Как Содружество Массачусетс строит экосистему ИИ для госзакупок

ЦП ИТС Здравоохранения | узнать больше Международный прецедент: интеллектуальные агенты ABE и OneL в государственных закупках Содружества Массачусетс

В предыдущих публикациях цикла мы представили концепцию Цифровой платформы информационно-технологического сопровождения здравоохранения (ЦП ИТС Здравоохранения) — модель государственной платформы управления закупками услуг по информационно-технологическому сопровождению (доработка, консультации, поддержка, интеграции) для медицинских организаций. Были сформулированы ключевые принципы, задачи и образ будущего, а также обозначены институциональные ограничения, требующие нормативных корректировок. Настоящий материал посвящён анализу международного прецедента, который позволяет сопоставить предложенную архитектуру с реальной практикой государственных закупок.

Существуют ли в мире примеры, которые можно рассматривать как релевантные уроки для такой модели? Как организовано локальное развёртывание ИИ в государственном контуре? Какие ограничения выявляются при попытке прямого переноса зарубежного опыта? Ответы на эти вопросы даёт анализ проекта Содружества Массачусетс (США), где с конца 2023 года разрабатывается и проходит пилотную эксплуатацию пара интеллектуальных инструментов ABE и OneL^1,2,3,4.

Ключевая особенность кейса: в отличие от монолитных решений, проект OSD построен на разделении функций между двумя ИИ-инструментами (в официальной терминологии проекта — Dual AI Agents): ABE (семантический ассистент закупщика) и OneL (языковая модель для предварительной юридической проверки)^1,2. Система развёрнута внутри ИТ-периметра Содружества, обучена на локальном корпусе нормативных актов и позиционируется как ассистент, а не замена человеческих решений^1,4,5. Ниже мы рассмотрим контекст проекта, его архитектуру, верифицированные метрики, ограничения и уроки для российской модели.

1. Контекст и предпосылки проекта

Факт: Проект инициирован Операционным отделом обслуживания штата (Operational Services Division — OSD) совместно с Центром социальных изменений Бернса при Северо-Восточном университете (Burnes Center for Social Change, Northeastern University) в рамках программы AI for Impact (осень 2023 — весна 2024)^3,4. Реформа была вызвана ростом транзакционных издержек на предконкурсной стадии: сложность регламентов закупок приводила к операционным задержкам, дефектам в технических заданиях и перегрузке контрактных и юридических служб ведомств рутинной проверкой документов^1,2,3.

Факт: В октябре 2025 года проект удостоен высшей национальной награды Ассоциации государственных закупок США (NASPO) — премии Джорджа Кронина (золото) за инновации в сфере государственных закупок, а также премии за академическое сотрудничество^1,9. В том же конкурсе Содружество Массачусетс получило и серебро — за отдельный проект «Improving Supplier Relationship Management with Multi-Supplier Business Reviews» (не связанный с ИИ)^1,9. Это подчёркивает масштаб инновационной активности OSD, хотя к предмету настоящей статьи серебряный проект прямого отношения не имеет.

Оценка: Масштаб закупок OSD оценивается в $2,17 млрд в год (FY2023, Mass.gov)⁷. По данным Burnes Center, объём составляет «почти $3 млрд в год»³. Расхождение около $800 млн может объясняться разными критериями учёта (все контракты vs. только конкурентные, разные годы), однако методология в открытых источниках не раскрыта. Стоимость разработки и эксплуатации ABE/OneL также не раскрыта (подробнее см. раздел 6.3).

2. Функциональная и технологическая архитектура: два ИИ-инструмента

Вместо монолитной нейросети была спроектирована пара ИИ-инструментов (в терминологии проекта — Dual AI Agents), где каждый выполняет изолированную задачу комплаенса и снижения когнитивной нагрузки на человека^1,2,4.

Терминологическое уточнение. В первоисточниках используется термин «Dual AI Agents» — он зафиксирован в официальном названии проекта-победителя Cronin Award: *«Smarter Service, Safer Contracts: Transforming State Procurement with Dual AI Agents»*1,4,9,13. Однако терминология источников неоднородна: Mass.gov в описании ABE использует «chatbot agent», а в описании OneL — «large language model» (без слова «agent»)1; NASPO Pulse называет ABE «agentive-AI procurement assistant», а OneL — «an LLM agent»4; Burnes Center использует «generative AI tool» и «AI-powered assistant»3. Таким образом, слово «агент» — это терминология проекта (особенно в названии заявки на Cronin Award), но она применяется непоследовательно.

