Przetargi i AI: co realnie przyspiesza ofertowanie, a co kończy się odrzuceniem oferty

Gdzie w procesie przetargowym naprawdę ucieka czas

Zanim pojawi się pytanie o narzędzie, warto rozbić proces na etapy i przypisać im godziny. W firmach startujących w zamówieniach publicznych regularnie — budowlanych, IT, usługowych, dostawcach sprzętu — rozkład jest zaskakująco powtarzalny.

Największa pozycja to nie pisanie oferty. To przeglądanie ogłoszeń i wstępna lektura dokumentacji zamówień, które ostatecznie zostaną odrzucone jako nieodpowiednie. Firma, która monitoruje kilka kategorii CPV, przegląda miesięcznie od kilkudziesięciu do kilkuset ogłoszeń, żeby wybrać trzy do pięciu, w których faktycznie złoży ofertę. Reszta to koszt utopiony, w całości w czasie osoby, która zwykle ma też inne obowiązki.

Druga pozycja to kompletowanie wymagań. SWZ z załącznikami to często dwieście–czterysta stron rozsianych po kilkunastu plikach, w których trzeba znaleźć warunki udziału, wymagane doświadczenie, wymagania wobec kadry, wadium, termin, kryteria oceny ofert i listę oświadczeń. Nic z tego nie jest trudne — wszystko jest żmudne i wszystko trzeba znaleźć, bo pominięcie jednego punktu kończy proces niezależnie od tego, jak dobra była cena.

Trzecia pozycja — pisanie części merytorycznej i ustalenie ceny — jest najmniejsza godzinowo i najwyższa kompetencyjnie. To proporcja, która wyjaśnia, dlaczego tyle wdrożeń AI w ofertowaniu rozczarowuje: zostały skierowane w najmniejszą pozycję i w tę jedną, w której pomyłka jest kosztowna.

Warstwa pierwsza: kwalifikacja ogłoszeń, czyli najtańsza wygrana

Dane o zamówieniach publicznych są publiczne i maszynowo dostępne. Krajowe ogłoszenia trafiają do Biuletynu Zamówień Publicznych, zamówienia powyżej progów unijnych dodatkowo do TED, a komunikacja i składanie ofert idą przez platformę e-Zamówienia. Oba rejestry udostępniają oficjalne, ustrukturyzowane interfejsy — BZP w formacie OCDS, TED w eForms. Nie trzeba niczego zbierać półlegalnie z ekranu, żeby mieć własny strumień ogłoszeń.

To ma praktyczną konsekwencję: filtrowanie po kodach CPV i progach kwotowych nie wymaga żadnego modelu językowego. To zwykłe zapytanie i zwykły warunek. Zaczynajcie właśnie od tego, bo ta część jest tania, deterministyczna i odcina zwykle większość szumu.

Model językowy wchodzi dopiero na drugim kroku, w miejscu, w którym kody CPV zawodzą — a zawodzą często, bo zamawiający opisuje przedmiot zamówienia swoim językiem, nie Waszym. „Czy to zamówienie jest dla firmy, która robi X, ma zespół Y i referencje na Z” to pytanie o sens, nie o słowo kluczowe. Tu sortowanie ogłoszeń na trzy kubełki — bierzemy, może, odpada — z jednozdaniowym uzasadnieniem przy każdym jest zadaniem, które nowoczesny model wykonuje poprawnie i za grosze.

Progi warto mieć wpisane w konfigurację, nie w pamięć. W 2026 roku podstawowy próg stosowania ustawy to 170 000 zł netto, a progi unijne wynoszą 221 000 EUR dla dostaw i usług oraz 5 538 000 EUR dla robót budowlanych, przeliczane po kursie 4,31 zł za euro. Wartości te zmieniają się cyklicznie — i to jest dokładnie ten rodzaj liczby, który po roku cicho przestaje być prawdziwy w nieodświeżanej automatyzacji.

