Коммерческое предложение · платформа Afina · Silica Group

Предложение для Комитета по государственным закупкам Республики Дагестан

Закупки — самая оцифрованная функция государства: каждая процедура уже лежит структурированными данными в ЕИС. Поэтому здесь ИИ окупается быстрее всего: риск-скоринг закупок окупает внедрение первой же предотвращённой завышенной НМЦК, а проверка 100% техзаданий до публикации экономит недели отменённых торгов и повторных процедур.

Рукопожатие над документами при заключении договора
Фото: rawpixel.com · CC0 · Wikimedia Commons

Мы понимаем вашу специфику

Комитет работает как уполномоченный орган в контрактной системе с 2013 года — с самого старта 44-ФЗ (история комитета). Модель централизованная: сотни республиканских и муниципальных заказчиков передают вам определение поставщиков — проверка заявок, извещения, комиссии, сопровождение процедур от НМЦК до подведения итогов. Это редкое преимущество: единая точка, через которую проходит основной поток закупочных данных республики. При этом контекст напряжённый: Северный Кавказ традиционно в зоне внимания ФАС России по картельным сговорам, и вопрос «кто и как выигрывает закупки» — предмет регулярных антимонопольных дел.

Мы понимаем и вашу роль в бюджетном контуре: комитет — контролёр расходной стороны. Если финансовый блок отвечает за то, чтобы деньги в бюджете появились, то вы — за то, чтобы при их расходовании конкуренция была реальной, а цены — рыночными. Именно на это работает каждое наше решение.

На что мы обопрёмся

У вас нет проблемы «данных нет» — есть задача извлечь из накопленных данных сигналы о рисках. Федеральный уровень — ЕИС закупок: все извещения, протоколы, контракты и исполнение публикуются структурированно и доступны через открытые данные и API. Региональный уровень в хорошей форме: в октябре 2024 года региональная информационная система закупок РД была модернизирована — полностью цифровой закупочный цикл и интеграция с ГИИС «Электронный бюджет» (сайт комитета). Дополнительный канал — Портал поставщиков Москвы с котировочными сессиями для закупок малого объёма.

Российский рынок подтверждает зрелость инструментов: обзор Контура об ИИ и риск-мониторинге в закупках описывает готовые подходы к скорингу процедур и участников, которые мы адаптируем под ваш поток.

Что внедрит Afina

Пять решений — от графовой аналитики картельных признаков до RAG-помощника заказчика. Каждое сдаём под ключ: данные, модель, витрина, регламенты, обучение.

Риск-скоринг процедур: признаки картелей

Технология: графовая аналитика + ML-скоринг · Эффект: каждая процедура получает оценку риска сговора

Картель на торгах оставляет статистические следы: синхронное поведение участников, ротация побед между «конкурентами», минимальное снижение цены, отказы от борьбы в пользу заранее известного победителя. Мы добавим графовый слой аффилированности: общие учредители и адреса, пересекающиеся телефоны и IP подачи заявок, совместное участие в исторических процедурах. Модель присваивает каждой процедуре и связке поставщиков риск-балл; высокорисковые случаи уходят вашему аналитику, который готовит материалы для УФАС. Важно: скоринг — это приоритизация контроля, а не отклонение участников; все решения по процедурам остаются за комиссиями в рамках 44-ФЗ.

Уже доказано
  • KONEPS (Корея) — централизованная e-procurement система, чьи данные питают BRIAS — систему индикаторов сговора Корейской комиссии по конкуренции, ежемесячно отбирающую десятки дел для расследования.
  • OECD: Data screening tools in competition investigations — методология скрининга торгов на признаки картелей, применяемая антимонопольными органами мира.
  • Контур: ИИ в закупках — российские инструменты риск-мониторинга процедур и участников.

LLM-анализ техзаданий на «заточку»

Технология: LLM (анализ документации) · Эффект: проверка 100% ТЗ вместо выборки

«Заточенное» ТЗ — главный инструмент ограничения конкуренции: товарный знак без «или эквивалент», избыточно конкретные характеристики, сочетание параметров под один товар, нереальные сроки поставки. Сегодня вы физически можете глубоко проверить лишь выборку документации; наша языковая модель читает все ТЗ до публикации извещения и размечает признаки ограничения конкуренции с объяснением. Заказчик получает замечания до публикации — это профилактика, а не наказание: большинство «заточек» происходит от копирования старых шаблонов, и автоматическая проверка выправляет практику быстрее любых методичек.

Уже доказано
  • Робот ALICE (Бразилия) — NLP-анализ извещений, ТЗ и контрактов в масштабе страны; алерты ALICE привели к приостановке и отмене торгов на суммы порядка 1,5 млрд € за 2019–2022 годы.
  • Open Contracting Partnership: AI in public procurement — обзор мировой практики применения ИИ к закупочной документации.

