Jak analizować RFP z pomocą AI? Praktyczny proces w 7 krokach

Do terminu pozostało 48 godzin. Zespół otrzymał dokument główny, pięć załączników, tabelę cenową i projekt umowy. W skrzynce czekają jeszcze odpowiedzi zamawiającego, które zmieniają część wcześniejszych ustaleń. Handlowiec chce szybko podzielić zadania, prawnik pyta o kary umowne, a ekspert techniczny właśnie wszedł na całodniowe warsztaty.

Ktoś proponuje: „Wrzućmy wszystko do ChatGPT i poprośmy o napisanie oferty”. Brzmi kusząco. Jest tylko jeden problem — model może sprawnie przygotować tekst, lecz nie wie, które źródło ma pierwszeństwo, czego nie wolno zadeklarować ani czy odpowiedź nr 17 zmieniła wymaganie z załącznika technicznego.

Dobra analiza RFP z AI nie polega więc na oddaniu dokumentacji chatbotowi. To kontrolowany proces, w którym AI pomaga czytać, porządkować i redagować, ale każda ważna informacja pozostaje powiązana ze źródłem, właścicielem i decyzją człowieka.

1. Sprawdź, czy dokumenty wolno przekazać do narzędzia AI

Zanim prześlesz pierwszy plik, zatrzymaj się na kwestii mniej efektownej niż prompt, ale znacznie ważniejszej: czy możesz to zrobić.

Sprawdź między innymi:

• warunki poufności zawarte w RFP i NDA,
• politykę bezpieczeństwa własnej organizacji,
• sposób wykorzystywania danych przez dostawcę narzędzia,
• miejsce przetwarzania i przechowywania danych,
• ustawienia historii rozmów oraz retencji,
• zakres danych osobowych i tajemnic przedsiębiorstwa,
• zatwierdzoną przez firmę listę narzędzi i modeli.

Konto prywatne w publicznej usłudze nie jest automatycznie właściwym miejscem dla projektu umowy, stawek ekspertów czy architektury klienta. W jednej organizacji dopuszczony będzie firmowy Copilot, w innej prywatne środowisko modelu, a jeszcze gdzie indziej wyłącznie narzędzie działające na zanonimizowanych fragmentach.

Jeżeli pełnych dokumentów nie wolno przekazać, nadal można użyć AI do pracy na oczyszczonych szablonach, strukturach tabel, neutralnych fragmentach lub danych zanonimizowanych. Decyzję warto zapisać: jakie narzędzie zatwierdzono, do jakiego typu danych i na jakich warunkach.

2. Utwórz rejestr dokumentów i hierarchię źródeł

Model nie powinien zaczynać od „rozumienia RFP”, dopóki zespół nie wie, co właściwie składa się na RFP.

Utwórz prosty rejestr zawierający:

• nazwę i typ dokumentu,
• numer wersji lub datę publikacji,
• datę otrzymania,
• właściciela pliku,
• status analizy,
• informację, czy dokument zastępuje wcześniejszą wersję,
• poziom pierwszeństwa w razie sprzeczności.

To szczególnie ważne, gdy zamawiający publikuje późniejsze wyjaśnienia. Odpowiedź na pytanie oferenta może zmieniać zapis specyfikacji, a poprawiona tabela cenowa może unieważniać poprzednią. AI bez jasno określonej hierarchii potrafi potraktować obie wersje jak równorzędne fakty.

Przyjmij konwencję identyfikatorów, na przykład RFP_MAIN_v2, ATT_TECH_v3, QNA_2026-07-18. Zachowaj również oryginalne nazwy plików. Gdy narzędzie cytuje źródła, wymagaj numeru strony, sekcji, punktu lub wiersza tabeli — samo „zgodnie z załącznikiem” nie wystarczy.

Praktyczna zasada: najpierw kompletność pakietu, potem analiza treści. Pominiętego załącznika nie uratuje nawet świetny prompt.

3. Wydobądź terminy, wymagania obowiązkowe i kryteria punktowe

Teraz AI może wykonać pierwszą pracę analityczną. Nie proś jednak o ogólne streszczenie. Zleć osobne wydobycie trzech kategorii:

1. Terminy i zdarzenia — termin złożenia, pytania do zamawiającego, wizja lokalna, ważność oferty, podpisanie umowy, etapy realizacji.
2. Wymagania obowiązkowe — warunki udziału, dokumenty formalne, minimalne parametry techniczne, wymagane oświadczenia i format plików.
3. Kryteria punktowe — cena, doświadczenie, SLA, termin, parametry dodatkowe oraz sposób naliczania punktów.

Każda pozycja powinna zawierać dosłowny cytat i lokalizację. Jeżeli model nie potrafi wskazać źródła, wynik ma status „do weryfikacji”, a nie „potwierdzone”.