Warstwa druga: ekstrakcja wymagań z SWZ, z cytatem albo wcale

To najwartościowsze zastosowanie AI w całym procesie i jednocześnie to, które najłatwiej zrobić źle. Różnica sprowadza się do jednej zasady: każdy wyciągnięty wymóg musi mieć przy sobie numer strony i dosłowny fragment źródła. Tabela wymagań bez cytatów jest bezużyteczna, bo nie da się jej sprawdzić szybciej, niż przeczytać dokument od nowa — a więc nikt jej nie sprawdzi i firma zacznie polegać na streszczeniu.

Dobrze zbudowany krok ekstrakcji zwraca zawsze tę samą strukturę: termin składania ofert, wadium i jego forma, warunki udziału w postępowaniu, wymagane doświadczenie z liczbami i okresem, wymagania wobec osób, kryteria oceny ofert z wagami, lista wymaganych oświadczeń i załączników, przesłanki wykluczenia, zapisy o podwykonawstwie. Przy każdej pozycji: cytat i strona. Przy każdej pozycji, której model nie znalazł: jawne „nie znalazłem”.

To ostatnie jest nietypowe i dlatego warte podkreślenia. Domyślne zachowanie modelu to wypełnienie pola czymkolwiek prawdopodobnym. W przetargu puste pole jest informacją — oznacza „sprawdź to ręcznie”. Pole wypełnione zmyśloną, ale sensownie brzmiącą wartością jest pułapką. Instrukcja musi wymagać jawnego przyznania się do braku, a wynik bez cytatu powinien być traktowany jak brak wyniku.

Drugi element to pytania do dokumentacji. Zamiast czytać czterysta stron, zadajecie pytanie — „czy zamawiający dopuszcza rozwiązania równoważne”, „czy wymagane jest ubezpieczenie OC i w jakiej kwocie” — i dostajecie odpowiedź z przypisem do miejsca w dokumencie. Mechanika jest ta sama, którą opisaliśmy w tekście o asystencie AI na dokumentach firmy; specyfika przetargowa polega na tym, że zbiór dokumentów jest jednorazowy, zamknięty i ma twardy termin.

Warstwa trzecia: treść oferty — tu AI zwiększa ryzyko, nie oszczędność

Pokusa jest zrozumiała: skoro model pisze poprawne akapity, niech napisze opis doświadczenia i koncepcję realizacji. Trzy rzeczy psują ten pomysł.

Pierwsza: każda konkretna liczba dotycząca Waszej firmy, której model nie dostał w materiale wejściowym, jest wymyślona. Nie przybliżona — wymyślona. Wartość zrealizowanego kontraktu, liczba wdrożeń, lata doświadczenia osoby, nazwa referencyjnego klienta. W ofercie składanej pod rygorem odpowiedzialności to nie jest literówka. Zagraniczne analizy procesów przetargowych są tu jednoznaczne i mówią wprost o dyskwalifikacji i wykluczeniu z kolejnych postępowań jako konsekwencji złożenia nieprawdziwych informacji — a poziom konfabulacji nawet najlepszych modeli, mierzony w niezależnych zestawieniach z 2026 roku, pozostaje zbyt wysoki, by cokolwiek tu zakładać w dobrej wierze.

Druga: ujednolicenie. Kryteria jakościowe mają odróżniać oferty. Tekst generowany z tego samego ogólnego polecenia brzmi jak tekst konkurencji generowany z tego samego ogólnego polecenia — poprawnie i bez treści. W postępowaniach, w których punktuje się koncepcję, to realna strata punktów, nie kwestia estetyki.

Trzecia: poufność. Wklejanie dokumentacji przetargowej i wewnętrznych kalkulacji do darmowego, konsumenckiego czatu to wyprowadzenie danych handlowych poza firmę bez żadnej umowy. Osobno opisaliśmy ten problem w tekście o shadow AI w firmie — w ofertowaniu stawka jest po prostu wyższa, bo materiał jest świeży i konkurencyjny.

