Газпром нефть × TenderScan: ИИ-анализ тендеров в корпоративном акселераторе StartupDrive

В 2025 году мы с командой Panteo.ai прошли корпоративный акселератор StartupDrive от ПАО «Газпром нефть». Для нас это был первый опыт работы с одной из крупнейших нефтегазовых компаний страны — и первый случай, когда TenderScan тестировался не на стороне тендерного отдела подрядчика, а на стороне заказчика. Компания, которая сама проводит тысячи закупок в год, хотела понять: может ли ИИ помочь эффективнее отбирать и анализировать тендерную документацию?

По итогам акселератора мы получили благодарственное письмо от руководителя StartupDrive и начальника отдела по работе со стартапами ПАО «Газпром нефть». В письме — не формальная благодарность, а конкретные слова про зрелость технологического решения, нацеленность на создание ценности для корпоративных заказчиков и намерение рассмотреть дальнейшее масштабирование Panteo.ai в рамках компании.

Это письмо я публикую здесь — как и письмо от КРДВ, оно говорит за меня лучше, чем любые мои собственные описания.

Что такое StartupDrive

StartupDrive — это корпоративный акселератор ПАО «Газпром нефть», через который компания ищет стартапы для решения своих бизнес-задач. Формат классический: стартапы подают заявку, проходят отбор, получают доступ к экспертам и подразделениям компании, проводят пилотное испытание — и по итогам либо получают контракт на масштабирование, либо уходят с обратной связью.

Мы попали в акселератор с продуктом TenderScan — нашей ИИ-платформой для анализа закупок на zakupki.gov.ru. Но в данном случае задача была сформулирована не так, как у наших обычных клиентов-подрядчиков. Обычно TenderScan помогает найти подходящие тендеры для участия. Здесь же Газпром нефть хотела проверить, может ли TenderScan фильтровать и анализировать документацию закупок по нечётким критериям — то есть по таким условиям, которые невозможно проверить простым текстовым поиском.

Два критерия, которые мы тестировали

В рамках пилотного испытания из технического задания были выбраны два критерия для проверки концепции. Оба — про ситуации, в которых ручной просмотр документов занимает часы, а ошибка стоит дорого.

Критерий 1 — Контроль ограничения «закупка у СМП»

Часть закупок по 223-ФЗ проводится только среди субъектов малого и среднего предпринимательства. Это ограничение может быть прописано в разных документах пакета закупки — в основном документе, в приложении, в отдельном файле с условиями. Формулировки каждый раз разные: «закупка проводится среди субъектов МСП», «участие ограничено малыми предприятиями», «сравнение цен проводится только среди субъектов малого и среднего предпринимательства».

Человек, который читает документы, понимает смысл сразу. Но классический поиск по ключевым словам не справляется — слишком много вариантов формулировок, слишком много мест, где условие может быть спрятано.

TenderScan решает эту задачу через многоступенчатый пайплайн: загрузка документов → распаковка архивов → парсинг DOC, DOCX, XLS, XLSX → OCR и мультимодальные LLM для PDF-сканов → извлечение структурированных данных по критерию через Structured Output → формирование текстового заключения с указанием конкретного фрагмента и страницы исходного документа.

На выборке из ручной валидации за 2024 год система точно определяла наличие или отсутствие ограничения — даже в случаях, когда условие было прописано в DOC-файле, а не в основной карточке на zakupki.gov.ru.

Критерий 2 — Соответствие требованию по количеству АЗС

Второй критерий технически сложнее. Часть закупок Газпром нефти связана с сетью АЗС. В условиях закупки может быть указано: «на территории такого-то региона должно быть не менее N автозаправочных станций». Проверка этого условия требует обращения к внешним данным — базе АЗС на сайте opti-24.com, а в некоторых случаях — к геоданным Яндекс Карт для расчёта расстояний от указанного топонима.

Это уже не просто извлечение информации из документа. Это агентная логика: система читает условие закупки, преобразует его в структурированный запрос, обращается к внешнему источнику данных, сопоставляет результат с условием и формирует заключение с обоснованием.

На шкале автономности процессов это чистый SDP L4 — агент с Tool Calling и обращением к внешним данным. Не просто «прочитай текст и ответь», а «пойми условие, найди данные, сопоставь и реши». Именно такой уровень автономности мы закладывали в TenderScan с самого начала.

Как устроен технический пайплайн

Весь процесс обработки закупки состоит из шести ступеней, каждая из которых использует свой набор моделей и инструментов.

На выходе — по каждой закупке аналитик видит: статус соответствия условию, страницу исходного документа с подсветкой фрагмента, ссылку на источник, номер страницы и экспертное заключение от ИИ. Всё — в одном интерфейсе, без необходимости вручную открывать десятки файлов.

Масштаб задачи

Несколько цифр, которые показывают, почему ручная работа не масштабируется.

