ТЗ–ТКП Аудитор: ИИ-сверка ТЗ и предложений поставщиков за 3–5 минут

Проект ускоряет техническую сверку предложений поставщиков в закупках группы «Акрон Холдинг» и делает её полной. Документы при этом не покидают контур компании.

Закупщик должен ответить, выполняет ли каждый поставщик каждое требование ТЗ. В крупной закупке это 100–300 требований и 5–10 предложений, до 3 000 сопоставлений. Вручную на это уходило 3–7 часов, длинные перечни проверяли выборочно, и отклонения от ТЗ иногда всплывали только при поставке.

Задачи проекта:

— готовить сравнительную таблицу для тендерного комитета за минуты вместо часов;

— проверять каждое требование у каждого поставщика, с цитатой из документа в каждой ячейке;

— читать предложения в любом виде, включая сканы на английском и китайском;

— работать только на своём сервере: в ТЗ и ТКП коммерческая тайна, облачные ИИ-сервисы исключены.

Критерий приёмки — не менее 90% верных статусов на реальных закупках.

2026

Промышленная эксплуатация с 17.08.2026: 50 закупщиков в 10 компаниях группы.

— Время сравнения: было 3–7 ч ручной работы, стало 3–5 мин работы системы (оценка службы закупок).

— Точность статусов на приёмке: 92,5% (236 из 255) на 10 реальных закупках при цели 90%; пропусков требований эксперт не нашёл.

— Использование: 66 сравнений ТЗ–ТКП за 43 дня (17.08–29.09.2026).

— Высвобождено около 330 ч работы закупщиков, расчётный эквивалент 495 тыс. ₽ (66 × 5 ч × 1 500 ₽). При текущем темпе это около 4,2 млн ₽ в год.

— Затраты на разработку около 0,5 млн ₽; ROI за год ≈740%, окупаемость ≈1,5 мес.

Это эквивалент трудозатрат, а не сокращение ФОТ. Прогноз при использовании в 30% из 6 000 закупок группы в год — до 13,5 млн ₽ в год.

Языковые модели с открытыми весами (Apache 2.0): Qwen3-14B — основная, Gemma 4 E4B — этап рассуждения. Сервер инференса vLLM с префиксным кэшем, до 30 параллельных запросов.

Распознавание документов: Docling, RapidOCR, Tesseract; LibreOffice для конвертации старых DOC и XLS.

Приложение: React, FastAPI, Celery, Redis, PostgreSQL, Docker Compose. Тестовый и рабочий контуры разделены.

Оборудование: уже имевшийся сервер компании — 2 × NVIDIA A40 по 48 ГБ, 2 × AMD EPYC 7443, 1 ТБ ОЗУ. Оборудование и лицензии под проект не закупались.

Развёртывание on-premise, без обращения к внешним облачным сервисам.

В проекте не используются решения из каталога Global CIO

1. Коммерческая тайна. Работать можно было только с локальными моделями на имевшемся сервере, а компактная модель теряет качество на длинных перечнях. Разбили задачу на восемь этапов и тысячи коротких запросов; скорость дали префиксный кэш vLLM и 30 параллельных потоков.

2. Документы любого вида: сканы на трёх языках, Excel, старые DOC и XLS, таблицы на десятки страниц. Подобрали OCR-движки и разрешение, научили систему исправлять перепутанные кириллицу и латиницу и заново распознавать страницы с повреждённым текстовым слоем.

3. Пропуски строк при извлечении требований из больших таблиц. Модель находит структуру, парсер вытаскивает строки, голосование модели проверяет каждую.

4. Доверие закупщиков. Таблицу без доказательств на комиссию не понесут, поэтому в каждой ячейке есть цитата, а в чате можно спросить, откуда статус.

Исходная ситуация

Группа «Акрон Холдинг» проводит около 6 000 закупок в год. Перед выбором поставщика закупщик сверяет его коммерческо-техническое предложение (ТКП) с техническим заданием (ТЗ) построчно и готовит таблицу для тендерного комитета. Вручную это занимало 3–7 часов на закупку.

Предложения приходят в любом виде: PDF, сканы, Excel, Word, старые DOC и XLS, часть — на английском и китайском. Ответы поставщиков на уточняющие вопросы лежат отдельными файлами, и при ручной сверке про них легко забыть. Длинный перечень невозможно каждый раз проверить целиком, поэтому проверка была выборочной и зависела от опыта человека. Облачные ИИ-сервисы не подходили: в ТЗ и ТКП коммерческая тайна.

Реализованное решение

Команда ООО «Команда ИТ» разработала веб-сервис, который целиком работает на сервере компании. Закупщик загружает ТЗ, предложения и ответы на вопросы, дальше система работает сама:

1. Распознаёт файлы, включая сканы на трёх языках, сохраняет структуру таблиц.

2. Разбирает ТЗ на нумерованный список требований с дословным фрагментом источника.

3. По каждой паре «требование × поставщик» пишет обоснование с цитатой и ставит один из пяти статусов: соответствует, частично, не соответствует, требуется доплата, не указано.

4. Собирает опции, которые поставщики предлагают сверх ТЗ, и пишет краткий вывод по каждому.

5. Выгружает таблицы в Excel и Word, а в чате отвечает, откуда взялся любой статус.

Работу ведут локальные языковые модели Qwen3-14B и Gemma 4 через vLLM. Конвейер из восьми этапов: на каждом свой промт и строгая схема ответа, одно требование обрабатывается одним запросом, до 30 запросов идут параллельно. Веса моделей не дообучали — качество дали архитектура и более 800 строк правил предметной области.

Приёмку провели на 10 реальных закупках: эксперт-закупщик вручную сверил 255 статусов, верными оказались 236 (92,5% при цели 90%). Промышленная эксплуатация — с 17.08.2026.

Изменения после внедрения

Таблица по всем требованиям и поставщикам готова за 3–5 минут вместо 3–7 часов. Проверка стала сплошной: каждое требование сверяется с каждым предложением, а не выборочно. За каждой ячейкой стоит цитата из документа, поэтому решение комитета легко объяснить и проверить при аудите закупки. Статусы одинаковые для всех закупок, результаты разных тендеров сопоставимы. Иностранные предложения разбираются без переводчика. Отклонения поставщика видны до подписания договора, а не при приёмке оборудования.

Сейчас сервисом пользуются 50 закупщиков в 10 компаниях группы. Освободившееся время уходит на работу с поставщиками: людей не сокращали, растущий объём закупок обрабатывается без расширения штата.

Россия: 10 компаний группы «Акрон Холдинг», в планах подключение всех 47. Разработка — ООО «Команда ИТ», Тольятти (Самарская область).