Компания без фактически внесенного капитала, несколько сотрудников, никаких собственных строительных бригад — и 116 проектов по ремонту жилых домов на десятки миллионов юаней. В обычной жизни такая фирма могла бы вызвать вопросы у налоговой, заказчиков и хотя бы у соседей. Но в китайском Ухане ее обнаружил искусственный интеллект. Причем обнаружил не потому, что кто-то донес, пожаловался или случайно наткнулся на подозрительные документы. Просто компьютер сопоставил цифры и заметил то, что люди, отвечавшие за контроль, почему-то не замечали годами.
В этой истории есть все составляющие хорошего детектива: фиктивная компания, государственные деньги, подозрительные тендеры, чиновники, заинтересованные в определенных подрядчиках, и неожиданный сыщик, которому не нужны ни оперативная информация, ни признательные показания, ни знакомство с нужными людьми.
Сыщик этот — искусственный интеллект.
Китайский опыт интересен не только тем, что нейросети научились помогать ловить коррупционеров. Гораздо важнее другое: технологии начали применять там, где коррупция особенно болезненна для обычного человека, — в сфере содержания жилья, ремонта домов и расходования денег, которые граждане годами собирают на поддержание собственного имущества.
И тут российскому читателю трудно не задать закономерный вопрос: а почему бы не попробовать такую систему у нас?
Фирма-призрак, которая ремонтировала целые районы
Началось все в Ухане, крупном городе китайской провинции Хубэй.
Местная система цифрового контроля выдала тревожный сигнал. Одна строительная компания за год получила более десяти заказов. При этом ее зарегистрированный капитал сократился с 50 миллионов до 10 миллионов юаней, а фактически внесенный капитал все время оставался нулевым.
Но самое интересное обнаружилось при дальнейшем анализе: более 80% заказов приходилось на жилые комплексы, с которыми фирма уже работала прежде.
Компьютер обратил внимание на несоответствие, которое при обычной проверке отдельных документов могло остаться незамеченным. Компания с нулевым фактически внесенным капиталом и несколькими сотрудниками каким-то образом превратилась в чрезвычайно востребованного подрядчика.
За пять лет она получила 116 заказов на ремонт в 84 жилых комплексах, расположенных в 13 административных районах Уханя. Через эти проекты прошло 66,1 миллиона юаней средств специального жилищного ремонтного фонда.
На бумаге все выглядело прилично: проекты, согласования, документы, процедуры. Но когда цифровая система сопоставила сведения о подрядчике с данными о строительных бригадах, персонале, объектах и ходе работ, обнаружилась совсем другая картина.
У компании не было ресурсов, соответствующих масштабу ее деятельности. По некоторым проектам отсутствовали даже убедительные признаки реального выполнения строительных работ.
И вот здесь начинается самое интересное.
Искусственный интеллект не обнаружил коррупцию в результате какого-то фантастического озарения. Он сделал гораздо более прозаичную вещь: сравнил то, что обычно проверяется по отдельности.
Сколько у фирмы сотрудников? Какой у нее капитал? Сколько заказов она получила? Где находятся объекты? Кто участвовал в согласовании? Какие работы действительно проводились?
По отдельности каждая цифра могла выглядеть вполне безобидно. Вместе они складывались в картину, которую уже трудно было объяснить обычной хозяйственной деятельностью.
Коррупция любит разрозненные документы. Большие данные любят собирать их в одну картину.
Компьютер не берет конвертов. Но главное — он умеет считать
Китайцы, судя по описанию этой истории Центральной комиссией КПК по проверке дисциплины, решили использовать цифровые технологии не только для красивых презентаций о будущем, беспилотного транспорта и производства роботов. Они добрались до гораздо менее эффектной, зато чрезвычайно важной области — контроля за тем, как расходуются общественные деньги.
Для этого в Ухане объединили несколько массивов информации:
-
данные о ремонтах жилых домов;
-
сведения о строительных компаниях и их сотрудниках;
-
информацию о чиновниках жилищного ведомства;
-
историю согласования заявок;
-
журналы действий пользователей в государственных информационных системах.
Затем разработали пять основных правил поиска подозрительных ситуаций.
Система проверяет, например, не принадлежат ли несколько конкурирующих фирм одному фактическому владельцу; не повторяются ли подозрительные ремонтные заявки в одном районе; не слишком ли часто используются процедуры аварийного ремонта; нет ли странностей в электронных журналах согласования.
Последний пункт особенно интересен. Иногда достаточно посмотреть, кто, когда и каким образом изменил данные в системе, чтобы обнаружить, что административная процедура превратилась в инструмент обслуживания частного интереса.
