Искусственный интеллект в контрактной системе: пространство для применения
Для российской контрактной системы характерны устоявшиеся традиции цифровизации и интеграционного обмена данными между цифровыми системами, используемыми при подготовке и проведении закупки. В последние годы ускоренное развитие получили инструменты автоматизации отдельных бизнес-процессов — это и сквозное наследование данных от планирования до актирования, которое обеспечивается функциональностью ЕИС, и автоматизированный сбор и сопоставление предварительных предложений в рамках т. н. «закупки с полки», которая проводится в порядке ч. 12 ст. 93 Закона № 44-ФЗ. Можно ли предположить, что в контрактной системе возможен и следующий шаг на пути диджитализации — а именно, внедрение в закупочные бизнес-процессы искусственного интеллекта?
Понятие искусственного интеллекта
Искусственный интеллект как технология сегодня у всех на слуху. Он в том или ином виде востребован в самых разных аспектах и повседневной жизни, и хозяйственной деятельности. Однако правовое регулирование этого инструмента не только в России, но и за рубежом находится лишь в начальной стадии формирования.
Здесь важно подчеркнуть: искусственный интеллект является инструментом, а не участником правоотношений. Сегодня преждевременно говорить как о правоспособности искусственного интеллекта, пусть даже условной или ограниченной, так и о его деликтоспособности. Однако тот факт, что искусственный интеллект не может быть привлечен к юридической ответственности, вовсе не означает того, что никто не будет отвечать за вред, нанесенный его действиями. И тот факт, что искусственный интеллект не является субъектом права, а представляет собой именно инновационный инструмент создания и реализации правоотношений, не означает того, что работа искусственного интеллекта остается вне правового поля.
Сегодня в Росси фундаментальным нормативным актом, посвященным основам регламентации работы с искусственным интеллектом, остается Указ Президента РФ от 10.10.2019 № 490 «О развитии искусственного интеллекта в Российской Федерации» (действует ред. от 15.02.2024). Сам феномен искусственного интеллекта определяется в этом указе следующим образом: «комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые с результатами интеллектуальной деятельности человека или превосходящие их».
В 2024 г. это базовое определение было дополнено обособленным модели искусственного интеллекта. Понятие ИИ и модель ИИ соотносятся как общее и частное — а точнее, как родовое и видовое понятие. Модель искусственного интеллекта определена в указе как «программа для электронных вычислительных машин (ее составная часть), предназначенная для выполнения интеллектуальных задач на уровне, сопоставимом с результатами интеллектуального труда человека или превосходящем их, использующая алгоритмы и наборы данных для выведения закономерностей, принятия решений или прогнозирования результатов».
И эти определения по сути своей корректны, однако важно понимать: они охватывают почти весь объем явлений, который может именоваться искусственным интеллектом. И в этом смысле не только теория, но и практика использования ИИ уходит своими корнями в XX век. Например, всем привычный и вошедший в фундаментальный обиход вариант искусственного интеллекта — это автомобильный навигатор. Искусственным интеллектом является автоматизированная система управления складом. И даже поведение виртуального «противника» в компьютерной игре по своей сути является именно имитацией когнитивных функций человека и получением при выполнении конкретных задач результатов, сопоставимых с результатами интеллектуальной деятельности человека.
Однако эти модели ИИ являются исполнением предопределенного алгоритма без обработки больших данных и без функции самообучения. Сегодня же в обиходе под «искусственным интеллектом» как правило понимается такой специфический кластер модели, как нейросети. Нейросети, как видно уже даже из их названия, имитируют когнитивную деятельность человека не только на прикладном, но и, если угодно, на технологическом уровне — их работа устроена на выстраивании связей, подобных нейронном связям в мозгу человека. По крайней мере, на том уровне, на котором мы себе сегодня представляем работу мозга человека.
Это позволяет не только обеспечивать обработку больших данных, но и добиться эффекта, который в Указе № 490 назван поиском решений без заранее заданного алгоритма. Сочетание этих двух факторов делает, с одной стороны, технологию нейросети наиболее эффективным инструментом для решения интеллектуальных задач, которые ранее считались принципиально не решаемыми на алгоритмическом уровне. С другой стороны, это создает эффект «черного ящика», при котором результат обработки информации нейросетью становится неочевидным для человека.