Warto także oddzielić język obowiązku od języka preferencji. „Wykonawca musi” oznacza coś innego niż „zamawiający dodatkowo punktuje”. Pomylenie tych kategorii może prowadzić do odrzucenia oferty albo do niepotrzebnego zwiększenia kosztów.

Na tym etapie ChatGPT w przetargach działa najlepiej jako szybki drugi czytelnik: wyszukuje wzorce i porządkuje treść. Nie powinien sam rozstrzygać interpretacji prawnych ani technicznych.

4. Zbuduj macierz zgodności RFP

Macierz zgodności RFP jest centralnym elementem procesu. Łączy zapis zamawiającego z odpowiedzią, dowodem, odpowiedzialnością i statusem. Dzięki niej wymagania nie znikają między notatkami ze spotkań, arkuszem handlowca i komentarzami w Wordzie.

Niewielki fragment może wyglądać tak:

AI może przygotować pierwszą wersję tabeli, pogrupować wymagania i zaproponować identyfikatory. Człowiek powinien zatwierdzić kompletność oraz przypisać właścicieli.

Dobry status nie brzmi tylko „gotowe” lub „niegotowe”. W praktyce przydają się stany: nowe, w analizie, brak danych, pytanie do zamawiającego, ryzyko, zatwierdzone, zweryfikowane w finalnej ofercie.

Taka konstrukcja sprawia, że automatyzacja ofert B2B nie zamienia się w automatyczne produkowanie tekstu. Najpierw budujemy kontrolę, dopiero później przyspieszamy redakcję.

5. Wykryj braki, sprzeczności i kwestie wymagające eskalacji

Kiedy macierz jest gotowa, poproś AI o porównanie wymagań z dostępnymi odpowiedziami i dowodami. Szukasz nie tylko pustych pól, ale również konfliktów, na przykład:

• SLA w odpowiedzi technicznej różni się od SLA w projekcie umowy,
• opis rozwiązania zakłada funkcję, której nie ma na zatwierdzonej roadmapie,
• referencja spełnia zakres, lecz jest starsza niż dopuszczalny okres,
• cena obejmuje trzy lata, a harmonogram wymaga czterech,
• odpowiedź zamawiającego zmienia termin wskazany w dokumencie głównym.

Każdą kwestię przypisz do jednej ze ścieżek: pytanie do zamawiającego, decyzja bid/no-bid, akceptacja ryzyka, konsultacja prawna, potwierdzenie techniczne lub uzupełnienie dowodu.

To także dobry moment na utworzenie rejestru ryzyk. Wpis powinien zawierać opis, źródło, prawdopodobieństwo, wpływ, właściciela, działanie i termin decyzji. AI może wskazać potencjalne problemy, ale nie ma mandatu do zaakceptowania kary umownej ani obietnicy wdrożenia brakującej funkcji.

6. Przygotuj szkic wyłącznie z zatwierdzonych danych

Dopiero teraz zaczyna się pisanie odpowiedzi. Granica jest prosta: model może korzystać wyłącznie z treści RFP oraz zatwierdzonego repozytorium danych — referencji, opisów usług, parametrów, CV, polityk i decyzji ekspertów.

Porównaj dwa polecenia.

Słaby prompt:

Przeanalizuj RFP i napisz ofertę.

Takie polecenie nie określa źródeł, formatu, granic ani sposobu obsługi braków. Model prawdopodobnie przygotuje płynny tekst. Płynność nie jest jednak dowodem zgodności.

Lepszy prompt roboczy:

Na podstawie wyłącznie dokumentów oznaczonych jako zatwierdzone przygotuj szkic odpowiedzi dla wymagań TECH-014–TECH-020. Przy każdym akapicie podaj identyfikator wymagania i źródło: dokument, punkt oraz stronę. Jeśli brakuje danych, wpisz [BRAK DANYCH: opisz, czego potrzeba]. Nie twórz nazw klientów, wyników, parametrów, certyfikatów, terminów ani deklaracji zgodności, których nie ma w zatwierdzonych źródłach. Sprzeczności wpisz do osobnej sekcji DO ESKALACJI. Nie rozstrzygaj ich samodzielnie.

To nadal nie jest magiczna formuła. Skuteczność zależy od jakości dokumentów, dostępności źródeł i kontroli wersji. Prompt działa jako element procesu, nie jego zamiennik.

Szkic powinien zachować ślad pochodzenia informacji. Pomocne są identyfikatory dowodów, na przykład REF-08, POL-SEC-02 czy ARCH-APPROVAL-05. Dzięki temu właściciel oferty może sprawdzić, na czym opiera się każde ważne twierdzenie.

7. Przeprowadź kontrolę ekspercką, prawną i właścicielską

AI może wychwycić niespójność lub brak cytatu, ale finalne zobowiązania muszą zatwierdzić ludzie. W praktyce potrzebne są co najmniej trzy perspektywy.

