Закупки Москвы роботизируются
ХХ Всероссийский форум-выставка "Госзаказ"
О введении в систему закупок консультации с ИИ на XX Всероссийском форуме-выставке "Госзаказ" рассказал заместитель главы департамента г. Москвы по конкурентной политике Александр Зинин. По его словам, при введении консультации по правовым вопросам закупочной деятельности чат-бот упростит и ускорит доступ пользователей к юридическим консультациям.
"Имеются ввиду консультации по нормативно-правовым вопросам. Мы сделаем эти консультации более умными", - рассказал Александр Зинин.
Он отметил, что по опыту единой автоматизированной информационной системы торгов Москвы (ЕАИСТ) в службе технической поддержки с ответами на типовые вопросы ИИ справляется не хуже, чем специалисты колл-центра.
"Автоматизация консультационных текстовых вопросов в техподдержку идет успешно. Еще года не прошло, как мы ее внедрили, но уже 40% консультаций до нас не доходят: робот отвечает хорошо. Пользователи довольны результатами", - рассказал Александр Зинин.
Также планируется реализовать проект "Роботизация повторяющихся закупок". При формировании повторяющихся закупок ИИ будет прогнозировать сроки и объем потребности. При этом будут учитываться ретроспективные данные по заключенным контрактам и расчетам остатков на складе. Это упростит рутинные задачи и повысит точность планирования, снизит издержки, оптимизирует нагрузку на персонал.
"Повторяющиеся закупки учат систему прогнозировать спрос на основе данных и формировать новые лоты с учетом этой информации", - отметил Александр Зинин.
Кроме автоматизированной информационной системы торгов в Москве также работает "Портал поставщиков", где собраны компании из 42 регионов.
На "Портале поставщиков" уже запустили машинный анализ документации. Система выдает две справки: одна короткая, чтобы обратить внимание, о чем идет речь в закупке, вторая подробнее. "Суть одна: не нужно читать все контракты, и составить представление о закупке в трех-четырех абзацах", - объяснил Александр Зинин.
Как применяется ИИ в закупках
Другие выступающие также поделились опытом внедрения ИИ. Начальник отдела цифровизации госзакупок госкорпорации "Росатом" Юлия Алексеева рассказала о внедрении ИИ, что позволило провести закупки на 110 млрд руб. в 2024 г. В 2025 г. корпорация планирует увеличить объем закупок до 600 млрд руб. "Использование искусственного интеллекта позволяет повысить прозрачность и эффективность закупок", - считает Юлия Алексеева.
Руководитель центра экспериментальных решений "Газпромнефть-Снабжение" Дмитрий Карбасов поделился оценками эффектов от использования ИИ. По его мнению, если ИИ поручить планирование (в том числе объема и даты наличия товара на складе), точность планирования повысится на 7%.
Также он привел пример, согласно которому при работе с каталогом МРТ справочник сократился на 25-30% за счет устранения дублей товарных позиций, что улучшило качество планирования на 1-3%.
"Как показывает практика, очень многие моменты, где человек тонет в рутине - а это 90% закупок - легко автоматизируются, тиражируются на разные промышленные компании, позволяют принимать более точные решения", - рассказал Дмитрий Карбасов.
Заместитель директора департамента управления делами губернатора и правительства Севастополя Ирина Щукина рассказала, что в регионе два года назад был создан проектный совет, который занимается вопросами разработки и внедрения искусственного интеллекта в систему управления закупочной деятельности. За это время, к примеру, внедрили три чат-бота "Интерактивный помощник" - один общий, другие закрытые для участников закупки и заказчиков.
"В рамках дальнейшего развития функциональности прорабатывается интеграция с витриной закупок малого объема и каталогом поставщиков, что позволит пользователям получать быстрый доступ к необходимым извещениям и ценовым предложениям, используя "Интерактивного помощника" в качестве навигатора", - сказано в протоколе заседания проектного совета от 11 апреля 2025 г.
Директор проектов АТК+ Артем Харитонов отметил, что факторами риска использования ИИ являются низкое качество данных, сложность интеграции, скрытый OPEX (не проверенный до старта проекта по внедрению решения), сопротивление сотрудников внедрению решения, оптимизирующего трудозатраты, недостаток экспертизы, недостаточная проверка качества работы решения.