Важно подчеркнуть, что речь не идет о принципиальной непостижимости логики работы нейросети. Однако подчас для оценки итераций обработки информации, приведшей к конкретному результату, требуется специальное исследование с привлечением профильных специалистов. Вот почему важен тот процесс тестирования и верификации результатов работы каждой конкретной нейросети, который условно именуют «машинным обучением». Без многоэтапного обучения даже самая мощная нейросеть остается лишь инструментом ускоренного генерирования галлюцинаций.
Все это в совокупности делает нейросеть потенциально полезным инструментом повышения эффективности хозяйственных отношений, но лишь при условии ее продуманного и поэтапного внедрения. И это в полной мере относится к сфере закупок, в т. ч. закупок для государственных и муниципальных нужд.
Искусственный интеллект в государственных закупках: текущее состояние
На повседневном уровне не всегда просто провести границу между простой автоматизацией и использованием нейросети. Да и цифровизацию и автоматизацию подчас используют как синонимы.
При этом в прикладном смысле цифровизация означает реализацию бизнес-процессов и юридически значимых действий в цифровой среде. Основой цифровизации является электронный документооборот. Формирование документа без использования бумажного носителя, его передача по электронным каналам связи, проведение online-торгов в режиме реального времени — все это может быть более удобно по сравнению с традиционными вариантами той же самой работы. К тому же электронная форма позволяет фиксировать цифровой след всех действий, что особенно важно для ретроспективного государственного контроля. Однако цифровизация сама по себе не меняет ни сути бизнес-процессов, ни того факта, что даже в цифровой среде над реализацией этих бизнес-процессов работает все тот же человек.
Автоматизация невозможна без цифровизации. Но задача автоматизации — это не просто выполнение задач в цифровой среде, а выполнение их без участия человека. Программно-аппаратный комплекс буквально берет на себя часть рутинных задач уполномоченного специалиста. Классический пример: наследование данных. Единожды указанная в ЕИС информация о закупке теперь не копируется из документа в документ человеком, а автоматически предзаполняется в каждой новой форме. Если же мы говорим, например, о т. н. «закупке с полки» в порядке ч. 12 ст. 93 Закона № 44-ФЗ, то при проведении этой процедуры определения поставщика автоматизированные даже такие важные элементы закупочной работы, как сбор предварительных предложений потенциальных поставщиков и их ранжирование по степени привлекательности для заказчика.
Внешне работа искусственного интеллекта подчас схожа с реализацией алгоритмов автоматизации. Вот только в этом случае программно-аппаратный комплекс работает уже не с базовым набором сведений по жестко определенным сценариям, а с большими данными, к обработке которых привлекаются технологи нейросети.
В коммерческих закупках крупные заказчики сегодня вкладывают немалые деньги в создание и апробирование пилотных моделей искусственного интеллекта, предназначенного для решения отдельных задач подготовки и проведения закупки. И эта практика уже сегодня позволяет сделать однозначный вывод: не может быть нейросети для закупок вообще. Для эффективной работы нейросеть должна быть сфокусирована на решении одной задачи или группы смежных задач. И даже тогда требуется сперва тестирование и отладка, затем пилотное внедрение и ограниченное апробирование, и лишь в случае успеха — универсальное применение.
В Законе № 44-ФЗ сегодня ни искусственный интеллект в целом, ни нейросети в частности не упоминаются. С учетом публично-правового принципа регулирования — «все, что не разрешено, то запрещено» — может показаться, что этот факт означает полную невозможность для государственных заказчиков использовать инновационные технологии для решения прикладных задач. Однако контрактная система сложна и многообразна. В ней достигнута почти полная цифровизация всех юридически значимых отношений. На отдельных этапах уже сегодня практикуется автоматизация — причем не в пилотном режиме, а в качестве ординарного и даже обязательного инструмента. Все это в совокупности создает условия для практического использования искусственного интеллекта в области госзаказа даже до установления нормативного регулирования.
Отсутствие нормативного регулирования порядка применения искусственного интеллекта в контрактной системе на практике не означает того, что он не применяется государственными и муниципальными заказчиками. На практике искусственный интеллект нужен государственному заказчику едва ли не в первую очередь именно в силу изрядной сложности нормативного регулирования контрактной системы.
