←All articles
ИИ-Агенты & Автоматизация2026-11-20 · 11 min

Қазақстанда және жаһандық нарықта тендерлер мен B2B сатып алуды автоматтандыруға арналған AI-агенттер: Мемлекеттік сатып алу, Самұрық-Қазына, техспецификацияларды өңдеу және маржаны есептеу

Қазақстанда (Алматы, Астана, Шымкент) және халықаралық деңгейде тендерлік бөлімдер мен B2B жеткізушілеріне арналған автономды AI-агенттерді әзірлеу және енгізу бойынша кешенді нұсқаулық. Стек: LangGraph, LlamaIndex, PDF техспецификацияларды OCR өңдеу, 1C/ERP номенклатурасымен сәйкестендіру, маржа мен логистиканы есептеу, Telegram және CRM интеграциясы.

2026 жылғы тендерлер мен B2B сатып алуды қолмен өңдеу дағдарысы

Мемлекеттік және корпоративтік сатып алуларға қатысу — Қазақстандағы дистрибьюторлар, өндірушілер, құрылыс мердігерлері мен IT-компаниялар үшін негізгі табыс көздерінің бірі. Күн сайын электронды сауда алаңдарында ондаған мың жаңа лоттар жарияланады:

* ҚР Мемлекеттік сатып алу порталы (goszakup.gov.kz) — министрліктер, әкімдіктер, ауруханалар, мектептер мен мемлекеттік мекемелердің тапсырыстары;

* «Самұрық-Қазына» ҰӘҚ сатып алу алаңы (zakup.sk.kz) — ұлттық компаниялардың («ҚазМұнайГаз», «ҚТЖ», «Қазатомөнеркәсіп», «Қазақтелеком») ірі келісімшарттары;

* Тауар биржалары мен коммерциялық алаңдар: MITWORK, ETS, Nadloc және Kaspi Дүкенінің ішкі тапсырыстары;

* Халықаралық мемлекеттік және коммерциялық тендерлер: SAM.gov (АҚШ), TED (Еуропалық Одақ) және трансұлттық холдингтердің RFP/RFQ сұраныстары.

Алайда Алматы, Астана, Шымкент, Қарағанды қалаларындағы дәстүрлі тендерлік бөлімдер келесі жүйелі қиындықтарға тап болады:

1

Құрылымдалмаған құжаттардың орасан зор көлемі: Техникалық ерекшеліктер көбінесе 50–200 беттік сапасыз сканерленген PDF түрінде беріледі. Мәтін суретке айналған, кестелер бұрмаланған, маңызды шарттар құжат ішінде жасырылған.

2

Жасырын заңнамалық және нормативтік талаптар: Жергілікті қамту үлесі (СТ-KZ сертификаты), тар бағыттағы лицензиялардың болуы, қатаң банк кепілдіктері (1–3% өтінімді қамтамасыз ету, 30%-ға дейін аванс) және әр кешіктірілген күн үшін 0.1–0.5% айыппұл санкциялары.

3

Өтінім берудің өте қысқа мерзімі: Құжаттармен танысу, өзіндік құнды есептеу және өтінім дайындау үшін бар болғаны 3–7 жұмыс күні беріледі. Мамандар лоттардың 10–15%-ын ғана үлгереді.

4

Маржа мен логистикадағы қателіктер: Асығыс есептеулер салдарынан компаниялар өздеріне зиян келтіретін демпингке барады немесе Алматыдан Атырау, Маңғыстау облыстарының шалғай кен орындарына жеткізу шығындарын ескермей, барлық пайдасынан айырылады.

5

Жосықсыз қатысушылар тізіліміне (РНП) түсу қаупі: Техникалық ерекшеліктің бір тармағын байқамай қалу немесе жеткізу мерзімін кешіктіру сотқа, банк кепілдігінен айырылуға және 24 айға мемлекеттік сатып алудан шеттетілуге әкеледі.

2026 жылы осы түйткілдерді шешудің ең тиімді жолы — құжаттарды бірнеше секундта талдайтын, 1C базасынан сәйкес тауарларды табатын және маржаны есептейтін автономды AI-агенттер жүйесін (Multi-Agent Swarm) енгізу.