Авторская рамка — это формальное архитектурное разделение на «генератора» и «валидатора» как паттерн, наложенный для сопоставления с концепцией ЦП ИТС Здравоохранения. Сама рамка продуктивна, но читателю следует различать: «два ИИ-инструмента» — обобщение источников; «Dual AI Agents» — официальное название проекта; «конструктор + валидатор» — аналитическая интерпретация.

2.1. ABE — интеллектуальный конструктор

ABE (Assistive Buyer Engine — Ассистирующий движок закупщика) спроектирован как семантический интерфейс для работы с неструктурированными запросами государственных служащих на естественном языке^1,3. Mass.gov описывает ABE как «chatbot agent», NASPO Pulse — как «agentive-AI procurement assistant»^1,4. Согласно Mass.gov, ABE предоставляет «мгновенные, соответствующие политике ответы на вопросы по закупкам, опираясь на ключевые ресурсы OSD, включая Statewide Contract Index, Tradesperson Index, Conducting Best Value Procurements handbook и Contract User Guides»¹. Навигация по базе знаний осуществляется с использованием технологий семантического поиска³.

Примечание о написании: Mass.gov официально использует «Assistive Buyer Engine» (единственное число). NASPO Pulse использует «Assisted Buyer Engine» (единственное число, «Assisted»). Burnes Center и GitHub используют «Assistive Buyers Engine» (множественное число «Buyers»)3,8. В статье принято написание Mass.gov как наиболее авторитетного источника; расхождения зафиксированы.

Ключевые функции:

• Гибридный ввод: Заказчик вносит первичное описание потребности текстом. Система обеспечивает навигацию по процедурам и регламентам, что является прямым аналогом смешанного подхода (произвольный текст → конструктор), описанного в концепции ЦП ИТС Здравоохранения.
• Управление контекстом: Система осуществляет поиск по локальной базе знаний штата (Knowledge Base), которая включает справочники, руководства для покупателей, общегосударственные контракты и официальные регламенты закупок^1,3.
• Динамическая интерактивность: На основе извлечённого контекста ABE генерирует структурированные ответы и уточняющие вопросы для исключения двусмысленности³.

Статус ABE: Согласно официальной документации Burnes Center и Mass.gov, ABE находился на стадии тестирования и подготовки к развёртыванию в исполнительных ведомствах. Страница Burnes Center содержит внутреннее противоречие: в одном месте указано, что ABE развёрнут в реальную эксплуатацию (production), в другом — что находится на стадии тестирования^3,1. Официальный портал Mass.gov подтверждает, что ABE тестируется и готовится к развёртыванию в исполнительных ведомствах¹. Примечание: страница Burnes Center обновлялась в июле 2025 года; данных о статусе ABE за 2026 год в открытых источниках не обнаружено.

2.2. OneL — автоматический валидатор

OneL функционирует как инструмент предварительной юридической проверки. Ключевое уточнение: в источниках OneL прямо назван «a large language model being built to support OSD Legal»¹ — то есть это вероятностная языковая модель, а не классическая экспертная система с детерминированными правилами.

Это принципиальное различие: LLM не гарантирует детерминированную проверку комплаенса. Использование термина «экспертная система» могло бы создать у читателя неверное впечатление о характере инструмента.

Ключевые функции OneL:

• Автоматический комплаенс-контроль: Инструмент принимает текстовые массивы сформированных проектов ТЗ и контрактов и проводит семантический анализ до того, как документ попадёт к юристам-людям^1,2.
• Конфликт-детекция: Модель сопоставляет условия, предложенные в заявке, со строгими юридическими ограничениями штата. По данным официальной видеопрезентации проекта для конкурса NASPO Cronin Award, алгоритм распознаёт до 93% конфликтных и проблемных условий ИТ-поставщиков до передачи документов на ручную проверку². Статус метрики — устная презентация, требует текстовой верификации (см. раздел 6.6).
• Предложение «красных линий»: Система не просто подсвечивает ошибку, а предлагает текстовые правки, содержащие юридически предпочтительные формулировки из базы знаний OSD^1,2. Важно: в источниках не описан формализованный механизм верификации этих предложений — OneL «suggests preferred language», но не «verifies» его. Кроме того, точный источник формулировок (база знаний OSD, шаблоны контрактов или генерация модели) в открытых материалах не раскрыт.

