Почему ожидания от ИИ в госзакупках завышены
и как с этим жить
ИИ в 2025 году сталкивается с реальностью: где технологии реально помогают в бизнесе и госзакупках, а где ожидания превышают возможности
Альберт Гизатуллин
Эксперт-практик в сфере государственных и коммерческих закупок с опытом работы более 17 лет, член Ассоциации {ФЛАГМАН}
Искусственный интеллект в 2025 году переживает предсказуемую, но болезненную фазу: от эйфории — к столкновению с реальностью. Если верить Gartner Hype Cycle 2025, генеративный ИИ уже в «впадине разочарования» — моменте, когда техника работает, но ожидания вокруг нее взлетают сильнее, чем реальные возможности.
По данным MIT Media Lab (The GenAI Divide: State of AI in Business 2025), 95% пилотных проектов генеративного ИИ не дают измеримого влияния на финансовые показатели. Это не про слабость технологий — это про завышенные ожидания и ошибки внедрения.
Как человек, который консультирует предпринимателей по интеграции ИИ в госзакупки, я вижу закономерность. Бизнес часто хочет от ИИ чудо: «пусть модель сама найдет товар под ТЗ», «пусть сама сформирует НМЦК», «пусть сама проверит риски контракта». Кнопка, которую нажал — и все сделано по щучьему велению. Но реальность куда сложнее.
По данным MIT Media Lab (The GenAI Divide: State of AI in Business 2025), 95% пилотных проектов генеративного ИИ не дают измеримого влияния на финансовые показатели. Это не про слабость технологий — это про завышенные ожидания и ошибки внедрения.
Как человек, который консультирует предпринимателей по интеграции ИИ в госзакупки, я вижу закономерность. Бизнес часто хочет от ИИ чудо: «пусть модель сама найдет товар под ТЗ», «пусть сама сформирует НМЦК», «пусть сама проверит риски контракта». Кнопка, которую нажал — и все сделано по щучьему велению. Но реальность куда сложнее.
Ошибка №1. «ИИ заменит эксперта»
Многие воспринимают ИИ как сотрудника-универсала, который «разберется во всем».
Но исследование Wiley Global AI Expectations Study (2025) показывает: чем больше люди используют ИИ, тем ниже становятся их ожидания. Профессионалы поняли: модель не мыслит категориями отрасли, не знает контекста, не умеет самостоятельно интерпретировать специфические требования 44-ФЗ и 223-ФЗ.
Есть еще одна проблема: галлюцинации.
По данным OpenAI AI Model Analysis 2025, модели типа o3 ошибаются до 33% случаев, а более легкие — до 48%.
В тендерах это критично:
неправильно подобранная характеристика → отклонение заявки;
ошибка в НМЦК → нарушение;
неверная трактовка ПП 1875 → жалоба или отмена закупки.
ИИ помогает, но он не эксперт.
Но исследование Wiley Global AI Expectations Study (2025) показывает: чем больше люди используют ИИ, тем ниже становятся их ожидания. Профессионалы поняли: модель не мыслит категориями отрасли, не знает контекста, не умеет самостоятельно интерпретировать специфические требования 44-ФЗ и 223-ФЗ.
Есть еще одна проблема: галлюцинации.
По данным OpenAI AI Model Analysis 2025, модели типа o3 ошибаются до 33% случаев, а более легкие — до 48%.
В тендерах это критично:
неправильно подобранная характеристика → отклонение заявки;
ошибка в НМЦК → нарушение;
неверная трактовка ПП 1875 → жалоба или отмена закупки.
ИИ помогает, но он не эксперт.
Ошибка №2. «Модель сама разберется в данных»
По данным Gartner (2025), 57% компаний признают, что их данные не готовы для ИИ.
Если в компании данные в Excel-файлах без структуры, товары не нормализованы, характеристики в разнобой, а история закупок хранится «как есть», ИИ просто не сможет опираться на достоверную базу.
ИИ не исправляет хаос — он его усиливает.
Если в компании данные в Excel-файлах без структуры, товары не нормализованы, характеристики в разнобой, а история закупок хранится «как есть», ИИ просто не сможет опираться на достоверную базу.
ИИ не исправляет хаос — он его усиливает.
Ошибка №3. «Сделаем пилот — а дальше оно само»
Что такое пилот?
Это тестовый запуск ИИ на маленьком кусочке процесса — «посмотреть, работает ли». Это демонстрация, а не рабочая система.
Что такое продакшн?
Это полноценная интеграция ИИ в реальные рабочие процессы компании — регулярно, стабильно, с результатом и ответственностью.
По данным S&P Global Market Intelligence (2025), 88% пилотных проектов не доходят до реального внедрения. Причина проста: пилот сделали, показали, всем понравилось — но процесс под ИИ не перестроили.
Нет владельца процесса, нет критериев эффективности, нет контроля качества, нет инфраструктуры. И проект умирает.
Это тестовый запуск ИИ на маленьком кусочке процесса — «посмотреть, работает ли». Это демонстрация, а не рабочая система.
Что такое продакшн?
Это полноценная интеграция ИИ в реальные рабочие процессы компании — регулярно, стабильно, с результатом и ответственностью.