Co zostaje? AI jako redaktor, nie autor. Sprawdzenie, czy napisany przez człowieka opis odpowiada na każdy punkt z wymagań zamawiającego. Wskazanie fragmentów bez poparcia w załączonych dowodach. Skrócenie tekstu do limitu znaków. Ujednolicenie nazewnictwa w kilkunastu załącznikach. To praca na materiale, który już istnieje — i tam model nie ma czego zmyślić.

Kontrola kompletności: lista, którą warto uruchamiać dwa razy

Najczęstszy powód odrzucenia oferty jest formalny, nie merytoryczny: brak dokumentu, nieaktualne oświadczenie, podpis w złym formacie, pomyłka w terminie. To klasa błędów, którą automat eliminuje niemal całkowicie, bo wymaga wyłącznie cierpliwości.

Układ, który się sprawdza, jest dwuetapowy. Po ekstrakcji wymagań powstaje lista kontrolna wygenerowana z SWZ — nie z Waszego ogólnego szablonu, bo szablon pochodzi z poprzedniego postępowania i nie zna tego. Przed wysłaniem ta sama lista jest przechodzona drugi raz, już z plikami oferty w ręku: czy każdy wymagany załącznik istnieje, czy jest podpisany, czy nazwa pliku odpowiada wymaganej, czy format spełnia wymóg zamawiającego.

Drugie przejście jest tym, które ratuje pieniądze, i tym, które najczęściej wypada z procesu, bo odbywa się w ostatnich godzinach przed terminem. Właśnie dlatego powinno być zadaniem maszyny, a nie zmęczonego człowieka o 23:40.

• Lista wymaganych dokumentów generowana z tej konkretnej dokumentacji, z cytatem przy każdej pozycji.
• Twarde daty: termin składania, termin otwarcia, okres ważności oferty, data wystawienia zaświadczeń — wraz z ostrzeżeniem, gdy dokument straci ważność przed terminem składania.
• Zgodność formalna: wymagany format podpisu elektronicznego, limity znaków, wymagane nazwy plików, sposób złożenia przez platformę.
• Wadium: kwota, forma, termin wniesienia, sposób udokumentowania.
• Lista rozbieżności między wymaganiami a tym, co faktycznie leży w folderze oferty — po jednym wierszu na brak.

Kupić subskrypcję czy zbudować u siebie

Polski rynek narzędzi przetargowych z AI zrobił się w 2026 gęsty — jest kilkanaście platform łączących monitoring ogłoszeń z analizą dokumentacji i wsparciem w przygotowaniu oferty. Dla firmy, która startuje w przetargach okazjonalnie i w jednej, typowej kategorii, gotowa subskrypcja jest zwykle decyzją właściwą: koszt jest przewidywalny, wdrożenie trwa dzień, a dopasowanie do specyfiki PZP jest wbudowane.

Własne rozwiązanie ma sens w trzech sytuacjach. Pierwsza: kwalifikacja ogłoszeń zależy od wiedzy, której nie da się wpisać w formularz profilu — dostępności konkretnych ludzi, stanu magazynu, referencji w niszowej technologii, obłożenia na kwartał. Druga: proces musi łączyć się z Waszymi systemami, bo decyzja „bierzemy” uruchamia zadania, rezerwuje zasoby i tworzy sprawę w CRM. Trzecia: dokumentacja jest na tyle wrażliwa, że nie może opuścić Waszej infrastruktury — wtedy w grę wchodzi też wariant z modelem działającym lokalnie, który opisaliśmy w tekście o lokalnym modelu AI w firmie.

Istnieje też wariant pośredni i w praktyce najczęściej optymalny: gotowy monitoring do strumienia ogłoszeń plus własny, wąski krok ekstrakcji i listy kontrolnej, dopasowany do tego, jak Wasz zespół faktycznie podejmuje decyzje. To tydzień pracy, nie kwartał, i daje przewagę dokładnie tam, gdzie standardowy produkt nie może jej dać — w kryteriach, które są Wasze.