Аналогия с концепцией ЦП ИТС Здравоохранения: Функциональное разделение ABE и OneL соответствует предлагаемой архитектуре, где конструктор ТЗ и генератор чек-листов выполняют роль «ассистирующего движка», а механизм порогов достоверности — роль «валидатора». Однако подчеркнём: в самом кейсе Массачусетса формализованные пороги достоверности как отдельный механизм не описаны — это элемент концепции ЦП ИТС Здравоохранения, который ещё предстоит спроектировать и обосновать. Отсутствие порогов в кейсе означает, что механизм различения надёжных и ненадёжных рекомендаций LLM не раскрыт — это создаёт риск для российской модели, которой придётся проектировать такой механизм самостоятельно.

3. Безопасность и суверенитет данных

Вопрос информационной безопасности при работе с государственными данными в Массачусетсе решён на уровне общей ИИ-политики штата (EOTSS Enterprise AI Policy)⁵, а также на уровне архитектурных решений, принятых для ABE и OneL. Согласно официальной документации NASPO, система «развёрнута полностью в среде ИТ-периметра Содружества»⁴.

Уточнение: открытый код ABE на GitHub построен на AWS CDK, AWS Cognito и AWS Lambda⁸. Государственное развёртывание может использовать собственную AWS-инфраструктуру штата (например, AWS GovCloud), однако это облачная инфраструктура коммерческого провайдера, пусть и в правительственном контуре. Формулировка «полностью суверенное развёртывание» была бы неточной. Для российской модели с требованиями импортозамещения этот нюанс принципиален.

Ключевые положения:

• Изолированный контур: Общий регламент EOTSS накладывает строгий запрет на использование госслужащими публичных коммерческих версий ИИ на рабочих устройствах⁵. Вся экосистема ABE и OneL развёрнута и хостится внутри защищенного ИТ-периметра правительства Содружества Массачусетс^1,4.
• Обучение на локальных данных: Согласно NASPO Pulse⁴ и Mass.gov¹, ABE опирается на ключевые ресурсы OSD, включая Statewide Contract Index, Tradesperson Index, Conducting Best Value Procurements handbook и Contract User Guides. NASPO Pulse подтверждает: «ABE and OneL are trained specifically on the commonwealth's laws, regulations, policies, manuals, and templates»⁴. Согласно видеопрезентации NASPO² (не верифицировано текстовыми источниками), модель лишена доступа к открытому Интернету. Важно: изоляция от интернета ограничивает источник данных, но не устраняет проблему галлюцинаций LLM — модель может генерировать правдоподобные, но юридически неверные формулировки на основе собственного корпуса (см. раздел 7).
• Позиция человека в контуре: В соответствии с базовыми принципами EOTSS, ИИ признан исключительно ассистентом и не заменяет человеческие решения⁵. Финальная подпись, верификация и юридическая ответственность за техническое задание остаются за человеком^1,2.

Важно: Разрабатываемая в Массачусетсе система ABE/OneL не связана с инициативой по развёртыванию ChatGPT для государственных служащих, объявленной губернатором Хили 13 февраля 2026 года. Это две независимые ИИ-инициативы в рамках общей политики штата6. ABE/OneL — отдельные инструменты, разработанные с Northeastern University; ChatGPT-инициатива — отдельный контракт с OpenAI.

4. Верифицированные метрики эффективности

На основе официальных данных из проверенных источников правительства штата (Mass.gov), конкурсных видеоматериалов NASPO Cronin Award и документации проекта можно выделить следующие показатели^1,2,3. Обращаем внимание на разный статус верификации:

Важно: Метрика сокращения времени на 83,33% основана на результатах первичных пилотных испытаний в OSD Legal и TSS Legal¹. Для подтверждения аналогичных результатов в условиях промышленной эксплуатации требуются данные длительного мониторинга. Метрики 93%, более 80%, 85% и 3 000+ запросов приведены на основе устной видеопрезентации NASPO; на момент анализа подтвердить их текстовыми источниками не удалось. YouTube-страница не содержит ни расшифровки, ни описания с этими цифрами²; на странице победителей NASPO текстовые метрики также не приведены⁹.