Тендерлік көп агентті жүйенің архитектурасы

Монолитті скрипттердің орнына жүйе LangGraph, LlamaIndex, PostgreSQL (pgvector) және FastAPI негізінде мамандандырылған ИИ-агенттерден құралады:

```

[ Мемлекеттік сатып алу / Самұрық / RFP ]

│

▼

┌──────────────────────────────────────────┐

│ Ingestion & Scraping Agent │ (OData API, GraphQL, RSS)

└────────────────────┬─────────────────────┘

▼

┌──────────────────────────────────────────┐

│ OCR & Document Vision Parser │ (PaddleOCR / Marker / GPT-4o-Vision)

└────────────────────┬─────────────────────┘

▼

┌──────────────────────────────────────────┐

│ Catalog & Semantic Matcher │ <───> [ 1C:Кәсіпорын / ERP номенклатурасы ]

└────────────────────┬─────────────────────┘ (pgvector / Qdrant векторлары)

▼

┌──────────────────────────────────────────┐

│ Financial & Compliance Scorer │ <───> [ Логистикалық тарифтер матрицасы ]

└────────────────────┬─────────────────────┘ (Маржа, ҚҚС 12%, СТ-KZ, Тәуекелдер)

▼

┌──────────────────────────────────────────┐

│ Notification & Bidding Desk │ ────> [ Telegram Mini App / CRM жүйесі ]

└──────────────────────────────────────────┘ (Түймелер: «Қатысу», «Бас тарту»)

```

1

Деректерді жинау агенті (Ingestion): Ашық OData API арқылы ҚТРУ кодтары, бюджет көлемі (мысалы, 5 млн-нан 500 млн теңгеге дейін) және жеткізу өңірлері бойынша лоттарды үздіксіз сүзгіден өткізеді.

2

Құжаттарды талдау агенті (OCR & Vision): Сканерленген күрделі PDF файлдарды өңдеп, тауардың сипаттамаларын, ГОСТ/ТУ талаптарын, айыппұл шарттарын нақты JSON пішіміне келтіреді.

3

Номенклатураны сәйкестендіру агенті (Catalog Matcher): Векторлық іздеу арқылы 1C:Кәсіпорын базасындағы қойма қалдықтары мен бағаларын тексереді, балама тауарларды ұсынады және СТ-KZ сертификатының қажеттілігін тексереді.

4

Қаржылық және тәуекел скорингі (Financial Scorer): Логистика шығындарын, ҚҚС (12%), банк кепілдігінің құнын шегере отырып, нақты таза маржаны есептейді. Бәсекелестердің өткен 3 жылдағы демпингтік тарихын талдайды.

5

Хабарлама және шешім агенті (Human-in-the-Loop): Барлық мәліметтерді қорытындылап, басшыға Telegram Mini App немесе amoCRM/Битрикс24 арқылы дайын шешім ретінде жібереді.


Python және LangGraph арқылы тендерді бағалау мысалы

```python

from typing import TypedDict, List, Optional

from pydantic import BaseModel, Field

from langgraph.graph import StateGraph, END

from langchain_openai import ChatOpenAI

class ExtractedTechSpec(BaseModel):

lot_name: str = Field(description="Сатып алу атауы")

ktru_code: str = Field(description="ҚТРУ коды")

delivery_city: str = Field(description="Жеткізу қаласы: Алматы, Астана, Шымкент т.б.")

delivery_days: int = Field(description="Жеткізу мерзімі (күнмен)")

st_kz_required: bool = Field(description="СТ-KZ сертификаты міндетті ме")

penalty_rate_per_day: float = Field(description="Күніне өсімпұл пайызы")

class TenderScoringResult(BaseModel):

is_feasible: bool

estimated_cogs_kzt: float

estimated_margin_percent: float

risk_score: int

red_flags: List[str]

class TenderState(TypedDict):

raw_pdf_text: str

tender_budget_kzt: float

parsed_spec: Optional[ExtractedTechSpec]

scoring: Optional[TenderScoringResult]

def financial_scoring_node(state: TenderState) -> dict:

spec = state["parsed_spec"]

budget = state["tender_budget_kzt"]

cogs = budget * 0.65

logistics = 250_000 if spec.delivery_city.lower() in ["алматы", "астана"] else 600_000

vat = budget * (12 / 112)

bank_fee = budget * 0.015

net_profit = budget - (cogs + logistics + vat + bank_fee)

margin_pct = (net_profit / budget) * 100

red_flags = []

risk = 2

if spec.delivery_days < 10:

red_flags.append(f"Өте қысқа жеткізу мерзімі: {spec.delivery_days} күн")

risk += 4

if spec.st_kz_required:

red_flags.append("СТ-KZ отандық өндіруші сертификаты талап етіледі")

risk += 2

scoring = TenderScoringResult(

is_feasible=(margin_pct >= 15.0 and risk <= 6),

estimated_cogs_kzt=cogs,

estimated_margin_percent=round(margin_pct, 2),

risk_score=min(risk, 10),

red_flags=red_flags

)

return {"scoring": scoring}

