AI til udbud og tilbudsgivning i danske virksomheder

Offentlige udbud er en af de største salgskanaler for danske virksomheder. Stat, regioner og kommuner køber varer, tjenesteydelser og bygge- og anlægsarbejder for flere hundrede milliarder kroner om året – og en stor del af det sendes i udbud. Men tilbudsarbejdet er tungt: hundredvis af siders udbudsmateriale skal læses, mindstekrav skal tjekkes, spørgsmål skal stilles i tide, og løsningsbeskrivelser, CV'er og referencer skal skrives til netop dette udbud. Mange SMV'er byder derfor slet ikke – eller byder på for mange udbud med for lidt kvalitet.

AI ændrer regnestykket. Sprogmodeller kan læse og strukturere udbudsmateriale på minutter, finde krav og skjulte forbehold, foreslå svar ud fra tidligere tilbud og kvalitetssikre det endelige tilbud mod kravspecifikationen. Denne guide gennemgår, hvor AI giver mest værdi i tilbudsprocessen, hvilke værktøjer der findes, hvor faldgruberne er – især ukonditionsmæssige tilbud og fortrolighed – og hvordan en dansk virksomhed kommer i gang.

Hvorfor tilbudsarbejde er et oplagt AI-område

Tilbudsarbejde har tre egenskaber, der gør det velegnet til AI. For det første er det teksttungt: både input (udbudsbetingelser, kravspecifikation, kontraktudkast, bilag) og output (løsningsbeskrivelse, besvarelse af underkriterier) er tekst. For det andet er det gentaget: de samme spørgsmål om kvalitetssikring, bemanding, implementering, miljø og samfundsansvar går igen fra udbud til udbud. For det tredje er det tidspresset: tilbudsfristen er fast, og den tid, der bruges på at læse og strukturere, er tid, der ikke bruges på at skrive et bedre tilbud.

Gevinsten handler derfor ikke kun om at spare timer. Den handler om at kunne sige nej hurtigere til de udbud, man ikke kan vinde, og bruge kræfterne på dem, man kan.

Seks steder i tilbudsprocessen, hvor AI hjælper

1. Overvågning og screening af udbud

Traditionel udbudsovervågning bygger på CPV-koder og søgeord – og rammer både for bredt og for snævert. AI-baseret screening kan læse udbudsbekendtgørelsen og vurdere, om opgaven reelt matcher jeres ydelser, også når ordregiver bruger andre ord end jer. Det giver færre irrelevante notifikationer og færre oversete muligheder.

2. Hurtig byd/byd ikke-beslutning

Den vigtigste beslutning i tilbudsarbejdet træffes tidligt. En AI-opsummering af udbuddet på én side – opgaven, kontraktens værdi og varighed, egnethedskrav (omsætning, referencer, certificeringer), tildelingskriterier og vægtning, frister og evt. forbehold for konsortier og underleverandører – gør det muligt at tage beslutningen på en time frem for en dag.

3. Kravmatrix og tjekliste

Mindstekrav er ofte spredt over udbudsbetingelser, kravspecifikation og kontraktbilag. AI kan udtrække dem til en struktureret matrix med kildehenvisning, så tilbudsteamet kan fordele ansvar og sikre, at intet overses. Kravet om kildehenvisning er afgørende: et krav uden henvisning til side og afsnit kan ikke verificeres.

4. Spørgsmål til ordregiver

Uklarheder og modstrid mellem bilag er almindelige – og de skal afklares via spørgsmål inden spørgefristen, ikke løses med forbehold i tilbuddet. AI er god til at finde netop modstrid: to bilag med forskellige frister, et krav, der ikke kan opfyldes samtidig med et andet, eller en uklar definition. Spørgsmål og svar offentliggøres typisk for alle tilbudsgivere, så formulér dem med omtanke.

5. Udkast til løsningsbeskrivelser

Her ligger den største tidsbesparelse – og den største risiko. AI kan skrive udkast til besvarelse af underkriterier ud fra jeres tidligere tilbud, metodebeskrivelser og cases, tilpasset netop dette udbuds sprog og vægtning. Men et udkast er ikke et tilbud. Evaluatorer læser mange tilbud og genkender generisk tekst, der ikke svarer konkret på det, der spørges om. Den bedste brug er at lade AI levere struktur og første udkast, mens fagfolkene leverer substansen: den konkrete bemanding, de konkrete risici og den konkrete løsning.

6. Kvalitetssikring før aflevering

Til sidst kan AI gennemgå det samlede tilbud mod kravmatrixen: Er alle krav besvaret? Er der uoverensstemmelser mellem løsningsbeskrivelse og prisbilag? Er der formuleringer, der kan læses som forbehold? Er sidebegrænsninger overholdt? Det er en ekstra kontrol – ikke en erstatning for den menneskelige gennemlæsning.

Videnbanken: grundlaget for god AI i tilbud

AI er kun så god som det materiale, den arbejder med. De virksomheder, der får mest ud af AI i tilbudsarbejdet, har en struktureret videnbank: tidligere tilbud (særligt de vindende), evalueringsrapporter og begrundelser for tildeling, standardafsnit om kvalitet, miljø, sikkerhed og samfundsansvar, opdaterede CV'er, referencer med kontaktpersoner og certifikater med gyldighedsdatoer.

Teknisk bygger mange løsninger på RAG (retrieval-augmented generation): AI'en henter de mest relevante afsnit fra videnbanken og bruger dem som grundlag for sit udkast – frem for at opfinde indhold. Det reducerer risikoen for hallucinationer, især opdigtede referencer, certificeringer eller tal, som er særligt farlige i et bindende tilbud.