Расхождение по объёму закупок: $2,17 млрд (FY2023, Mass.gov) vs. «почти $3 млрд» (Burnes Center). Разница около $800 млн может объясняться разными критериями учёта (все контракты vs. только конкурентные, разные годы), но в открытых источниках методология не раскрыта. Для корректного цитирования рекомендуется приводить обе цифры с указанием источника.

Стоимость разработки и эксплуатации: в открытых источниках не раскрыта. Это существенный пробел для оценки экономической эффективности кейса.

5. Значение кейса для российской модели

Данный международный опыт может быть использован для обоснования ключевых архитектурных принципов Цифровой платформы информационно-технологического сопровождения здравоохранения:

Вывод: Кейс Массачусетса подтверждает три из шести ключевых компонентов концепции ЦП ИТС Здравоохранения — и это подтверждение носит характер подтверждения общих принципов, а не специфики. Три неподтверждённых компонента (депонирование, рейтинговая система, испытательный контур) — это не мелкие детали, а структурные элементы платформы, которые требуют самостоятельной нормативной и архитектурной проработки. Кейс демонстрирует жизнеспособность локального развёртывания ИИ и разделения функций между инструментами в государственных закупках, но не является полным аналогом российской модели.

6. Ограничения и нюансы, требующие учёта

При анализе кейса Массачусетса необходимо учитывать следующие ограничения:

6.1. Статус готовности ABE и OneL

Согласно официальной документации Burnes Center и Mass.gov, на момент подготовки источников ABE находился на стадии тестирования и подготовки к развёртыванию в исполнительных ведомствах^3,1. OneL, согласно Mass.gov, также находился в стадии разработки («being built») для поддержки юридического отдела OSD¹. Это означает, что часть заявленных эффектов является прогнозной и требует подтверждения длительной эксплуатацией.

6.2. Отсутствие финансовых механизмов депонирования

В открытых источниках нет упоминаний об условных счетах или финансовых гарантиях. Расчёты не являются частью функционала ABE и OneL^1,2. Для концепции ЦП ИТС Здравоохранения этот компонент требует самостоятельной нормативной проработки.

6.3. Отсутствие данных о стоимости

Стоимость разработки и эксплуатации ABE/OneL в открытых источниках не раскрыта. Это не позволяет оценить экономическую эффективность кейса в полном объёме: известно о сокращении времени, но неизвестны затраты на достижение этого результата. Для российской модели этот аспект требует самостоятельного анализа.

6.4. Интеграция с другими практиками

Параллельно с внедрением ИИ-инструментов, OSD внедряет систему управления эффективностью поставщиков (Vendor Performance Management), включая групповые бизнес-обзоры¹. ИИ-инструменты работают в связке с человеческими процессами управления, создавая комплексную экосистему.

6.5. Пилотный характер метрик

Метрика сокращения времени на 83,33% основана на результатах первичных пилотных испытаний в OSD Legal и TSS Legal¹. Для подтверждения в промышленной эксплуатации требуются дополнительные данные. Экстраполяция пилотных результатов на промышленную эксплуатацию методологически некорректна без дополнительных исследований.

6.6. Статус метрик из видеопрезентации и Cronin Submissions Booklet

Метрики 93%, более 80%, 85% и 3 000+ запросов приведены на основе устной видеопрезентации проекта для конкурса NASPO Cronin Award². Они не являются официальными текстовыми документами и требуют дополнительной текстовой верификации. На момент анализа подтвердить их по письменным источникам не удалось: YouTube-страница не содержит расшифровки или описания с этими цифрами²; на странице победителей NASPO текстовые метрики также не приведены⁹.

