The article discusses the main difficulties to the implementation of artificial intelligence technologies in the public procurement system. Legal, technological and organizational aspects of AI use in procurement activities are analyzed. Key risks and limitations hindering the effective application of intelligent technologies have been identified. Promising directions for solving the identified problems are proposed.

Keywords: artificial intelligence, public procurement, digitalization, automation, information security, legal regulation.

В условиях цифровой трансформации экономики внедрение технологий искусственного интеллекта (ИИ) становится одним из ключевых факторов повышения эффективности государственных закупок. Современные тенденции развития контрактной системы демонстрируют необходимость автоматизации рутинных процессов и внедрения интеллектуальных систем поддержки принятия решений [3, с. 216]. Текущий этап цифровизации закупочной деятельности характеризуется переходом от базовой автоматизации к использованию продвинутых алгоритмов машинного обучения и нейронных сетей для решения сложных аналитических задач [1, с. 127].

Вместе с тем, процесс внедрения технологий ИИ в систему государственных закупок сопряжен с рядом существенных проблем и ограничений. Анализ текущей практики показывает, что основные барьеры связаны как с технологическими аспектами интеграции интеллектуальных решений в существующую инфраструктуру [2, с. 46], так и с правовыми вопросами регулирования использования ИИ при принятии юридически значимых решений [4, с. 109].

Целью данного исследования является комплексный анализ проблем и ограничений, препятствующих эффективному внедрению технологий искусственного интеллекта в систему государственных закупок, а также определение перспективных направлений их преодоления. Для достижения поставленной цели использовались методы системного анализа, сравнительного анализа, обобщения практического опыта внедрения ИИ в закупочную деятельность [5, с. 38]. Исследование основано на анализе актуальной научной литературы, нормативно-правовой базы и практических кейсов использования интеллектуальных технологий в сфере государственных закупок [6, с. 83].

Особую актуальность исследованию придает тот факт, что в условиях цифровой трансформации экономики эффективность системы государственных закупок во многом определяется степенью интеграции современных технологических решений в закупочные процессы. При этом внедрение ИИ может не только повысить прозрачность и эффективность закупок, но и создать новые риски и проблемы, требующие тщательного изучения и выработки подходов к их решению.

Современное развитие системы государственных закупок неразрывно связано с внедрением технологий искусственного интеллекта, которые позволяют существенно повысить эффективность и прозрачность закупочных процессов. Анализ текущей практики показывает, что использование ИИ в закупочной деятельности развивается по нескольким ключевым направлениям, каждое из которых имеет свои особенности и перспективы развития (рис. 1).

Рис. 1. Основные направления применения ИИ в системе государственных закупок

Как видно из представленной схемы, наиболее активно технологии ИИ применяются в области автоматизации рутинных операций и анализа рынка. По данным исследований, внедрение интеллектуальных систем позволяет сократить время на обработку типовой документации на 60–70 % [2, с. 128]. Особенно эффективным оказалось использование ИИ для анализа технических заданий и выявления потенциальных ошибок в документации, что позволило значительно снизить количество нарушений при проведении закупочных процедур [5, с. 217].

Важным направлением применения ИИ становится прогнозирование потребностей заказчиков и оценка рыночных цен. Интеллектуальные системы способны анализировать большие массивы данных о предыдущих закупках, учитывать сезонность, изменения рыночной конъюнктуры и другие факторы, влияющие на формирование начальной максимальной цены контракта [1, с. 39]. При этом точность прогнозов с использованием ИИ достигает 85–90 %, что существенно превышает показатели традиционных методов анализа.

В настоящее время на рынке представлен ряд программных решений, использующих технологии искусственного интеллекта для автоматизации различных аспектов закупочной деятельности (табл. 1).

Таблица 1

Сравнительный анализ существующих ИИ-решений в сфере госзакупок

Анализ представленных решений показывает, что современные ИИ-системы способны эффективно решать широкий спектр задач в сфере государственных закупок [4, с. 110]. Однако их внедрение сопряжено с рядом технических и организационных сложностей, требующих комплексного подхода к решению.

