ИИ в управлении государственными закупками: автоматизация тендеров, выявление сговора и прозрачность

Государственные закупки в России — ₽23+ трлн в год. Это крупнейший рынок страны. И один из самых коррупционно-уязвимых: сговор участников тендеров, «заточенные» техзадания, фиктивные торги. ИИ становится инструментом антикоррупционного контроля, недоступного человеку в таком масштабе.

Кейс 1. ФАС России — AI для выявления картельных сговоров

Инструменты

• ML-анализ паттернов торгов на ЕИС (Единая информационная система закупок)
• Выявление признаков сговора: «зеркальные» предложения, координированное снижение, отказ от борьбы
• Graph Analytics: связи между компаниями через общих учредителей, адреса, банки
• NLP-анализ технических заданий на признаки «заточки» под конкретного поставщика

Что происходит

Картельный сговор выглядит так: три компании участвуют в тендере, одна делает чуть меньший демпинг, побеждает — а потом три компании «обмениваются победами» в разных тендерах. ML видит этот паттерн по сотням тендеров, которые человек физически не мог бы проанализировать.

Признаки сговора, которые выявляет ML:

• Все участники подали заявки с одного IP-адреса или с одним временным шаблоном
• «Победитель» всегда снижает цену ровно на 0,5% от следующего предложения
• Одни и те же компании участвуют вместе в тысячах тендеров
• Учредители компаний — родственники

«Заточенные» ТЗ: NLP анализирует технические требования тендера и выявляет избыточно специфичные параметры, подходящие только одному производителю.

Результаты

• ФАС России: с ML-аналитикой ежегодно расследует >600 картельных дел
• Экономия для госбюджета от предотвращения картелей: оценивается в ₽100–300 млрд/год
• Скорость выявления подозрительных паттернов: с месяцев (ручной анализ) до дней

Кейс 2. «Контур.Закупки» и AI-аналитика для поставщиков

Инструменты

• ML-рекомендации релевантных тендеров (персонализация под компанию)
• Анализ шансов на победу: исторические паттерны конкурентной борьбы
• Аналитика заказчика: предпочтения конкретного заказчика, средний процент снижения победителей
• AI-помощник при подготовке заявки

Что происходит

Поставщик хочет участвовать в тендере. Контур.Закупки AI говорит: «В этом тендере исторически побеждают при снижении 3–7% от НМЦ. Этот заказчик 73% тендеров размещает в конце квартала. Ваши основные конкуренты в этой категории — 3 компании, они выигрывают при снижении около 5%».

Это не гарантия победы — но информационное преимущество, которое раньше было доступно только крупным игрокам с аналитическими отделами.

Результаты

• Поставщики с ML-аналитикой Контур.Закупки: частота побед выше на ~20%
• Оптимизация ценового предложения через AI: выигрыш при бо́льшей марже (меньше «перестраховочный» демпинг)
• Контур.Закупки: >200 000 компаний-пользователей

Кейс 3. Международный опыт: AI в борьбе с коррупцией в закупках

Кейсы

Южная Корея (PIMS — Public Integrity Management System):

• ML-мониторинг >400 000 тендеров ежегодно
• Выявление подозрительных паттернов: автоматический алерт в прокуратуру
• Результат: снижение заявленных нарушений на ~25% за 5 лет

Украина (ProZorro + ML):

• Открытая платформа госзакупок с AI-аналитикой
• «Досье закупщика»: ML-рейтинг заказчиков по признакам коррупционного риска
• Internationale признание: получила Chatham House Prize (2016)
• ML выявляет: процент тендеров с одним участником, частота отмен, нетипичные победители

Перу:

• ML-анализ COVID-закупок: выявлено >500 контрактов с признаками завышения цен
• Результат: уголовные дела, возврат средств

Ключевой вывод

AI в госзакупках — это прозрачность в масштабе, недоступном человеку. Никакой контролирующий орган не может проверить миллионы тендеров вручную. ML — может. И делает коррупцию статистически видимой.

Источники: ФАС России отчёты, Контур.Закупки platform data, OECD «AI in Government Procurement», ProZorro transparency data.