Zanim którakolwiek z tych dróg zostanie wybrana, warto odpowiedzieć na pytanie z innego tekstu: agent AI czy zwykła automatyzacja. Monitoring ogłoszeń i filtrowanie po progach to zwykła automatyzacja i powinna nią zostać. Modelu potrzebujecie w dwóch punktach: ocena sensu i czytanie dokumentów.

Rachunek, który trzeba zrobić przed wdrożeniem

Przetargi to jedno z niewielu zastosowań AI, w których zwrot da się policzyć bez wiary w nic. Potrzebne są cztery liczby, które firma zwykle zna albo może odtworzyć z ostatniego kwartału.

Ile ogłoszeń przeglądacie miesięcznie i ile minut zajmuje jedno. Ile godzin schodzi na lekturę dokumentacji zamówienia, w którym ostatecznie nie startujecie. Ile ofert odpadło w ostatnim roku z przyczyn formalnych i ile warte były te postępowania. Ile postępowań przegapiliście, bo nikt nie zdążył przejrzeć ogłoszeń w sezonie.

Pierwsze dwie liczby wyceniają oszczędność czasu i zwykle wystarczają, by uzasadnić kilkaset złotych miesięcznie. Trzecia i czwarta są jednak zazwyczaj o rząd wielkości większe — jedna oferta odrzucona z powodu brakującego załącznika kosztuje więcej niż roczne utrzymanie całego układu. To w nich jest realne uzasadnienie, i to one powinny być mierzone po wdrożeniu.

Po stronie kosztów: analiza dokumentacji to pozycja, w której rachunek za tokeny bywa wyższy, niż ludzie zakładają, bo wejściem są setki stron. Dlatego warto mieć bramkę — pełna ekstrakcja uruchamiana tylko dla ogłoszeń, które przeszły tanią kwalifikację. Pełna analiza wszystkiego, co wpadło do strumienia, to najszybszy znany sposób, żeby wydać na tokeny więcej niż na subskrypcję gotowego narzędzia. Szerzej o anatomii budżetu pisaliśmy w tekście ile kosztuje wdrożenie AI.

Strona prawna: kto odpowiada za to, co napisał model

Odpowiedź jest krótka: Wy. Oferta jest oświadczeniem woli wykonawcy i żadna część procesu nie przenosi odpowiedzialności na narzędzie ani na jego dostawcę. To warto wypowiedzieć na głos w zespole, zanim ktoś przyjmie inaczej.

Z obowiązków, które realnie dotyczą tego zastosowania, dwa są istotne. Pierwszy: od 2 lutego 2025 obowiązuje wymóg kompetencji w zakresie AI po stronie podmiotów, które systemy AI stosują — od 27 lipca 2026, po zmianie brzmienia przepisu, mówi się o wspieraniu rozwoju kompetencji personelu, co jest wymogiem łagodniejszym, ale nie znikającym. W praktyce dla działu ofertowania oznacza to krótkie, udokumentowane przeszkolenie zespołu z tego, gdzie narzędzie pomaga, a gdzie kłamie. Drugi: od 28 października 2026 krajowy organ nadzoru dysponuje uprawnieniami kontrolnymi i karnymi, co z rzeczy teoretycznej czyni rzecz operacyjną.

Warto przy tym zachować proporcje — wsparcie analityczne w ofertowaniu nie jest systemem wysokiego ryzyka w rozumieniu przepisów i nie wchodzi w najcięższy reżim obowiązków. Granice rozrysowaliśmy w tekście o AI Act w małej firmie.