Например, уже сегодня цифровой алгоритм может подобрать в ЕИС сведения, необходимые для обоснования НМЦК. При этом заказчик может указать расширенные параметры описания продукции и получить ценовые данные не только об однородных, но и об идентичных товарах. Важно, что эти данные «подтягиваются» из ЕИС, а значит могут быть использованы для той процедуры обоснования цены, которая предусмотрена действующим законодательством. Алгоритм сам посчитает и среднее арифметическое, и коэффициенты отклонения.
Еще важнее способность нейросети перепроверить проект извещения о закупке, подготовленный заказчиком, на предмет соответствия многочисленным отраслевым и специальным требованиям. Обычный специалист просто не способен удержать в голове содержание всех тех многочисленных нормативных актов, которые он обязан соблюсти при подготовке закупки. И нейросеть «подсвечивает» ему потенциальные противоречия той или иной формулировки извещения о закупке с требованиями конкретного нормативного акта.
Нейросеть может подсказать и более насущные вопросы соблюдения действующего законодательства: какой способ закупки избрать, в какой срок опубликовать протокол или какую «защитную меру» применить во исполнение ПП РФ № 1875. Будучи интегрированным с календарем, искусственный интеллект и вовсе может выступать помощником по управлению временем и напоминать специалисту о соблюдении плановых и процедурных сроков.
Важно подчеркнуть: нейросеть не подменят собой специалиста по закупкам. Она выступает ассистентом, она собирает и обрабатывает информацию, она предоставляет исходные и готовые данные — но решение принимает именно человек. Любой другой подход противоречил бы не просто контрактной системе, но и самой сути какого бы то ни было правового регулирования. Какие бы инновационные инструменты ни использовал человек в своей работе, но лишь он и лишь в пределах своих полномочий принимает юридически значимые решения.
Этот подход относится не только к использованию искусственного интеллекта, но и к любым вариантам автоматизации закупочной работы: последнее слово в любом случае должно оставаться за человеком.
Да, реализация этого базового принципа может дифференцироваться в зависимости от конкретной ситуации. В одних случаях — например, когда нейросеть указывает на потенциальные противоречия между проектом извещения о закупке и каким-то нормативным актом — человек может отклонить замечания или, наоборот, внести корректировки без специальных обоснований и разъяснений. В других случаях — например, при автоматизированном предзаполнении форм закупочных документов на основании ранее внесенных данных — корректировка должна быть обоснованной, и специалист, вносящий изменения, оставляет в электронной среде пояснения относительно причин корректировки. Главное, чтобы сама работа уполномоченного специалиста не находилась в зависимости от работы программно-аппаратного комплекса.
Перспективы ИИ в госзакупках
При соблюдении изложенных выше базовых регуляторных принципов использование технологий искусственного интеллекта может стать одним из перспективных направлений развития контрактной системы. Как уже было сказано, едва ли стоит стремиться к централизации всех аспектов закупочной работы в одном гипотетическом «чате госзаказчика». Даже если с точки зрения пользовательского интерфейса это будет единая система, по своей сути она будет представлять собой комбинацию узкоспециализированных ИИ-ассистентов.
Например, одной из областей специализации нейросети может стать не просто «рецензирование» извещения о закупке и приложений к нему, а составление «с нуля» комплекта документации, включая проект контракта. На практике это потребует, вероятно, формирования библиотек типовых документаций — либо в виде базы данных, либо в виде официального реестра. Но типовая документация не тождественна готовой документации. А значит, для выбора релевантной формы и для корректного наполнения этой формы плановыми параметрами с дальнейшей проверкой на предмет соответствия требованиям действующего законодательства актуальны могут быть вычислительные мощности профильной нейросети.
Подобный ассистент, кстати сказать, актуален не только для заказчика, но и для поставщика. Ведь при закупке сколь-нибудь сложной продукции составление заявки на участие в закупке составляет одну из значимых статей издержек поставщика, связанных с участием в госзаказе. Минимизация этих организационных издержек потенциально не только может упростить участие в госзакупке для конкретного производителя, но и повысить привлекательность рынка госзаказа для более широкого круга поставщиков в целом.