• ~6 000 заявок в год — оценочный объём закупок, которые проходят через рассмотрение.
• Каждая заявка — это пакет документов: основной документ закупки, приложения, спецификации, сканы. В среднем 5–15 файлов на закупку.
• 19 тендеров — размер тестовой выборки, на которой проводилась валидация. По каждому тендеру были данные ручной экспертизы за 2024 год, с указанием причин неучастия.
• 27% — доля закупок из выборки, признанных подходящими после фильтрации.

При таком объёме даже 10-процентное повышение эффективности рассмотрения заявок даёт стратегически значимый результат. Ручной процесс, в котором человек тратит 20–30 минут на каждую заявку, при 6 000 заявках в год — это 2 000–3 000 человеко-часов. TenderScan обрабатывает ту же заявку за минуты.

Что написано в благодарственном письме

По итогам акселератора мы получили официальное письмо от StartupDrive. На бланке Газпром нефти, с печатью ООО «Газпромнефть — Региональные продажи», подписанное Онищенко М.В. — руководителем акселератора StartupDrive и начальником отдела по работе со стартапами ПАО «Газпром нефть».

Несколько ключевых цитат из письма.

Про команду:

«За время программы команда проявила высокий уровень профессионализма, гибкость в доработке продукта и отличное понимание потребностей B2B-клиентов.»

Про технологию:

«Отдельно хотим отметить зрелость технологического решения и нацеленность на создание ценности для корпоративных заказчиков.»

Про что тестировали:

«В рамках пилотного испытания была протестирована следующая функциональность: загрузка и фильтрация тендеров с портала zakupki.gov.ru по чётким критериям (коды ОКПД2, ключевые слова в названии закупки, тип закона 44-ФЗ/223-ФЗ), а также фильтрация по нечётким критериям с применением искусственного интеллекта.»

И финал — для меня самое важное:

«Учитывая высокий потенциал технологии, зрелость команды и интерес со стороны бизнеса, мы рассматриваем возможность дальнейшего масштабирования Panteo.ai в рамках компании Газпром нефти.»

Эта фраза — «рассматриваем возможность дальнейшего масштабирования» — означает, что пилот прошёл успешно и разговор перешёл от «покажите, что вы умеете» к «давайте думать, как это раскатать шире». Для стартапа в корпоративном акселераторе это лучший возможный исход.

Оригинал письма — полное изображение с реквизитами, печатью и подписью.

Хотите протестировать TenderScan для анализа ваших закупок? TenderScan уже работает с закупками по 44-ФЗ и 223-ФЗ: автоматическая фильтрация, ИИ-анализ документации по нечётким критериям, интеграция с внешними источниками данных. Прошёл корпоративный акселератор Газпром нефти. Запросить пилот TenderScan →

Чем этот кейс отличается от Лубрикантс

У нас уже есть кейс TenderScan с дистрибьютором моторных масел. Там TenderScan решает задачу подрядчика: найти подходящие тендеры для участия, сопоставить с номенклатурой склада, сформировать КП. Это классическая задача тендерного отдела — «какие закупки нам подходят?».

Кейс Газпром нефти — другой. Здесь TenderScan работает на стороне заказчика: анализирует документацию собственных закупок, проверяет соответствие нечётким критериям, выдаёт экспертное заключение. Это задача не про «найти тендер», а про «проверить, что в закупке всё корректно».

Эти два кейса показывают, что TenderScan — двусторонняя платформа: она полезна и подрядчику, который ищет тендеры, и заказчику, который их проводит. Архитектура одна — пайплайн парсинга, OCR, Structured Output, Tool Calling — но применение разное.

Что это значит для TenderScan

Для нас как продуктовой команды кейс Газпром нефти важен по трём причинам.

Первое — валидация технологии на масштабе. Когда TenderScan обрабатывает 19 закупок в пилоте — это проверка концепции. Когда речь идёт о 6 000 заявках в год — это проверка архитектуры. И она прошла.

Второе — подтверждение, что нечёткая фильтрация работает. Главная ценность TenderScan — не в загрузке данных с портала (это умеют многие), а в том, что ИИ понимает смысл условий и проверяет их, обращаясь к внешним источникам. Это уровень L4 по шкале автономности, и Газпром нефть подтвердила, что эта возможность реально нужна бизнесу.

Третье — благодарственное письмо как референс. Теперь у TenderScan два официальных документа: отзыв от клиента-подрядчика и отзыв от клиента-заказчика из числа крупнейших компаний страны. Это разные стороны рынка — и обе подтвердили ценность продукта.

Если вы работаете с госзакупками — как подрядчик, как заказчик, как аналитик тендерного отдела — и хотите посмотреть, как TenderScan может помочь именно в вашей ситуации, напишите мне.

Обсудить пилот TenderScan →