Проекты - AI-анализ тендерной документации

Задача

Компании, которые участвуют в тендерах, тратят десятки часов в неделю на чтение документации. ТЗ, требования к участникам, критерии оценки, риски — всё это приходит в виде плохо структурированных PDF и DOCX, часто со сканами и приложениями на сотни страниц. Часть лотов не стоит времени, но понимаешь это только после того, как уже потратил пару часов на разбор.

В среднем тендерном отделе средней компании над документами работают юристы и менеджеры по тендерам. Это дорогие часы, и большая их часть уходит не на выигранные лоты, а на отфильтровывание нерелевантных.

Что мы построили

Пайплайн на Python, который принимает тендерный пакет, извлекает структурированные поля с помощью LLM и оценивает лот по правилам клиента.

Основные модули:

• Загрузка и нормализация. Принимает PDF и DOCX, вытягивает сканированные страницы через OCR, склеивает приложения в единый документ.
• Извлечение на основе LLM. Для каждого ключевого поля — отдельный промпт с примерами и проверкой через регулярки. Извлекаются: требования к участникам, техническое задание, сроки подачи, критерии оценки, обеспечение заявки, специальные условия.
• Классификация релевантности. На основе извлечённых полей и профиля клиента (коды ОКПД, регионы, размер контрактов) система присваивает лоту класс: «стоит подавать», «возможно», «не стоит».
• Генерация сводки. Короткий отчёт на 1 страницу: что за тендер, ключевые требования, риски, рекомендация.
• Веб-интерфейс для менеджеров — список тендеров с фильтрами, подробная карточка каждого, экспорт сводок в PDF.

Стек технологий

Метрики системы

Что показывает этот проект

Демо-реализация демонстрирует несколько компетенций, которые критичны для работы с документами в корпоративном контексте.

• Работа с плохо структурированными документами. Тендерная документация — один из самых сложных классов документов: таблицы внутри сканов, нумерация в двух стилях, ссылки на приложения. Пайплайн решает это честно, а не на красивых примерах.
• Надёжное извлечение на базе LLM. Каждое поле валидируется: регулярки, типы, ограничения. LLM даёт первую версию, правила её чистят. Результат воспроизводим.
• Связка с бизнес-правилами. Извлечение — это половина задачи. Вторая — оценка релевантности по профилю клиента. Без неё система просто красиво парсит документы, но не экономит время.
• On-premise развёртывание. Тендерные данные часто чувствительны: есть ограничения на передачу документации во внешние API. Мы разворачиваем решение внутри контура клиента с локальной LLM или через корпоративный прокси к облачным моделям.