Умный радар госзакупок: Автоматизация скоринга и семантического анализа тендеров с ИИ
О проекте
Вдумчивое масштабируемое решение для работы с государственными и коммерческими закупками (44-ФЗ, 223-ФЗ, электронные торги). Платформа берет на себя рутину: непрерывно сканирует площадки, извлекает текст из сканов любого качества через OCR, проводит глубокий семантический аудит документации с помощью дообученных языковых моделей и сопоставляет номенклатуру тендера со складской базой компании.
Специалисты тендерного отдела освобождаются от бесконечной ручной вычитки и получают в Telegram и веб-кабинет готовые структурированные выжимки с оценкой рентабельности и предупреждениями о скрытых кабальных условиях договоров.
Проект создавался в условиях жестких ограничений по скорости реагирования: окно подачи заявок на высокомаржинальные аукционы нередко ограничено несколькими днями. Чтобы исключить зависимость от внешних облачных провайдеров, мы предусмотрели гибридную инфраструктуру: первичная фильтрация и извлечение текста выполняются локальными мощностями, а сложная семантическая верификация контрактов распределяется между облачными LLM и резервным локальным контуром на базе vLLM.
Задача
Тендерный отдел клиента захлебывался во входящем потоке: ежедневно на профильных площадках появлялось до 200 новых процедур. Каждая закупка содержала архив из 15–20 файлов, включая сканы сомнительной читаемости, таблицы на тысячи строк и проекты договоров по 80 страниц мелким шрифтом.
Сотрудники тратили от 3 до 4 часов на чтение одного комплекта документов. В результате компания регулярно сталкивалась с тяжелыми последствиями:
- Пропускались прибыльные конкурсы из-за нехватки времени на подготовку обеспечения и заявок;
- Проглядывались кабальные условия клиентов: скрытые штрафы за микроскопические задержки, требования о доставке за счет поставщика в отдаленные точки или завышенные неустойки, угрожающие попаданием в Реестр недобросовестных поставщиков (РНП).
Руководство поставило перед нами задачу: автоматизировать входной отбор и превратить хаос разрозненных аукционов в управляемый конвейер.
Решение
Мы отказались от идеи примитивного парсера по ключевым словам: он выдает горы информационного мусора. Инженеры RYDEX Solutions спроектировали модульную систему из четырех контуров:
-
Распределенный агрегатор площадок
Кластер асинхронных парсеров на Python непрерывно опрашивает ЕИС Госзакупки, B2B-Center, Фабрикант, Росэлторг и закрытые коммерческие порталы. Модуль отслеживает публикации секунда в секунду. Как только лот появляется в сети, система забирает пакеты метаинформации и скачивает всю документацию, включая архивы и сканы. -
Движок распознавания и очистки (OCR Pipeline)
Специализированная связка OCR-библиотек и алгоритмов предобработки контрастности извлекает текст даже из «слепых» сканов низкого разрешения, очищает версточный шум и раскладывает информацию по смысловым блокам: техническое задание, проект контракта, требования к участникам, финансовые условия. -
Семантическое ИИ-сито и сопоставление номенклатуры
Языковые модели, дообученные на специфике контрактного права, решают комплекс задач:
Проводят нечеткое сопоставление требуемых позиций с прайс-листом дистрибьютора, проверяя наличие на складах и у вендоров;
Рассчитывают рентабельность с учетом логистики и стоимости заморозки средств;
«Рентгеном» сканируют контракт на кабальные пункты: драконовские штрафы, нереалистичные сроки сдачи, отсутствие авансирования при жестких банковских гарантиях. -
Экстренное оповещение и интерактивный дашборд
Карточка подходящей закупки моментально прилетает в Telegram-бот ответственного менеджера. Сообщение содержит сжатую выжимку (TL;DR): суть поставки, рекомендованную цену с прогнозом маржи, светофор рисков (зеленый / желтый / красный) с цитатами сомнительных пунктов и перечень недостающих документов. В один клик менеджер переходит в расширенный React-кабинет для формирования пакета заявки.
Измеримый бизнес-результат
Время анализа пакета документов сократилось в 300 раз: с 3–4 часов до 40 секунд;
Объем подаваемых заявок вырос в 3,4 раза;
Ноль штрафов и потерь обеспечения: за 2 месяца система выявила 37 скрытых ловушек в контрактах, уберегши компанию от убыточных сделок более чем на 55 миллионов рублей;
Команда избавилась от рутинного вычитывания сотен страниц и сфокусировалась на переговорах с поставщиками и стратегии аукционных торгов.