Osobna kwestia to dane osobowe. Dokumentacja ofertowa zawiera dane osób wskazanych do realizacji zamówienia — imiona, uprawnienia, doświadczenie, czasem numery uprawnień budowlanych. Przetwarzanie ich w zewnętrznej usłudze AI wymaga podstawy i umowy powierzenia, nie samej dobrej praktyki. Co trzeba mieć na papierze, opisaliśmy w tekście o RODO przy wdrożeniu AI.

Wdrożenie w czterech tygodniach

Kolejność ma znaczenie, bo każdy etap daje wynik użyteczny sam w sobie i można się zatrzymać, gdy oszczędność przestaje rosnąć.

1. Tydzień pierwszy: strumień ogłoszeń. Oficjalne źródła, filtr po CPV i progach, jedna lista trafiająca codziennie do jednej skrzynki. Zero AI. Zmierzcie, ile ogłoszeń wpada i ile z nich przeżywa filtr.
2. Tydzień drugi: kwalifikacja. Model sortuje przefiltrowane ogłoszenia na trzy kubełki z jednozdaniowym uzasadnieniem. Przez pierwsze dwa tygodnie człowiek ocenia każdą decyzję — te oceny są Waszym zestawem testowym i bez nich nie będziecie wiedzieć, czy to działa. Jak taki zestaw zbudować, opisaliśmy w tekście o testowaniu wdrożenia AI.
3. Tydzień trzeci: ekstrakcja wymagań. Jedna stała struktura wyniku, cytat i strona przy każdej pozycji, jawne „nie znalazłem” tam, gdzie brak. Weryfikacja na trzech zamkniętych postępowaniach, których wynik już znacie — to najtańszy test, jaki macie pod ręką.
4. Tydzień czwarty: lista kontrolna kompletności i drugie przejście przed wysłaniem. To etap z najwyższym stosunkiem wartości do pracy i dlatego najłatwiej go pominąć w euforii po trzecim tygodniu.
5. Dalej, stale: każda oferta odrzucona z przyczyny formalnej wraca do procesu jako nowy punkt listy kontrolnej. Bez tego sprzężenia układ zamarza na poziomie wiedzy z dnia wdrożenia — co opisaliśmy w tekście o utrzymaniu AI po wdrożeniu.

Trzy sygnały, że wdrożenie poszło w złą stronę

• Zespół czyta streszczenie SWZ zamiast dokumentu i nikt nie sprawdza cytatów. Oznacza to, że przenieśliście ryzyko z żmudnej lektury na zaufanie do modelu — i prędzej czy później model się pomyli w punkcie, który kosztuje postępowanie.
• Liczba złożonych ofert wzrosła, a liczba wygranych nie. Automatyzacja nie powinna zwiększać liczby startów, tylko ich trafność. Wzrost samej liczby oznacza, że kwalifikacja przepuszcza za dużo, i każda taka oferta to realny koszt pracy.
• Części merytoryczne ofert zaczęły brzmieć tak samo. Model pisze zamiast redagować. Na postępowaniach z kryteriami jakościowymi zobaczycie to w punktacji, zwykle o kwartał za późno.

Od czego zacząć

Jeden konkret na ten tydzień: weźcie trzy ostatnie postępowania, w których nie złożyliście oferty, i zapiszcie, ile godzin zajęło dojście do decyzji „nie startujemy” oraz w którym momencie ta decyzja była już możliwa. Prawie zawsze była możliwa w pierwszych dwudziestu minutach, na podstawie jednej informacji z dokumentacji. To jest proces, który warto zautomatyzować — i jedyna liczba, którą trzeba znać, żeby wiedzieć, ile to warto.

Budujemy takie układy jako wąskie, mierzalne wdrożenia — strumień ogłoszeń z oficjalnych źródeł, kwalifikacja pod Wasze kryteria, ekstrakcja wymagań z cytatami i kontrola kompletności przed wysłaniem. Jeśli ofertowanie zjada Wam tygodnie, umówcie bezpłatną konsultację albo zobaczcie, jak wygląda nasz konsulting i wdrożenia AI.