Оценку закупок с помощью искусственного интеллекта предложили строить так, чтобы языковая модель не смешивала факты из документов, оценки компании и собственные допущения. Иначе итоговое решение становится непроверяемым: все три типа информации выглядят одинаково уверенно.
Систему разделяют на несколько операций: извлечение требований, валидация источников, детерминированный расчёт, анализ движения денежных средств, проверка рисков и утверждение решения ответственным сотрудником. Это логические роли, а не обязательно шесть микросервисов или отдельных AI-агентов: на первом этапе достаточно одного сервиса извлечения и обычного расчётного модуля.
Для найденного условия система должна указывать идентификатор документа и точное место — страницу, раздел или структурированный локатор. Неизвестное значение нельзя автоматически заменять «типичным сроком» из похожих закупок. Если к закупке приложено восемь файлов, а парсер обработал шесть, система обязана показать неполноту, даже когда уже нашла важные условия.
В учебном примере закупки на 50 млн ₽ AI помогает добывать данные и находить пробелы, а деньги считаются формулами, которые можно протестировать. При оплате товара и перевозки до поступления денег заказчика временная потребность в средствах может приблизиться к 49 млн ₽. Это не убыток, а требование к ликвидности в определённый период; для реального максимального разрыва нужен календарь дат с остатками и подтверждёнными обязательствами.
Во втором примере заказ на 200 000 ₽ при товаре за 164 000 ₽ и первой доставке за 12 000 ₽ оставляет 24 000 ₽ до прочих расходов. Если клиент просит разделить поставку на две и появляется второй рейс за 12 000 ₽, остаётся 12 000 ₽. Система должна заметить изменение обязательств, пересчитать стоимость и запретить автоматическую отправку клиенту неподтверждённого обещания.
На старте предлагается три режима: помощник предлагает решение, человек проверяет; затем ограниченные низкорисковые действия с понятными критериями; и только после измерений — более самостоятельные операции с аудитом и возможностью остановки. Международный NIST AI Risk Management Framework описывает четыре функции управления рисками: GOVERN, MAP, MEASURE, MANAGE, но не заменяет инженерное тестирование.
Лучший результат AI-системы в некоторых закупках — не ответ «участвуем», а честное «данных недостаточно» или «с подтверждёнными затратами экономика отрицательная». Воспроизводимый процесс получается, когда языковая модель выделяет факты и объясняет контекст, обычный код считает деньги, а человек подтверждает решение.