MatchTender: КП по тендеру за ~45 минут вместо 3–4 часов

Клиент — крупный поставщик в сегменте MedTech, работающий с государственными закупками. Его тендерный отдел ежедневно обрабатывает десятки спецификаций и готовит коммерческие предложения под требования закупок.

Мы разработали AI-платформу для тендерного отдела, которая закрывает полный цикл: от загрузки спецификации до готового КП с проверкой соответствия КТРУ/ОКПД2 и экспортом в нужные форматы.

Стартовая точка и проблема (точка А)

Подготовка одного КП занимала 3–4 часа и была завязана на ручной труд:

• разбор Excel/PDF-спецификаций на десятки/сотни позиций;

• поиск товаров в каталоге с учётом характеристик и ограничений КТРУ;

• высокий риск ошибок при сопоставлении требований и товара (а ошибка = проигранный тендер);

• ручное формирование КП и выгрузка документов под нужный формат.

В такой модели рост отдела упирается не в компетенцию людей, а в потолок времени: больше тендеров = больше переработок или найм. Клиенту нужен был другой уровень системы: когда AI делает тяжёлую механику, а менеджер принимает решения и контролирует качество.

Цели и ограничения

Цели проекта в бизнес-языке:

• Сократить время подготовки КП минимум в несколько раз.

• Снизить риск ошибок и потери тендеров из-за человеческого фактора.

• Автоматизировать “самую тяжёлую часть” — парсинг спецификаций и подбор товаров по КТРУ/ОКПД2 и характеристикам.

• Сделать процесс управляемым: прозрачные статусы, версионирование КП, быстрый экспорт.

Ограничения и особенности:

• Спецификации приходят в разных форматах и качестве (Excel/CSV/PDF), часто с объединёнными ячейками и нестрогими названиями.

• Матчинг — это не “похожий текст”, а соответствие требованиям закупки, допустимым значениям параметров КТРУ и реальному наличию товаров.

• Нужна архитектура, которая выдержит рост объёмов: асинхронная обработка тяжёлых задач, очереди, кэширование, мониторинг.

Решение: что мы сделали как команда

Мы спроектировали и разработали масштабируемый backend с AI-модулем, который закрывает полный цикл работы тендерного менеджера: загрузил документ → получил структурированные позиции → увидел подобранные товары → проверил расхождения → сформировал КП.

Ключевые модули (и почему они важны бизнесу)

1) AI-парсинг спецификаций (ParserAgent)

Система автоматически извлекает позиции из Excel/CSV/PDF, определяет коды КТРУ/ОКПД2, вытаскивает характеристики, нормализует единицы измерения.

Что это даёт: вместо ручного “копировать-вставить” менеджер получает готовую структуру закупки за минуты.

2) Интеллектуальный матчинг с каталогом поставщика (MatcherAgent)

Подбор идёт не только по названию. Агент использует многоуровневую стратегию (КТРУ → ОКПД2 → семантика → аналоги), учитывает реальные товары, которые есть в наличии, и предлагает релевантные кандидаты.

Что это даёт: менеджер не “ищет вслепую”, а проверяет уже подготовленные системой варианты — быстрее и точнее.

3) Валидация по КТРУ с подсветкой расхождений

Система проверяет соответствие параметров требованиям КТРУ (диапазоны, перечисления, числа, булевые значения) и подсвечивает критичность расхождений.

Что это даёт: меньше скрытых ошибок, меньше риска проиграть тендер из-за несоответствия.

4) Генерация КП и версионирование

Автоматический расчёт стоимости, контроль соответствия начальной цене закупки, экспорт в Excel/PDF, сохранение версий КП.

Что это даёт: КП становится воспроизводимым процессом, а не “ручной сборкой документа каждый раз заново”.

2–4 технических момента (как доказательство экспертности, без перегруза)

• Спроектировали доменную модель и базу данных на 40+ таблиц, чтобы корректно хранить закупки, позиции, товары, параметры КТРУ, аналоги и результаты совпадений.

• Сделали асинхронную обработку тяжёлых операций (парсинг/матчинг) через очереди и воркеры — API не “зависает” на больших документах.

• Добавили кэширование и защиту стабильности (Redis, rate limiting), плюс мониторинг и дашборды (Prometheus/Grafana).

• Реализовали 100+ эндпоинтов с полной OpenAPI-документацией — фронт и интеграции подключаются предсказуемо.

Наш подход и экспертиза

Здесь мы работали как партнёр, который отвечает за скорость результата:

• Проект опирался на подробное ТЗ (≈700 страниц), но мы не “ждали идеальной бумаги”.

• Мы пошли на опережение: пока шли встречи и согласование требований, команда параллельно собрала рабочее ядро.

• На финальную встречу по ТЗ мы пришли уже с готовым MVP, чтобы заказчик мог сразу тестировать на реальных спецификациях и закупках, а обсуждение стало предметным: что ускоряет работу, где ошибки, какие типы совпадений важнее.

Команда закрыла полный цикл: аналитика бизнес-процесса тендерного отдела → архитектура и доменная модель → backend и AI-агенты → эксплуатация (мониторинг, CI/CD, тесты).

Что это даёт похожим клиентам

Если у вас есть отдел, где люди “тонут” в документах (спецификации, прайсы, требования, классификаторы), и цена ошибки — деньги, сроки или победа в закупке, мы умеем превращать это в управляемый процесс: AI делает разбор и подбор, человек принимает решение.

Особенно это подходит компаниям, где есть сложные справочники и правила соответствия (госзакупки, промышленность, строительство, B2B-поставки): мы умеем строить системы, где автоматизация не “игрушка”, а реально снижает трудозатраты и ошибки.

Если у вас подготовка КП/спецификаций занимает часы и держится на ручной экспертизе людей — напишите нам. Разберём ваш процесс, покажем, где AI даст максимальный эффект, и предложим план запуска MVP, чтобы вы начали экономить время и снижать ошибки уже в ближайшие недели.