Особого внимания заслуживает тот факт, что эффективность использования ИИ во многом зависит от качества исходных данных и степени интеграции с существующими информационными системами [6, с. 84]. Практика показывает, что наиболее успешные проекты внедрения ИИ реализуются в тех организациях, где уже налажены процессы сбора и структурирования данных, а также существует необходимая техническая инфраструктура.

При этом важно отметить, что текущий уровень развития технологий ИИ позволяет автоматизировать до 70 % типовых операций в сфере закупок, но полностью заменить человека в процессе принятия сложных управленческих решений пока не представляется возможным [3, с. 218]. Это создает необходимость развития гибридных подходов, сочетающих возможности искусственного интеллекта с экспертным опытом специалистов по закупкам.

Внедрение технологий искусственного интеллекта в систему государственных закупок создает целый комплекс правовых вызовов, требующих тщательного анализа и проработки. Существующая нормативно-правовая база, регулирующая сферу государственных закупок, формировалась в период, когда использование ИИ для принятия решений не предполагалось, что создает значительные пробелы в правовом регулировании данной области [4, с. 109].

В настоящее время основные правовые барьеры, препятствующие эффективному внедрению ИИ в закупочные процессы, можно представить следующим образом (рис. 2).

Рис. 2. Ключевые правовые барьеры внедрения ИИ в госзакупки

Анализируя представленные на схеме барьеры, необходимо отметить, что одной из фундаментальных проблем является отсутствие четкого правового статуса решений, принимаемых с использованием технологий искусственного интеллекта [3, с. 83]. Действующее законодательство исходит из презумпции принятия решений человеком, что создает правовую неопределенность в ситуациях, когда решение формируется автоматически на основе алгоритмов машинного обучения.

Особую остроту приобретает вопрос распределения ответственности за решения, принятые с использованием ИИ. В случае возникновения ошибок или нарушений возникает сложный правовой вопрос: кто должен нести ответственность — разработчик системы, оператор, заказчик или иное лицо? Существующая судебная практика пока не дает однозначного ответа на этот вопрос [1, с. 128].

Значительные сложности создает также проблема правовой защиты данных, используемых в системах искусственного интеллекта. С одной стороны, эффективность ИИ напрямую зависит от объема и качества данных для обучения алгоритмов. С другой стороны, использование персональных данных и информации, составляющей коммерческую тайну, требует соблюдения строгих правовых ограничений [6, с. 110].

Серьезнымправовым барьером является отсутствие стандартизированных требований к системам ИИ, используемым в государственных закупках. Это создает риски как для заказчиков, так и для поставщиков технологических решений, поскольку отсутствуют четкие критерии оценки качества и надежности таких систем [2, с. 218]. Необходимость разработки соответствующих стандартов и регламентов становится все более очевидной по мере расширения практики применения ИИ в закупочной деятельности.

Требует правового решения и вопрос обеспечения прозрачности работы алгоритмов ИИ. Принцип открытости и прозрачности государственных закупок, закрепленный в законодательстве, входит в противоречие с закрытым характером алгоритмов машинного обучения, которые часто представляют собой «черный ящик» [5, с. 39]. Необходимо законодательное закрепление требований к объяснимости решений, принимаемых с использованием ИИ, особенно в случаях, когда эти решения затрагивают права и интересы участников закупочных процедур.

Важно отметить, что развитие правового регулирования в данной сфере должно учитывать динамичный характер технологий искусственного интеллекта. Нормативная база должна быть достаточно гибкой, чтобы адаптироваться к появлению новых технологических решений, но при этом обеспечивать необходимый уровень защиты прав всех участников закупочного процесса.

Внедрение искусственного интеллекта в систему государственных закупок сопряжено с целым рядом технологических вызовов, которые существенно влияют на эффективность и скорость цифровой трансформации закупочных процессов. Одной из ключевых проблем является сложность интеграции современных ИИ-решений с существующими информационными системами, многие из которых создавались без учета возможности применения технологий машинного обучения [2, с. 129].

