Тендеры и лиды
Информация
Сервисов, которые за минуту соберут коммерческое предложение, сейчас десятки, и все они меряются скоростью генерации. Что происходит с этим текстом после отправки, не объясняет никто.
По исследованию Workspace на выборке в 240 агентств 56% побеждают меньше чем в 5% тендеров, и при такой конверсии удвоение скорости подготовки просто удваивает количество проигранных заявок.
Дальше процесс разобран по этапам. На одних участках автоматизация снимает реальные часы, на других упирается в потолок, а отдельная история начинается там, где сгенерированный факт попадает в тендерную документацию.
В 10–20% случаев побеждают 8% агентств, в четверти и чаще — 6%, то есть заметно результативных на рынке около четырнадцати процентов. Откликаются при этом активно, потому что несколько раз в месяц участвуют 32% агентств, а несколько раз в неделю ещё 17%.
Если перевести доли побед в заявки, большинству приходится подавать больше двадцати штук ради одной победы. Разницу между этой массой и результативной частью рынка создаёт что угодно, кроме скорости написания текста.
Время подготовки заявки не включают в смету 38% агентств, поэтому расход существует, но нигде не учитывается, а вместе с ним не отражается ни в одном отчёте и его сокращение.
По подсчётам «Рейтинга Рунета», digital-тендеров в 2024 году стало 12 тысяч против 11,5 тысячи годом раньше, а их суммарная стартовая стоимость поднялась с 33,01 до 33,56 млрд рублей. Прибавка в деньгах меньше двух процентов, то есть рынок фактически стоит на месте. В госзакупках конкуренция падает второй год подряд: по мониторингу Минфина среднее число заявок на процедуру опустилось с 2,74 в первом квартале 2024 года до 2,59 годом позже, а к третьему кварталу 2025-го — до 2,51.
Для подрядчика из этого следует, что заявок в среднем меньше, а цена ошибки в каждой отдельной выше.
Проще всего поддаётся автоматизации то, что ближе к краям процесса. Поиск и первичная фильтрация закупок работают в фоне давно, и агрегаторы держат вменяемые цены: Контур.Закупки по прайсу партнёра идут от 23 600 до 58 000 рублей в год, СБИС начинается от 5 000. Отсечение неподходящего экономит больше, чем сама выборка. Компания, тратившая на мониторинг площадок несколько часов в день, переводит эту работу в фоновый режим.
Дальше идёт разбор технического задания, и вот здесь уже появляются измеримые результаты. Команда Doubletapp опубликовала разбор своего пайплайна с точностью 93% на извлечении требований и 92% на проверке соответствия; документ в 50 страниц обрабатывается за 5–7 минут.
Интереснее у них вывод про устройство, потому что одним запросом к модели задача не решается. Собран трёхфазный конвейер, где требования сначала структурируются в чек-лист, потом каждый пункт проверяется отдельным запросом с обязательной цитатой-доказательством из документа, и только затем результаты ранжируются. Модели при этом развёрнуты локально, что снимает вопрос передачи документов заказчика во внешний сервис.
Оценку объёма и сроков автоматизация трогает осторожнее. Инструменты этого слоя работают по готовой оценке и ищут в ней дыры. Дерево задач прогоняют через модель, и всплывают незакрытые требования, забытое тестирование, абстрактные строки вроде «Анализ» и разошедшаяся терминология между спецификацией и сметой.
Сборка текста предложения закрыта полностью, причём дёшево, потому что российские генераторы КП обходятся от 99 до 5 000 рублей в месяц. Этот же этап заполняет поисковую выдачу и приносит наименьший эффект, поскольку занимает малую часть времени подготовки и почти не влияет на решение заказчика.
Расчёт сметы не закрывает ни один из генераторов КП и ни один из агрегаторов, перечисленных выше. Все они работают с цифрами, которые вы уже поставили сами.
Смета целиком опирается на знание собственной команды, потому что нужно понимать, кто из специалистов сколько делает, где обычно вылезают переработки и какой запас закладывать под конкретного заказчика. Этого контекста у модели нет, а придуманные ею часы обходятся дороже, чем отсутствие оценки вообще.
Виктория Кучинова из Workspace настаивает на том, что смета и работает главным аргументом, а откликаться имеет смысл только внутри профильной специализации. Эталонной считают формулировку вроде «это стоит 500 тысяч, потому что делаем то-то и то-то, а вы получаете вот это плюс гарантию». Убеждает декомпозиция, за ней стоит понимание задачи, и ни то ни другое генератор текста не производит.
Компания «Артикс», занимающаяся ИТ-интеграцией, автоматизировала подготовку тендерных заявок и опубликовала замеры в Т-Бизнес Секретах. Директор по технологиям Артём Лозун описывает и результат, и грабли.