Получается нечто вроде цифрового ревизора, который одновременно изучает бухгалтерию, родственные и деловые связи, историю тендеров и поведение чиновников.
Причем ему не нужно ждать, пока кто-нибудь пожалуется на протекающую крышу или исчезнувшие деньги. Он способен обнаружить подозрительную закономерность раньше, чем последствия станут очевидны жильцам.
По официальным данным Уханьской комиссии по дисциплинарной проверке, с августа после запуска модели было сформировано 260 предупреждений. Из них 65 превратились в материалы для дальнейшей проверки. В отношении 107 человек были возбуждены дела, 57 человек подверглись мерам воздействия или дисциплинарным взысканиям. В течение одного месяца под расследование попали девять государственных служащих.
Важная оговорка: это результаты, опубликованные китайским антикоррупционным ведомством, а не независимый аудит эффективности системы. И 107 человек не следует автоматически считать осужденными коррупционерами. Но сам механизм заслуживает внимания: компьютер обнаруживает аномалии, а люди проверяют факты и устанавливают ответственность.
И это еще не все: 26 участников тендера и один заранее выбранный победитель
Другой китайский пример показывает, что цифровой контроль способен выходить далеко за пределы жилищного хозяйства.
В провинции Чжэцзян система интеллектуального надзора за государственными закупками заинтересовалась тендером на проект городского освещения в городе Цзяншань.
Участвовали 26 компаний. На первый взгляд — вполне конкурентная процедура. Но искусственный интеллект обратил внимание на странность: компания-победитель не имела очевидного преимущества перед конкурентами по техническим и квалификационным характеристикам, зато получила по этим критериям оценку значительно выше средней.
Система сформировала предупреждение о возможном сговоре.
Дальнейшая проверка вывела следователей на Фэн Цзяна, бывшего руководителя подразделения Центра управления государственными активами Цзяншаня.
Выяснилось, что владелец компании-победителя через него договорился с людьми, имевшими влияние на проведение тендера. Ответственный за закупку передал членам экспертной комиссии сигнал о предпочтительности конкретного участника. После победы компании посредники разделили между собой 500 тысяч юаней вознаграждения.
Но на этом история не закончилась. Следователи повторно проанализировали другие проекты, к которым имел отношение Фэн Цзян, и обнаружили еще один эпизод: в другом тендере были заданы технические параметры оборудования, выгодные определенной компании. За содействие ее победе чиновник получил более 200 тысяч юаней.
В итоге Фэн Цзян был уволен с государственной службы и в ноябре 2025 года приговорен к двум годам и шести месяцам лишения свободы.
Обратите внимание на последовательность событий. Компьютер не просто обнаружил подозрительно высокую оценку одного участника. Он помог найти отправную точку для расследования, а затем позволил проверить другие проекты, связанные с теми же людьми.
Это уже не просто электронная проверка документов. Это поиск целой сети взаимосвязанных решений, компаний и денежных интересов.
Вот где начинается настоящая сила искусственного интеллекта в борьбе с коррупцией: он способен увидеть не отдельное нарушение, а повторяющуюся схему.
А теперь перенесемся в российскую действительность
И вот тут начинается самое интересное для отечественного читателя.
Россия тоже не испытывает недостатка в проблемах жилищно-коммунального хозяйства. У нас есть управляющие компании, региональные операторы капитального ремонта, подрядчики, субподрядчики, конкурсы, сметы, акты приемки, технический надзор и многочисленные инстанции, отвечающие за то, чтобы деньги граждан расходовались по назначению.
Есть и весьма развитая законодательная база. Например, постановление правительства № 615 регулирует отбор подрядчиков для капитального ремонта многоквартирных домов. В нем прямо заявлены задачи обеспечения прозрачности закупок и предотвращения коррупции.
Есть государственная информационная система ЖКХ, электронные закупки, реестры подрядчиков, контрольные органы, прокуратура, Счетная палата и Федеральное казначейство.
То есть проблема не в полном отсутствии компьютеров, законов и контролеров.
Проблема в другом: насколько эффективно вся эта информация объединяется, сопоставляется и превращается в своевременные сигналы о возможных нарушениях?
В России нередко можно встретить ситуацию, когда информация о подрядчике находится в одном ведомстве, сведения о выполненных работах — в другом, финансовые документы — в третьем, а результаты проверки появляются уже после того, как деньги перечислены и объект сдан.
Каждая организация формально выполнила свою часть работы. А общая картина почему-то никому не бросилась в глаза.
Китайский пример интересен именно тем, что там попытались преодолеть эту разобщенность.
