Искусственный интеллект обучили выявлять сговор на госторгах

В Высшей школе экономики представили модель машинного обучения для выявления картелей на госторгах. Она смогла предсказать признаки сговора их участников с точностью более 90%. Внедрение автоматизированных решений в антимонопольный контроль потенциально способно повысить его эффективность и сократить потери бюджета из-за неконкурентного поведения недобросовестного бизнеса, однако это предъявляет повышенные требования к работе ФАС по формированию правоприменительной практики, которая снизит риски наказания добросовестных поставщиков. В службе предлагаемые автоматизированные решения воспринимают как вспомогательные — решения о наличии нарушений в соответствии с законодательством принимаются соответствующими комиссиями.

В работе «Идентификация картелей на электронных аукционах госзакупок» (.pdf) эксперты Высшей школы экономики представили потенциал автоматизации процесса выявления картельных сговоров на торгах с помощью искусственного интеллекта. Действующая система антимонопольного контроля испытывает сложности из-за масштабов рынка госзаказа: в 2023 году заказчики заключили 2,4 млн контрактов на 10,6 трлн руб.

Возможность автоматизации контрольных функций появилась благодаря мерам Минфина и Федерального казначейства по цифровизации этой сферы.

Автор исследования, аспирант ВШЭ Константин Ефимов создал модель, которая с точностью до 91% может предсказать признаки сговора на торгах. Для обучения модели использовались данные о 89 тыс. аукционах госкомпаний (по 223-ФЗ) в период с 2016 по 2020 год, а также информация о более чем 1,1 тыс. решений ФАС по делам о картелях. После сопоставления 89 тыс. аукционов и текстов дел было обнаружено 20 аукционов с доказанным наличием картелей, еще 20 примеров «честных» аукционов были выбраны случайно (проблема малой выборки компенсирована разделением ее на тренировочную и тестовую для валидации результатов). Модель анализировала показатели ставок, времени их подачи и уровня снижения цены. По результатам анализа 40 аукционов выяснилось, что модель можно применять сразу после окончания аукциона — она опирается преимущественно на поведение участников на этапе первых ставок. При этом модель выявила антиконкурентное поведение даже при резком снижении начальной цены контракта (сразу на 81%). Обычно это расценивается как признак конкурентной борьбы, но речь в данном случае идет о стратегии «таран», при которой добросовестные участники торгов утрачивают экономический интерес в торгах из-за демпинга (это подтвердило расследование антимонопольных органов).

Предполагается, что внедрение автоматизированного анализа закупок может существенно упростить выявление нарушений. Однако есть и риски: участники торгов могут менять стратегии поведения, чтобы имитировать поведение «честных» фирм и обмануть алгоритм. Проблема, по утверждению автора, решается добавлением в модель дополнительных параметров — например, времени подачи ставки.

Отметим, что автоматизация процесса выявления картелей содержит риски и для добросовестного бизнеса и зависит от качества данных для обучения модели.

В ФАС “Ъ” сообщили, что поддерживают развитие информационных технологий — сейчас служба работает над разработкой информсистемы «Антикартель». Вторая очередь проекта предполагает функционал аналитики с применением машинного обучения и искусственного интеллекта. «Внедрение таких инструментов предназначено для выявления рисковых сценариев, которые свидетельствуют о наличии возможных признаков заключения и реализации антиконкурентных соглашений, что не предполагает автоматического принятия решений о нарушениях»,— добавляют в ФАС. В ведомстве объясняют, что решения о наличии нарушений антимонопольного законодательства принимаются на основе совокупности фактов и доказательств и рассматриваются комиссиями в рамках соответствующих антимонопольных дел — это регламентировано действующим законодательством.

Диана Галиева