AI-оценщик от Doubletapp меняет подход к тендерам: в 2 раза быстрее и прозрачнее

Главное о кейсе

➤ AI-оценщик подрядчиков — сервис, который автоматически проверяет документацию участников тендеров в ключевых промышленных отраслях: сырьевом секторе, металлообработке, машиностроении и аналогичных сферах.

➤ Какую проблему решили: ручная проверка массивных материалов занимала много времени, зависела от экспертизы конкретного сотрудника.

➤ Что сделали: внедрили автоматизированный анализ документации, который помогает заказчику быстро сформировать список подходящих подрядчиков.

➤ Было → стало:
✓ Было: длительная и непрозрачная проверка, человеческий фактор, задержки закупочных процедур.
✓ Стало: объективный отбор, равные условия для всех участников, ускорение работы.

➤ Цифры: 50-страничный пакет со сложной структурой анализируется за 5–7 минут.

➤ Бизнес получает прямую выгоду: тендеры завершаются быстрее, предприятия раньше переходят к работе, снижаются простои и издержки.

➤ Сервис соответствует требованиям безопасности финансового сектора, госсектора и медицины, поддерживает on-premise-развёртывание и работает полностью офлайн.
_____
➤ The AI-Assessor for contractors is a service that automatically reviews documentation submitted by participants in procurement processes across key industrial sectors, including raw materials, metalworking, mechanical engineering, and similar industries.

➤ The main users are companies that regularly engage contractors for a wide range of tasks, from employee medical services to equipment supply or catering. Contractors submit large document packages, including information about personnel, equipment, work experience, licenses, certificates, and other proofs.

➤ The AI-Assessor analyzes these materials automatically, helping clients quickly generate a shortlist of suitable contractors.

➤ Changes After Implementation
● Document review time was reduced: a 50-page, complex package can now be analyzed in 5–7 minutes.
● Selection became transparent, and decisions more objective.
● Conditions were equalized for all participants, eliminating human bias.

➤ Businesses benefit directly: procurement cycles are completed faster, projects start sooner, and downtime and costs associated with lengthy procurement procedures are reduced.

➤ In terms of data security, the service meets the standards of the financial, government, and medical sectors. It can be installed on-premise on the company’s own servers—the system operates fully without internet access.

Как проект изменил жизнь пользователей

До автоматизации специалисты тратили часы на изучение больших тендерных пакетов, вручную сопоставляя требования с данными подрядчиков. Ошибки, пропущенные детали и разночтения в документах были частым явлением.

После внедрения сервиса процесс стал значительно проще: достаточно загрузить требования и документы в любом формате, включая сканы. Встроенный OCR-модуль оцифровывает материалы, после чего система сама определяет ключевые критерии и анализирует документы каждого подрядчика.

➤ Вот как это работает:
● быстро отсеиваются неподходящие кандидаты;
● автоматически выделяются участники, соответствующие требованиям;
● система указывает точные места в документах, где подтверждаются критерии;
● отмечает моменты, требующие уточнений у подрядчика.

Даже сложные пакеты проверяются быстро и без потери контекста. Неподходящих исполнителей можно исключить сразу, а подходящих — быстрее оценить глубже благодаря точным ссылкам на релевантные материалы.

➤ Результаты внедрения
● снижение времени проверки документов вдвое;
● значительное уменьшение количества ошибок;
● прозрачность всех этапов отбора;
● освобождение специалистов от рутинной работы и возможность сфокусироваться на стратегических задачах.
_____
Before automation, specialists spent hours reviewing large procurement document packages, manually comparing contractor data to requirements. Mistakes, overlooked details, and document inconsistencies were common.

After the service was implemented, the process became much simpler: users only need to upload requirements and documents in any format, including scans. An integrated OCR module digitizes the materials, after which the system identifies key criteria and analyzes each contractor’s documentation.

➤ Here’s how it works:
● Unsuitable candidates are quickly filtered out.
● Participants who meet the requirements are automatically highlighted.
● The system points to exact locations in the documents where criteria are verified.
● It flags items requiring clarification with the contractor.

Even complex packages are processed quickly and without loss of context. Unsuitable contractors can be excluded immediately, while suitable ones are evaluated faster thanks to precise references to relevant materials.

➤ Results of Implementation
● Halved document review time.
● Significantly reduced errors.
● Transparency at all stages of selection.
● Specialists freed from routine tasks and able to focus on strategic work.

Бизнес-задача и ее решение

Крупные промышленные компании регулярно проводят тендеры и сталкиваются с повторяющейся проблемой: большой объём разнородных документов замедляет проверку и повышает риск ошибок. Это влияет на сроки запуска проектов и на выполнение производственных планов.

В Doubletapp мы много лет создаём решения на базе машинного обучения и компьютерного зрения и видим, как AI ускоряет сложные процессы. Мы выявили запрос на сокращение сроков и повышение прозрачности закупок и начали разработку инструмента, который берет на себя анализ тендерной документации и делает отбор подрядчиков более быстрым, точным и объективным.

Для этого мы провели серию интервью с закупщиками крупных предприятий, изучили их текущие процессы и протестировали прототипы на реальных данных. Это помогло сформировать понятный и удобный сервис, точно отвечающий потребностям пользователей.
_____
Large industrial companies regularly run procurement cycles and face a recurring problem: the volume and variety of documents slow down verification and increase the risk of errors. This impacts project start times and production plans.

