Чем ИИ-система отличается от обычного ПО в закупке
Классическое ТЗ описывает детерминированное поведение: «при нажатии кнопки формируется отчёт». Поведение ИИ-компонента так описать нельзя: модель распознавания документов ошибается на части примеров, чат-ассистент отвечает по-разному на переформулированный вопрос, прогнозная модель имеет объективный предел точности. Поэтому в закупках ИИ-систем два главных отличия ТЗ:
- качество выражается метрикой с порогом, а не словами «качественно» и «удобно»;
- данные — отдельный объект требований: кто готовит обучающую выборку, на каких основаниях, из каких систем, с каким уровнем обезличивания персональных данных (152-ФЗ).
Всё остальное наследуется из базового технического задания на ПО: цели и рамки, функциональные требования, нефункциональные (производительность, интеграции), требования к стеку и отечественному ПО, информационной безопасности, этапы и критерии приёмки.
Каркас: базовые разделы берём готовыми
Не изобретайте структуру с нуля. Семь базовых разделов, работающих в закупках 44-ФЗ и 223-ФЗ, разобраны в руководстве по ТЗ на разработку ПО — там же бесплатный шаблон. Для ИИ-системы этот каркас дополняется четырьмя блоками ниже. Ориентир цены разработки — рыночные ставки ИТ-закупок 2 800–3 800 ₽/час по ролям (наш прайс-бук по 236 закрытым ИТ-лотам, сентябрь 2026): объём работ из ТЗ должен переводиться в часы, иначе смета не соберётся.
Блок «Данные»: обучающая и эталонная выборка
Это блок, которого нет в обычных ТЗ, и именно он тормозит ИИ-проекты. Зафиксируйте:
- Источник данных: информационные системы заказчика, открытые данные, данные подрядчика. Для персональных данных — основание обработки и требование обезличивания до передачи в обучающий контур (152-ФЗ).
- Объём и репрезентативность: сколько примеров, какие классы/сценарии обязаны присутствовать. Без этого подрядчик не сможет оценить трудоёмкость, а заказчик — принять результат.
- Эталонная (тестовая) выборка: размеченная выборка, которую подрядчик не видит при обучении. На ней измеряются метрики приёмки. Кто готовит, когда передаёт, как фиксируется размер.
- Права на результаты: кому принадлежат обученная модель, датасеты и дообученные веса — исключительные права должны переходить заказчику, если иное не согласовано.
Блок «Метрики качества»: число вместо прилагательных
Для каждого ИИ-компонента задайте метрику, способ измерения и порог. Порог определяет заказчик под свою задачу; в таблице — типовые пары «тип системы → что измеряют».
| Тип ИИ-компонента | Что измеряем | Типовые метрики | Как фиксировать в ТЗ |
|---|---|---|---|
| Классификация (категоризация обращений, скоринг) | долю верных решений модели | точность (accuracy), полнота (recall), точность класса (precision), F1 | порог по каждой метрике + способ расчёта на эталонной выборке |
| Распознавание документов (OCR + извлечение полей) | качество распознавания и заполнения полей | доля верно извлечённых полей, качество распознавания символов | минимальная доля полей, извлечённых без ошибки, на тестовом пакете документов |
| Чат-ассистент / LLM-сервис | правильность и уместность ответов | доля корректных ответов на контрольном наборе вопросов, доля отказов там, где нужно | контрольный набор сценариев + критерий зачёта ответа |
| Прогнозные модели | качество прогноза | средняя ошибка прогноза относительно факта | максимально допустимая ошибка на тестовом периоде |
Формулировка «система должна работать корректно» в ИИ-закупке ничтожна. Формулировка «доля верно извлечённых полей не ниже порога N на эталонной выборке из M документов, размеченной комиссией заказчика» — проверяема и защитима при спорах.
Блок «Тестирование и приёмка ИИ-компонентов»
Пропишите процедуру: на какой выборке тестируем, кто размечает, сколько попыток у подрядчика, что считается провалом этапа. Отдельно укажите порядок дообучения: что происходит, если метрика не достигнута — доработка в рамках цены этапа или новое согласование. Экспертизу ИИ-компонентов на приёмке (внутренняя или внешняя по 44-ФЗ) мы разбираем в статье «Экспертиза ИИ-компонентов в госзакупках».
Блок «Инфраструктура, реестры и отечественное ПО»
ИИ-система живёт не в вакууме: ей нужны вычислительные ресурсы для инференса, размещение и право использования. В ТЗ зафиксируйте:
- Контур размещения: локальный контур заказчика, российский облачный провайдер или гибрид; для персональных данных — требования 152-ФЗ к месту обработки.
- Реестровое ПО: если закупка попадает под запреты и ограничения на иностранное ПО, база системы и её ИИ-компоненты должны быть в реестре российского ПО либо иметь путь соответствия — детали в разборе запретов и требований к российскому ПО с ИИ.
- LLM-слой: при использовании языковых моделей — допустимые модели (например, российские API или локальный открытый контур), запрет на передачу персональных данных во внешние сервисы без оснований.
Этапность: POC → MVP → промышленная система
ИИ-разработку безопаснее покупать этапами, и это тоже предмет ТЗ:
- POC (проверка осуществимости) — модель на ограниченной выборке: снимает главный риск «а взлетит ли на наших данных». Результат: измеренная метрика на пилотной выборке.
- MVP — рабочий контур с ключевым сценарием: результат — работающий сервис с ограниченным функционалом (в чём разница между MVP и промышленной системой — в ответе «Чем отличается MVP от промышленной системы»).
- Промышленная эксплуатация — полный функционал, нагрузка, интеграции, документация, обучение сотрудников.
Для каждого этапа в ТЗ — свой измеримый результат и свой критерий приёмки. Так бюджет не «замораживается» в случае неудачи раннего этапа, а заказчик получает рычаг управления.
Чек-лист ТЗ на ИИ-систему перед публикацией закупки
- Цель и измеримый эффект сформулированы (что станет быстрее/дешевле/точнее и как это посчитают).
- Данные названы: источники, объёмы, права, порядок обезличивания.
- Эталонная тестовая выборка предусмотрена и спрятана от подрядчика.
- У каждого ИИ-компонента — метрика, способ измерения, порог.
- Этапы POC → MVP → промышленная система с результатами и оплатой по этапам.
- Реестровые и контурные требования зафиксированы (реестр российского ПО, 152-ФЗ).
- Исключительные права на код, модель и датасеты переходят заказчику.
- Порядок приёмки ИИ-компонентов и экспертизы описан.
Что мы предлагаем
ООО «НЬЮ-ССТ» разрабатывает ИИ-системы для госзаказчиков и ежедневно видит обе стороны закупки. Пришлите проект ТЗ на sales@vyshka.cloud — инженер вычитает его по чек-листу выше и укажет, каких блоков не хватает, бесплатно. Полный цикл — от бизнес-аналитики до промышленного внедрения — в услуге «Бизнес-аналитика и ТЗ»; примеры бюджетов — в кейсе «Сколько стоит ИИ-ассистент». Общий каталог — услуги, частые вопросы внедрения — хаб вопросов.