```


MurdaSoft студиясында әзірлеу мерзімдері мен бағалары

Пакет түріНе кіредіТехнологиялық стекМерзіміБағасы (₸ / $)
MVP: Мониторинг & OCR-талдауҚТРУ бойынша лоттарды жинау, PDF файлдарды өңдеу, сома мен мерзімдерді сүзу, Telegram бот хабарламаларыPython, FastAPI, Docker, Telegram Bot API, PaddleOCR, GPT-4o-mini10–14 күн450 000 ₸ бастап<br>($950)
Standard: Тендерлік AI-талдаушыКез келген сканерленген құжаттарды талдау, 1C базасымен сәйкестендіру, логистика мен маржаны есептеу, CRM интеграциясыLangGraph, LlamaIndex, PostgreSQL (pgvector), 1C REST API, Redis3–4 апта850 000 ₸ бастап<br>($1 800)
Enterprise: Толық B2B Сатып алу жүйесі5 агенттен тұратын жүйе, бірнеше алаңдар (ҚР + ТМД + халықаралық RFP), өтінім құжаттарын автоматты дайындау, Telegram Mini AppNext.js 15, FastAPI, LangGraph, Qdrant, Docker Swarm, ERP интеграциясы5–8 апта1 800 000 ₸ бастап<br>($3 800)

Енгізудің 5 қадамы

1

1-апта: Компания критерийлерін цифрландыру: ҚТРУ кодтарын, маржаның шекті деңгейін және 1C номенклатурасын жүйеге енгізу.

2

2-апта: Парсинг және OCR құралдарын баптау: Мемлекеттік сатып алу және Самұрық-Қазына алаңдарынан құжаттарды автоматты жүктеу және мәтінді тану.

3

3-апта: Векторлық сәйкестендіру және қаржылық формулалар: 1C тауарларын сәйкестендіру, Қазақстан өңірлері бойынша жеткізу шығындарын есептеу.

4

4-апта: Telegram Mini App және CRM интерфейсі: Мамандар мен басшыларға арналған ыңғайлы жұмыс кеңістігін құру.

5

5-апта: Нақты саудада сынау және іске қосу: Жүйені нақты лоттарда сынақтан өткізіп, тәулік бойы жұмыс істейтін режимге қосу.


Жиі қойылатын сұрақтар (FAQ)

Мемлекеттік сатып алу порталын боттар арқылы бақылау заңды ма?

Иә, толықтай заңды. goszakup.gov.kz ресми ашық OData API ұсынады. Агент барлық заңнамалық талаптар мен сервер шектеулерін сақтай отырып, тек ашық деректерді өңдейді.

ИИ-агент сапасыз сканерленген немесе қисық PDF құжаттарды қалай оқиды?

Біз алдымен кескінді өңдеу (бұрышын түзеу, контрастын арттыру, шуды кетіру) алгоритмдерін қолданамыз, содан кейін мультимодальды нейрожүйелер арқылы кестелерді 98%-дан астам дәлдікпен танимыз.

Баға есептеуде қателіктер мен галлюцинация қаупі қалай жойылады?

Математикалық есептеулер (маржа, салықтар, логистика) нейрожүйеге емес, қатаң Python кодтарына жүктеледі. Жасанды интеллект тек мәтінді оқу және атауларды сәйкестендіру үшін пайдаланылады. Соңғы шешімді әрқашан адам қабылдайды.

Бұл жүйені шетелдік тендерлерге (АҚШ, Еуропа) бейімдеуге бола ма?

Иә. Жүйе архитектурасы модульдік түрде жасалғандықтан, SAM.gov, TED Europe немесе халықаралық RFP порталдарын оңай қосуға болады.


MurdaSoft студиясымен бірге сатып алуды автоматтандырыңыз

Жасанды интеллект негізіндегі тендерлік агенттер бизнесіңізді жаңа деңгейге көтеріп, қателіктерден сақтайды және ең тиімді лоттарда жеңіске жетуге көмектеседі.

Біздің технологиялық стек, архитектуралық шешімдер және жүзеге асырылған жобалар картасымен MurdaSoft Vibe Map бөлімінде таныса аласыз.

AI-агентті өзіңіздің сатып алу немесе тендерлік процестеріңізге бейімдеу және жеке смета алу үшін студия негізін қалаушы Александр Мұрдасовқа Telegram арқылы жазыңыз: @murdasoft немесе @Allexndr.

Need a website or Telegram bot?

Free consultation - let's discuss your project.

Discuss project→