ИИ-контроль НМЦК по референтным ценам

Технология: ML + сопоставление с данными ЕИС · Эффект: завышенные стартовые цены видны до объявления торгов

Обоснование НМЦК методом «трёх коммерческих предложений» легко манипулируемо. Мы построим референтные цены по истории исполненных контрактов в ЕИС: что и почём реально покупали заказчики республики и соседних регионов с поправкой на объём, логистику и сезон. Каждая новая НМЦК автоматически сверяется с референтом; отклонение выше порога требует дополнительного обоснования до публикации. Это дисциплинирует и заказчиков, и «прикормленных» поставщиков коммерческих предложений, а вам даёт количественный аргумент: не «нам кажется дорого», а «медиана исполненных контрактов на этот товар ниже на 23%». Одна предотвращённая завышенная НМЦК на крупной закупке окупает всё внедрение.

Уже доказано
  • ЕИС закупок — открытые структурированные данные всех контрактов страны: готовая база для референтного ценообразования.
  • ChileCompra: +207% выявленных нарушений — массовое перекрёстное сопоставление данных закупок алгоритмами дало более 13 тысяч алертов контрольным органам за год.

Предиктор срыва исполнения контракта

Технология: ML-скоринг поставщиков · Эффект: проблемный контракт виден на этапе заявки

Срыв контракта — это недостроенная школа и повторные торги через полгода. Мы обучим модель оценивать вероятность неисполнения по сигналам о поставщике: судебная нагрузка и исполнительные производства, налоговая задолженность, штат и его динамика, аномальный демпинг, история исполнения в ЕИС, возраст компании против размера контракта. Скоринг не отклоняет заявку — 44-ФЗ этого не позволяет, и мы строим систему строго в его рамках — но информирует заказчика: усиленное обеспечение, более частые точки контроля, готовность плана «Б». По сути это перенос банковской практики кредитного скоринга на контрактные риски.

Уже доказано

LLM-помощник заказчика по 44-ФЗ

Технология: LLM + RAG по 44-ФЗ и практике · Эффект: меньше ошибок заказчиков — меньше жалоб и отменённых торгов

Сотни контрактных служб республики ежедневно решают одни и те же вопросы: какой способ закупки, какие требования к участникам законны, как описать объект без нарушения, что делать с единственной заявкой. Мы развернём ассистента с ретривером по 44-ФЗ, подзаконным актам, вашей типовой документации и практике УФАС — ответы со ссылками на нормы и прецеденты. Каждая предотвращённая ошибка — несостоявшаяся жалоба, неотменённые торги и недели сэкономленного времени. Комитет при этом накапливает статистику вопросов — карту реальных пробелов в квалификации заказчиков для адресного обучения.

Уже доказано
  • Робот Макс на Госуслугах — до 80% обращений закрывается без оператора: модель масштабирования консультаций в госсекторе.
  • GigaChat — российская LLM для защищённого контура ведомственного ассистента.

Пакеты

ПакетЧто входит
ПилотОдин сценарий на открытых данных ЕИС — например, референтные цены по 2–3 товарным категориям или LLM-проверка ТЗ по одной отрасли закупок. Без капитальных затрат: API ЕИС открыт.
СтандартПолноценное внедрение одного решения: контроль НМЦК, LLM-проверка 100% ТЗ или помощник заказчика — со встраиванием в региональную ИС закупок, регламентами и обучением.
Под ключПолный контур контроля: риск-скоринг с графом аффилированности, референтные цены, проверка ТЗ, предиктор срыва и помощник заказчика на единой платформе Afina с конвейером материалов для УФАС.
Этапы работ

Оплата поэтапная: каждый следующий этап начинается только после приёмки предыдущего.

Как мы снимаем риски

Почему это работает

Кто уже прошёл этот путь

Корея — эталон связки «централизованная система + антимонопольный скрининг»: данные KONEPS питают систему BRIAS Комиссии по справедливой торговле, которая автоматически скорит торги на признаки сговора и ежемесячно отдаёт десятки кейсов на расследование (методология — в докладе OECD о скрининге торгов). Бразильский робот ALICE ежедневно читает извещения и контракты: сотни тысяч процедур в год, приостановленные торги на ~1,5 млрд €. ChileCompra перевела на алгоритмический мониторинг 100% закупок и нарастила выявление нарушений на 207% — путь, начинавшийся, как и у Дагестана, с уже оцифрованной закупочной системы.

Пилот на ваших данных

Перед основным внедрением мы запускаем пилотный проект на реальных данных вашего ведомства: вы тестируете Afina на собственных процессах 4–6 недель и принимаете решение о масштабировании только по измеримым результатам пилота. Стоимость рассчитывается индивидуально после бесплатного обследования.

Обсудить проект

Платформа Afina · Silica Group. Проведём бесплатную встречу-обследование: покажем демо на ваших реальных процессах и составим дорожную карту под ваш бюджет.

Камиль · 8 988 432 7771