Производители стройматериалов Тверь: как RAG-агент автоматизирует тендерный отдел и увеличивает портфель госконтрактов

82,5 миллиарда причин пересмотреть работу тендерного отдела

В 2025 году объём завершённых инвестиционных проектов в Тверской области вырос в 2,8 раза и достиг 82,5 млрд рублей. На ближайшую трёхлетку адресная инвестиционная программа региона предусматривает ещё 30,6 млрд, из которых 15,2 млрд приходится на один только 2026 год. Строительство Западного моста за 7 млрд, молочно-товарные фермы за 3,8 млрд, дорожное хозяйство на 17,4 млрд — каждый такой объект генерирует десятки закупочных процедур на бетон, арматуру, ЖБИ, лакокрасочные материалы, стеклопластик, сухие смеси.

Тверская область — регион с мощным промышленным ядром в стройиндустрии. АО «ТЖБИ-4» работает более 40 лет и располагает тремя производственными площадками. Тверской ДСК — крупнейший комбинат крупнопанельного домостроения, построивший порядка 6 млн м² жилья. Тверской лакокрасочный завод, предприятия стекольной промышленности, производители тротуарной плитки, сухих смесей, металлоконструкций — в совокупности более 160 производителей региона формируют серьёзный индустриальный кластер. При этом более 1 300 тверских компаний уже выступают поставщиками для государственных предприятий, а суммарный объём закупок у МСП в регионе превысил 30,5 млрд рублей.

Деньги в строительстве Тверской области есть. Вопрос в другом: сколько из этих контрактов проходит мимо вашего завода — просто потому, что тендерный отдел физически не успевает обработать поток.

Анатомия потерь: почему ручной мониторинг тендеров обходится дороже, чем кажется

Разберём типичную схему работы тендерного отдела на заводе стройматериалов средней руки — два специалиста, 15–25 релевантных закупок в месяц, номенклатура из 40–80 позиций.

Утренний ритуал: три часа на мониторинг

Каждое утро начинается одинаково. Специалист открывает ЕИС (zakupki.gov.ru), Сбербанк-АСТ, РТС-тендер, площадку «Контур.Закупки». Набирает ключевые слова: «бетон», «ЖБИ», «железобетонные изделия», «плиты перекрытия», «сваи». Пролистывает результаты, отсеивает нерелевантное — лоты из Хабаровска, закупки с начальной ценой ниже себестоимости, процедуры с истёкшим сроком подачи. На это уходит 2,5–3 часа ежедневно. По пятидневке — 12,5–15 часов в неделю на одного человека.

Проблема синонимов и классификаторов

ЕИС работает на базе ОКПД2, и один и тот же товар может фигурировать под разными кодами. «Плиты перекрытия» — это 23.61.12, но заказчик может указать «изделия из бетона для строительства» (23.61) или вообще прописать «строительные конструкции сборные» (23.61.12.119). Специалист, который ищет только по названию продукции, гарантированно пропускает 15–25% релевантных лотов. Это не гипотеза — это арифметика классификаторов.

Подготовка заявки: 6–10 часов на каждый тендер

Допустим, лот найден. Дальше — скачать документацию (техническое задание, проект контракта, требования к участникам), сверить спецификацию с каталогом завода, рассчитать цену с учётом логистики и маржинальности, заполнить формы заявки, собрать комплект подтверждающих документов (выписка ЕГРЮЛ, лицензии, сертификаты соответствия, декларации о стране происхождения). На один тендер уходит от 6 до 10 рабочих часов. При потоке в 20 тендеров в месяц два специалиста работают на пределе — и всё равно успевают подать заявки не на все найденные лоты.

Цена пропущенного тендера

Средняя начальная максимальная цена контракта (НМЦК) на поставку стройматериалов в Тверской области — от 800 тыс. до 12 млн рублей. При маржинальности 18–22% один пропущенный контракт на 5 млн — это 900 тыс.–1,1 млн рублей недополученной выручки. Пропустили три таких контракта в квартал — потеряли сумму, сопоставимую с годовым ФОТ одного тендерного специалиста.

И это только прямые потери. Есть ещё косвенные: потеря статистики побед (что влияет на квалификацию в будущих закупках), уступка доли рынка конкурентам, недоиспользование производственных мощностей.

Что такое RAG и почему он решает задачу точнее, чем обычная автоматизация

RAG — Retrieval-Augmented Generation — это архитектура, в которой языковая модель работает не по памяти, а по фактам. Перед тем как сгенерировать ответ, система сначала находит релевантные документы в базе знаний, а затем формирует текст на их основе. Это принципиально отличается от обычного чат-бота, который «фантазирует», и от примитивных фильтров на площадках, которые работают по ключевым словам.