Практика показывает, что большинство государственных учреждений используют различные унаследованные системы, часто несовместимые между собой и не предназначенные для обработки больших объемов данных, необходимых для эффективной работы ИИ. При этом полная замена существующей инфраструктуры требует значительных финансовых затрат и времени, что создает серьезные препятствия для оперативного внедрения новых технологий [5, с. 219].

Особого внимания заслуживает проблема качества и структурирования данных. Эффективность работы систем искусственного интеллекта напрямую зависит от качества данных, используемых для обучения алгоритмов. Однако на практике значительная часть информации в системе государственных закупок характеризуется неполнотой, несогласованностью и отсутствием единых стандартов структурирования [1, с. 40]. Это приводит к необходимости существенных затрат на предварительную обработку и очистку данных, что замедляет процесс внедрения ИИ-решений.

Существенным технологическим барьером является также проблема масштабируемости решений на базе искусственного интеллекта. Системы государственных закупок характеризуются высокой нагрузкой и необходимостью обработки большого количества параллельных транзакций. При этом существующие ИИ-решения не всегда способны обеспечить требуемую производительность без существенного увеличения вычислительных мощностей [3, с. 111].

Нельзя не отметить и проблему технической поддержки внедряемых решений. Системы на базе искусственного интеллекта требуют постоянного мониторинга, обновления и адаптации алгоритмов к изменяющимся условиям. Однако многие государственные учреждения не располагают специалистами необходимой квалификации для обеспечения должного уровня технической поддержки таких систем [6, с. 85]. Это создает риски снижения эффективности работы ИИ-решений в долгосрочной перспективе.

Важным аспектом является также проблема совместимости различных платформ и форматов данных. В системе государственных закупок задействовано множество участников, использующих различное программное обеспечение и форматы представления информации. Обеспечение бесшовной интеграции всех этих систем с решениями на базе искусственного интеллекта представляет собой сложную техническую задачу [4, с. 112], требующую разработки специальных протоколов обмена данными и стандартов взаимодействия.

Внедрение искусственного интеллекта в систему государственных закупок, помимо очевидных преимуществ, создает новый спектр рисков и угроз информационной безопасности, требующих тщательного анализа и проработки механизмов защиты. Для понимания масштаба проблемы необходимо рассмотреть основные категории рисков и их потенциальные последствия для системы государственных закупок (табл. 2).

Таблица 2

Матрица рисков внедрения ИИ в систему госзакупок

Анализируя представленные в таблице риски, особое внимание следует уделить проблеме манипулирования данными. Современные системы искусственного интеллекта, несмотря на их сложность, остаются уязвимыми к целенаправленным атакам на входные данные [3, с. 220]. Злоумышленники могут использовать специально подготовленные наборы данных для обучения ИИ, что приведет к принятию предвзятых или заведомо неверных решений.

Серьезную озабоченность вызывает также проблема защиты конфиденциальной информации. Системы ИИ в процессе работы накапливают и обрабатывают огромные массивы данных, включая коммерческую тайну и персональные данные участников закупок [1, с. 41]. Обеспечение безопасности этой информации требует внедрения многоуровневых систем защиты, что существенно усложняет архитектуру решений и повышает стоимость их эксплуатации.

Нельзя не отметить риски, связанные с возможностью системных сбоев в работе ИИ. В отличие от традиционных информационных систем, последствия таких сбоев могут быть менее предсказуемыми и более масштабными [6, с. 86]. Особенно критичным это становится в случаях, когда ИИ используется для принятия решений в режиме реального времени, например, при проведении электронных аукционов.

Отдельного внимания заслуживает проблема алгоритмической предвзятости, которая может проявляться даже при отсутствии злонамеренных действий. Исследования показывают, что системы ИИ могут непреднамеренно воспроизводить и усиливать существующие предубеждения, содержащиеся в обучающих данных [4, с. 113]. Это создает риски нарушения принципа равного доступа к государственным закупкам и может приводить к дискриминации отдельных участников.

