Полтора часа каждое утро уходило на чтение чужих тендеров

Автор: Максим Голубов, руководитель направления AI-решений ALP ITSM.

Сейчас эту работу за шесть минут делает программа, а менеджер утром открывает готовый релевантный список. Расскажу, как мы это сделали, где ошибались по дороге и о чем спросить подрядчика, если захотите сделать так же у себя.

Что приходило и сколько это стоило

В почтовый ящик отдела продаж падают рассылки шести тендерных площадок: ЭТП ГПБ, Bidzaar, Контур.Закупки, B2B-Center, Фабрикант, Росэлторг.

Площадка присылает сводку. В большинстве писем описана только одна закупка, на прочтение уходит несколько секунд. Но в 11% писем приходят тяжелые сводки из пятнадцати и более позиций, и именно они дают больше половины работы. Рекорд августа: 68 закупок в одном письме.

За август 2026 пришло 679 писем с 3 650 закупками. В день это 31 письмо и 166 закупок, из которых нашими оказывались максимум три.

Сколько это занимало. От получаса до часа в идеальном мире, если сесть и не отрываться. Но так не бывает, между письмами вклиниваются звонки, задачи и разговоры, а при изучении деталей менеджер вынужден открывать шесть площадок с разной версткой, вылавливать дубли в рассылках. В реальности утренний разбор занимал полтора, иногда два часа.

Чем это грозило. Менеджер тратит время, за которое вы платите ему зарплату, на изучение чужих закупок. От однообразия внимание притупляется, и часть «своих» закупок отсеивается. Но пропущенный тендер дороже потраченного времени, и поэтому варианта «просто не читать» у менеджера не было.

Почему не хватило простого фильтра

Первое, что приходит в голову — это настроить отбор по ключевым словам. Мы так и сделали, и 166 закупок в день приходят уже после него. Почему это неэффективно, покажу на примерах.

Возьмем «сопровождение». Слово наше, а «сопровождение регионального портала госуслуг» уже чужая закупка. «Поддержка» тоже наше слово, но «поддержка медицинской информационной системы» к нам не относится. И наоборот, «аутсорсинг рабочих мест в филиальной сети» попадает в наши, хотя знакомых слов там может не быть вовсе.

Нужное слово стоит в названии, а что на самом деле закупают, видно только из описания. Фильтр смотрит на слова и ошибается в обе стороны: пропускает чужое и отсеивает наше. Понять, наша закупка или нет, можно, только прочитав описание. Это единственное место, где нужен искусственный интеллект. И мы внедрили его в первичный фильтр.

Первый урок: лимиты не лечат нестабильность

Запустились 24 апреля. Первая схема была простой. Решили отдать ИИ всю утреннюю почту одним заходом и получить готовый список интересных нам закупок. Схема работала, потом писем стало больше, и все посыпалось.

Дважды за май мы решали это одинаково: удвоили лимит расходов, увеличили отведенное время сначала вдвое, потом вчетверо. Оба раза помогало на неделю.

К концу мая стало ясно, что мы платим за отсрочку. Зависимость оказалась обратной: чем больше писем ИИ разбирал за один заход, тем длиннее получался ответ и тем выше был шанс, что он оборвется на середине. А обрыв означал потерю всего утра вместе с теми письмами, которые ИИ уже разобрал правильно.

Вывод, который стоил нам двух недель: вылечить нестабильность ИИ увеличением лимитовзначит только отложить проблему, а не решить ее раз и навсегда.

Что сработало

Сначала коротко о том, как устроен разбор почты. Он запускается раз в день, утром. Если какое-то письмо разобрать не получилось, программа его не выбрасывает, а оставляет на следующее утро. Для тендера сутки почти никогда не критичны: прием заявок обычно идет дольше. А пропущенный тендер уже не вернешь.

Дробите работу, чтобы сбой стоил дешево. Мы делим утреннюю почту на пачки по десять писем и разбираем их по очереди. Раньше, если разбор ломался на одном большом письме, пропадало все утро. Теперь сломаться может только одна пачка: эти десять писем разберут завтра, а остальные попадают в список на сегодня. Только после этого дробления задачи автоматизацией стало можно пользоваться каждый день.

Не давайте ИИ придумывать то, что можно выбрать. Придуманная ссылка на закупку выглядит настоящей, и человек тратит время, прежде чем обнаружит, что она ведет не туда. Мы закрыли это устройством самой программы, а не уговорами в задании. Программа заранее составляет список «номер закупки: адрес на площадке», а ИИ только выбирает из него по номеру. Если адреса нет, строка выходит без ссылки. Пустое поле честнее выдумки.

