От тендера до платежа: как ИИ может выявлять бюджетные нарушения

Казахстан уже научился автоматически проверять государственные закупки и блокировать некоторые нарушения. Искусственный интеллект может сделать контроль точнее, но решения, влияющие на бюджет и бизнес, по-прежнему должны принимать люди, сообщает El.kz.

Цена ошибки: школьная кухня за десятки миллионов

В июле 2024 года управление образования Алматы собиралось модернизировать кухонное оборудование в 25 школах за 1,9 млрд теңге. По информации тогдашней Антикоррупционной службы, стоимость оборудования для одной школы в документах доходила до 70–79 млн теңге, хотя сопоставимый комплект на рынке оценивался примерно в 20 млн. После рекомендаций контролёров закупки для 23 школ отменили, а условия для двух пересмотрели. Ведомство оценивало предотвращённые расходы в 1,8 млрд теңге. Это были результаты предварительной проверки, а не установленный судом факт хищения.

В том же году в Аксу Павлодарской области первоначальная стоимость строительства двух девятиэтажных домов составляла 3,7 млрд теңге. Для сравнения проверяющие использовали цену аналогичного здания, возведённого в ноябре 2023 года за 1,1 млрд теңге. После пересмотра проект подешевел до 2 млрд теңге. Сравнение не заменяло строительную экспертизу: на цену влияют площадь, инженерные сети и содержание проекта. Но расхождение оказалось достаточно существенным, чтобы проверить расчёты до заключения дорогого контракта.

Похожие сигналы можно искать машинным способом. Программа способна перебрать тысячи закупочных позиций и выделить те, где стоимость заметно отличается от сопоставимых сделок. Однако именно слово «сопоставимых» здесь решающее: школьный холодильник нельзя оценивать по цене бытового, а строительство в разных регионах – по одному усреднённому нормативу.

Что уже умеют казахстанские электронные контролёры

Система проверки закупок в Казахстане существует задолго до нынешнего увлечения нейросетями. Камеральный контроль сопоставляет сведения из электронных источников без выезда инспектора. Закон о государственном аудите предусматривает эту процедуру, а профили риска позволяют выделять нарушения, для которых установлены конкретные формальные признаки.

В 2026 году контроль расширился на исполнение строительных договоров. Профиль риска № 28 касается несоответствия объёмов выполненных работ условиям договора, а № 29 – подтверждающих документов перед оплатой строительных работ. Это существенное отличие от проверки одного лишь конкурса: завысить стоимость или подтвердить несуществующие объёмы можно и после выбора подрядчика.

Ещё один практический барьер появился в августе 2026 года. После аудита расходов на спорт портал госзакупок модернизировали так, чтобы автоматически блокировать через электронный магазин закупки однородных товаров сверх разрешённого предела. Для сопоставления товаров используется Общий классификатор товаров, работ и услуг. Раньше несколько небольших заказов могли не выглядеть как единая крупная покупка; теперь программная проверка учитывает их однородность.

При этом автоматическая блокировка по известному правилу ещё не доказывает наличия искусственного интеллекта. Программа, которая выполняет условие «если превышен лимит – остановить операцию», работает иначе, чем обучаемая модель, обнаруживающая прежде неизвестную комбинацию подозрительных признаков. Смешение этих понятий создаёт впечатление, будто нейросети уже выполняют работу, которую на практике делает обычный программный контроль.

20 информационных систем и пока только первые ИИ-инструменты

В сентябре 2026 года председатель Высшей аудиторской палаты Алихан Смаилов сообщил, что информационная система ведомства интегрирована с 20 системами государственных органов и квазигосударственного сектора и обеспечивает мониторинг более 18 тысяч объектов государственного аудита. Речь идёт о цифровой инфраструктуре и аналитике, позволяющей сравнивать данные о закупках, налогах и исполнении бюджета, а не о передаче окончательных выводов нейросети.

На начало 2026 года ВАП уже использовала двух ИИ-помощников: Gosauditor для обучения и сертификации аудиторов и Audit Assistant KZ для консультаций по нормативным вопросам. Отдельно ведомство сообщало о разработке внутренних ИИ-агентов для предварительной оценки республиканского бюджета и подготовки ежегодного отчёта Парламенту. Называть их действующей системой автоматического выявления коррупции было бы неверно.

Тем временем результаты обычного контроля вполне измеримы. Один из региональных департаментов Комитета внутреннего государственного аудита отчитался, что за девять месяцев 2026 года охватил камеральным контролем 23 605 из 23 756 подлежащих проверке закупочных лотов на 362,4 млрд теңге. Он направил 1 662 уведомления на 21,7 млрд теңге; исполненными значились 1 573 уведомления на 21,2 млрд. Эти суммы описывают объём проверенных процедур и уведомлений, а не количество украденных или возвращённых денег.

Как машина увидит знакомого подрядчика

Потенциальная польза ИИ начинается там, где отдельные сделки выглядят законно, но вместе образуют подозрительную картину. Представим условную ситуацию: три компании месяцами выигрывают закупки одного заказчика, подают заявки с похожими формулировками, а их руководители прежде работали в одной организации. Алгоритм может заметить совпадения и передать проверяющему список контрактов, которые требуют изучения. Само по себе знакомство владельцев, общий адрес или частые победы в конкурсах незаконности не доказывают.