Для облегчения доступа российских производителей к российским регламентированным закупкам сложно переоценить значение потенциальной системы автоматизации подтверждения российского происхождения российской продукции. Ведь сегодня отечественный производитель на практике от полугода до года должен потратить только на то, чтобы доказать, что он отечественный. И если правила подтверждения изменятся, то весь процесс начнется с начала… Профильный ИИ-ассистент, не подменяя собой контролеров и экспертов, мог бы «принять на себя» наиболее трудоемкие участки их работы, требующие в меньшей степени собственно экспертизы, с тем чтобы ускорить процесс допуска российских производителей к российскому госзаказу.
Для самого госзаказчика уже его профильный ИИ-ассистент мог бы помочь в деле применения правил национального режима по крайней мере в двух ипостасях. Во-первых, без обработки больших данных сложно оценить реальный конкурентный «ландшафт», особенно с учетом фактора локализации. А заказчику важно знать объективные ответы на вопросы о том, если ли вообще в России производство необходимой ему продукции, признано ли это производство российским де-юре, является ли оно российским с точки зрения уровня локализации де-факто, производит ли оно продукцию в необходимых заказчику объемах, осуществляет ли поставку в регион заказчика, имеет ли в России конкурентов и т. д. и т. п.
Во-вторых, уже на стадии оценки и сопоставления предложений помощь нейросети могла бы пригодиться для выявления случаев «маскировки» предложения о поставках некачественной китайской продукции. Речь идет и о поддельных документах, и о фиктивном предоставлении сведений о реестровой записи РРПП (когда поставщик, предоставивший такую запись, изначально планировал продать китайское, а не российское), и о несоответствии сведений реестровой записи описанию закупаемой продукции и т. п.
В отдаленной перспективе анализ конкурентной среды может стать основанием не только для определения порядка применения «защитных мер», предусмотренных ПП РФ № 1875, но и для определения способа закупки, предусмотренного самим Законом № 44-ФЗ. Ведь сегодня выбор способа закупки, за редчайшим исключением, детерминирован ценовым порогом: все, что дороже 10 млн руб., закупается на аукционе; все, что дешевле 10 млн руб., закупается посредством запроса котировок; если НМЦК меньше 5 млн руб., то можно попробовать закупку с полки; наконец, то, что дешевле 600 тыс., можно закупить у единственного поставщика. С наступлением 2026 г. эта схема очищена и от годовых лимитов для запроса котировок, и от презумпции «дробления» для закупок малого объема.
Эта схема наглядна и понятна. Однако в рыночной практике выбор способа закупки зависит не только от НМЦК.
Прежде всего, конкурентная закупка возможна лишь там, где есть конкуренция. Причем не потенциальная конкуренция, а реальное соревнование за государственный и муниципальный подряд. И не просто соревнование, а соревнование квалифицированных поставщиков, способных поставить качественную продукцию. Если такой конкуренции нет, то проведение конкурентной закупки де-факто будет лишь необоснованным расходованием бюджетных средств.
Кроме того, конкурентная процедура эффективна лишь там, где экономический эффект от конкуренции способен окупить издержки на проведение самой конкурентной процедуры. Например, если фактические издержки заказчика на проведение аукциона составляют 150 тыс. руб., а снижение цены в ходе аукциона составило лишь 100 тыс. руб., значит аукцион оказался затратнее закупки у единственного поставщика на 50 тыс. руб.
Отдельно стоит сказать о том, что само использование монокритериального ценового сопоставление уместно лишь там, где возможно исчерпывающее указание всех количественных, качественных, потребительских, технологических и иных характеристик закупаемого товара (работы, услуги) и, соответственно, возможно сопоставление предложений исключительно по цене. Но и в этом случае в отсутствие эластичного ценообразования запрос котировок может быть рациональнее аукциона. Ведь какой смысл в аукционе, если у поставщиков разные цены, но ни один из них не готов их снижать?
Машинная обработка совокупности этих и смежных факторов — таких, как сезонность, региональная специфика и даже репутация поставщика – позволит определять тот способ определения поставщика (подрядчика, исполнителя), который будет наиболее эффективен для данной конкретной закупки. Важно то, что в данном случае именно использование ИИ позволит если не вовсе устранить, то во всяком случае свести к минимуму риск субъективизма и негативного влияния пресловутого «человеческого фактора». Представляется, что снижение риска субъективизма представляет собой важный аргумент в пользу использования ИИ в контрактной системе.