Статус проверки Cronin Submissions Booklet: на странице победителей NASPO доступна ссылка для скачивания «comprehensive booklet to read the full 2025 Cronin Award submissions»⁹. В рамках подготовки статьи была предпринята попытка верификации: поиск по открытым индексируемым источникам не выявил текстовых версий метрик 93%, 80%, 85% и 3 000+ в буклете. Содержимое PDF-буклета не проиндексировано поисковыми системами, что не позволяет подтвердить или опровергнуть наличие этих метрик без прямого скачивания и анализа документа. Вывод: на момент публикации текстовая верификация метрик из видеопрезентации остаётся недоступной через открытые источники. Если буклет содержит эти метрики, статус может быть повышен; если нет — это должно быть зафиксировано как окончательный вывод о недоступности текстовой верификации.

6.7. Расхождение в объёме закупок OSD

Mass.gov указывает $2,17 млрд (FY2023)⁷, Burnes Center — «почти $3 млрд» в год³. Разница около $800 млн может объясняться разными критериями учёта, но методология в источниках не раскрыта. При цитировании следует приводить обе цифры.

7. Риски, не отражённые в кейсе: галлюцинации LLM и инфраструктурный контекст

Два аспекта, критически важных для концепции ЦП ИТС Здравоохранения, в кейсе Массачусетса либо не отражены, либо отражены косвенно.

7.1. Галлюцинации LLM — критический риск для юридического валидатора

OneL — это большая языковая модель¹. Ключевая проблема LLM в юридическом контексте — галлюцинации: генерация правдоподобных, но юридически неверных формулировок. В разделе 3 упоминается «снижение риска генерации недостоверных параметров» благодаря изоляции модели от интернета, однако изоляция от интернета не устраняет проблему галлюцинаций — она лишь ограничивает источник данных. Модель может ошибаться на основе собственного корпуса, особенно при изменении законодательства или появлении нетиповых условий контрактов. Для российской модели, работающей в контексте 44-ФЗ и 135-ФЗ, это означает необходимость:

• формализованных порогов достоверности с обязательной ручной верификацией при их недостижении;
• логирования всех сгенерированных формулировок с возможностью аудита;
• регулярной перекалибровки модели при изменении нормативной базы;
• процедур эскалации при обнаружении противоречий между ответом модели и действующим законодательством.

В кейсе Массачусетса эти механизмы в открытых источниках не описаны — что не означает их отсутствия, но означает, что концепция ЦП ИТС Здравоохранения не может на них опереться и должна проектировать их самостоятельно.

7.2. Инфраструктурный контекст: AWS ≠ полный суверенитет

Открытый код ABE на GitHub построен на AWS CDK, AWS Cognito и AWS Lambda⁸. Даже если развёртывание выполнено в AWS GovCloud или аналогичном правительственном контуре, это облачная инфраструктура коммерческого провайдера. Для российской модели с требованиями импортозамещения и Федерального закона № 187-ФЗ «О государственной информационной системе в сфере здравоохранения» этот нюанс принципиален: локальное развёртывание в терминах Массачусетса и локальное развёртывание в терминах российской модели — это разные уровни суверенитета. Концепция ЦП ИТС Здравоохранения должна предусматривать развёртывание на отечественной инфраструктуре (или в защищённом контуре, соответствующем требованиям регулятора), а не просто «внутри ИТ-периметра».

8. Другие штаты: контекст NASPO Pulse

Для понимания места кейса Массачусетса в общем ландшафте ИИ-инициатив в государственных закупках США полезно обратиться к обзору NASPO Pulse (октябрь 2025)⁴, который упоминает и другие штаты:

Примечание: Указанные инициативы относятся к разным функциональным областям; сравнение показывает разнообразие подходов, а не конкуренцию.

Это сравнение показывает, что Массачусетс, по оценке автора, выделяется именно архитектурным разделением функций и фокусом на комплаенсе, а не просто использованием ИИ. Архитектурное разделение функций, по-видимому, было одним из ключевых оснований для присуждения золотой награды Cronin Award — наряду с другими факторами, отмеченными в официальном релизе Mass.gov: прозрачностью, сотрудничеством и общественной пользой¹.

Итоги и выводы

Прецедент Содружества Массачусетс демонстрирует важный, но не однозначный опыт внедрения искусственного интеллекта в государственном секторе. Его следует рассматривать как источник уроков, а не как доказательство жизнеспособности конкретной архитектурной модели.