Локальные модели разворачивали через Ollama на собственном сервере, потому что документы заказчиков не должны были уходить в публичные сервисы.
Сбор пакета документов занимал от 6 до 15 часов, стал занимать от 2 до 6. Мониторинг площадок отнимал до восьми часов в день, аналитика результатов — 8–10 часов в неделю; обе задачи ушли в автоматический режим. Заявленная общая экономия на этапе подготовки заявки составила 40%.
По дороге у них сломалось несколько вещей. Команда пошла «классическим продуктовым путём» и сама называет это главной ошибкой внедрения, а следом выяснилось, что сотрудники сопротивляются из страха замены. Ближе всего к нашей теме третья история, когда модель начала додумывать факты. Починили это ограничением в промпте — если информации нет, так и скажи, не заполняй пробелы предположениями — плюс двухэтапной проверкой, где финальное решение остаётся за человеком.
Эти цифры нуждаются в поправке. Замеры внутренние, контрольной группы не было, и компания работает в ИТ-интеграции, поэтому переносить проценты на агентский пресейл напрямую нельзя. Интереснее здесь структура выигрыша, потому что сэкономили на мониторинге и сборке документов, а написание текста в этой экономии почти не участвует.
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13691 тендер
проведено за восемь лет работы нашего сайта.
Здесь проходит граница, которую подборки сервисов не обозначают вовсе. В обычном коммерческом предложении неудачная формулировка стоит одного письма, а в тендерной заявке выдуманный факт может стоить участия в закупке целиком.
Ответственность за это закрепили недавно и напрямую. Часть 12 статьи 43 44-ФЗ, введённая Федеральным законом от 07.06.2025 № 138-ФЗ, формулирует без вариантов толкования, что ответственность за недостоверность информации и документов, включённых в заявку, а также за действия, совершённые на их основании, несёт участник закупки. Объяснения про то, что документ готовила нейросеть, в этой конструкции места не имеют.
Многое зависит от того, на каком этапе недостоверность вскрылась. Если на рассмотрении заявки, её отклоняют: в электронном конкурсе это пункт 8 части 12 статьи 48 44-ФЗ, где прямо названо выявление недостоверной информации, содержащейся в заявке. Переделать документ задним числом нельзя, потому что изменить или отозвать заявку можно только до окончания срока подачи.
Если же недостоверность вскрылась при исполнении контракта, последствия тяжелее. В марте 2025 года ФАС отменила своё письмо 2017 года и стала квалифицировать такие сведения как существенное нарушение по пункту 1 части 15 статьи 95, то есть как основание для расторжения, за которым следует реестр недобросовестных поставщиков. Реестр означает два года, причём сведения о руководителях и учредителях с долей больше 25% вносятся вместе с компанией и переживают смену управления.
Российский прецедент с деньгами уже есть, пусть и не в закупках. По делу № А27-7831/2025 Арбитражный суд Западно-Сибирского округа оштрафовал компанию на 50 тысяч рублей по части 5 статьи 119 АПК за ссылки на несуществующую судебную практику с цитатами из выдуманных актов. Кассация назвала это прямым обманом и отдельно указала, что подготовка обращения с помощью ИИ заявителя не оправдывает. Наказали организацию, хотя документ подписывал представитель по доверенности.
База AI Hallucination Cases насчитала 16 таких дел в 2023 году, 59 в 2024-м и 827 в 2025-м. За первое полугодие 2026-го набралось уже 814, то есть темп продолжает удваиваться.
Автоматизма в санкциях, впрочем, нет. Недостоверные сведения не названы в статье 104 прямым основанием для реестра, путь туда идёт через расторжение контракта, и заказчики сами регулярно ошибаются при отклонении. Но защищаться от такого отклонения выходит дороже, чем проверить факты до подачи.
Данные о восприятии сгенерированного текста расходятся между исследованиями, и сам разброс показателен.
В опросе агентства АЙNET и маркетплейса нейросетей chad 48% респондентов заявили, что распознают ИИ-контент мгновенно, а ещё 44% справляются за несколько минут. Там же видно, насколько авторы недооценивают реакцию: негативно настроенной аудитории они насчитывают 1%, а по ответам получается 22%. Оговорка та же, что и ниже по тексту: один из организаторов опроса продаёт доступ к нейросетям, так что интерес у него не нейтральный.
Опрос Anketolog на выборке в 1950 человек спрашивал уже про отношение к ИИ-контенту от брендов. Там негативную реакцию дали 10% респондентов, безразличие 47%, одобрение 43%. Складывать эти цифры с первым опросом напрямую нельзя, потому что вопросы заданы про разное — про скорость узнавания и про сам факт использования.
