1100 тендеров. До нейросети доходят 26–42. До человека — 4–10 🤖
1100 тендеров. До нейросети доходят 26–42. До человека — 4–10 🤖 Вот теперь расскажу нормально, что у меня за зверь НейроТендеролог. Потому что это уже давно гораздо больше, чем «бот ищет тендеры». 1️⃣ Сначала собираем широко 🔎 В последних боевых прогонах система собирала примерно 1100 закупок. Причём поиск специально широкий. Логика простая: лишнее дешевле отсеять, чем хорошую закупку вообще пропустить. А дальше начинается воронка. 2️⃣ Первые фильтры работают вообще без ИИ ⚙️ Сначала обычный код проверяет: 🧹 стоп-фразы; 🔑 ключевые слова; 💰 минимальную цену; 📅 срок подачи. Причём стоп-фразы уже понимают словоформы. Например, правило «капитальный ремонт» поймает и «капитального ремонта». В итоге больше 95% исходного потока отсеивается ещё до платного анализа. Из примерно 1100 закупок до нейросети доходят всего 26–42. Вот это уже экономика, которую я люблю 😁 Тратить умную модель на закупку, которая отваливается по цене за одну строчку кода, — примерно как нанимать профессора математики считать сдачу в булочной. 3️⃣ Вот теперь выпускаем ИИ 🧠 Оставшиеся закупки модель разбирает уже по смыслу и ставит одну из трёх оценок: 🔴 мимо; 🟡 требуется более глубокая проверка; 🟢 подходит. И дальше самое интересное. Если закупка выглядит спорной, система скачивает документацию и лезет внутрь ТЗ. Распаковывает вложенные ZIP и 7z. Читает PDF, Word, Excel, HTML. Сканированные документы прогоняет через OCR. После этого делает глубокий разбор и пересматривает решение. То есть заголовком «Поставка оборудования» НейроТендеролога уже особо вокруг пальца особо не обведёшь 😁 4️⃣ Подходящее приезжает человеку в MAX 📲 В карточке уже есть заказчик, цена, дедлайн, контакты, ссылки, документы и короткое пояснение. А если клиент нажимает 👍, система может разобрать ТЗ глубже: требования, риски, подводные камни и вывод. Документы при этом собираются в один нормальный архив, а не в матрёшку: архив → архив → папка → ещё архив → сюрприз.pdf За это отдельная человеческая благодарность 😂 5️⃣ Клиент ещё и учит систему 🎯 Под каждой карточкой есть реакция: 👍 подходит 👎 мимо 🤔 спорно Причины и комментарии сохраняются. При отклонении система может предложить новую стоп-фразу. Она сначала ждёт подтверждения менеджера и только потом участвует в фильтрации. То есть сама модель остаётся той же, а правила поиска постепенно становятся точнее. Очень люблю эту архитектуру. Робот предлагает. Человек контролирует последствия. 6️⃣ И ещё система проверяет саму себя 🔬 Она сверяет: сколько закупок источник заявил → сколько реально удалось собрать. Если цифры расходятся — появляется сигнал. Если лента упёрлась в технический потолок — тоже сигнал. Потому что красивый ИИ-анализ вообще бесполезен, когда половина закупок потерялась ещё до него. 📊 В итоге На реальных прогонах сейчас получается примерно так: ~1100 собрано → 26–42 отправлены на ИИ-анализ → 4–10 доходят до клиента. А в конце клиент получает ещё и сводку: сколько система проверила, сколько было новых, сколько пошло на подробный разбор и сколько подошло. 🧩 Что отсюда можно украсть в свой бизнес Мне здесь нравится универсальный принцип: сначала дешёвые правила → потом дорогой умный анализ → человеку только то, где требуется решение. Так можно разбирать тендеры, заявки, лиды, документы, обращения, письма — любой большой входящий поток. Главный вопрос: на каком этапе вашему сотруднику действительно нужен мозг? Всё, что раньше этого этапа решается правилами, пусть правила и работают 😁 #ЧтобыРаботало