ИИ и государство: практический опыт внедрения в госзакупки

В начале сентября 2025 года Албания сделала то, от чего у многих челюсть отвисла: виртуальный помощник Diella был объявлен «министром по госзакупкам» — роль, в которой от него ожидают увеличения прозрачности и снижения коррупции в тендерах. Это не просто хайп: инициатива анонсирована премьер-министром Эди Рамой и широко освещена мировыми СМИ.

Расскажем о том, какие российские нейросети можно использовать уже сегодня — на бесплатном вебинаре!

Коротко о том, что произошло

Diella — это виртуальная ассистентка, которая с января уже работала на портале e-Albania, помогая людям голосом и визуально получать госуслуги. Теперь её «повысили»: правительство заявило, что полномочия по рассмотрению и присуждению части тендеров будут постепенно передаваться системе, чтобы «сделать тендеры на 100% свободными от коррупции».

Проект реализуется с участием современных облачных и языковых технологий — в том числе при использовании инфраструктуры Microsoft/Azure по данным местных источников.

Что обещают и почему это заманчиво

Аргумент от власти прост: автоматизированная система не берёт взяток, не имеет личных интересов и может анализировать заявки по заранее заданным и одинаковым критериям — теоретически это должно снизить пространство для субъективных решений и «договорняков». Для страны с историями коррупционных скандалов в закупках это выглядит как технологический рычаг для ускорения прозрачности и соответствия стандартам (включая стремление к евроинтеграции).

Что уже сделал Diella (официальные цифры — внимание на разночтения)

Официальные отчёты и публикации называют разные цифры: часть СМИ и правительственные заявления говорят, что ассистент обработал десятки тысяч документов (например, ~36 600 выданных цифровых документов и почти 1 000 сервисов), тогда как в отдельных выпусках упоминается и «более миллиона взаимодействий» с пользователями.

Разница в показателях объясняется тем, что «взаимодействия» и «выданные документы» — разные метрики; важно ориентироваться на официальные пояснения ведомств.

ОНЛАЙН-ПРАКТИКУМ

ЗАПУСК DEEPSEEK R1 ЛОКАЛЬНО НА СВОЕМ КОМПЬЮТЕРЕ

ЧТО БУДЕТ НА ОБУЧЕНИИ?

• ПОКАЖЕМ, КАК РАЗВЕРНУТЬ МОДЕЛЬ DEEPSEEK R1 ПРЯМО НА СВОЁМ КОМПЬЮТЕРЕ
• Где и как применять? Потестируем модель после установки на разных задачах
• Как дообучить модель под себя?

Участвовать бесплатно

Почему опыт Албании полезен другим странам (практическая ценность)

1. Снижение рутины и скорости принятия решений. Автоматизация стандартных проверок позволяет людям в министерствах сосредоточиться на сложных кейсах.
2. Прозрачность критериев. Если правило оценки — код и открытые метаданные — то отследить, почему контракт выиграл тот или иной поставщик, проще.
3. Масштабируемость. Машина может просмотреть тысячи заявок быстрее, чем любая команда экспертов.

Но важные «но» — что вызывает разумное беспокойство

• Юридическая ответственность и статус. Кто отвечает, если ИИ ошибся и контракт присужден неверно? Оппозиция и юристы уже ставят вопрос о конституционности решений, делегированных системе.
• Манипуляция и уязвимости. Система может быть подвержена техническим атакам, бэкдорам или манипуляциям данных (если защитные меры слабые).
• Прозрачность логики. «Чёрный ящик» модели плохо сочетается с требованием объяснимости в государственных решениях — люди хотят видеть, по каким критериям принималось решение.
• Социальная реакция. Общество может встретить решение скептически или саркастично — «ИИ-министр не будет красть, но люди, которые им распорядятся, могут».

Практические рекомендации для тех, кто собирается внедрять ИИ в закупки

Если вы работаете в госоргане и думаете о похожем проекте, полезно учесть простую рабочую последовательность:

1. Постройте гибрид «человек-в-петле»: сначала ИИ — фильтр и стилист оценок, окончательное присуждение — под контролем комитетов; затем постепенно расширяйте автономию, но не мгновенно.
2. Публикуйте критерии и логи (в обезличенном виде): это снижает сомнения и даёт основания для внешнего аудита.
3. Независимый аудит и тестирование: регулярные аудит-проверки алгоритмов и данных сторонними экспертами.
4. Безопасность данных и инфраструктуры: защищённые каналы, резервные копии, мониторинг попыток вмешательства; использование надёжной облачной инфраструктуры (как в случае Diella — Azure/OpenAI указывали в источниках).
5. Юридическая база и протоколы ответственности: заранее пропишите, кто отвечает за сбои, и как вернуть дело в ручное управление.
6. Коммуникация с гражданами: простые объяснения, демо и FAQ — чтобы люди видели процесс и не чувствовали «машину, что решает их судьбу».

Простая аналогия

Представьте систему оценки заявок как автоматическую сортировочную линию на почте: ИИ может быстро отсортировать письма по маркам (критериям), но на самые ценные и дорогие посылки всё равно нужен живой оператор, который проверит вложения и подпишет документы. Полная автоматизация с первого дня — риск, постепенная — куда безопаснее.

Итог — что можно вынести из албанского эксперимента

Опыт Албании — интересный и поучительный кейс: он показывает возможности ИИ в повышении скорости и потенциальной прозрачности закупок, но одновременно подчёркивает, насколько важно продумать ответственность, аудит и защиту данных. Если вы внедряете похожие решения — берите оттуда идею смелости и технологичности, но оставляйте за людьми контроль и механизмы проверки.