Закупки сложного оборудования редко сводятся к сопоставлению цены и срока поставки. До коммерческих переговоров специалистам необходимо установить, отвечает ли техническое предложение поставщика исходному заданию: по характеристикам оборудования, условиям эксплуатации, составу поставки, интеграции в действующую инфраструктуру и другим параметрам. Ошибка на этом этапе способна перейти в стадию исполнения контракта — уже в виде доработок, задержек, дополнительных согласований или несоответствия оборудования реальным производственным условиям.

При этом первичная техническая экспертиза во многих компаниях по-прежнему строится на ручной вычитке документов. Техническое задание (ТЗ) и техническое предложение (ТП) могут насчитывать десятки или сотни страниц, использовать разную терминологию и структуру. Значимые расхождения нередко скрываются не в очевидных паспортных характеристиках, а в примечаниях, исключениях, перечнях комплектации и условиях применения.

На этом фоне компании ищут способы автоматизировать не только производственные процессы и контроль качества, но и трудоемкие этапы закупочной деятельности — поиск потенциальных расхождений и подготовку первичного заключения.

Проверка по правилам

Совместный проект HAIHUA INDUSTRY GROUP и АО «Цифровая сталь» — ИТ-интегратора ГК «Уральская Сталь» — показывает один из сценариев применения ИИ в закупочном контуре. Решение «Сравнение ТЗ и ТП» создавалось как специализированный инструмент для сопоставления технического задания заказчика с техническим предложением поставщика по заранее согласованным правилам.

Основой системы стал чек-лист из 11 критериев, предварительно сформированный вместе с представителями заказчика. Проверка охватывает технические характеристики, комплектность, условия эксплуатации и другие параметры, важные для конкретного типа оборудования или подразделения.

Система не предполагает проверку любых свойств документа «по умолчанию». Если заказчику необходимо уделить повышенное внимание, например, энергоемкости, теплоотдаче, требованиям к интеграции, срокам поставки или сервисным условиям, соответствующие критерии нужно включить в чек-лист. Требования к дробилке, насосу и технологической установке различаются, но порядок первичной проверки остаётся единым: собрать документы, задать значимые параметры, найти расхождения и проверить их по первоисточнику. Система предлагает специалисту вопросы для рассмотрения, но не подменяет его профессиональное решение.

«Для промышленности искусственный интеллект — это прежде всего инструмент, который снимает со специалиста рутинную работу и помогает сосредоточиться на действительно важных технических вопросах. Наша задача — не заменить эксперта, а встроить ИИ в понятный и управляемый бизнес-процесс, сделать работу быстрее и качественнее, сохранив за человеком контроль над итоговым решением», — отметил Константин Большаков, генеральный директор АО «Цифровая сталь».

Полное управление и контроль

Работа с документами — актуальное направление промышленного ИИ. ОЭСР отмечает, что в обрабатывающей промышленности ЕС языковые и административные применения ИИ пока распространены шире, чем решения, непосредственно встроенные в производственные операции. По данным Eurostat, в 2025 году хотя бы одну технологию ИИ использовали 17,3% предприятий обрабатывающей промышленности ЕС с численностью от десяти человек.

В России, по расчётам Г. Ковалевой, Г. Абдрахмановой и П. Рудника из ИСИЭЗ НИУ ВШЭ, в 2025 году ИИ применяли 5,2% крупных и средних организаций. Среди компаний, уже использующих ИИ, обработка текста стала одним из наиболее востребованных направлений наряду с обработкой изображений. Российский и европейский показатели охватывают разные группы организаций, поэтому напрямую сравнивать их нельзя.

Цифровизация закупочных процедур сама по себе не снимает задачи технической экспертизы. Два сотрудника при работе с одинаковыми документами могут по-разному расставить акценты, особенно если требования изложены неоднородно, а сроки закупки сжаты. Согласованный чек-лист позволяет применить единый набор критериев к разным предложениям и снизить зависимость первичного анализа от конкретного исполнителя.

Проект «Сравнение ТЗ и ТП» строился именно на этом принципе. Проверка не является «чёрным ящиком»: инженер может увидеть основание замечания, принять его, отклонить или передать разработчикам обратную связь. Система не самообучается автоматически на каждом новом документе и не меняет логику без участия экспертов. Накопленные замечания используются для контролируемой донастройки совместно с профильными специалистами и командой разработки.

Коммерческий директор HAIHUA INDUSTRY GROUP Виктор Эйхман отмечает, что результаты проверки могут быть полезны и при обсуждении технико-коммерческого предложения (ТКП) с заказчиком: «Сегодня, когда число промышленных проектов, запросов и технических совещаний растёт, одним из самых дорогих ресурсов становится время — как наше, так и время заказчика. Для нас важно не просто быстрее подготовить техническое предложение, а сделать его прозрачным. Вместе с ТКП мы можем предоставлять сформированный системой чек-лист: какие требования ТЗ учтены, где есть отклонения и что ещё нужно согласовать. Специалист заказчика получает своего рода карту предложения и сразу видит, на что обратить внимание. Это может сократить повторные уточнения и сэкономить время обеих сторон. В промышленном B2B прозрачность и качество подготовки предложения формируют доверие».

Безопасность в фокусе

Работа с ТЗ и ТП затрагивает вопрос конфиденциальности. В рассматриваемом кейсе решение развёрнуто в инфраструктуре HAIHUA INDUSTRY GROUP: загруженные документы и связанные с ними данные хранятся в контуре компании, а не в базе разработчика. HAIHUA также может контролировать состав документов, которые пользователи передают на обработку.

Для этого сценария существенным обстоятельством стало то, что документы преимущественно содержали техническую информацию из открытых тендерных материалов и не включали коммерческую часть. В иных закупочных процессах состав данных может отличаться, поэтому архитектуру доступа и требования к защите необходимо определять до запуска решения.

Развитие инфраструктуры

Активная работа над проектом заняла около трёх месяцев, из которых непосредственно разработка — примерно полтора месяца. Остальное время потребовали аналитика, сбор материалов, согласование требований, подготовка документов и организационные процедуры. Этот опыт показывает, что в корпоративных ИИ-проектах сроки зависят не только от разработки системы, но и от готовности компании формализовать рабочий процесс.

Архитектура системы предусматривает дальнейшую адаптацию. В закупочном контуре рассматривается применение аналогичного подхода для подготовки ТЗ по корпоративным шаблонам, проверки самих ТЗ, сравнения нескольких предложений поставщиков, а в перспективе — для сопоставления технических, ценовых и логистических условий.

Схожая логика может использоваться и в других функциях: при работе с договорной, строительной и исполнительной документацией, актами выполненных работ и договорами аренды. Эти сценарии рассматриваются как направления развития, а не как уже реализованные функции проекта «Сравнение ТЗ и ТП».

ИИ как надежный напарник

Кейс «Сравнение ТЗ и ТП» отражает прагматичный подход к внедрению ИИ в промышленные закупки. Технология не принимает окончательное решение о соответствии предложения техническому заданию и не освобождает компанию от ответственности за экспертизу. Её задача — систематизировать проверку, выявлять потенциальные расхождения и давать специалисту основания для аргументированной оценки.

Для закупок сложного оборудования такой подход может ускорить обработку предложений, сохраняя за инженером контроль над качеством технического заключения.