Een blik op wat kunstmatige intelligentie daadwerkelijk doet bij overheidsopdrachten, en waar het nog tekortschiet.
Arthur C. Clarke schreef ooit dat enige voldoende geavanceerde technologie niet te onderscheiden is van magie. Hij had gelijk. En hij beschreef daarmee ook exact het probleem met hoe de meeste bedrijven vandaag de dag met AI omgaan.
De Europese markt voor overheidsopdrachten vormt hierop geen uitzondering. Iedereen heeft het over AI. Minder mensen zijn eerlijk over wat het wel en niet kan. Bij Hermix bouwen we al vanaf dag één AI in ons platform, en we gebruiken het om bedrijven zoals Capgemini, Accenture, Unisys, Fujitsu, Indra en vele anderen te helpen bij het winnen van overheidsopdrachten. We hebben veel geleerd over waar AI echte waarde toevoegt, waar het moeite mee heeft en hoe we die kloof kunnen overbruggen.
Het probleem dat AI daadwerkelijk oplost
Verkoop aan de publieke sector is kostbaar. Aannemers besteden 2-6% van de contractwaarde aan verkoop en het indienen van offertes. Presalesmanagers besteden tot wel 50% van hun tijd aan het zoeken naar, lezen en beoordelen van aanbestedingen. Offertes worden nog steeds grotendeels met de hand geschreven. En ergens temidden van al die handmatige inspanningen worden goede kansen gemist en slechte kansen nagejaagd.
De markt is bovendien versnipperd. Relevante aanbestedingen zijn verspreid over honderden portalen in heel Europa. Ze vinden kost uren. Het lezen van de specificaties kost nog meer uren. Het commercieel kwalificeren van de kans, begrijpen wie vergelijkbare contracten eerder heeft gewonnen, hoe budgetten eruitzien en wie de concurrentie is, kan dagen duren.
Dat is het probleem dat AI oplost. Geen magie. Compressie van inspanning.
Waar we AI daadwerkelijk voor gebruiken bij Hermix
Er wordt veel vaag gepraat over “AI-aangedreven” platformen. Wij zijn liever specifiek.
KI en machine learning behandel gegevenskwaliteit, opschoning, interpretatie, scoring en aanbevelingen. Openbare aanbestedingsgegevens zijn rommelig. Bedrijfsnamen verschijnen in tientallen varianten op verschillende portalen. Aanbestedende diensten zijn gedupliceerd, verkeerd geclassificeerd of inconsistent getagd. ML-modellen schonen dit op en normaliseren dit op grote schaal, automatisch, zodat wanneer u zoekt naar een kopers- of aannemersprofiel, u kijkt naar nauwkeurige, geconsolideerde gegevens in plaats van een gefragmenteerde bende.
GPT-modellen analyseer aanbestedingsspecificaties, extraheer technische vereisten en ondersteun nalevingscontroles. Wanneer een aanbestedingsdocument 200 of 300 pagina's lang is, kan een op GPT gebaseerde samenvatting binnen enkele minuten een gestructureerd overzicht van één pagina produceren met daarin de doelstellingen, het budget, de gunningscriteria, de vereiste experts en de geschiktheidsvoorwaarden. Onze gebruikers kunnen elke aanbesteding in het platform openen, op het tabblad Samenvatting klikken en een gestructureerde analyse lezen zonder het oorspronkelijke document aan te raken.
AI-chat gaat verder. In plaats van een vaste samenvatting te lezen, kunnen gebruikers rechtstreeks hun eigen vragen stellen over het aanbestedingsdocument. Welke experts zijn er nodig? Wat is de minimale omzetvereiste? Hoeveel cv's moeten er worden ingediend in het technische voorstel? De antwoorden komen binnen enkele seconden terug, gehaald uit het daadwerkelijke document, geciteerd en herleidbaar.
