Автоматизация анализа тендеров для производственных компаний

Как AI-анализ тендерной документации сокращает ручной труд производственных компаний и ускоряет решение об участии в закупке.

Тендерный отдел производственной компании редко жалуется на нехватку закупок — обычно жалуются на то, что закупок слишком много и почти на все нужно потратить время, прежде чем станет понятно: участвовать вообще стоит или нет. Я делал платформу именно под эту точку боли — первичный отбор тендеров до того, как команда начинает готовить заявку. В этой статье — механика того, как устроен такой отбор и что в нём реально можно автоматизировать, а что нет. Разбор внедрения с цифрами — в отдельном кейсе, здесь я даю более широкий контекст: почему проблема типовая для производства и как её решать, если у вас похожая ситуация, но детали другие.

Коротко: узкое место — не подготовка заявки, а решение «стоит ли вообще смотреть этот тендер». Ручной разбор документации требует чтения файлов в разных форматах и сверки номенклатуры с каталогом — и именно это съедает время специалистов быстрее всего. Автоматизация закрывает извлечение данных и сопоставление с каталогом, но финальное решение об участии всё равно должен подтверждать человек.

Почему именно первичный отбор, а не подготовка заявки

Проблема типовая для производственных компаний: каталог продукции большой, а поток закупок растёт быстрее, чем штат тендерного отдела. Когда я разбираю тендерный процесс производственной компании на диагностике, чаще всего вижу одну и ту же картину: специалист получает пакет документов по закупке — техзадание, спецификацию, иногда чертежи — и должен за разумное время понять, подходит ли это под ассортимент компании и её производственные возможности. Проблема в том, что до момента «подходит или нет» нужно прочитать весь пакет целиком, потому что решающая деталь может обнаружиться на 30-й странице технического задания, а не в заголовке закупки.

Если тендеров в неделю пять — это терпимо. Если пятьдесят, специалист физически не успевает вдумчиво разобрать каждый, и начинается выборочная сортировка «на глаз»: смотрят заголовок, беглый список позиций, иногда сразу отказываются от закупки, которая на самом деле подошла бы. Оборотная сторона — часть неподходящих тендеров всё равно попадает в проработку, потому что при беглом просмотре несоответствие не бросилось в глаза. Обе ошибки стоят времени и денег, просто в разные стороны.

Что конкретно приходится делать руками до автоматизации

Ручной разбор тендера обычно состоит из нескольких повторяющихся операций, и именно их повторяемость делает задачу пригодной для автоматизации:

• открыть комплект документов — часто это архив с PDF, сканами, таблицей спецификации и иногда чертежами в отдельном формате;
• вычленить из технического задания номенклатуру и характеристики позиций — то, что реально нужно закупщику, а не формальные разделы документа;
• сверить каждую позицию с каталогом продукции компании — совпадает ли характеристика, есть ли аналог, укладывается ли объём в производственные возможности;
• оценить формальные ограничения — сроки поставки, требования к сертификации, географию;
• зафиксировать вывод и передать его дальше, если тендер прошёл отбор.

Каждый шаг сам по себе несложный. Проблема в объёме: если в очереди пятьдесят тендеров, а не пять, специалист выполняет одну и ту же последовательность действий полсотни раз в день, и качество разбора неизбежно падает к вечеру.

Как устроена автоматизация: извлечение данных и сопоставление с каталогом

Платформа, которую я делал под эту задачу, закрывает именно повторяемую часть процесса — извлечение и сопоставление, а не итоговое решение.

Приём документов. Система работает с PDF, DOCX, XLSX, архивами и сканами — потому что в реальной тендерной документации редко бывает один аккуратный формат. Из PDF и сканов текст извлекается через OCR, из таблиц — напрямую структурированные данные.

Извлечение номенклатуры. NLP-слой выделяет из технического задания позиции, характеристики и объёмы — то есть переводит неструктурированный текст в список, который можно сравнивать программно, а не построчно вычитывать.

Сопоставление с каталогом. Извлечённые позиции сверяются с каталогом продукции компании. Если каталог оформлен неидеально — разные названия одной позиции, неполные карточки — данные приводятся к рабочему виду перед сопоставлением, иначе сравнение даёт ложные совпадения или пропуски.

Вывод. На выходе — не решение «участвовать или нет», а структурированная оценка: какие позиции совпадают, какие расходятся, какие требования формально не выполняются. Дальше эту оценку смотрит человек и принимает решение — платформа не заменяет это звено, а готовит для него данные за секунды вместо часов ручного чтения.

Если вы предметно хотите посмотреть, как это выглядело на конкретном внедрении — с цифрами, этапами и сроками интеграции, — все детали в кейсе: Автоматизация анализа тендеров для производственных компаний.

Что автоматизация не решает

Здесь важна честность, потому что переоценка системы обходится дороже её отсутствия.

Платформа не принимает финальное решение об участии — она сокращает время на то, чтобы до этого решения дойти. Юридическую и коммерческую оценку закупки — маржинальность, репутационные риски, стратегическую ценность заказчика — по-прежнему делает человек, потому что это выходит за пределы сопоставления текста с каталогом.

Качество сопоставления напрямую зависит от состояния каталога продукции: если в нём нет структурированных характеристик, а есть только названия и цены, точность сопоставления снижается, и первая часть внедрения обычно уходит на приведение каталога к рабочему виду. Это не разовая настройка — если каталог активно меняется, требуется поддерживать его актуальность, иначе система начинает пропускать новые позиции.

И отдельная оговорка: у меня есть один завершённый проект такого рода, с измеренными результатами — он описан в кейсе. Я не утверждаю, что подход уже массово используется другими производственными компаниями, потому что подтвердить это публично не могу. Механика описанная здесь — общая логика решения, применимая к похожим задачам, а не статистика по рынку.

Кому это подходит, а кому пока рано

Автоматизация первичного отбора тендеров имеет смысл, если у компании уже есть регулярный поток закупок — от нескольких десятков в месяц — и структурированный (или хотя бы приводимый к структуре) каталог продукции. Тогда сопоставление реально экономит часы специалистов каждую неделю.

Если тендеров немного и один человек уверенно успевает разобрать их вручную за разумное время, вкладываться в платформу рано — диагностика на входе как раз и нужна, чтобы это честно определить до старта проекта, а не после.

С чего начать

Если у вас растёт поток тендеров и команда всё чаще жалуется, что не успевает их разбирать, — опишите в двух-трёх предложениях, сколько закупок в месяц вы рассматриваете и в каком состоянии сейчас каталог продукции. По этим вводным я скажу, есть ли смысл в автоматизации именно у вас и с какого контура начинать. Напишите на MrBoroAI@yandex.ru или оставьте три строки в брифе.

Частые вопросы

Связано