В контексте тендерного отдела RAG-агент соединяет три слоя данных:

1. Внешний слой — поток закупочных процедур с ЕИС, Сбербанк-АСТ, РТС-тендер и коммерческих площадок. Агент парсит новые лоты каждые 15 минут.

2. Внутренний слой — каталог продукции завода: номенклатура, ТУ, ГОСТы, сертификаты, ценовая политика, складские остатки, производственный план. Это хранится в векторной базе данных и индексируется для семантического поиска.

3. Слой принятия решений — языковая модель, которая сопоставляет техническое задание закупки с каталогом, рассчитывает соответствие, оценивает экономическую целесообразность участия и генерирует черновик заявки.

Как это работает: от лота до заявки за 12 минут

flowchart TD
    A["Парсинг ЕИС / Сбербанк-АСТ / РТС-тендер\nкаждые 15 минут"] --> B["Извлечение: НМЦК, ТЗ, ОКПД2,\nсроки, регион, требования к участнику"]
    B --> C{"RAG-матчинг:\nсемантическое сравнение ТЗ\nс каталогом завода"}
    C -->|"Совпадение ≥ 85%"| D["Расчёт unit-экономики:\nсебестоимость + логистика + маржа"]
    C -->|"Совпадение < 85%"| E["В архив с тегом\n'не наш профиль'"]
    D --> F{"Маржинальность ≥ 15%?"}
    F -->|Да| G["Генерация черновика заявки:\nспецификация, цена,\nкомплект документов"]
    F -->|Нет| H["Уведомление:\n'лот ниже порога\nмаржинальности'"]
    G --> I["Уведомление тендерному\nспециалисту в Telegram/CRM"]
    I --> J["Человек проверяет,\nкорректирует, подаёт"]

Обратите внимание на ключевой момент: человек не исключён из процесса. Он проверяет и подаёт заявку. Но вместо 6–10 часов на подготовку одного тендера специалист тратит 30–45 минут на верификацию и доработку того, что подготовил агент.

Семантический поиск вместо ключевых слов

Классический поиск по ЕИС работает по точному совпадению. Если в ТЗ написано «конструкции железобетонные сборные», а вы ищете «плиты перекрытия ПК» — лот не найден. RAG-агент понимает, что «плита перекрытия ПК 60-15-8» и «конструкция железобетонная сборная по ГОСТ 9561-2016» — это один и тот же продукт. Потому что он работает не с текстом, а со смыслом. Техническое задание превращается в вектор, каталог завода — в набор векторов, а совпадение определяется по семантической близости, а не по набору символов.

Это даёт прирост охвата на 20–30% — те самые лоты, которые тендерный отдел раньше пропускал из-за разночтений в формулировках.

Автоматическая проверка квалификационных требований

44-ФЗ и 223-ФЗ предъявляют разные требования к участникам. Где-то нужен опыт исполнения аналогичных контрактов на сумму от 20% НМЦК, где-то — членство в СРО, где-то — конкретные сертификаты соответствия. RAG-агент хранит профиль завода: реестр выполненных контрактов, лицензии, допуски, сертификаты, финансовые показатели. При анализе нового лота он автоматически проверяет, соответствует ли завод квалификационным требованиям, и если нет — сообщает, чего именно не хватает.

ROI: считаем на реальных цифрах завода стройматериалов

Возьмём модель, близкую к типичному тверскому производителю ЖБИ или стройматериалов.

Исходные параметры

Текущая ситуация (без RAG)

• Подано заявок: 12/мес
• Выиграно: 12 × 28% = 3,36 → 3 контракта/мес
• Выручка по контрактам: 3 × 4 200 000 = 12 600 000 ₽/мес
• Маржа: 12 600 000 × 20% = 2 520 000 ₽/мес
• Затраты на тендерный отдел: 2 × 95 000 = 190 000 ₽/мес

С RAG-агентом

RAG-агент увеличивает охват (подано заявок) и win-rate (за счёт качества подготовки):

• Охват: 19 из 20 лотов (агент не пропускает)
• Win-rate: 36% (заявки лучше подготовлены, ценовое предложение точнее)
• Выиграно: 19 × 36% = 6,84 → 7 контрактов/мес
• Выручка: 7 × 4 200 000 = 29 400 000 ₽/мес
• Маржа: 29 400 000 × 20% = 5 880 000 ₽/мес
• Прирост маржи: 5 880 000 − 2 520 000 = +3 360 000 ₽/мес

Стоимость внедрения и окупаемость

Срок окупаемости: 1 170 000 ÷ (3 360 000 − 80 000) = 0,36 месяца

Даже если принять консервативный сценарий — прирост не 3,36 млн, а 1,2 млн маржи в месяц (рост win-rate всего на 4 п.п. и охват до 16 лотов) — окупаемость составит 1 170 000 ÷ (1 200 000 − 80 000) = ~1,05 месяца.