Важным аспектом обеспечения безопасности является также защита самих алгоритмов ИИ от несанкционированного доступа и модификации. Современные методы машинного обучения часто представляют собой сложные математические модели, защита которых требует специальных механизмов контроля целостности и аутентичности [2, с. 130]. При этом необходимо обеспечить баланс между безопасностью и производительностью системы, что представляет собой нетривиальную техническую задачу [5, с. 40].

Проведенный анализ проблем использования искусственного интеллекта в системе государственных закупок позволяет сделать ряд важных выводов о текущем состоянии и перспективах развития данного направления. Прежде всего, необходимо отметить, что внедрение ИИ в закупочные процессы представляет собой сложный многоаспектный процесс, требующий комплексного подхода к решению выявленных проблем.

Исследование показало, что основные барьеры внедрения ИИ можно разделить на несколько взаимосвязанных групп: правовые, технологические и проблемы информационной безопасности. При этом особую значимость приобретает необходимость синхронизации развития всех этих направлений, поскольку решение проблем в одной области неизбежно влияет на ситуацию в других [2, с. 131].

В правовой сфере первоочередной задачей становится формирование целостной нормативной базы, регулирующей использование ИИ в государственных закупках. Это должно включать как определение правового статуса решений, принимаемых с помощью ИИ, так и разработку механизмов распределения ответственности между участниками процесса [4, с. 114]. Особое внимание следует уделить вопросам стандартизации требований к системам ИИ и обеспечению прозрачности их работы.

В технологическом аспекте ключевым направлением развития должно стать создание единой интегрированной платформы, обеспечивающей эффективное взаимодействие различных систем и участников закупочного процесса [1, с. 42]. При этом важно обеспечить достаточную гибкость такой платформы для адаптации к появлению новых технологических решений и изменению требований пользователей.

Решение проблем информационной безопасности требует разработки комплексной системы защиты, учитывающей специфику применения ИИ в государственных закупках [6, с. 87]. Это включает как технические меры защиты данных и алгоритмов, так и организационные мероприятия по повышению компетентности персонала в вопросах информационной безопасности.

Перспективы развития ИИ в системе государственных закупок во многом зависят от успешности преодоления выявленных барьеров. При этом можно прогнозировать постепенное расширение сфер применения ИИ, особенно в области анализа рынка, оценки поставщиков и выявления потенциальных нарушений [3, с. 221]. Важным трендом становится развитие гибридных систем, сочетающих возможности ИИ с экспертным опытом специалистов [5, с. 41].

В целом, несмотря на существующие проблемы, внедрение технологий искусственного интеллекта в систему государственных закупок представляется неизбежным и необходимым шагом для повышения эффективности и прозрачности закупочных процессов. При этом успех данной трансформации во многом зависит от способности всех участников процесса адаптироваться к новым технологическим реалиям и эффективно управлять возникающими рисками.

Литература:

1. Михеева А. А. Применение технологий искусственного интеллекта в сфере государственных закупок // Интерэкспо Гео-Сибирь. 2022. № 2. С. 126–130.
2. Пепенко М. Д., Калайдин Е. Н. Обзор технологий искусственного интеллекта и потенциал их применения для управления неформализуемыми или слабоформализуемыми процессами закупочной деятельности // Экономика и бизнес: теория и практика. 2021. № 9–2. С. 45–49.
3. Перькова В. В. Договор поставки и искусственный интеллект // Юридические науки. 2023. № 3. С. 82–84.
4. Родионова О. М. Цифровизация устойчивых публичных закупок: перспективы правового регулирования // Вестник Саратовской государственной юридической академии. 2022. № 3. С. 108–111.
5. Сергеева С. А. Искусственный интеллект в сфере закупок: возможности и перспективы // Инновации и инвестиции. 2022. № 12. С. 216–219.
6. Тачкова И. А., Бацылева М. В. Цифровые платформы в сфере закупок для обеспечения государственных нужд // Экономика. Социология. Право. 2022. № 1. С. 37–43.