Asiantuntijayrityksessä tarjouspyyntöjen käsittely vie yllättävän paljon aikaa, ja usein juuri niiltä ihmisiltä, joiden pitäisi tehdä laskutettavaa työtä. Tekoäly tarjouspyyntöjen käsittelyssä ei tarkoita, että kone kirjoittaa tarjoukset puolestasi. Sen tehtävä on purkaa pyyntö osiin, nostaa esiin olennaiset vaatimukset ja antaa pohjan, jonka päälle asiantuntija rakentaa. Tämä artikkeli on suunnattu insinööri-, konsultti-, tilitoimisto-, IT- ja suunnittelutoimistoille, jotka vastaavat kuukausittain 5-30 tarjouspyyntöön ja haluavat käyttää aikansa niihin, jotka kannattaa voittaa.
Missä tarjouspyyntöjen käsittelyssä aika oikeasti kuluu
Tyypillisessä 10-20 hengen asiantuntijayrityksessä tarjouspyyntö saapuu sähköpostiin, Hilmaan tai kumppanin kautta. Joku avaa 40-sivuisen PDF-liitteen, lukee sen läpi ja yrittää hahmottaa, mitä asiakas oikeasti haluaa. Jo tähän menee helposti 1-3 tuntia, ennen kuin yhtään riviä tarjousta on kirjoitettu.
Suurin hukka ei ole kirjoittamisessa. Se syntyy kolmessa kohdassa: pyynnön lukemisessa ja tulkinnassa, päätöksessä siitä, kannattaako tarjota ollenkaan, sekä aiempien vastausten etsimisessä jaetuilta levyiltä. Juuri näissä kohdissa tekoäly tuo suurimman hyödyn.
Esimerkki on tuttu monelle suunnittelutoimistolle Tampereella tai Oulussa. Kunnan hankinta tulee Hilmaan perjantaina, vastausaikaa on kaksi viikkoa, ja projektipäällikkö pääsee aineistoon käsiksi vasta seuraavan viikon keskiviikkona. Vastaus kootaan kiireessä, ja yksi pakollinen liite unohtuu. Tarjous hylätään muotovirheen takia.
Miten tekoäly tarjouspyyntöjen käsittelyssä toimii käytännössä
Toimiva malli rakentuu neljästä vaiheesta. Kokenut asiantuntija ei automatisoi kaikkea kerralla, vaan aloittaa siitä vaiheesta, joka vie eniten aikaa.
Ensimmäinen vaihe on vastaanotto ja tiivistys. Tarjouspyyntö ohjataan yhteen paikkaan, esimerkiksi erilliseen sähköpostilaatikkoon. Make- tai n8n-työnkulku poimii liitteet ja lähettää ne kielimallille, joka tuottaa yhden sivun tiivistelmän: asiakas, laajuus, määräajat, pakolliset liitteet, vertailuperusteet ja hinnoittelumalli.
Toinen vaihe on vaatimusten poiminta. Tekoäly listaa jokaisen ”tulee”, ”on oltava” ja ”edellytetään” -kohdan taulukkoon sivunumeroineen. Tästä syntyy tarkistuslista, jonka avulla mikään ehdoton vaatimus ei jää huomaamatta. Julkisissa hankinnoissa tämä yksin voi pelastaa useamman tarjouksen vuodessa.
Kolmas vaihe on go/no-go-arvio. Mallille annetaan yrityksen omat kriteerit: minimikoko, osaamisalueet, referenssivaatimukset, maantieteellinen alue. Se pisteyttää pyynnön ja perustelee arvion. Päätöksen tekee ihminen, mutta hän tekee sen 10 minuutissa eikä puolessa päivässä.
Neljäs vaihe on luonnos aiemmista vastauksista. Kun yrityksen aiemmat tarjoukset, CV:t ja referenssikuvaukset on koottu hakukelpoiseen muotoon, tekoäly hakee pyyntöön parhaiten sopivat tekstit ja kokoaa ensimmäisen version. Hinnoittelu ja resursointi kannattaa pitää erillään. Niihin liittyvät päätökset kuuluvat ihmiselle, ja niitä voi tukea omalla työkalullaan, kuten artikkelissa tarjouslaskennan automatisoinnista kuvataan.
Myytti: jokainen tarjouspyyntö on niin uniikki, ettei sitä voi automatisoida
Tämä on yleisin vastaväite asiantuntijayrityksissä, ja se pitää vain osittain paikkansa. Sisältö on uniikkia, rakenne ei. Lähes jokaisessa pyynnössä on samat elementit: tausta, laajuus, aikataulu, kelpoisuusehdot, vertailuperusteet ja liitevaatimukset.
Kun asiantuntijayrityksen viimeisen 12 kuukauden tarjouksia käydään läpi, tyypillisesti 50-70 % tekstistä on toistuvaa: yritysesittely, laadunhallinta, tietoturvakäytännöt, tiimin CV:t ja referenssit. Uniikkia on menetelmäkuvaus ja ratkaisuehdotus. Juuri siihen asiantuntijan aika pitäisi käyttää.
