Как AI-агенты сократили время подготовки тендерных документов с 3 часов до 15 минут

Компания, участвующая в коммерческих тендерах по всей России, внедрила три AI-агента от LLAIM.
Теперь подготовка документов занимает минуты, а аналитика стала прозрачной.

В тендерных отделах российских компаний по-прежнему много ручной работы. Заполнить анкету, оформить коммерческое предложение, собрать аналитику по выигранным и проигранным тендерам — всё это отнимает часы, снижает концентрацию и не добавляет бизнесу ценности.

Так было и у компании, которая участвует в сотнях коммерческих тендеров по всей России. Её тендерный отдел состоит всего из одного специалиста, но за 2024 год он обработал 315 тендеров и уже превзошел эти цифры в 2025 году Каждый день — повторяющиеся шаблоны, копипаст и механические операции. А значит — упущенное время, где мог появиться рост.

Чтобы освободить тендерный отдел от рутины, команда LLAIM создала три AI-агента, каждый из которых взял на себя конкретную задачу.

AI формирует КП на основе шаблонов и исторических данных. Он автоматически подставляет заказчика, сумму, условия, реквизиты и сохраняет фирменный стиль документа. Также может сгенерировать КП по ТЗ или по запросу заказчика.

Результат: время подготовки КП сократилось с 2–3 часов до 15–20 минут.

Раскрываем секрет, как сделали.

Мы заранее подготовили несколько фирменных шаблонов в формате Word — уже с логотипом, реквизитами компании и колонтитулами. В каждом шаблоне задали специальную метку {start_from_here}, чтобы AI-ассистент понимал, с какого места начинать заполнять итоговый документ.

Дальше всё происходит в диалоге: пользователь вместе с ассистентом пишет текст КП, добавляет таблицы с ценами и редактирует формулировки. Когда документ готов, AI-ассистент автоматически создаёт Python-код, который сам вставляет данные в шаблон и формирует готовое коммерческое предложение.

Пример рабочего фрагмента кода:

Агент анализирует все прошедшие тендеры, считает долю побед и проигрышей, сравнивает результаты по заказчикам и площадкам, выявляет неэффективные направления. Формирует визуальные отчёты и рекомендации.

Результат: появилась прозрачная картина эффективности тендерного отдела и база для стратегических решений.

Рассказываем, как реализовали.

Сначала мы использовали классическую архитектуру RAG (Retrieval-Augmented Generation) — ИИ извлекал нужные данные из векторизованной базы и формировал ответ на их основе.

Но по мере роста объёма информации модели стало не хватать контекстного окна.

Решением стала комбинированная схема RAG + SQL, которая позволяет работать с большим массивом исторических данных. Из экселей нормализовали и выгрузили все данные в быструю БД, подключили к AI-агенту. Теперь, когда нужно собрать аналитику — например, сделать срез по тендерным площадкам за несколько лет с результатами участия в конкретных процедурах — система действует в два этапа:

Этап 1. Определение данных.

AI-агент анализирует задачу и формирует точный SQL-запрос, чтобы выбрать из базы только те данные, которые действительно нужны для анализа.

Этап 2. Аналитика и визуализация.

Получив ограниченный набор данных, агент обрабатывает их, строит графики, делает сводки и подготавливает аналитические выводы.

Так мы добились скорости, масштабируемости и точности: аналитика строится за минуту, даже при работе с десятками тысяч записей.

AI-агент анализирует предоставленные документы — выписки, справки, уведомления, отчётность — и находит нужные данные для заполнения анкеты. Он корректирует и форматирует данные, затем формирует готовый файл DOCX или XLSX.

Результат: подготовка анкеты теперь занимает минуты вместо часов, при этом ошибки практически исключены.

Раскрываем, как сделали.
Эта задача оказалась сложнее предыдущих: у анкет и опросников нет единого формата — каждая площадка использует собственные шаблоны, поля, стили и таблицы.

Как мы решили задачу: AI-агент анализирует загруженную незаполненную анкету и извлекает из неё набор полей, которые нужно заполнить. Затем, в режиме диалога с пользователем, он собирает недостающие данные:

А дальше начинается настоящее ноу-хау.
AI-агент построчно разбирает структуру анкеты: строки, ячейки, форматирование, шрифты и отступы.
После этого он генерирует Python-код, который заново собирает документ — практически без потерь в оформлении.
В этот код вставляются собранные данные, запускается выполнение, и итоговый файл создаётся с уже заполненными полями.

Фактически анкета пересобирается заново, но в полном соответствии с исходным дизайном. Пользователю остаётся лишь скачать и быстро проверить итоговый документ.

1. Можно ли внедрить такие AI-агенты без сложной интеграции?
Да. Решения LLAIM подключаются через API или облачные сервисы и часто не требуют доработки инфраструктуры Заказчика.

2. Как обеспечивается безопасность данных?
AI-агенты работают в защищённой среде. Данные не передаются третьим лицам и соответствуют требованиям российского законодательства.

3. Сколько занимает внедрение?
До 2 недель — в зависимости от количества шаблонов и сложности процессов.

4. Подходит ли решение для участия в госзакупках?
Да, при настройке под нужные шаблоны и регламенты.

Когда рутинные процессы берёт на себя AI, специалист возвращается к тому, что действительно важно — анализу, стратегии и росту.

Хочешь понять, что в твоём тендерном отделе можно автоматизировать с AI-агентами?

👉 Запланируй консультацию на сайте LLAIM