Evalueringsrapporter fra tabte udbud er guld værd. De fortæller præcis, hvad ordregiver vægtede, og hvor jeres tilbud faldt igennem. Bed om dem, gem dem, og lad AI'en lære af dem.

Værktøjer til AI i tilbudsarbejde

For de fleste danske SMV'er er det rigtige udgangspunkt en erhvervsversion af en generel AI-assistent kombineret med en ordentligt organiseret mappe med tidligere tilbud. Dedikerede RFP-platforme giver mest mening, når virksomheden afgiver mange tilbud om året – og mange af dem er bygget til engelsksprogede, private RFP'er snarere end danske offentlige udbud, så test dem på jeres egne udbud før køb.

Hvad koster det?

Generelle AI-assistenter i erhvervsversion prissættes typisk per bruger per måned, ofte som tillæg til eksisterende kontorlicenser. Dedikerede tilbudsplatforme og overvågningstjenester prissættes typisk som årsabonnement efter antal brugere eller moduler. Priser og pakker ændrer sig hurtigt, så tjek altid aktuelle vilkår.

Den relevante sammenligning er tilbudsomkostningen. Et større offentligt tilbud kan nemt koste et trecifret antal arbejdstimer. Kan AI barbere en del af læse-, strukturerings- og kvalitetssikringstiden af – og hjælpe jer med at sortere de udbud fra, I alligevel ikke ville vinde – er investeringen typisk tjent hjem på få tilbud.

Fortrolighed, GDPR og EU AI Act

Fortrolighed og forretningshemmeligheder

Jeres tilbud indeholder priser, kalkulationer og løsningsdesign, der er forretningshemmeligheder. Udbudsmateriale kan også være fortroligt – fx ved udbud med sikkerhedsklassificeret indhold eller hvor ordregiver kræver en fortrolighedserklæring for at få adgang til bilag. Brug derfor kun godkendte erhvervsværktøjer med databehandleraftale og uden træning på jeres data, og læs udbudsbetingelserne for særlige krav til håndtering af materialet.

GDPR

Tilbud indeholder ofte personoplysninger: CV'er for nøglemedarbejdere, kontaktpersoner hos referencekunder og evt. underleverandørers medarbejdere. Når de behandles i et AI-værktøj, gælder GDPR fuldt ud – med krav om behandlingsgrundlag, dataminimering, databehandleraftale og gyldigt grundlag for evt. overførsel uden for EU/EØS. Informér medarbejderne om, at deres CV'er bruges i tilbud og bearbejdes med AI-værktøjer.

EU AI Act

For tilbudsgiveren er AI til at skrive og kvalitetssikre tilbud i den laveste risikokategori. Kravet om AI-kendskab (AI literacy) gælder dog: de medarbejdere, der bruger AI i tilbudsarbejdet, skal forstå værktøjernes begrænsninger – især risikoen for hallucinationer. Billedet ændrer sig, hvis AI bruges til at udvælge eller vurdere medarbejdere til bemanding på baggrund af deres præstation; det kan nærme sig højrisiko-området for beskæftigelse.

Seks skridt til at komme i gang

1. Saml videnbanken

Saml jeres seneste tilbud, evalueringsrapporter, standardafsnit, CV'er, referencer og certifikater ét sted, med tydelig markering af, hvilke tilbud der blev vundet. Ryd op i forældede versioner.

2. Vælg et godkendt værktøj

Start med en erhvervsversion af en AI-assistent med databehandleraftale. Sørg for, at det er dækket af jeres AI-politik, og at priser og fortrolige data kun behandles der.

3. Start med læsning, ikke skrivning

Den hurtigste og sikreste gevinst er opsummering, byd/byd ikke-beslutning og kravmatrix. Her er risikoen lav, fordi output bruges internt og kan verificeres mod kildehenvisninger.

4. Byg standardprompts til jeres proces

Lav faste instruktioner til de tilbagevendende opgaver: udtræk mindstekrav med sidehenvisning, find modstrid mellem bilag, tjek tilbud mod kravmatrix, find mulige forbehold. Det giver ens kvalitet uanset hvem der sidder med tilbuddet.

5. Indfør en firøjne-regel for AI-tekst

Ingen AI-genereret tekst går ind i et tilbud uden faglig gennemlæsning. Tjek særligt tal, referencer, certificeringer og alt, der kan læses som en betingelse eller en afvigelse fra kravspecifikationen.

6. Mål og lær

Følg tidsforbrug per tilbud, vinderrate og evalueringsscorer før og efter. Brug evalueringsrapporterne til at forbedre videnbanken og jeres standardafsnit løbende.

De fem hyppigste fejl – og hvordan du undgår dem

1. At lade AI skrive hele tilbuddet: Generisk tekst scorer lavt i evalueringen. Brug AI til struktur og udkast, ikke til substans.
2. At stole på AI-udtrukne krav uden kildehenvisning: Et overset mindstekrav kan koste hele tilbuddet. Kræv side- og afsnitshenvisning, og verificér.
3. At lægge priser og fortrolige bilag i gratis værktøjer: Brug kun godkendte erhvervsværktøjer med databehandleraftale.
4. At overse utilsigtede forbehold: En AI-formulering, der afviger fra kravspecifikationen, kan gøre tilbuddet ukonditionsmæssigt.
5. At springe videnbanken over: Uden gode tidligere tilbud og cases at bygge på, gætter AI'en – og gæt hører ikke hjemme i et bindende tilbud.