At Doubletapp, we have many years of experience developing solutions based on machine learning and computer vision, and we have seen how AI accelerates complex processes. We identified a demand to reduce timelines and increase procurement transparency and began developing a tool that automates procurement document analysis, making contractor selection faster, more accurate, and objective.

We conducted interviews with procurement teams at major enterprises, studied their current processes, and tested prototypes on real data. This helped us design a clear, user-friendly service that meets user needs precisely.

Крафт (мастерство), реализация, технические детали

➤ Работа системы состоит из трех основных шагов:
1) Сторона, проводящая тендер, загружает требования тендера и документацию подрядчиков в систему. Формат для загрузки – произвольный. После система сама приведет все входные данные к формату, пригодному для обработки LLM. Для этого используется OCR для сканов и различные предобработки для других типов документов.
2) Система обработает все файлы требований с использованием ИИ и создаст единый структурированный и пронумерованный список требований, которые будут проверяться в документации, представленной потенциальными подрядчиками.
3) Система проведет анализ документации от каждого подрядчика на предмет выполнения требования. Результатом этого шага станет отчет, в котором:
● По каждому подрядчику видно, каким требованиям он соответствует, каким нет, а по каким не хватает информации и нужно уточнить;
● Для каждого требования видно, где оно подтверждается или опровергается в документации — таким образом тендерный специалист сможет гораздо быстрее ориентироваться в документации и при необходимости проверить выводы системы;
● Составляется итоговая таблица, в которой подрядчики отсортированы от наиболее подходящего к наименее подходящему.

Для анализа на втором и третьем шаге используются open-source LLM, которые можно развернуть у заказчика в его контуре. Хорошо показали себя модели DeepSeek V3.1 и Qwen3-235B-A22B.

Для оценки качества работы системы нами был собран датасет из тендеров и документации подрядчиков, для которых были вручную составлены списки требований, которые система должна обнаружить на втором этапе, также было размечено, какие из требований у какого подрядчика выполнялись, какие нет, а про какие в документации не было ответа. На основе такого датасета мы можем автоматически измерять качество работы системы. На текущий момент полнота выделения структурированного требования проекта составляет 95%, а точность определения выполнимости требования — 93%.
_____
➤ The system operates in three main steps:
1) The procurement team uploads the requirements and contractor documentation into the system. Upload formats are arbitrary; the system converts all input into a format suitable for processing with LLMs. OCR is used for scans, and preprocessing is applied to other document types.
2) The system processes all requirement files using AI and generates a structured, numbered list of requirements to check against each contractor’s documentation.
3) The system analyzes each contractor’s documentation for requirement fulfillment. The output includes:
● For each contractor, which requirements are met, unmet, or need clarification.
● For each requirement, the document locations where it is confirmed or denied, allowing procurement specialists to quickly verify the system’s conclusions.
● A final table ranking contractors from most to least suitable.

Open-source LLMs are used for the second and third steps and can be deployed within the client’s infrastructure. Models such as DeepSeek V3.1 and Qwen3-235B-A22B have proven effective.

To assess system quality, we compiled a dataset of procurement cases and contractor documentation with manually defined requirement lists. We also annotated which requirements were met, unmet, or missing in each contractor’s documents. Based on this dataset, we can automatically measure system performance. Currently, the system achieves 95% completeness in extracting structured requirements and 93% accuracy in determining requirement fulfillment.

Инсайты, гипотезы, процесс создания и взаимодействия с заказчиком

Чтобы создать инструмент, действительно меняющий процесс закупок, мы провели масштабное исследование. Мы созвонились с десятью клиентами из промышленного сектора и вышли на представителей крупнейших производственных предприятий страны — тех, кто ежедневно работает с большими тендерными пакетами и лучше всех понимает узкие места процесса.

Мы представили им концепцию сервиса, провели демонстрацию и предложили протестировать прототип на их собственных документах. Обратная связь позволила уточнить ключевые сценарии использования, скорректировать логику анализа документов и проверить наши гипотезы о том, какие шаги закупочного процесса можно автоматизировать без потери контроля и точности. Сегодня мы продолжаем развивать продукт и проводим пилотные внедрения вместе с крупными корпорациями, чтобы отточить работу сервиса в реальных рабочих условиях.

Эти инсайты подтвердили: ускорение закупочных процедур — задача, выходящая за пределы одного бизнеса. Быстрый и объективный отбор подрядчиков в ключевых промышленных отраслях имеет прямой макроэкономический эффект: позволяет раньше запускать производственные проекты, повышает стабильность работы предприятий, создаёт рабочие места и стимулирует развитие смежных отраслей.
_____
To build a tool that genuinely transforms procurement, we conducted extensive research. We spoke with ten industrial clients and reached representatives from the country’s largest manufacturing companies—those who work daily with large procurement document packages and best understand process bottlenecks.

We presented the service concept, demonstrated it, and offered clients prototypes to test on their own documents. Their feedback helped refine key use cases, adjust document analysis logic, and verify our hypotheses about which procurement steps could be automated without sacrificing control or accuracy. Today, we continue developing the product and running pilot implementations with major corporations to fine-tune its performance in real-world conditions.

These insights confirmed that accelerating procurement is a challenge that extends beyond a single business. Fast and objective contractor selection in key industrial sectors has direct macroeconomic benefits: projects start earlier, operational stability improves, jobs are created, and related industries are stimulated.

Скриншоты

Видео