По данным S&P Global Market Intelligence (2025), 88% пилотных проектов не доходят до реального внедрения. Причина проста: пилот сделали, показали, всем понравилось — но процесс под ИИ не перестроили.
Нет владельца процесса, нет критериев эффективности, нет контроля качества, нет инфраструктуры. И проект умирает.
Где ИИ реально приносит пользу в закупках
Важно говорить честно. ИИ уже дает сильный эффект — но только там, где задачи узкие, формализуемые и повторяемые.
1. Извлечение конкретных данных
Примеры:
размер обеспечения;
сроки поставки;
место поставки;
ключевые характеристики в ТЗ;
проверка чек-листов заявки.
Это область, где ИИ стабилен, потому что правила заранее заданы.
2. Анализ больших массивов контрактов
ИИ хорошо выводит:
статистику штрафов и пеней у заказчика;
динамику исполнения;
риск-профиль;
паттерны поведения.
Такие задачи подтверждаются в отчетах BCG (2025) и Deloitte (2025) — там, где есть большие данные и шаблонные операции, проекты живут.
3. Подбор товара по ТЗ — новая ступень
Пару месяцев назад подбор аналога был слабым во всех моделях: ChatGPT, Grok, DeepSeek.
Но после выхода браузера Comet от Perplexity ситуация резко изменилась: его исследовательский режим справляется с подбором товаров, сверкой характеристик и поиском аналогов на уровне, который еще весной был недостижим.
4. Многошаговые процессы
Ноябрьские релизы GPT-5.1, Grok 4.1, Gemini 3 Pro значительно усилили модели в рассуждении. Но даже сейчас ИИ нужно четкое ТЗ, контроль и корректная архитектура процессов.
1. Извлечение конкретных данных
Примеры:
размер обеспечения;
сроки поставки;
место поставки;
ключевые характеристики в ТЗ;
проверка чек-листов заявки.
Это область, где ИИ стабилен, потому что правила заранее заданы.
2. Анализ больших массивов контрактов
ИИ хорошо выводит:
статистику штрафов и пеней у заказчика;
динамику исполнения;
риск-профиль;
паттерны поведения.
Такие задачи подтверждаются в отчетах BCG (2025) и Deloitte (2025) — там, где есть большие данные и шаблонные операции, проекты живут.
3. Подбор товара по ТЗ — новая ступень
Пару месяцев назад подбор аналога был слабым во всех моделях: ChatGPT, Grok, DeepSeek.
Но после выхода браузера Comet от Perplexity ситуация резко изменилась: его исследовательский режим справляется с подбором товаров, сверкой характеристик и поиском аналогов на уровне, который еще весной был недостижим.
4. Многошаговые процессы
Ноябрьские релизы GPT-5.1, Grok 4.1, Gemini 3 Pro значительно усилили модели в рассуждении. Но даже сейчас ИИ нужно четкое ТЗ, контроль и корректная архитектура процессов.
Где ИИ пока не работает
1. Там, где данные «грязные».
ИИ не угадает то, чего нет. Результат будет нестабильный.
2. Там, где процесс старый.
Если внутри хаос, снаружи будет красивый хаос.
3. Там, где ждут чудо.
По данным Forbes Research (2025), 62% сотрудников считают ИИ переоцененным — просто потому, что ожидания были уровня «заменит всех».
ИИ не угадает то, чего нет. Результат будет нестабильный.
2. Там, где процесс старый.
Если внутри хаос, снаружи будет красивый хаос.
3. Там, где ждут чудо.
По данным Forbes Research (2025), 62% сотрудников считают ИИ переоцененным — просто потому, что ожидания были уровня «заменит всех».
Что должен делать предприниматель
1. Начать с узкой задачи.
Именно узкие задачи дают лучший ROI. Это подтверждают MIT, S&P Global и BCG.
2. Перестроить процесс под ИИ.
2. Перестроить процесс под ИИ.
Не ИИ под процесс, а процесс под ИИ. Учитывая ограничения и возможности новых технологий.
3. Использовать разные модели под разные задачи.
3. Использовать разные модели под разные задачи.
Пример:
одна модель — для поиска характеристик,
другая — для анализа контрактов,
третья — для проверки ТЗ.
4. Валидировать результат.
одна модель — для поиска характеристик,
другая — для анализа контрактов,
третья — для проверки ТЗ.
4. Валидировать результат.
ИИ — усиление специалиста, а не замена. Там где внедрили контроль человека, результаты гораздо лучше.
5. Учитывать, что модели обновляются каждые 60–90 дней.
5. Учитывать, что модели обновляются каждые 60–90 дней.
То, что вчера казалось невозможным, сегодня — норма. И статья действительно может устареть через месяц.
Главный вывод
Проблема не в ИИ.
Проблема — в ожидании чудес.
ИИ приносит огромную пользу в госзакупках, но только там, где задачи четкие, процессы структурированы, а предприниматель понимает возможности и ограничения технологий. Все остальное — фольклор про щучье веление.
Его эпоха закончилась. Началась эпоха зрелого внедрения.
Проблема — в ожидании чудес.
ИИ приносит огромную пользу в госзакупках, но только там, где задачи четкие, процессы структурированы, а предприниматель понимает возможности и ограничения технологий. Все остальное — фольклор про щучье веление.
Его эпоха закончилась. Началась эпоха зрелого внедрения.