел → что проверить человеку. Не делай вывод об участии без данных о себестоимости компании».
✅ Что автоматизируем: поиск условий, сравнение документов, сбор контрольного списка.
⚠️ Что остаётся человеку: проверить допуск, основания отклонения, расчёты, сроки, штрафы и все выводы, от которых зависит цена или решение об участии.
Если часть файлов отсутствует, лучший ответ ИИ — не уверенный анализ, а честный список недостающих документов. Это не слабость инструмента, а признак нормальной настройки.
Какие нейросети подходят для анализа госзакупок 🤖
Сразу честно: одной «лучшей нейросети» для всех задач нет. Я сравниваю не бренды, а работу с реальным комплектом закупки: DOCX, PDF, Excel, длинные приложения и необходимость вернуться к источнику.
ChatGPT — удобен, когда нужно загрузить комплект документов, извлечь условия, сопоставить файлы и получить таблицу рисков. Поддерживает распространённые документы и анализ таблиц. Для сканов и сложной вёрстки результат нужно проверять особенно внимательно.
Claude — также работает с PDF, DOCX и, при включённом анализе, XLSX. Полезен для длинных текстов и сопоставления нескольких документов. У обработки файлов есть лимиты, а изображения внутри не-PDF документов могут не читаться.
Gemini — логичен, если документы уже лежат в Google Drive. Он умеет анализировать документы и таблицы, а в отдельных планах доступен большой контекст. Практичность сильно зависит от вашей подписки и настроек Workspace.
GigaChat — умеет работать с DOCX, PDF и XLSX; особенно интересен для русскоязычных сценариев и автоматизации через API. Перед массовой работой стоит проверить качество именно на ваших таблицах и формулировках.
YandexGPT в AI Studio — подходит для корпоративного контура: файлы загружаются как источники, индексируются, а ответы могут возвращаться со ссылками на фрагменты. Это скорее основа для собственного помощника, чем самый быстрый старт в обычном чате.
DeepSeek — полезен как второй взгляд и как модель для программной обработки текста: актуальный API поддерживает длинный контекст и структурированный JSON. Но в официальной API-документации нет готового офисного сценария «загрузил восемь файлов и получил разбор», поэтому обычно требуется предварительное извлечение текста или внешняя оболочка.
Мой рабочий выбор по задачам:
— полный комплект без разработки — ChatGPT или Claude;
— документы в Google Drive — Gemini;
— русскоязычный API-контур — GigaChat или Yandex AI Studio;
— второй независимый проход и структурированный вывод — DeepSeek.
⚠️ Название модели не делает вывод достоверным. Для закупок важнее, чтобы ИИ использовал только загруженные документы, указывал источник каждого факта и прямо сообщал, где данных не хватает.
В следующем посте покажу, какие именно файлы загрузить, чтобы анализ не превратился в красивый пересказ извещения.
🤖 Как ИИ помогает мне анализировать закупку на практике
Возьмём обычную ситуацию.
Вы нашли закупку на 10 млн рублей. До окончания подачи заявок — два дня. Документация: извещение, техническое задание, проект контракта, смета и ещё несколько приложений.
Вручную всё это нужно открыть, прочитать и сопоставить.
Я начинаю с ИИ.
Загружаю документы закупки в ChatGPT и ставлю конкретную задачу:
«Проведи первичный анализ закупки с позиции поставщика. Собери ключевые условия в таблицу и укажи, в каком документе ты нашёл каждое условие. Отдельно выдели противоречия между документами и риски, которые могут привести к убыткам или невозможности исполнения контракта».
Что получаю:
🔹 НМЦК и порядок оплаты;
🔹 сроки и место выполнения работ;
🔹 обеспечение заявки и контракта;
🔹 требования к участнику и опыту;
🔹 национальный режим;
🔹 сроки приёмки и оплаты;
🔹 штрафы и пени;
🔹 спорные условия контракта;
🔹 потенциальные финансовые и технические риски.
Но самое интересное начинается дальше.
Допустим, ИИ обнаруживает:
ТЗ: выполнить работы за 30 дней.
Проект контракта: срок выполнения — 20 дней.
Или:
Оплата — после приёмки, а материалы на несколько миллионов рублей подрядчик должен купить за собственные деньги.
Это уже не пересказ документации.
ИИ начинает работать как помощник аналитика: собирает информацию из разных файлов, сопоставляет её и обращает моё внимание на то, что нужно проверить.
После этого я могу дать вторую команду:
«Теперь выступи как критик собственного анализа. Найди, что ты мог пропустить. Не придумывай информацию. Для каждого существенного вывода укажи документ и пункт, на котором он основан».
И только потом я сам проверяю наиболее важные выводы.
⚠️ Вот ключевой принцип:
Я не пытаюсь заменить специалиста искусственным интеллектом.
Я отдаю ИИ первичную рутинную работу, а своё время трачу на то, где действительно нужна экспертиза: решение — участвовать в закупке или нет и по какой цене.
В следующих постах покажу конкретные промпты, которыми пользуюсь для анализа ТЗ, контракта и рисков.
🚀 Зачем я создал канал «ИИ в госзакупках»
Искусственный интеллект уже умеет за несколько минут делать то, на что тендерный специалист раньше тратил часы.
Но есть проблема.
Просто написать ChatGPT: «Проанализируй эту закупку» — недостаточно.
ИИ может пропустить существенный риск, неправильно применить норму 44-ФЗ, придумать несуществующую практику или уверенно дать ошибочный ответ.
Поэтому мне интересно другое:
Как встроить ИИ в реальную работу с госзакупками так, чтобы он действительно приносил пользу?
Я больше 15 лет работаю с закупками и сейчас тестирую ИИ на практических задачах:
🔹 поиск и отбор закупок;
🔹 анализ извещения и документации;
🔹 проверка проекта контракта;
🔹 поиск рисков;
🔹 анализ экономики участия;
🔹 национальный режим;
🔹 подготовка запросов и документов;
🔹 сопровождение исполнения контракта.
Здесь не будет теории про «нейросети изменят мир».
Будут реальные закупки, эксперименты, промпты, ошибки ИИ и готовые способы применения.
Моя цель — постепенно собрать систему, в которой ИИ становится полноценным помощником тендерного специалиста.
Посмотрим, насколько далеко мы сможем зайти.
Вячеслав Селезнёв
15+ лет в закупках
Россия