Poikkeuskin on olemassa. Jos yritys tekee vuodessa vain 3-4 suurta, räätälöityä tarjousta, raskas automaatio ei maksa itseään takaisin. Silloin riittää, että tarjouspyyntö tiivistetään ChatGPT:n, Clauden tai Microsoft Copilotin avulla hyvällä valmiilla promptilla.
Yleisimmät virheet tarjousprosessin automatisoinnissa
Luottamuksellisen aineiston syöttäminen kuluttajaversioon. Tarjouspyynnöissä on usein asiakkaan liikesalaisuuksia, ja omissa vastauksissa on yrityksen hinnoittelu. Ilmaisen tai henkilökohtaisen tilin käyttö on riski. Yritystason lisenssi, esimerkiksi ChatGPT Business tai Microsoft 365 Copilot, sekä selkeä ohjeistus siitä, mitä tekoälytyökaluihin ei saa syöttää, ovat perusedellytys.
Vanhentuneen sisältöpankin käyttäminen. Tekoäly hakee yhtä tunnollisesti kolme vuotta vanhan CV:n kuin eilen päivitetyn. Jos referenssipankkia ei ylläpidetä, luonnokseen päätyy henkilöitä, jotka ovat jo lähteneet talosta, tai projekteja, joista asiakas ei halua puhuttavan. Sisältöpankille tarvitaan nimetty omistaja ja päivitys vähintään kvartaaleittain.
Ihmisen tarkistuksen ohittaminen kiireessä. Kielimalli voi tulkita vaatimuksen väärin tai keksiä sertifikaatin, jota yrityksellä ei ole. Tarjous on juridisesti sitova asiakirja. Jokainen tekoälyn tuottama kohta pitää lukea ihmisen silmin ennen lähettämistä, ja erityisesti kelpoisuusehdot kannattaa tarkistaa alkuperäistä dokumenttia vasten.
Aikataulu ja kustannukset realistisesti
Kevyt versio, jossa tiivistys ja vaatimusten poiminta tehdään valmiilla prompteilla, on käytössä 1-2 viikossa. Kustannus on lähinnä lisenssit, tyypillisesti 25-35 € käyttäjää kohden kuukaudessa.
Integroitu ratkaisu, jossa n8n tai Make hakee pyynnöt automaattisesti, tallentaa tiivistelmät CRM:ään ja hakee vastauksia sisältöpankista, vie yleensä 4-8 viikkoa. Merkittävin työ ei ole teknistä vaan sisällöllistä: aiempien tarjousten siivoamista, luokittelua ja vanhojen versioiden karsimista.
Hyöty näkyy nopeasti. Jos tarjouspyynnön ensikäsittely lyhenee kolmesta tunnista puoleen tuntiin ja pyyntöjä tulee 15 kuukaudessa, säästö on noin 37 tuntia kuukaudessa. Asiantuntijan 90-120 euron tuntihinnalla laskettuna summa on merkittävä jo pienessäkin yrityksessä.
UKK
Voiko tekoälyä käyttää julkisten hankintojen tarjouksissa?
Voi. Hankintalaki ei kiellä tekoälyn käyttöä tarjouksen valmistelussa. Tarjoaja vastaa kuitenkin aina sisällön oikeellisuudesta, joten kaikki kelpoisuusehtoihin ja sitoumuksiin liittyvät kohdat pitää tarkistaa huolellisesti.
Tarvitaanko tarjousten käsittelyyn erillinen ohjelmisto?
Ei välttämättä. Pienessä yrityksessä yritystason kielimallilisenssi, hyvin suunnitellut promptit ja jäsennelty kansio aiemmista tarjouksista riittävät pitkälle. Erillinen tarjoushallintajärjestelmä tai integraatio on perusteltu, kun pyyntöjä tulee yli 10-15 kuukaudessa.
Miten varmistetaan, ettei tekoäly keksi tietoja tarjoukseen?
Rajaamalla lähteet. Mallia ohjeistetaan käyttämään vain annettua tarjouspyyntöä ja yrityksen omaa sisältöpankkia sekä merkitsemään epävarmat kohdat erikseen. Lopullinen tarkistus on aina ihmisen vastuulla.
Aloita tiivistyksestä, ei kirjoittamisesta
Tekoäly tuo tarjouspyyntöjen käsittelyyn nopeimman hyödyn alkupäässä: lukemisessa, vaatimusten poiminnassa ja go/no-go-päätöksessä. Ammattilainen aloittaa ottamalla viimeiset viisi tarjouspyyntöä, ajamalla ne saman tiivistyspromptin läpi ja vertaamalla tulosta siihen, mitä tiimi itse poimi. Kun tiivistys toimii luotettavasti, on luonteva siirtyä sisältöpankkiin ja luonnosten kokoamiseen.
Tavoitteena ei ole tuottaa enemmän tarjouksia, vaan tarjota harkitummin ja vastata paremmin niihin pyyntöihin, joissa yrityksellä on oikeasti hyvät mahdollisuudet voittaa.