ИИ в оборонных закупках: 5 сигналов 2025 года

Жёсткая фраза министра, отменённый контракт на 96 млн долларов, спор вокруг 155-мм производственных линий, конкуренция за влияние в Африке и боевое применение истребителя в Юго-Восточной Азии — пятёрка самых читаемых оборонных сюжетов 2025 года выглядит как набор случайностей. Но если смотреть на них через призму «Искусственный интеллект в обороне и национальной безопасности», вырисовывается общая картина: армии и ведомства требуют быстрее принимать решения, быстрее закупать, быстрее наращивать производство — и при этом меньше ошибаться.

Проблема в том, что классическая модель оборонных закупок и управления программами живёт по инерции: длинные циклы согласований, слабая наблюдаемость цепочек поставок, «зоопарк» требований и документов, медленное масштабирование сетевых платформ. А реальность 2025 года — это постоянные кризисы, санкционные ограничения, перегрев рынков компонентов и давление на бюджеты.

Мой вывод простой: ИИ в оборонных закупках перестал быть «про будущее» — он стал практическим инструментом дисциплины. Ниже разберём пять громких сигналов 2025 года и то, как именно ИИ может закрыть болевые точки: от конкурсных процедур до CJADC2-подобных сетевых инициатив и контроля исполнения контрактов.

1) «Прайм должен умереть»: что на самом деле означает жёсткая риторика

Ключевой смысл резких заявлений про «пусть один из праймов уйдёт с рынка» — не в эпатаже. Это запрос на перестройку рынка и повышение конкуренции, где крупные интеграторы перестают быть «единственными воротами» к бюджету.

Почему это важно именно для ИИ

ИИ лучше всего даёт эффект там, где есть:

• много однотипных решений (тендеры, RFP, изменения к контрактам),
• повторяющиеся цепочки согласований,
• большие массивы документов и логов,
• потребность в прогнозировании (сроки, риски, стоимость).

То есть — ровно там, где «праймы» исторически сильны административной машиной. ИИ снижает ценность бюрократического масштаба и повышает ценность скорости и инженерной точности. Небольшие компании могут быстрее автоматизировать подготовку предложений, расчёт стоимости, верификацию требований, тестирование прототипов.

Практический вывод для заказчиков

Если ведомство реально хочет «встряхнуть» рынок, ему нужны не лозунги, а цифровые механизмы:

1. Единые машиночитаемые требования (чтобы системы могли проверять соответствие автоматически).
2. Модель рисков поставщика (финансовая устойчивость, исполнение сроков, качество, киберзрелость).
3. Контрактная наблюдаемость: метрики выполнения в реальном времени, а не отчёты раз в квартал.

Это и есть почва, где ИИ становится инструментом управления, а не презентацией.

2) Отмена закупки носимых устройств на $96 млн: ИИ против «контрактов-призраков»

Истории с отменой крупных закупок обычно всплывают не потому, что «все внезапно передумали». Чаще причина прозаичнее: требования расползлись, риски не были видны на ранней стадии, внутренние стейкхолдеры не договорились, а реальная полезность для миссии оказалась ниже, чем ожидалось.

Где именно помогает ИИ

В закупках носимых устройств (и вообще медтеха для армии) критичны три вещи: безопасность данных, доказуемая эффективность и интеграция в существующие системы. ИИ может «подсветить» проблемные зоны ещё до подписания:

• Анализ требований и противоречий: NLP-модели выявляют конфликтующие пункты в ТЗ, дубли, неоперационализируемые метрики («повысить готовность», «улучшить мониторинг» без измеримых критериев).
• Прогноз роста стоимости: модели на исторических данных (изменения объёма, количество уточнений, тип поставщика) дают ранний сигнал, что программа идёт к перерасходу.
• Оценка рисков данных: автоматизированная классификация потоков данных (биометрика, геолокация, медицинские показатели) и проверка соответствия политикам хранения/доступа.

Что делать, чтобы отмен было меньше

Я бы начал с простого чек-листа «до публикации тендера»:

1. Есть ли у программы операциональные KPI, а не общие слова?
2. Понятно ли, кто владелец данных и как устроены права доступа?
3. Определены ли границы пилота (срок, масштаб, критерии остановки)?
4. Есть ли план интеграции с сетями и C2-платформами?

ИИ здесь выступает как «аудитор здравого смысла», который не устаёт читать тысячи страниц приложений.

3) Предупреждение AFRICOM о конкуренции в Африке: ИИ как инфраструктура влияния

Когда США сокращают присутствие, другие игроки стараются «копировать» обучение, консультирование и поддержку — и это не только про оружие. Это про цифровую инфраструктуру, обмен данными, связь, логистику и аналитические контуры, где выигрывает тот, кто быстрее собирает картину и превращает её в решения.

Почему командование и контроль теперь «про данные»

Современные программы наподобие CJADC2-подходов (мультидоменные сети, объединение данных, быстрый цикл принятия решений) упираются в одно: качество данных и скорость их обработки.

ИИ даёт преимущество в трёх практических задачах:

• Слияние разнородных источников (от отчётов партнёров до спутниковых снимков и телеметрии).
• Приоритизация событий (что требует реакции сейчас, а что может подождать).
• Обучение и симуляция: генерация сценариев для подготовки партнёров и штабов на основе реальных паттернов.

Риск, о котором часто молчат

Чем больше вы завязываете партнёров на свои цифровые контуры, тем сильнее зависимость — и тем выше цена ошибок. Если ИИ-модель даёт неверную классификацию или завышает уверенность, это превращается в политический и военный риск. Поэтому требования к верификации, трассируемости и объяснимости решений должны быть встроены в закупку с первого дня.