SearchGPT dit stimuleert onze autoriteit en de opbouw van onze aannemersprofielen. In plaats van handmatig informatie over een koper te verzamelen, doorzoekt, schonneert en structureert SearchGPT openbaar beschikbare informatie over kopers en aannemers, en combineert dit met onze eigen aanbestedingsdatabase om diepgaande profielen te genereren. Voor een aanbesteding van Frontex kunnen gebruikers bijvoorbeeld direct 241 openstaande kansen ter waarde van €3,2 miljard, 659 gegunde contracten ter waarde van €5,6 miljard, de belangrijkste voorkeursleveranciers en 11 contactpunten bekijken, allemaal in één overzicht.
GraphRAG en diep redeneren los het moeilijkere probleem op van grote, complexe documenten en analyseketens die tussentijdse redeneerstappen vereisen. Standaard GPT-modellen hebben moeite met zeer lange documenten en redeneringen over meerdere stappen heen. GraphRAG pakt dit aan door relaties tussen entiteiten in een document te begrijpen, en niet alleen de oppervlakkige tekst. Deep Reasoning genereert tussentijdse artefacten en meerdere antwoordpaden voordat het tot een conclusie komt. Deze technieken zorgen ervoor dat Hermix raamcontracten, structuren met meerdere percelen en consortiumvereisten nauwkeurig kan analyseren.
AI-classificatoren analyseer en categoriseer verduidelijkingsvragen van aanbestedingsportals, en help gebruikers zo het V&A-landschap rond actieve aanbestedingen te volgen en te begrijpen.
Wat goed werkt en wat niet
Dit is het onderdeel dat de meeste AI-leveranciers overslaan. Wij doen dat niet.
AI voert bepaalde taken met een hoge betrouwbaarheid uit. Correctie van grammatica, spelling en stijl. Het samenvatten en extraheren van gestructureerde inhoud uit documenten. Vertalingen tussen Europese talen. Controle op naleving van vastgestelde vereisten. Het op grote schaal classificeren en taggen van inhoud. Voor deze taken ligt de nauwkeurigheid van onze systemen tussen 98 en 99%.
AI heeft moeite met andere taken, en het is belangrijk om hier direct over te zijn. Het genereren van originele ideeën is niet iets waar huidige modellen goed in zijn. Ze hercombineren bestaande patronen, ze inventariseren niet. Het begrijpen van emotionele context, culturele subtekst of de onuitgesproken dynamiek in een klantrelatie gaat het huidige vermogen te boven. Niet-gesuperviseerde AI die draait zonder menselijke beoordeling produceert onbetrouwbare output in een mate die onaanvaardbaar zou zijn in een aanbestedingsprocedure.
Er zijn ook technische beperkingen die specifiek van invloed zijn op inkoop. Zeer grote documenten met dichte juridische en technische inhoud verleggen de grenzen van contextvensters. Sommige minder van resources voorzien Europese talen hebben minder trainingsgegevens en produceren minder betrouwbare resultaten. Gescande of versleutelde documenten die vóór de analyse OCR vereisen, introduceren extra foutpercentages. Verklaarbaarheid, het precies kunnen achterhalen waarom een AI een bepaalde uitvoer heeft geproduceerd, blijft een uitdaging, wat van belang is in gereguleerde inkoopomgevingen.
De eerlijke conclusie: AI is een hulpmiddel. Een krachtig hulpmiddel wanneer het correct wordt gebruikt. Een risico wanneer het als een black-box wordt behandeld.
De adoptiebarrières waar niemand over praat
Naast bekwaamheid zijn er praktische barrières voor het gebruik van AI in inkoop die de aandacht verdienen.
Beveiligings- en privacyvragen zijn reëel. Aanbestedingsdocumenten kunnen commercieel gevoelige informatie bevatten. Regelgeving rondom databeheer bij openbare aanbestedingen is strikt en verschilt per jurisdictie. Elke AI-tool die in deze context wordt gebruikt, moet aan deze vereisten worden getoetst en er mag niet van worden uitgegaan dat deze compliant is.
Initiële installatie- en integratiekosten worden vaak onderschat. Een platform dat AI goed gebruikt, heeft aanzienlijk geïnvesteerd in datapijpleidingen, modelselectie, finetuning en kwaliteitscontrole. Die investering zit verwerkt in het product. Het vanaf de grond af aan zelf bouwen is duur en traag.