Этот аспект важен и в таком ключевом вопросе, как оценка квалификации и делового поведения поставщика. Для выполнения серьезных подрядов и реализации инфраструктурных проектов может быть недостаточно выписки из ЕГРЮЛ или даже наличия лицензии. Сбор сведений о реальной хозяйственной деятельности подрядчика — как это, например, предусмотрено законодательством о государственных закупках той же Китайской народной республики — может стать той областью работы искусственного интеллекта, которая сможет принести, быть может, наибольшую пользу добросовестному заказчику, заинтересованному в качестве исполнения своего подряда.
Но, разумеется, такое использование возможно лишь после надлежащей подготовки и вдумчивого апробирования. А для такой подготовки необходимо понимать как границы эффективного применения ИИ, так и те технологические ограничения, с которыми при использовании ИИ сталкиваются специалисты по закупкам уже сегодня.
Ограничения использования ИИ в контрактной системе
Прежде всего, важно помнить: искусственный интеллект в контрактной системе, как и в любой другой сфере, это не панацея, а лишь инструмент решения конкретных задач. И ключевая область эффективного применения этого инструмента — это не принятие решений. Например, не стоит пытаться подменить работой ИИ-ассистента работу приемочной комиссии при поставке продукции по контракту. Область эффективного применения ИИ — это оперативная обработка тех самых больших данных, на один сбор которых человек может потратить не одну неделю.
Однако при работе с большими данными для ИИ важна не только широта охвата и скорость обработки, но и глубина понимания логики контрактной системы.
Во-первых, необходимо подбирать полный комплекс нормативных актов, релевантных именно данной конкретной закупке. Не засорять подборку лишним. Но и не упустить нужного. А это может быть сложнее, чем кажется.
Например, при подготовке закупки лекарственных средств нужно, помимо общих требований к описанию предмета закупки и обоснованию НМЦК, учесть специальные требования постановления Правительства РФ от 15.11.2017 № 1380 «Об особенностях описания лекарственных препаратов для медицинского применения, являющихся объектом закупки для обеспечения государственных и муниципальных нужд» и специальные требования приказа Минздрава России от 19.12.2019 № 1064н «Об утверждении Порядка определения начальной (максимальной) цены контракта <…> при осуществлении закупок лекарственных препаратов для медицинского применения». Нужно учесть нюансы постановления Правительства РФ от 04.09.2020 № 1357 «Об утверждении Правил использования информации о взаимозаменяемых лекарственных препаратах для медицинского применения <…> для обеспечения государственных и муниципальных нужд» и постановления Правительства РФ от 17.10.2013 № 929 «Об установлении предельного значения начальной (максимальной) цены контракта (цены лота), при превышении которого не могут быть предметом одного контракта (одного лота) лекарственные средства с различными международными непатентованными наименованиями». Нужно не забыть про исключения, обусловленные распоряжением Правительства РФ от 17.01.2024 № 40-р «Об утверждении перечня медицинских изделий, специализированных продуктов лечебного питания, необходимых для назначения пациенту по медицинским показаниям (индивидуальная непереносимость, по жизненным показаниям) по решению врачебной комиссии, которое фиксируется в медицинской документации пациента и журнале врачебной комиссии». Нужно перепроверить закупаемое лекарство в перечне жизненно необходимых и важнейших лекарственных препаратов. Нужно корректно соотнести выводы общими требованиям Постановления № 1875 и с теми исключениями, которые установлены в этом постановлении именно для закупки лекарств.
Во-вторых, еще сложнее научить нейросеть выстраивать правильную иерархию доктринальных, законодательных и правоприменительных позиций по тому или иному конкретному вопросу проведения закупок для государственных и муниципальных нужд.