Причем речь идет не о каких-то фантастических технологиях. Ничего сверхъестественного в обнаружении фирмы с нулевым внесенным капиталом, несколькими сотрудниками и 116 ремонтными проектами нет. Для этого не требуется даже особенно выдающаяся нейросеть. Нужны доступ к данным, возможность их сопоставить и заинтересованность в том, чтобы результат проверки не закончился очередной служебной перепиской.
Впрочем, российские контрольные органы тоже выявляют нарушения. В сентябре 2026 года Федеральное казначейство сообщило о результатах масштабной проверки деятельности региональных операторов капитального ремонта за 2024–2025 годы. В мероприятиях участвовали центральный аппарат и 83 территориальных органа Казначейства. Были рассмотрены системные нарушения и определены меры по их устранению.
Еще показательнее содержание опубликованных материалов проверок Фонда ЖКХ. Среди выявленных проблем фигурировали оплата фактически невыполненных работ, неподтвержденные затраты, завышение стоимости ремонта и оплата сверх установленных предельных цен. Встречались и случаи некачественного ремонта, а также недостоверной отчетности.
Знакомая картина? Разумеется.
Разница в том, что традиционная проверка чаще всего изучает уже совершенные операции. Китайская модель пытается обнаружить подозрительные закономерности еще на стадии принятия решений и движения денег.
И здесь есть над чем задуматься.
Почему в России нельзя просто включить китайский режим?
На первый взгляд, решение очевидно: взять китайскую практику, подключить к единой системе сведения о ремонтах, подрядчиках, чиновниках, платежах и результатах приемки — и пусть искусственный интеллект ищет подозрительные совпадения.
Представим, что такая система работает в российском ЖКХ.
Она могла бы автоматически задавать весьма неприятные вопросы:
-
Почему компания с двумя сотрудниками получила десятки контрактов на ремонт многоквартирных домов?
-
Почему один и тот же подрядчик регулярно выигрывает конкурсы у одних и тех же заказчиков?
-
Почему несколько формально независимых участников тендера имеют общих владельцев, руководителей или деловых партнеров?
-
Почему стоимость одинаковых ремонтных работ в соседних домах различается в несколько раз?
-
Почему аварийный ремонт внезапно становится самым популярным способом расходования денег?
-
Почему акты выполненных работ подписываются быстрее, чем физически можно выполнить сами работы?
-
Почему после перечисления денег подрядчику его деятельность прекращается, а на следующем конкурсе появляется новая компания с похожими связями?
Это не обвинения в адрес конкретных российских организаций. Это примеры вопросов, которые современная система анализа данных могла бы поставить перед проверяющими.
Причем искать ответы можно не только в документах. Можно сопоставлять платежи, сроки, сведения о собственниках компаний, историю участия в торгах, фотографии объектов и результаты технических обследований.
Разумеется, компьютер не должен самостоятельно объявлять человека коррупционером. Подозрительная закономерность — еще не доказательство преступления. Необходимы проверка, документы, свидетельства и судебная процедура.
Но согласитесь: гораздо интереснее, когда проверяющий приходит к подрядчику уже с конкретными вопросами, чем когда он вежливо просит предоставить папку документов, которую сам подрядчик и подготовил.
У нас тоже есть искусственный интеллект. Но кому он мешает?
Российская цифровизация за последние годы заметно продвинулась. Электронные закупки, государственные информационные системы, автоматизированная отчетность — все это давно не фантастика.
Однако сама по себе цифровизация не гарантирует исчезновения коррупции.
Любопытное подтверждение этому дает исследование российских ученых Сергея Сосновских и Брюса Кронина, опубликованное в журнале Europe-Asia Studies в 2026 году. Авторы изучили коррупционные механизмы в российской строительной отрасли, опираясь на 50 интервью с представителями бизнеса и государственных структур.
Их вывод состоит в том, что цифровизация закупок сама по себе не устраняет неформальные связи, покровительство и коррупционные механизмы. Если сохраняются условия, при которых решения определяются не только формальными правилами, новые электронные процедуры могут оказаться недостаточными. При этом интервью проводились до 2022 года, поэтому исследование не следует воспринимать как исчерпывающую оценку нынешнего состояния всей российской отрасли.
Вот это, пожалуй, самое важное обстоятельство.
Можно поставить камеры, установить компьютеры, перевести документы в электронный вид и даже внедрить самые современные нейросети. Но если система не заинтересована в обнаружении определенных нарушений, никакой искусственный интеллект не станет волшебной палочкой.
Более того, он может оказаться неудобным.
Представьте: система обнаруживает, что один и тот же подрядчик годами получает заказы, что его показатели не соответствуют объемам работ, что конкуренты подозрительно часто проигрывают, а согласования проходят через одних и тех же должностных лиц.
Что дальше?
В китайском варианте, описанном в материалах антикоррупционного ведомства, предупреждение передается проверяющим, которые начинают расследование.
В российском варианте хотелось бы, чтобы происходило то же самое. Но для этого недостаточно купить программное обеспечение. Нужны независимость проверки, реальная ответственность за нарушения и гарантии того, что цифровой сигнал не будет просто отключен по просьбе человека, которому он адресован.
Иначе получится весьма забавная ситуация: искусственный интеллект обнаружит коррупцию, а естественный интеллект найдет уважительную причину не обращать на нее внимания.
Китайский урок: бороться надо не только с коррупционером, но и с условиями для коррупции
Есть еще одна сторона китайского опыта, которую легко упустить.
В Ухане после выявления нарушений не ограничились расследованием деятельности конкретных компаний и чиновников. Начали менять саму систему управления ремонтными средствами.
В нее добавили обязательную идентификацию пользователей, контроль электронных операций, автоматические предупреждения об аномалиях. Стали совершенствовать обмен информацией между ведомствами.
То есть речь идет не только о наказании тех, кто уже попался, но и о сокращении возможностей повторить подобную схему.
Это принципиально важный подход.
Если после каждого коррупционного скандала просто увольнять очередного чиновника, на его место придет другой. Если же устранить механизм, позволявший одному человеку бесконтрольно направлять деньги определенным подрядчикам, ситуация может измениться гораздо серьезнее.
Вместе с тем китайскую практику не стоит идеализировать. Описанные результаты публикуются государственными антикоррупционными структурами КНР, а независимая проверка всех показателей ограничена. Системы массового анализа данных также требуют защиты персональной информации, контроля за ошибочными сигналами и возможности обжаловать решения. Технология не заменяет ни закон, ни справедливое расследование.
Но сам принцип заслуживает внимания: государственные деньги должны находиться под таким контролем, чтобы обнаружить подозрительную операцию было проще, чем скрыть ее.
И здесь Китаю действительно есть что показать другим странам.
Вместо заключения. Нейросеть не берет взяток. А вот люди…
История из Уханя — хороший пример того, как искусственный интеллект может стать практическим инструментом государственного управления.
Причем речь идет не о замене следователей роботами и не о том, что нейросеть теперь будет выносить приговоры. Ее задача гораздо конкретнее и полезнее: находить то, что трудно заметить человеку в огромном массиве разрозненных сведений.
Нулевой внесенный капитал при сотнях миллионов оборота. Несколько сотрудников при десятках объектов. Подозрительно одинаковые участники торгов. Аномальные оценки. Необъяснимые действия чиновников в электронных системах.
Все это можно обнаруживать автоматически, причем задолго до того, как проблема превратится в очередной громкий скандал.
Для России такая практика особенно актуальна в ЖКХ. Ведь речь идет не об абстрактных бюджетных миллиардах, а о деньгах, которые граждане ежемесячно отдают за содержание и ремонт собственных домов. О крышах, лифтах, трубах, отоплении и фасадах. О вполне конкретных людях, которые иногда годами ждут обещанного ремонта, продолжая исправно платить взносы.
Было бы неплохо, если бы искусственный интеллект научился проверять не только правильность заполнения платежек, но и то, куда в действительности уходят деньги жильцов.
В конце концов, у российской коммунальной системы есть все шансы стать прекрасным полигоном для внедрения искусственного интеллекта. Объемы данных огромные, повторяющихся операций масса, а подозрительных совпадений, судя по многочисленным контрольным отчетам, хватает.
И представьте себе перспективу: человек открывает компьютер, а тот сообщает, что ремонт крыши в его доме обошелся в три раза дороже аналогичного ремонта в соседнем квартале, подрядчик существует только на бумаге, а конкурс выиграла компания, связанная с теми, кто его проводил.
И не надо писать жалобы, ходить по кабинетам и объяснять чиновникам, что крыша все еще течет.
Компьютер уже все заметил.
Китайцы, похоже, начинают использовать искусственный интеллект не только для того, чтобы зарабатывать деньги на технологиях, но и для того, чтобы проверять, как расходуются деньги граждан.
А нам, возможно, стоит задуматься над простым вопросом: если искусственный интеллект способен обнаружить коррупционную схему по нескольким десяткам цифр, почему для этого иногда требуются годы человеческих проверок?
Может быть, пора поручить нейросети не только писать красивые отчеты о цифровизации, но и читать те отчеты, которые уже написаны?
Причем читать внимательно. Особенно раздел о расходовании средств.
По материалам китайских СМИ
Сергей Сорокин, Константин Трофимов, Сергей Соколов, Людмила Шестак
Специально для discred.net