Ekspert merytoryczny sprawdza wykonalność rozwiązania, parametry, zakres integracji, harmonogram i zależności. Prawnik ocenia umowę, odpowiedzialność, własność intelektualną, ochronę danych oraz odstępstwa. Właściciel oferty kontroluje kompletność, strategię, cenę, spójność narracji i gotowość do złożenia.

Przegląd nie powinien ograniczać się do czytania wygenerowanego tekstu. Kontrolujący musi widzieć wymaganie, odpowiedź i dowód obok siebie. W przeciwnym razie łatwo zatwierdzić zdanie, które brzmi rozsądnie, ale nie odpowiada na właściwy punkt RFP.

Przed wysłaniem wykonaj jeszcze kontrolę mechaniczną: nazwy plików, wymagane podpisy, format formularzy, limity znaków, kompletność załączników i zgodność cen w każdym miejscu. AI może pomóc w porównaniu wersji, lecz finalny pakiet powinien zostać sprawdzony na zamkniętej liście dokumentów.

5 czerwonych flag podczas używania AI w ofertach

1. Brak wskazania źródła

Jeżeli odpowiedź nie ma cytatu, strony lub identyfikatora dowodu, traktuj ją jako hipotezę. Model mógł połączyć kilka fragmentów albo dopowiedzieć brakującą część.

2. Wymyślona referencja

Fałszywa nazwa klienta, zawyżony zakres czy niepotwierdzony wynik biznesowy to nie „kreatywna redakcja”. To poważne ryzyko prawne i reputacyjne. Referencje muszą pochodzić z zatwierdzonej bazy.

3. Pominięty załącznik

Streszczenie dokumentu głównego może wyglądać kompletnie, choć wymagany formularz lub kluczowy parametr znajduje się w dodatku. Zawsze porównuj analizowany zestaw z rejestrem dokumentów.

4. Pomieszanie wersji dokumentów

Model cytujący starą tabelę cenową i nową odpowiedź zamawiającego może stworzyć logiczny, ale błędny wynik. Numer wersji i hierarchia źródeł są obowiązkowe.

5. Deklaracja techniczna bez zatwierdzenia eksperta

„Rozwiązanie zapewnia pełną zgodność” brzmi dobrze do chwili, gdy architekt odkrywa brak jednej integracji. Każda deklaracja wpływająca na zakres, cenę, SLA lub odpowiedzialność musi mieć właściciela i akceptację.

Checklista do zapisania

Przed rozpoczęciem i przed wysłaniem oferty sprawdź:

• [ ] Czy użycie wybranego narzędzia AI jest zatwierdzone dla tych danych?
• [ ] Czy rejestr obejmuje wszystkie dokumenty, załączniki i wyjaśnienia?
• [ ] Czy ustalono wersje oraz hierarchię źródeł?
• [ ] Czy każdy termin i wymóg obowiązkowy ma cytat?
• [ ] Czy każde wymaganie znajduje się w macierzy zgodności?
• [ ] Czy odpowiedzi mają właścicieli, dowody i statusy?
• [ ] Czy braki oraz sprzeczności trafiły do rejestru pytań lub ryzyk?
• [ ] Czy szkic korzysta wyłącznie z zatwierdzonych danych?
• [ ] Czy ekspert zatwierdził deklaracje techniczne?
• [ ] Czy prawnik sprawdził zobowiązania i odstępstwa?
• [ ] Czy właściciel oferty potwierdził kompletność finalnego pakietu?

Gdy arkusz i pojedynczy prompt przestają wystarczać

Sam prompt nie wystarczy, gdy proces obejmuje setki stron, wielu ekspertów i zobowiązania biznesowe. Im większe RFP, tym ważniejsze stają się kontrola wersji, mapa dowodów, odpowiedzialność za decyzje oraz możliwość prześledzenia każdej deklaracji do źródła.

W kursie AI w ofertach, przetargach i RFP: od setek stron dokumentacji do kontrolowanej wersji roboczej przejdziesz przez dwa realistyczne case studies i zbudujesz własny proces obejmujący macierz zgodności, rejestr ryzyk, mapę dowodów, scoring oraz Bid Copilota.

To zaawansowany warsztat dla bid managerów i konsultantów B2B, którzy nie potrzebują kolejnej kolekcji efektownych promptów. Uczestnik pracuje od chaotycznego pakietu dokumentów przez pytania i analizę ryzyk aż do kontrolowanej wersji roboczej. AI przyspiesza czytanie i redakcję, ale nie wymyśla faktów ani nie podejmuje decyzji za eksperta.

Takie podejście ma sens zwłaszcza wtedy, gdy przygotowanie oferty przetargowej angażuje sprzedaż, presales, finanse, prawników i ekspertów technicznych. Dobrze zaprojektowane AI dla bid managera nie jest maszyną do pisania. Jest systemem wspierającym zespół w zachowaniu kompletności, dowodów i kontroli nad tym, co firma rzeczywiście obiecuje klientowi.