Как тендерные комиссии реагируют на сгенерированные заявки, пока никто не измерял. Основатель сервиса проверки заявок Тони Корриган рассказывает, что конкурсы, собиравшие в 2023 году три-четыре заявки, теперь собирают двенадцать-пятнадцать, и около 30% из них, по его оценке, полностью сгенерированы. Наблюдение опубликовано без методологии, а автор продаёт инструмент проверки, так что принимать его как данные не стоит.
У Loopio за тот же период применение ИИ в командах подготовки предложений удвоилось до 68%, а выход в шортлист опустился с 54% до 46%. Цифра шортлиста идёт через вторичное цитирование, поэтому опираться на неё сильно не стоит. Сама компания связывает падение с дисциплиной отбора и говорит, что качество текстов тут ни при чём.
Про что заказчики говорят прямо, так это про шаблонность. Гайды по выбору подрядчика сходятся в том, что шаблонное предложение видно сразу, а дальше заказчик смотрит на кейсы в своей нише и на обоснование цены.
Порядок приоритетов начинается с отбора. Если из двадцати заявок побеждает одна, самый дорогой ресурс уходит на девятнадцать, которые не стоило подавать. Здесь помогает и фильтрация тендеров по формальным признакам, и разбор требований на входе, где сразу видно, проходите ли вы по опыту и лицензиям.
Дальше выручает база готовых блоков. Описания компании, команды, методологии, кейсов по отраслям пишутся один раз и переиспользуются, а модель собирает из них версию под конкретный запрос. Собрать такую обвязку под свой процесс можно и без покупки платформы — мы разбирали похожий подход в материале о том, что предприниматель может автоматизировать в закупках сам, где процесс рассматривается со стороны заказчика.
Перед самой подачей остаётся формальная сверка заявки с требованиями документации по пунктам, где ищут противоречия и незакрытые требования. Это единственный этап, где у автоматизации есть измеренная точность.
Смету, оценку сроков и разбор бизнеса заказчика лучше оставить людям, потому что от них и зависит, выиграет заявка или проиграет.
Можно ли отправлять заказчику КП, написанное нейросетью? Ограничений на это нет, вопрос в качестве. Проблемой становится шаблонность и отсутствие конкретики по проекту заказчика, потому что отсеивают в первую очередь по этим двум признакам.
Заметит ли заказчик, что текст сгенерирован? С высокой вероятностью да: по российскому опросу 48% распознают такой текст мгновенно, ещё 44% — за несколько минут. Но данных о том, что заявку отклоняют именно за происхождение текста, нет. Раздражает читателя узнаваемая шаблонность, а сам инструмент претензий обычно не вызывает.
Что будет, если в тендерной заявке окажутся выдуманные сведения? На этапе рассмотрения заявку отклонят по пункту 8 части 12 статьи 48 44-ФЗ, и переделать её после дедлайна нельзя. Если недостоверность вскроется при исполнении контракта, с 2025 года ФАС рассматривает это как основание для расторжения и последующего включения в реестр недобросовестных поставщиков на два года.
Какие этапы автоматизируются, а какие нет? Хорошо закрыты поиск и фильтрация закупок, разбор требований и формальная проверка соответствия. Практически не закрыты расчёт сметы и оценка сроков. Генерация текста закрыта полностью и даёт наименьший эффект.
Можно ли загружать документы заказчика в публичные нейросети? После загрузки во внешний облачный сервис компания обычно теряет возможность отследить дальнейшую обработку данных. Работающие с чувствительной документацией разворачивают модели локально, как в разобранном выше кейсе.
Сколько стоят инструменты? Генераторы текста обходятся от 99 до 5 000 рублей в месяц, агрегаторы тендеров стоят примерно от 5 до 58 тысяч рублей в год. Зарубежные платформы для работы с заявками начинаются от 75 долларов на пользователя в месяц, а корпоративные решения продаются только через переговоры.
Скорость подготовки предложения почти не влияет на исход тендера, потому что узкое место сидит совсем на другом участке. Выигрывает тот, кто правильно отобрал процедуры, разобрался в задаче заказчика и обосновал смету, а генератор текста ни в одном из этих трёх мест не участвует.
Рабочая схема выглядит скромнее обещаний сервисов. Автоматизировать имеет смысл мониторинг площадок и разбор требований, дальше собрать базу переиспользуемых блоков и поставить проверку заявки на соответствие перед подачей. Факты и цифры при этом проверяются руками, особенно те, что попадут в документы, за достоверность которых по закону отвечаете вы.
Предприниматели из нашего клуба разбирают такие связки на своих процессах и рассказывают, что удалось перевести в автоматический режим, а что вернули людям после первого же провала. Если хотите посмотреть на чужие грабли до того, как наступите на свои, заглядывайте к нам в AI Practiq Club.