Например, в Законе № 44-ФЗ отсутствует понятие «дробление закупки», что вроде бы позволяет заказчику самому определять объем конкретной закупки. Даже если речь идет о нескольких закупках однородной продукции. Однако отсутствие нормы не мешало контролерам в течение многих лет обвинять заказчиков в злонамеренном дроблении закупок с целю ухода от конкурентных процедур. Один из последних примеров такого рода — Определение Верхового Суда РФ от 05.11.2025 № 308-ЭС25-10662. Но Федеральным законом от 26.12.2024 № 484-ФЗ для заказчиков с начала 2026 г. установлено долгожданное право проводить несколько закупок у единственного поставщика даже тогда, когда речь идет о закупках однородных или даже идентичных товарах. Правда, правило это действует не при любых закупах у единственного поставщика, а лишь при мелких закупках до 600 тыс. руб. в порядке п. 4 и 5 ч. 1 ст. 93 Закона № 44-ФЗ. И, разумеется, при «закупке с полки» в порядке ч. 12 ст. 93 Закона № 44-ФЗ — в этом случае порог закупки уже не 600 тыс. руб., а 5 млн. руб. Вот только даже при наличии такого права можно ожидать в 2026 г. от правоприменительной практики прецедентов, при которых заказчики будут получать обвинения в злоупотреблении этим правом… И все это необходимо оценить в совокупности для корректного ответа на простой вопроса о том, можно ли закупить 10 тонн мазута весной и еще 10 тонн бензина осенью.
В-третьих, как видно из приведенных примеров, ИИ-ассистенту придется иметь дело не только с массивом законодательства, но и с еще более обширным массивом правоприменительной практики. Подчас противоречивой.
Наконец, снятие указанных выше ограничений невозможно без владения базовыми юридическими навыками. ИИ-ассистент должен уметь отличить случайное и малообъяснимое решение от устоявшейся практики, а решение суда первой инстанции — от решения Верховного Суда РФ. ИИ-ассистент должен безошибочно работать с иерархией нормативных актов и точно применять правила «специальный закон отменяет действие основного» и «последующее узаконение отменяет действие предыдущего». Наконец, он должен понимать, какая именно редакция закона применима к ответу на вопрос в данный момент времени.
На практике далеко не всегда удается добиться даже соблюдения последнего, самого простого и базового требования. Например, при запросе относительно порядка проведения закрытых закупок некоторые популярные нейросети ссылаются на статьи, давно исключенные из Закона № 44-ФЗ.
И это подводит нас к еще одному, ключевому для контрактной системы ограничению: сложность внедрения ИИ в работу с хозяйственными отношениями обратно пропорционально стабильности нормативного регулирования. Чем обширнее нормативная база и чем чаще она изменяется — тем меньше шансов на успешное использование нейросети для решения сколь-нибудь значимых вопросов.
Сегодня невозможно «скормить» нейронке конечный объем информации. Даже если этот объем будет чрезвычайно велик. Нужно научить ее постоянно обращаться к актуальным цифрам и актуальным редакциям нормативных актов — не случайно выше приводился пример с запросом данных с ЕИС. Ведь способность нейросети собирать и обрабатывать большие данные может стать не только возможностью, но и проблемой. На деле формула эффективного инструмента кроется в сочетании развитых алгоритмов с высокими требованиями к выбору источников информации и правилам подбора этой информации.
Все сказанное не означает принципиальной невозможности использования искусственного интеллекта в государственных и муниципальных закупках. На деле диджитализация этой сфере развивается на наших глазах, и не приходится сомневаться в том, что ИИ-ассистент в будущем станет ординарным инструментом специалиста по закупкам. Важно лишь, чтобы нейросеть стали именно помощью, а не обузой. Ведь ИИ нужен лишь там, где его внедрение способно повысить скорость и качество реализации бизнес-процессов, а не стать дополнительным ограничением для них. Не стоит забывать и о том, что внедрение ИИ отнюдь не бесплатно. А значит, при оценке перспектив его внедрения должен учитываться и фактор окупаемости, пусть даже и не краткосрочной.
Воплощение такого вдумчивого подхода, как представляется, реалистичнее всего при итерационном внедрении ИИ сперва в коммерческих, а затем и в государственных и муниципальных закупках. Работа с цифровым ассистентом на более ответственных участках возможна после того, как он показал свою эффективность и, что не менее важно, надежность во вспомогательных вопросах. Де-факто этот процесс уже стартовал. И есть шанс на то, что его осмысленная реализация все же сможет стать фактором вывода контрактной системы на новый уровень эффективности.