Что ещё меняется

Высвобождение ресурса. Один из двух специалистов тратит на рутинный мониторинг не 60% рабочего времени, а 15%. Освободившийся ресурс переключается на стратегические задачи: анализ конкурентного окружения, работу с заказчиками напрямую, расширение географии поставок.

Накопление аналитики. RAG-агент фиксирует каждый проанализированный лот: причину отказа, ценовые уровни конкурентов, типичные требования заказчиков. Через 3–4 месяца у коммерческого директора появляется аналитическая база для принятия решений — какие продукты чаще побеждают, в каких ценовых диапазонах, какие заказчики лояльнее.

Масштабирование без найма. При росте производственных мощностей или расширении номенклатуры не нужно нанимать третьего и четвёртого тендерного специалиста. Достаточно обновить каталог в базе знаний агента — он автоматически начнёт матчить новые позиции с лотами.

Практика: промышленные компании Твери уже работают с нами

Мы в WAT не теоретизируем на тему автоматизации промышленных процессов — мы уже реализуем подобные проекты для производственных компаний региона.

В портфеле агентства — серия лендингов ФИНУСЛУГИ x Мосбиржа для дочерней компании Московской биржи (конверсионная архитектура, A/B-тестирование), корпоративный сайт WAT Agency (webagencytver.ru) с AI-чатботом и Three.js 3D-визуализацией, а также AI Sales Agent — AI-агент автоматизации продаж через Telegram и email с CRM-интеграцией. Тот же подход — анализ процессов, выявление узких мест, внедрение технологии, которая даёт измеримый результат — мы применяем в автоматизации тендерных отделов.

Разница между AI Sales Agent и тендерным RAG-агентом — в предметной области, но не в методологии. В обоих случаях мы работаем с компанией, у которой есть каталог, поток входящих данных и потребность в системной обработке этого потока без кратного увеличения штата.

Почему это критично именно сейчас: окно возможностей 2026–2028

Тверская область входит в фазу строительного бума. Адресная инвестиционная программа на 2026–2028 годы — это 30,6 млрд рублей государственных средств, которые будут освоены через закупочные процедуры по 44-ФЗ и 223-ФЗ. Добавьте к этому 118 инвестиционных проектов с общим объёмом более 284 млрд рублей, которые реализуются или планируются в регионе. Строительство Западного моста, дорожная инфраструктура, социальные объекты, промышленные площадки — всё это закупки бетона, ЖБИ, арматуры, лакокрасочных материалов, стекла, утеплителей, сухих смесей.

Кто из производителей первым выстроит систему отслеживания и участия в этих закупках — тот заберёт непропорционально большую долю контрактов. Не потому что его продукция лучше. А потому что он подал заявку вовремя, с правильными документами, по точной цене.

RAG-агент — это не про «цифровую трансформацию» и не про «внедрение искусственного интеллекта ради интеллекта». Это про конкретный канал выручки, который прямо сейчас работает на 40–60% своей ёмкости из-за ручных процессов.

Следующий шаг: узнайте, сколько контрактов проходит мимо вашего завода

Мы сделали калькулятор потерь тендерного отдела. Он покажет, сколько денег вы оставляете на столе при текущем подходе к мониторингу и подготовке заявок. Заполнение занимает 3 минуты, результат — на экране сразу.

→ Калькулятор потерь: webagencytver.ru/audit

Если предпочитаете сразу обсудить ситуацию с экспертом:

Телефон: +7 (993) 903-20-07 Telegram: @web_agency_tver

Мы разберём текущие процессы вашего тендерного отдела, оценим потенциал автоматизации и подготовим коммерческое предложение с расчётом ROI под вашу номенклатуру и объёмы. Без обязательств — первая консультация бесплатна.

WAT — веб-агентство полного цикла, Тверь. Разработка, автоматизация, AI-решения для промышленных компаний региона.

Источники данных:

• АБН 24 — Более 1300 тверских компаний стали поставщиками для госпредприятий
• Тверские ведомости — Объекты строительства в регионе на трёхлетку
• МК Тверь — Итоги 2025 и планы 2026
• Тверские ведомости — Приоритеты инвестиционного развития
• Контур.Закупки — Тендеры на строительные работы, Тверская область
• Сбер — Что такое RAG
• Эксперт Центр — Все о тендерах 2025–2026