Weerstand van gebruikers en vaardigheidstekorten zijn aanzienlijk. AI-tools vereisten vaardigheden op het gebied van prompt engineering om effectief te worden gebruikt, en teams die jarenlang met Excel en handmatige onderzoeksprocessen hebben gewerkt, passen zich niet automatisch aan. Verandermanagement is net zo belangrijk als de technologie.
De vraag die het waard is om te stellen
Dit is het scenario dat ons het meeste zorgen beraadt, en het is de moeite waard om dit openlijk aan te kaarten: AI is inmiddels in staat om aanbestedingsdocumenten te schrijven. AI is in staat om offertes te schrijven als reactie op die documenten. AI is in staat om die offertes te beoordelen.
Als alle drie tegelijk plaatsvinden, wat meten we dan eigenlijk? De kwaliteit van het onderliggende aanbod, of de sofisticatie van de AI die is gebruikt om het te genereren?
Voor standaardgoederen en -diensten kan een op prijs gebaseerde evaluatie dominant blijven, ongeacht de betrokkenheid van AI. Bij complexe, creatieve of strategische projecten is die dynamiek anders. Het menselijk oordeel, de originele architectuur, het inzicht in wat een koper daadwerkelijk nodig heeft bovenop wat hij in de specificatie heeft geschreven: dit blijven oprechte menselijke bijdragen die AI niet kan repliceren.
De bedrijven die steevast winnen in de publieke sector besteden hun denkwerk niet uit aan AI. Ze gebruiken AI om de inspanning te minimaliseren bij het vinden van kansen, het begrijpen van kopers, het commercieel kwalificeren en het beheren van documentatie. Het strategische oordeel blijft van henzelf.
Wat dit in de praktijk betekent
Bij Hermix ondersteunen onze AI-tools vier fasen van het inkoopproces: ontdekking, kwalificatie, strategie en inschrijvingsorkestratie.
Discovery betekent dat gebruikers sneller de juiste aanbestedingen vinden op TED, BOSA, Doffin, Duitsland, Nederland, Roemenië en portalen van EU-instellingen, met geautomatiseerde meldingen en voorspellingen voor vernieuwing, zodat ze nooit een relevante kans mislopen.
Kwalificatie betekent dat u een kans commercieel begrijpt voordat u er middelen aan toewijst. Wie heeft vergelijkbare contracten gewonnen? Wat leverden die contracten op? Wat is de historie en het bestedingspatroon van de inkoper? Hoe ziet het competitieve landschap eruit? Ons platform beantwoordt deze vragen binnen enkele minuten vanuit een database met meer dan 250.000 aanbestedende diensten.
Strategie betekent marktinformatie: koperstrofielen, partneranalyses, concurrentiegrafieken, bestedingsgegevens van de EG. Begrijpen waar het geld zit en wie de belangrijkste spelers zijn voordat u beslist waar u uw inspanningen op het gebied van bedrijfsontwikkeling wilt investeren.
Bid-orkestratie betekent AI-samenvatting, AI-chat, documentanalyse en nalevingscontrole om de handmatige last van het aanbestedingsproces zelf te verminderen.
Het resultaat, gebaseerd op casestudies met onze gebruikers, is een vermindering van 87% in de tijd die wordt besteed aan marktonderzoek, een vermindering van 75% in de tijd voor het analyseren van aanbestedingen en een vermindering van 60% in de tijd die nodig is voor het opstellen van offertes. Een team van vier personen levert het werk op van zes personen.
Dat is geen magie. Dat is hoe goed geïmplementeerde AI er daadwerkelijk uitziet in een complexe B2G-omgeving.
Hermix helpt bedrijven bij het winnen van overheidsopdrachten met AI-gestuurde aanbestedingsmonitoring, marktinformatie en biedingsanalyse. Wordt gebruikt door Capgemini, Accenture, Unisys, Fujitsu, Indra, Microsoft en meer dan 50 andere bedrijven in heel Europa. Maak je gratis account aan op dev.pqb.ro/hermix/sign-up