Ключевые выводы (с оговорками):

• Успех проекта ABE и OneL, по имеющимся данным, обусловлен не мощностью базовых алгоритмов, а строгой изоляцией данных (развёртывание внутри ИТ-периметра), глубокой интеграцией локальной нормативной базы в контур управления контекстом и функциональным разделением ИИ на инструмент генерации и инструмент аудита^1,2,4. Однако система на момент подготовки источников не вышла из стадии тестирования, поэтому окончательные выводы делать преждевременно.
• Сокращение времени комплаенса на 83,33% в пилотных испытаниях — это измеримый, но ограниченный результат. Он подтверждает потенциал интеллектуальной автоматизации предконкурсной стадии, но не доказывает сохранение эффекта в промышленной эксплуатации. Метрики «более 80%», 93%, 85% и 3 000+ запросов не верифицированы текстовыми источниками и не могут использоваться как установленные факты². Возможная точка верификации — Cronin Submissions Booklet 2025⁹; на момент подготовки статьи текстовая верификация остаётся недоступной.
• Запрет на использование публичных коммерческих версий ИИ и развёртывание внутри ИТ-периметра правительства штата — это важное условие доверия к системе со стороны регуляторов и государственных служащих^1,4,5. Однако инфраструктурно система опирается на AWS, что не тождественно полному суверенитету в терминах российской модели⁸.
• Разделение ответственности (человек в контуре) — не ограничение, а юридическая гарантия, позволяющая внедрять ИИ с сохранением ответственности за принимаемые решения^1,5. Для LLM это особенно важно из-за риска галлюцинаций (см. раздел 7.1).
• Кейс подтверждает три из шести структурных компонентов концепции ЦП ИТС Здравоохранения — и только на уровне общих принципов. Финансовые механизмы депонирования, рейтинговая система исполнителей и изолированный испытательный контур не имеют аналогов в кейсе и требуют самостоятельной проработки.

Для руководителей ИТ-служб медицинских организаций: международный опыт показывает, что локальное развёртывание интеллектуальных инструментов с разделением функций (в соответствии с требованиями к защите данных в РФ) — это перспективное направление, а не доказанный «магистральный путь». Рекомендуется учитывать этот прецедент при формировании требований к платформам автоматизации закупок ИТ-услуг, но с обязательной оговоркой о пилотном статусе системы и неподтверждённых метриках.

Для членов НТС и экспертных групп: опыт Массачусетса может быть использован как эмпирический материал для обоснования российской архитектурной модели (в рамках 44-ФЗ и 135-ФЗ). Ключевые параметры — локальное развёртывание, разделение функций, человек в контуре — прошли пилотную апробацию и показали предварительные результаты в США. При этом необходимо учитывать ограничения: статус ABE и OneL (тестирование и доработка), пилотный характер метрик, отсутствие финансовых механизмов, устный характер части метрик (из видеопрезентации NASPO), а также риски галлюцинаций LLM и инфраструктурную зависимость от AWS.

Для разработчиков и архитекторов: в следующей публикации цикла мы детально разберём, как архитектура локальных ИИ-инструментов (по аналогии с ABE/OneL) может быть аппаратно и программно адаптирована для российской платформы с учётом требований импортозамещения, специфики медицинских информационных систем и обязательного механизма порогов достоверности для минимизации рисков галлюцинаций LLM.

Что дальше: в следующей статье цикла мы обратимся к опыту Индии (Ayushman Bharat Digital Mission) и рассмотрим финансовую инженерию платформенных расчётов. Приглашаем читателей к диалогу: какие аспекты международного опыта представляются наиболее релевантными для российской модели? Какие риски, по вашему мнению, требуют первоочередной проработки?

Источники

Анализ, приведённый в статье, выполнен с использованием технологий искусственного интеллекта (анализ и структурирование открытых данных), а также с учётом экспертного опыта автора в области автоматизации медицинских организаций федерального уровня. Ниже приведены источники, включая ссылки, документацию, нормативные акты и прочие материалы, упомянутые в статье. Информация актуальна на сентябрь 2026 года; для применения в конкретной ситуации рекомендуется сверяться с действующей редакцией документов.

Примечание: Анализ основан на официальных операционных руководствах OSD (Mass.gov), документации Burnes Center (Northeastern University) и материалах NASPO за 2023–2025 годы. Информация актуальна на сентябрь 2026 года.