Вторая задача – оценка цены. Для честного сравнения приходится учитывать точные характеристики товара, комплектацию, доставку, гарантию, сроки и регион поставки. Модель может сопоставлять не только табличные коды, но и содержание технических спецификаций, где одинаковый товар описан разными словами. Она способна выявить завышения, которые теряются за переименованием позиций, но также может ошибиться, если в документах не указана существенная особенность заказа.

Третий сценарий – повторяющиеся платежи и искусственное дробление. Несколько контрактов на идентичные материалы, размещённых в короткий срок, заслуживают проверки на обход конкурентных процедур. При этом разбивка одной закупки на этапы иногда объясняется объективным графиком поставок или финансирования. Для выводов нужны документы, а не одно подозрительное совпадение.

Самая сложная задача – проследить связи между поставщиками. Для этого закупочные сведения недостаточны: необходимы достоверные данные о собственниках, бенефициарах и деловых отношениях, причём доступ к персональной информации должен оставаться законным и ограниченным. Если система видит только название ТОО и цену контракта, она может заметить повторяемость побед, но не установить реальную аффилированность.

Бразилия: предупреждение вместо расследования после оплаты

Бразильская государственная контрольная служба CGU использует инструмент Alice, который автоматически просматривает закупочную документацию и уведомляет аудиторов о рисках завышенной цены, необоснованной покупки или условий, способных ограничить конкуренцию. Система ищет поводы для проверки до завершения расходования денег.

По официальным данным CGU, в 2024 году Alice изучила более 161 тысячи закупочных процедур. Её сигналы послужили основанием для 212 проверок закупок общей стоимостью 30,57 млрд реалов. Ведомство оценило финансовую пользу профилактических действий, основанных на этих сигналах, в 1,25 млрд реалов. Последнюю цифру нельзя представлять как сумму раскрытых хищений: это оценка эффекта предотвращённых или скорректированных расходов.

Зарубежный опыт, впрочем, не подтверждает, что искусственный интеллект уже стал повсеместной нормой. В обзоре ОЭСР 2026 года лишь три из сорока рассмотренных стран сообщили об использовании именно ИИ для выявления, анализа и мониторинга рисков добросовестности в государственных закупках. Аналитика данных без ИИ применялась значительно чаще – в шестнадцати странах. Значит, гораздо важнее качество данных и организация контроля, чем громкое название технологии.

Кому предъявлять претензии, когда ошиблась программа

Представим другую ситуацию. Алгоритм отмечает поставщика как связанного с конкурентом из-за совпавшего адреса регистрации и блокирует контракт на поставку медицинского оборудования. Выясняется, что совпадение случайное, но заказчик уже сорвал сроки закупки. Кто возмещает убытки и кто отменяет ошибочное решение? Такой случай здесь приведён как модель риска, а не как реально произошедший инцидент.

Закон Казахстана «Об искусственном интеллекте», принятый 17 ноября 2025 года, закрепляет принципы прозрачности, объяснимости, ответственности и подконтрольности. Согласно статье 8, собственник, владелец и пользователь системы должны контролировать её работу в зависимости от своей роли; участники создания и эксплуатации отвечают за деятельность и результаты системы в пределах ответственности, установленной законодательством. Статья 7 предусматривает право человека, в отношении которого принимается решение с использованием ИИ, получать информацию об автоматизированной обработке и возможности возражать против неё.

Но эти нормы не означают, что любой ошибочный сигнал автоматически даёт право на компенсацию. Нужно установить, было ли принято юридически значимое решение, кто именно его принял, нарушена ли применимая процедура и возник ли доказанный ущерб. Порядок обжалования контрольных решений определяется соответствующими нормами о государственных закупках и государственном аудите; техническая рекомендация ИИ сама по себе ещё не равна решению уполномоченного органа.

В сентябре 2026 года председатель ВАП отдельно сформулировал профессиональный принцип: окончательное аудиторское суждение остаётся за аудитором, вывод ИИ должен подтверждаться доказательствами и быть воспроизводимым, а работа с данными – проходить в защищённой среде. Это практическая граница между полезной аналитикой и автоматическим наказанием по непрозрачному рейтингу риска.

Что покажет реальную пользу ИИ для бюджета

Об эффективности новой системы можно судить по вполне конкретным показателям: сколько предупреждений подтвердилось после проверки, сколько оказалось ошибочными, сколько закупок исправили до оплаты, как изменилась доля повторных нарушений и сколько времени занимает рассмотрение возражения поставщика. Отдельно необходимо учитывать стоимость самой системы – разработку, доступ к данным, защиту информации и работу специалистов.

В Казахстане уже появились цифровые барьеры против дробления закупок и инструменты контроля строительных актов. Ближайшая проверка возможностей ИИ состоит в том, смогут ли новые модели находить нарушения, которые не охватываются готовыми правилами, и делать это без необоснованной остановки законных контрактов. Пока государственные органы не публикуют для конкретной такой модели результаты независимого тестирования с долей верных и ложных предупреждений, заявления об её эффективности следует считать задачей, а не доказанным результатом.