Тендерный отдел сжигает ваш ФОТ. Как я собрал ИИ-агента, который вычитывает 50 страниц ТЗ за 10 секунд и спасает от кассового разрыва

В сложных B2B-продажах и госзакупках есть огромная дыра. Компании сливают миллионы рублей не потому, что у них плохой продукт или высокие цены. Они теряют деньги, потому что подписывают кабальные контракты.

Обычная ситуация: тендерный специалист открывает лот на 40 миллионов. Видит знакомые слова. Радуется. А где-то на 47-й странице PDF-файла мелким шрифтом зашит штраф 5% в день за просрочку и условие постоплаты через 120 дней. Человек к концу рабочего дня просто устал и пропустил этот пункт. Итог — компания выигрывает тендер и ловит жесткий кассовый разрыв.

Вчера ковырял архитектуру для решения этой проблемы. Задача стояла просто: исключить человеческий фактор на этапе первичного фильтра ТЗ.

Как сейчас работает классический тендерный отдел? Люди покупают подписку на СБИС, Контур или другой агрегатор. Агрегатор вываливает им 100 ссылок в день. Дальше начинается ад. Менеджер открывает каждую ссылку, скачивает PDF, читает глазами. На один документ уходит минут 20. 90% этих документов — мусор. ФОТ сжигается на рутину.

Я собрал автономную систему, которая работает как когнитивный щит.

Логика работы:

1. Менеджер просто кидает сырой PDF-файл с ТЗ в Telegram.

2. Система принимает файл, распознает текст и скармливает его ИИ-агенту с жестко заданным промптом (роль циничного аудитора).

3. ИИ ищет красные флаги: отсутствие аванса, конские штрафы, неадекватные сроки, требования редких лицензий (ФСБ/СРО).

Если контракт токсичный — система моментально рубит его. Пишет в ТГ: "Отказ. Риск кассового разрыва". Менеджер даже не тратит время на изучение.

Если контракт целевой и адекватный — происходит магия. ИИ-агент сам формирует выжимку (суть контракта, бюджет, маржинальность) и дергает API amoCRM. Через секунду в воронке появляется новая сделка с уже заполненным бюджетом и прикрепленным саммари. РОП получает уведомление.

Почему n8n, а не Make, Albato или голый Python? Дешевые no-code виджеты типа Albato здесь не вывезут. Они захлебнутся при попытке распарсить 50-страничный PDF и передать огромный контекст в нейросеть. n8n — это взрослая инфраструктура. Она стоит в закрытом контуре (данные не улетят конкурентам), умеет нативно работать с LangChain и выдерживает любые лимиты.

Писать это голым кодом на Python — тоже плохая идея. Завтра отвалится API amoCRM или Telegram поменяет токены. В коде придется ковырять логи полдня. В n8n я вижу красный крестик на конкретном узле и чиню баг за 2 минуты. Отказоустойчивость для бизнеса важнее красивого кода.

Математика (ROI) Оклад среднего тендерщика — 100 000 руб. В отделе их обычно трое. Итого 3,6 млн рублей в год. Большую часть времени они работают ручными сканерами текста. ИИ-агент работает 24/7. Он не устает, у него не замыливается глаз. Он экономит компании минимум 1,5 млн рублей в год только на зарплатах, не говоря уже о спасенных деньгах от невыгодных контрактов.

Вы платите людям за закрытые сделки, а не за чтение ПДФок.

Видео с демонстрацией того, как система вычитывает 50 страниц за 10 секунд и заводит сделку, оставил здесь: