Эра алгоритмов: как Big Data и машинное обучение трансформируют рынок банкротства

Введение: Точка невозврата

К февралю 2025 года рынок банкротства в России окончательно прошел через тектонический сдвиг. Эпоха случайного выбора СРО АУ и последующего назначения арбитражных управляющих из числа членов этого СРО, что нередко было похоже на «ручное» назначение и кулуарные междусобойчики в процедурах, инициированных государством, официально завершена. На смену «псевдослучайному» выбору пришла жесткая математическая модель — Регистр арбитражных управляющих (РАУ ФНС).

ФНС является основным заявителем в процедурах банкротства, так в 2024 году налоговики были инициатором в 24,3% процедур банкротства. Учитывая «вес» ФНС, это не просто изменение регламента у отдельно взятого кредитора. Это полная смена парадигмы, которую можно назвать «уберизацией» банкротства. Если раньше назначение арбитражного управляющего (АУ) зависело от его харизмы, связей и умения договариваться, то сегодня ликвидным ресурсом стали и баллы как исторические коэффициенты эффективности.

Часть 1. Новая правовая реальность: от хаоса к цифровой репутации

1.1. Конец «ручного» управления

Десятилетиями назначение на процедуры банкротства было результатом сложного социального взаимодействия. Банки имели свои аккредитованные проектные офисы, СРО соревновались в скорости подачи бумажных и электронных согласий, а суды выбирали управляющих по принципу случайного выбора. Все это ставило вопросы прозрачности процедур банкротства, фактической зависимости арбитражных управляющих от тех или иных кредиторов.

Внедрение РАУ улучшило понимание процесса выбора независимых арбитражных управляющих, но при этом превратило этот процесс в высокотехнологичный аукцион. ФНС, как крупнейший кредитор страны, создала полигон, где статус «оператора системы» заменяет статус арбитражного управляющего как «юриста-одиночки». Ваши заслуги и связи, которые нельзя оцифровать в процентах погашения требований или в месяцах длительности процедур, больше не имеют значения.

1.2. РАУ как глобальный стандарт будущего

Важно понимать, что РАУ — это не локальный эксперимент налоговой службы. Это прототип. По нашей оценке, уже к 2027 году есть существенный риск, что алгоритмические системы выбора АУ станут стандартом для крупнейших банковских структур (Сбер, ВТБ и т.д.) и государственных корпораций, возможно, и распространится на любые процедуры банкротства. При открытой системе выбора все меньше оснований, чтобы при системе независимых арбитражных управляющих предоставлять заявителю в деле о банкротстве возможность назначать «своего» арбитражного управляющего, даже в процедурах без ФНС.

1.3. Главная угроза — «информационная слепота»

В новой системе АУ сталкивается с парадоксом: процедур стало больше, но их качество стремительно падает. Ежедневно на площадке РАУ публикуются сотни лотов. Например, в пиковые дни декабря 2025 года фиксировалось более 2000 новых процедур в сутки. Проблема в том, что 80% этого потока — «токсичные активы». Это отсутствующие должники, компании с обнуленными балансами и процедуры, где единственная цель ФНС — формальное выполнение регламента для перехода к субсидиарной ответственности. Принимать решения интуитивно в таком потоке — значит гарантированно сжечь свое время на «мусорных» делах.

Часть 2. Анализ данных и ловушки системы

2.1. Ловушка «больших чисел»: декабрьский пик

В новой системе АУ сталкивается с пугающим парадоксом: количество процедур растет экспоненциально, но их качество стремительно падает. Рынок превращается в конвейер «токсичных активов». Чтобы понять масштаб, достаточно взглянуть на статистику одного из пиковых дней — 23 декабря 2025 года. Всего за одни сутки на площадке РАУ было зафиксировано 2053 новые процедуры. Вдумайтесь в эти цифры: только в Москве за день появилось 579 лотов, а в Московской области — 167.

Для управляющего это означает необходимость мгновенного анализа огромного массива данных за 5 рабочих дней. Попытка изучить этот поток вручную — это путь к гарантированной ошибке. ФНС предлагает вам сотни вариантов, но 80% из них — это процедуры, в которых вы рискуете заморозить или сжечь свой рейтинг, не заработав даже фиксированное вознаграждение.

2.2. Парадокс карточки РАУ: почему данные ФНС бесполезны?

Если открыть типичную карточку должника на официальном сайте РАУ, мы увидим классический пример «информационного шума». ФНС, обладая доступом ко всем данным о должниках, выдает управляющему лишь крохи информации, и какой-либо налоговой тайной это нельзя объяснить.

ФНС не заинтересована в вашем удобстве. Информационный вакуум вокруг карточек РАУ может создаваться намеренно: налоговой службе достаточно формального размещения данных, чтобы соблюсти внутренний регламент. Оценка трудоемкости и рисков — это полностью ваша головная боль.

2.3. Глубокое сканирование. Что на самом деле должен видеть АУ до принятия решения

Для того чтобы у арбитражного управляющего возникло обоснованное желание заняться процедурой — особенно в условиях участия «проблемного» кредитора в лице ФНС — он должен обладать данными, которые лежат далеко за пределами балансового отчета. На платформе rau.encaro.ru мы сфокусировались на выявлении следующих критических показателей, но не ограничиваясь:

• Конкурсная масса и ее реальная структура. Система позволяет оценить природу основных средств (недвижимость, земельные участки, транспорт, спецтехника, оборудование), в том числе через верификацию по имущественным налогам. Благодаря нашему алгоритму исторического анализа «дерева компаний» мы часто указываем на фиктивность запасов и дебиторской задолженности еще на этапе пре-анализа. Это дает понимание: есть ли физический актив или только запись в бухгалтерской отчетности.
• Выручка и движение денежных средств в динамике. Анализ годовых оборотов в ретроспективе необходим для оценки реального масштаба бизнеса и объема операций должника. Сопоставление динамики выручки с датой подачи заявления о банкротстве позволяет предварительно определить периоды подозрительности для оспаривания сделок. Резкое снижение оборотов при сохранении или росте кредиторской задолженности — это не просто финансовый спад, а основание для анализа изучения динамики и определения момента наступления объективного банкротства.
• Динамика и движение основных средств, информация о лизинге. Это важнейший риск-фактор: активы, обремененные лизингом, достаточно просто изымаются лизингодателем, при этом основные средства в балансе «схлопываются» до нуля практически мгновенно, оставляя АУ с пустой процедурой.
• Информация об уже возбужденном деле о банкротстве или о публикациях в Федресурсе. Агрегируем данные о намерениях кредиторов, чтобы вы не оказались в ситуации, когда заявка подана, а процедура уже перехвачена иным лицом.
• Информация по делам должника. Платформа аккумулирует информацию по земельным и имущественным отношениям, залогам, кредитным обязательствам из судебных дел. Цель в идеале — выявление крупных кредиторов и объекты имущества вплоть до кадастровых номеров с их актуальной кадастровой стоимостью и описания отдельных объектов активов.
• Информация о КДЛ (контролирующих должника лицах). Анализируем не только текущих, но и прошлых руководителей и учредителей. Алгоритм проводит оценку номинальности действующих лиц для определения потенциальных проблем с предоставлением документации. Это позволяет заранее оценить эффект от возможного привлечения к субсидиарной ответственности, используя исключительно легальные публичные источники.
• Оценка ликвидности дебиторской задолженности и запасов. Как пример, система учитывает структуру активов, выручку, налоговую задолженность, регион, вид деятельности и налоговую нагрузку. Это позволяет выявлять типовые «схемы оптимизации» (например, так называемый «бумажный НДС» или дробления бизнеса), при которых в отчетности искусственно раздуты запасы и кредиторская задолженность. Подобные аномалии становятся очевидными при сопоставлении данных конкретного должника с отраслевыми бенчмарками.

2.5. Экономика анализа. Машинное время против человеческого ресурса

При разработке платформы мы столкнулись с дилеммой, которую должен понимать каждый профессионал: разница в трудозатратах и машинном времени определяет саму возможность выживания в системе РАУ. Надо четко осознавать:

1. Экспресс-аналитика. С подгрузкой данных через разнообразные API условно занимает 1 секунду на одну процедуру. При таком подходе обработка 2000 процедур занимает 30 минут. Это позволяет мгновенно отсеять информационный мусор и предоставлять вам всю актуальную информацию.
2. Усложненная (глубокая) аналитика. Она включает обработку внутренних баз, анализ текстов судебных актов, скрапинг и поиск упоминаний в СМИ. Такой анализ формируется от 5 до 20 минут на один объект.

Если пытаться применять глубокий анализ ко всему входящему потоку, то 2000 процедур потребуют около 20 000 минут машинного времени (13 дней). Это физически не позволяет уложиться в отведенные пять рабочих дней, которые ФНС дает на подачу заявок. Именно поэтому на первоначальном этапе (публичном) мы не стали усложнять публичную платформу избыточным глубоким анализом для каждого лота. Мы ограничились оптимальным набором информации, доступным для всех, хотя технологически полностью реализовали возможность глубокого погружения для оценки тех процедур, в которых напрямую заинтересованы наши посетители. В итоге, разделение анализа на уровни позволяет арбитражному управляющему не захлебнуться в потоке данных, а использовать ресурсы точечно — там, где автоматика уже подтвердила наличие потенциала.

Часть 3. Платформа rau.encaro.ru: Технологии на службе практики

В условиях, когда на анализ одной процедуры у человека уходит от 30 до 60 минут, а поток составляет 2000 дел в день, ручной отбор становится физически невозможным. Мы превратили Big Data в четыре прикладных инструмента.

3.1. Инструмент №1: Автоматический «Рейтинг интереса» (Score 1-10)

Вместо того чтобы тратить часы на анализ, вы видите автоматическую оценку. Наш алгоритм агрегирует десятки факторов: от динамики имущественных налогов до анализа ликвидности дебиторской задолженности.

• 7.0 – 10.0 (Высокий приоритет). «Зеленый свет». Процедуры с реальными активами и высокой вероятностью погашения.
• 3.0 – 6.0 (К рассмотрению). Требуют детального изучения «человеческим» глазом.
• 1.0 (Базовая оценка). До 80% рынка. Система позволяет отсечь этот информационный шум одним кликом, экономя колоссальное количество времени.

Зайдите в разделы процедур с баллами или без баллов для получения списка и анализа на нужную дату.

3.2. Инструмент №2: Прогнозная модель ставок (ML-Predictor)

Для конкурентных процедур «с баллами» платформа предоставляет блок рекомендаций, основанный на машинном обучении:

1. Пороговая ставка. Минимальный балл для входа в «финальную пульку».
2. Медианная ставка. Статистическое равновесие, обеспечивающее проход во второй этап.
3. Рекомендуемая ставка. Балл, гарантирующий попадание в список случайного выбора с вероятностью 90 или 95%, в зависимости от ваших предпочтений.

Более того, мы прогнозируем диапазон баллов результативности АУ, которые пройдут в финал. Это критически важно: нет смысла ставить высокие баллы СРО, если у ваших кандидатов-управляющих недостаточно личного рейтинга, чтобы конкурировать с «топами» других СРО в этой конкретной нише.

Как пример рассмотрим процедуру «Байкальской лесной компании» (анализ). Рекомендуемая ставка с 90% вероятностью 184,62 балла (не ниже), при этом надо понимать, что обычно в таких процедурах побеждают в 90% случаях арбитражные управляющие с баллами не ниже 660. У вас баллы ниже или не хотите тратить столько? Найдите другую процедуру, не теряйте время на этой.

3.3. Инструмент №3: Поведенческое досье на СРО и АУ

Мы создали «карту рынка», которая показывает специализацию конкурентов:

• Специализация. Какие СРО доминируют в сегменте «тяжелых» активов (ОС > 1 млрд руб.), а кто профессионально работает с физическими лицами.
• Агрессивность. Как часто конкретное СРО повышает ставки в последний момент.
• Календарь побед. Вы можете отслеживать, какие именно процедуры забирает ваш конкурент и кто из его управляющих является «локомотивом» рейтинга.
• Календарь назначений. Вы можете отслеживать, на какие именно процедуры назначен тот или иной управляющий с информацией об активах должника.

3.4. Инструмент №4: Мониторинг «Риска перехода» (3-й этап)

Это уникальный инструмент для тех, кто ставит на скорость. Мы отслеживаем процедуры 2-го этапа, по которым на текущий момент отсутствуют ставки. Система сигнализирует о высокой вероятности перехода дела в статус «без баллов». Это позволяет управляющему подготовить пакет документов заранее и нажать кнопку «отправить» в первую секунду открытия третьего этапа, когда победа зависит исключительно от времени регистрации заявки.

Часть 4. Синтез: Портфельное управление и «Юридический конвейер»

4.1. Смена ролевой модели: от ремесленника к оператору

Главная ментальная ловушка арбитражного управляющего в 2025 году — попытка остаться «универсальным солдатом». Курсы по подготовке АУ учили нас, что АУ должен сам анализировать выписки, писать финанализы, практически это делегируется неопытным юристам на «подхвате», что выгружают данные из «ПАУ» или «Ваш финансовый аналитик». Но в условиях цифровизации и потока данных РАУ — это путь к профессиональному выгоранию и потере контроля, с возможными убытками.

Перспективно рассматриваем платформу rau.encaro.ru не просто как поисковик лотов ФНС, а как точку сборки юридического конвейера для банкротства. Если Big Data дает нам «целеуказание», то профессиональные юридические алгоритмы должны обеспечивать «точечный удар». Это позволяет АУ вести не 2–3 процедуры, разрываясь между задачами, а 10–15 дел одновременно — системно, качественно и без потери рейтинга.

4.2. Автоматизация первого дня: анализ первичных документов

Назначение в процедуру — это всегда дефицит времени. Чтобы сократить дистанцию между получением определения суда и реальными действиями по наполнению конкурсной массы, мы постепенно интегрируем в сервис инструменты экспресс-анализа первичной документации:

• Анализ банковских выписок и 1С. Платформа позволяет загружать выписки в форматах TXT/Excel и мгновенно выявлять подозрительные транзакции, транзитные платежи и перечисления в пользу аффилированных лиц.
• Книги покупок и продаж. Автоматическое сопоставление данных позволяет увидеть реальную торговую сеть должника и выявить «бумажный НДС», что является прямым основанием для оспаривания сделок и привлечения КДЛ к ответственности.
• Скелет финансового анализа. В ближайшей перспективе данные из ГИР БО и загруженных документов будут автоматически трансформироваться в черновик (скелет) финансового анализа и заключения о признаках преднамеренного банкротства.

4.3. Дополнительно — Big Data как инструмент повышения ликвидности активов

Технологии помогают не только находить активы, но и продавать их. Рассмотрим классический пример: продажа дебиторской задолженности. Обычно это «кот в мешке», который уходит за копейки на последнем этапе торгов. Используя аналитику ЭнкАРО / EncARO, управляющий может предоставить потенциальным покупателям глубокое описание каждого дебитора: его текущее финсостояние, наличие имущества и реальную вероятность взыскания. Это превращает «мусорный» лот в понятный финансовый инструмент, расширяет круг интересантов и повышает итоговую цену продажи. В конечном счете, это напрямую влияет на процентное вознаграждение АУ и его балл эффективности в РАУ.

Часть 5. Будущее: Рынок «цифровых навигаторов»

5.1. Риски игнорирования прогресса

Рыночная селекция будет жесткой. Мы уже видим формирование двух лагерей:

1. «Консерваторы»: те, кто продолжает работать «на интуиции» и личных связях. Не будем критиковать этот подход, многие из них куда более успешны остальных и будут более успешными.
2. «Технократы»: управляющие, вооружившиеся данными. Они получают возможность принимать решения на основе чистого расчета, минимизируя риски «пустых» процедур и максимизируя доходность каждой минуты своего времени.