Не поручайте ИИ проверку его же работы. Прежде чем отдать письмо ИИ, программа считает, сколько в нем закупок. Потом сравнивает с тем, сколько закупок разобрал ИИ. Если меньше, значит, ИИ что-то пропустил, и письмо уходит в разбор на следующее утро. Если количество не сходится три дня подряд, программа перестает пробовать и пишет ответственному сотруднику. Так ошибка ИИ не превращается в потерянную закупку: в худшем случае письмо посмотрит человек.

Проверяющий механизм ошибается ровно так же, как проверяемый. Наш счетчик однажды принял заводской номер оборудования за номер закупки и три дня подряд заворачивал нормальное письмо. Предохранитель нужен обоим.

Две ошибки, которых снаружи не видно

Вердикт приписали не к тому тендеру. В ответе по одной пачке всплыл идентификатор письма из другой. Это тот случай, когда автоматизация опаснее ручной работы. Ошибка не выглядит ошибкой, она выглядит обычной строкой в списке. Теперь программа проверяет, что каждая строка относится к своему письму, и, если нет, останавливает разбор.

Один тендер держался в списке восемь дней подряд. Площадка слала по нему утреннюю сводку и вечернее напоминание, а система считала их разными письмами. Проверка по счету закупок здесь не срабатывала: каждое письмо разбиралось без ошибок, ошибкой был сам повтор. Пожаловался пользователь, и это худший способ узнать о проблеме. Теперь программа узнает повторы, и каждый тендер попадает в список один раз.

Обе ошибки объединяет одно: снаружи система в это время выглядела работающей. Ошибка была не в функционировании, а в самой бизнес-логике.

Что изменилось

Утро 1 сентября: 35 писем, 165 закупок внутри, пять признаны нашими, после снятия повторов в список ушли четыре строки. Работа заняла шесть минут, с 09:13 до 09:19.

Полтора часа превратились в шесть минут. Но изменилось не только время. Менеджер открывает готовый список, в котором каждой строки есть свой номер. На него можно сослаться в переписке, не пересказывая, о какой закупке речь. Рассылки площадок менеджер больше не открывает.

Как мы проверяем качество отбора

Все цифры выше говорят, сколько система отсеяла. И ни одна не говорит, правильно ли.

Пропущенную закупку невозможно заметить. Человек читает готовый список и видит только то, что в него попало. Все замечания, из которых выросли правила отбора, касались лишних строк, то есть того, что видно. Обратная ошибка — выброшенное нужное, сама о себе не сообщает, поэтому мы измеряем ее отдельно.

Делается это так: берем случайную выборку отброшенных закупок, просматриваем руками и считаем, сколько нужного ушло. Такие срезы мы делаем сейчас и по ним настраиваем правила отбора.

Мы пассказываем об этом не из любви к самокритике, а потому что это первый вопрос, который надо задать любому подрядчику по ИИ-автоматизации. Подрядчику легко показать, сколько всего система обработала. Доказать, что она не выбросила нужное, гораздо труднее.

Три вопроса до того, как вы закажете подобную автоматизацию

Что теряется, когда упало? Правильный ответ: «маленький кусок, и он вернется завтра». Неправильный: «весь дневной результат».

Как вы проверяете ответ ИИ? Правильный ответ: «независимой проверкой по исходным данным». Неправильный: «мы написали подробное задание, он старается». Задание остается просьбой, а не гарантией.

Как вы поймете, что система пропустила нужное? Самый неудобный вопрос. Если внятного ответа нет, это не повод отказываться, но повод заложить выборочную ручную проверку и не считать экономию окончательной.

Главное, что мы поняли

Чем меньше решает ИИ, тем надежнее результат. Сначала мы отдали ему всю работу целиком, но постоянно сталкивались с проблемами. Заработало, когда мы оставили ему одну задачу: понять, наша это закупка или нет. Все остальное делает обычный алгоритм с линейной логикой. Он же проверяет, не ошибся ли ИИ.

С чего начать внедрение ИИ-автоматизации у себя

Тендеры тут только пример. Тот же принцип применим везде, где человек перебирает входящую документацию ради нескольких нужных сообщений: заявки от клиентов, счета от поставщиков, отклики на вакансии. Представьте, сколько времени сейчас занимает эта задача и сколько стоит час этого сотрудника.

Если у вас есть процесс, который держится на внимательности одного человека, первый вопрос не «какую модель взять», а «где в этом процессе должен остаться человек и что он там делает». С этого же вопроса начинается наш ИТ-чекап: за 3–5 рабочих дней, без доступа к серверам, мы находим узкие места в ИТ-инфраструктуре и показываем, за что браться первым.