4) 155 мм и спор вокруг производственных линий: ИИ для промышленной устойчивости

Дефицит артиллерийских боеприпасов — один из самых понятных уроков украинского конфликта для оборонной промышленности Запада: побеждает не тот, у кого красивее презентации, а тот, кто может стабильно производить в объёме.

Когда возникают задержки на производственных линиях, это редко одна причина. Обычно это сочетание: узкие места в снабжении, проблемы качества, кадровые ограничения, простои оборудования, затянутая приёмка.

Как ИИ делает производство «прозрачным»

Здесь работает не «магический интеллект», а понятные промышленные практики:

• Предиктивное обслуживание оборудования: модели прогнозируют отказ по вибрациям, температуре, циклам. Это снижает незапланированные простои.
• Компьютерное зрение на контроле качества: автоматическая проверка геометрии, дефектов поверхности, маркировок — быстрее и стабильнее человеческого контроля.
• Цифровой двойник линии: симуляция загрузки, переналадок, влияния партии компонентов на выход годных изделий.
• Прогнозирование поставок: модели риска поставщиков по срокам и качеству с учётом внешних факторов (логистика, регуляторика, дефицит материалов).

Что стоит прописывать в контрактах уже в 2026

Если заказчик хочет избежать «сюрпризов» с задержками, контракт должен требовать:

• телеметрию производственного процесса (в согласованном объёме),
• метрики OEE/простоев/брака на регулярной основе,
• план киберзащиты OT-сегмента,
• условия доступа к данным для независимого аудита.

ИИ без данных не работает. А данные без контрактных обязательств обычно остаются «внутри завода».

5) Боевой вылет Gripen в Таиланде: ИИ как фактор экспортной политики

Факт боевого применения самолёта сам по себе влияет на спрос. Но в 2025 году важнее другое: экспорт вооружений всё чаще оценивают через призму цифровых ограничений — обновления ПО, доступ к алгоритмам, контроль компонентов, киберриски.

Почему «самолёт» теперь наполовину софт

Современная авиация — это сенсоры, обработка сигналов, корреляция целей, планирование миссии, РЭБ. Значительная часть преимуществ создаётся программно. А значит:

• покупатель хочет обновления быстрее,
• продавец хочет контролировать критичный код,
• регулятор хочет минимизировать риски эскалации.

ИИ здесь выступает не только как «функция борта», но и как предмет переговоров: кому принадлежат модели, кто обучает их на данных эксплуатации, где хранятся датасеты, можно ли отключить функции удалённо, как проводится аудит.

Для национальной безопасности это прямой урок: суверенитет в ИИ и данных становится частью обороноспособности, а не абстрактной идеей.

Что объединяет все пять историй: три правила ИИ-закупок

Эти сюжеты выглядят разными, но у них общий нерв: государство хочет предсказуемости и скорости, а промышленность и партнёры — понятных правил игры. Если вы внедряете ИИ в оборонные закупки и управление программами, держите три правила.

1) Наблюдаемость важнее «умности»

Лучший ИИ-проект — тот, где видно, что происходит: данные о сроках, качестве, изменениях требований, уязвимостях. Без наблюдаемости любая модель становится спором мнений.

2) Контуры C2 и закупки должны говорить на одном языке

CJADC2-подобные сетевые программы и закупки часто существуют параллельно. Это ошибка. Если закупка не учитывает интеграцию данных, интерфейсы и требования к обмену, сеть превращается в витрину.

3) «Быстро» возможно только при заранее заданной ответственности

ИИ ускоряет решения, но ответственность не исчезает. Нужны:

• роли (кто утверждает, кто проверяет, кто отвечает за данные),
• процедуры верификации,
• журналирование действий и решений модели.

Мини-FAQ: вопросы, которые задают чаще всего

ИИ может реально ускорить оборонные закупки?

Да, если начинать с задач, где много документов и повторяемых действий: анализ требований, проверка соответствия, подготовка отчётности, мониторинг исполнения. Ускорение появляется не от «одной модели», а от процесса, где данные и решения связаны.

ИИ не усилит зависимость от подрядчиков?

Усилит, если не закрепить права на данные, требования к переносимости моделей и форматы хранения. Правильная позиция заказчика: данные и метрики — совместимые и переносимые, модели — проверяемые, интеграции — документированные.

С чего начать в 2026 году, если бюджет ограничен?

С «малых» внедрений, которые дают эффект за 8–12 недель:

• классификация и поиск по архиву контрактов,
• автоматический контроль изменений требований,
• дашборд рисков поставщиков,
• пилот компьютерного зрения на одном участке контроля качества.

Что делать дальше

Если 2025 год чему-то и научил, так это тому, что оборонная эффективность измеряется не количеством программ, а скоростью адаптации — к рынку, конфликтам, технологическим циклам. ИИ в оборонных закупках и управлении программами — это способ сделать адаптацию управляемой: видеть риски раньше, прекращать бесперспективное быстрее, масштабировать работающее смелее.

В следующем материале серии «Искусственный интеллект в обороне и национальной безопасности» я разберу практическую архитектуру: какие данные нужны, как выстроить контур MLOps в закрытых средах и как прописывать ИИ-требования в ТЗ так, чтобы поставщик не «привёз магию» вместо результата.

А вы бы что выбрали как первый шаг: ИИ для контроля исполнения контрактов или ИИ для промышленной аналитики и качества?