Россия и Казахстан: ИИ против коррупции в закупках и госрасходах

Первый модуль системы «Большой цифровой кот» ФАС запустила осенью 2019 года. О разработке служба объявила в 2018 году, а «Антикартель» с самого начала описывали как модернизированную версию той же системы.

ГИС «Антикартель» работает с 1 августа 2025 года. Она берет данные ЕИС в сфере закупок и ГИС «Торги» и, по словам ФАС, ежедневно анализирует 100% закупочных процедур с элементами машинного обучениямашинное обучение Машинное обучение (machine learning, ML) это раздел ИИ, в котором программа находит правила в данных сама, а не получает их готовыми от разработчика. Подробнее в словаре.

Задача системы, по описанию ведомства, предупреждать, выявлять и пресекать картели с помощью цифровых технологий и ИИ, а заодно сократить число запросов, которые служба рассылает участникам рынка.

Роль машины ФАС описала еще в 2024 году. Вторая очередь проекта предполагает аналитику с машинным обучением и ИИ, но не предполагает автоматического принятия решений о нарушениях: автоматические выводы в службе считают вспомогательными, а дела рассматривают комиссии.

Результат ведомство тоже назвало. По словам заместителя руководителя ФАС, в 2025 году доля картелей на торгах, раскрытых с использованием информации системы, составила 21%, а к маю 2026 года достигла почти 40%. Сейчас систему интегрируют с системами других госорганов.

Какие признаки сговора видны в данных торгов и как их проверяют, разобрано на странице о сговоре на торгах.

Председатель Счетной палаты 12 декабря 2025 года сообщил, что в 2026 году ведомство планирует запустить государственную информационную систему цифрового аудита. По словам пресс-службы, основная работа палаты с ИИ идет вокруг этой системы, единой цифровой платформы «Цифровой аудит».

В 2026 году палата адаптирует ИИ для риск-ориентированного аудита, а к 2030 году собирается встроить его в основные процессы. Риск-ориентированный аудит значит, что в первую очередь проверяют тех, у кого данные указывают на риск, а не всех подряд.

Доступ к системе получат и контрольно-счетные органы. Через личные кабинеты они смогут анализировать данные и применять методы госаудита без собственной разработки.

Как отдельные ИИ-агенты помогают в проверках актов, договоров и платежей, описано на странице об ИИ в работе контрольных органов.

Вторая часть контроля расходов это документы: акты, счета, платежные поручения. Здесь ИИ работает как быстрый читатель, который сверяет бумаги между собой и отмечает расхождения.

В Счетной палате, по словам зампреда, система читает акты и платежные документы, структурирует данные и экономит десятки тысяч рабочих часов (июнь 2026 года).

В Москве с 2024 года работает «Цифровой помощник» для казначейства. По сообщению правительства Москвы, он проверяет финансовые документы, находит нестыковки и формирует протоколы для решений о платежах; точность обработки документов выше 90%.

Проверка до платежа меняет порядок контроля: ошибку или подложный документ находят, пока деньги еще не ушли. Решение о платеже принимает сотрудник, а помощник готовит для него протокол.

Такие системы не оценивают людей. Они сравнивают реквизиты, суммы и даты в документах и показывают, где те не сходятся, а разбирать расхождение приходится специалисту.

Антикоррупционная служба Казахстана вместе с палатой предпринимателей «Атамекен» следит за ценами в закупках через систему «Единое окно закупок». По данным службы, за два года мониторинг завышенных цен предотвратил неэффективные расходы больше чем на 67 млрд тенге: 29 млрд в 2022 году и 38,4 млрд за 10 месяцев 2023 года.

Признак здесь понятный: планируемая цена сильно выше рыночной. В одном из примеров службы больница собиралась купить 16 портативных медицинских фонарей по 3,3 млн тенге за штуку при рыночной цене до 600 тысяч. Закупку отменили, экономия составила 44 млн тенге.

Другие примеры службы того же типа: юрта для спортивных мероприятий области, кондиционер для районного дома культуры, дизельное топливо для школ и детских садов. Во всех случаях плановая цена заметно превышала рыночную, а по юрте и кондиционеру средства пересмотрели.

Цена выше рынка еще не нарушение: бывает особая комплектация или срочная поставка. Поэтому сигнал о цене идет заказчику и проверяющим, а те решают, пересмотреть закупку или отменить.

Минфин Казахстана отбирает поставщиков рейтинговой системой с ИИ, которая связана с 28 базами данных. По словам вице-министра финансов, система оценивает опыт участников, уплаченные налоги, наличие в реестрах и место регистрации, а итоговое решение формирует без участия человека.

Это другой подход, чем у ФАС, где машина только подсказывает. Российским госорганам пригодятся обе части опыта Казахстана: сверка цены с рынком как сигнал для проверки и сбор данных о поставщике из многих реестров.

Системы, о которых российские ведомства говорят открыто, сосредоточены на закупках и документах. Данные для следующих шагов уже есть: те же ЕИС и ГИС «Торги», которые ФАС разбирает каждый день, плюс ЕГРЮЛ и реестры получателей поддержки.

1. Проверка программ до запуска. В Великобритании ИИ-инструмент ищет слабые места в проектах новых госпрограмм; в России так можно разбирать порядок предоставления субсидий до первой выплаты.

2. Сверка выплат с реестрами. Выплаты умершим и несуществующим получателям находят сверкой с реестром записей актов гражданского состояния и кадровыми данными, так поступали в Колумбии и Нигерии.

3. Граф связей. Общие телефоны, представители и адреса компаний собирают в одну модель, чтобы видеть, кто с кем связан на торгах и в цепочке платежей.

Примеры, которые можно перенести в российскую практику, с разбором условий собраны на странице о переносе мировой практики. Общая картина ИИ в госуправлении описана в отдельном обзоре.