Od zapytania w mailu do gotowej oferty – jak AI obsługuje RFQ, przetargi i specyfikacje klienta

Typowe zapytanie w średniej firmie produkcyjnej albo dystrybucyjnej nie wygląda jak formularz. To mail z trzema zdaniami i czterema załącznikami, w których jest rysunek, tabela w arkuszu, skan pisma i specyfikacja w PDF-ie. Wymagania są rozrzucone po wszystkich czterech, częściowo się powtarzają, a częściowo są sprzeczne.

Pierwsza godzina pracy handlowca schodzi na ustalenie, czego klient właściwie chce. Druga i trzecia – na dopasowanie tego do katalogu: który indeks odpowiada opisowi, czy mamy zamiennik, czy parametr z tabeli mieści się w naszym zakresie. Dopiero potem zaczyna się wycena, a na końcu składanie dokumentu, które w tym rachunku jest najkrótszym etapem.

Do tego dochodzi wybór, którego nikt nie nazywa wprost: czy w ogóle startować. Zespoły, które odpowiadają na wszystko, rozmieniają się na drobne i mają niski wskaźnik wygranych. Zespoły, które selekcjonują świadomie, wygrywają częściej – zestawienia branżowe pokazują rozpiętość od średniej w okolicach 45% do 60% i więcej u tych, którzy pilnują selekcji i kompletności odpowiedzi. Żeby jednak selekcjonować świadomie, trzeba najpierw szybko zrozumieć, co jest w zapytaniu – czyli wrócić do etapu pierwszego.

I dlatego automatyzacja tego procesu ma sens nawet wtedy, gdy nie skraca samego pisania oferty. Skraca drogę do decyzji „startujemy albo nie” z trzech dni do godziny.

Pierwszy krok to zamiana załączników na listę wymagań. Agent czyta dokumenty, wyciąga pozycje wraz z parametrami i sprowadza je do jednej tabeli: wymaganie, źródło (który dokument, która strona), parametr, jednostka.

Wskazanie źródła jest tu ważniejsze niż sama ekstrakcja. Handlowiec, który dostaje listę wymagań z odnośnikiem do konkretnego miejsca w specyfikacji, może zweryfikować każdą pozycję w kilka sekund. Lista bez źródeł wymaga przeczytania całości jeszcze raz, czyli nie oszczędza nic.

Rzeczy, które odczytuje się dobrze: tekst w PDF-ach cyfrowych, tabele o regularnej strukturze, parametry z jednostkami, terminy i warunki wyrażone słownie. Rzeczy trudniejsze: skany złej jakości, tabele rozbite na kilka stron, wymagania ukryte w zdaniu warunkowym („w przypadku wariantu B obowiązuje…”) oraz wszystko, co wynika z rysunku technicznego. Ten ostatni obszar jest wykonalny, ale jest osobnym projektem, nie dodatkiem – i tak go trzeba wyceniać.

Praktyczna zasada wdrożeniowa: agent ma jawnie oznaczać, czego nie odczytał albo odczytał z niską pewnością, i traktować to jako pozycję do decyzji człowieka. Lista, która udaje kompletną, jest gorsza od listy krótszej z uczciwie oznaczonymi lukami – bo w tej pierwszej brakującego wymagania nikt nie zauważy aż do reklamacji.

Macierz zgodności to zestawienie, w którym każde wymaganie klienta dostaje jedną z trzech odpowiedzi: spełniamy, spełniamy warunkowo, nie spełniamy – wraz z uzasadnieniem i wskazaniem produktu lub usługi z katalogu. To jest właściwy produkt całego procesu; sam tekst oferty jest jego pochodną.

Agent może przygotować projekt tej macierzy: dopasować wymaganie do indeksu, porównać parametry, wskazać najbliższy zamiennik i oznaczyć pozycje, w których zakres klienta wykracza poza Wasz. Nie może natomiast rozstrzygać pozycji spornych, bo „spełniamy warunkowo” jest deklaracją kontraktową, nie oceną techniczną. Ktoś w firmie bierze za nią odpowiedzialność.

Dobrze zaprojektowana macierz robi jeszcze jedną rzecz, na którą warto zwrócić uwagę przy wdrożeniu: pokazuje rozkład ryzyka w całym postępowaniu. Jeżeli na czterdzieści wymagań osiem jest warunkowych, a trzy są poza zakresem, to jest to informacja dla osoby decydującej o starcie – i informacja dostępna w pierwszej godzinie, a nie w dniu składania oferty.

Macierz jest też najlepszym materiałem do nauki systemu. Poprawki, które człowiek nanosi na projekt przygotowany przez agenta, są gotowym zestawem przypadków testowych: pokazują dokładnie te miejsca, w których dopasowanie zawodzi.

Druga część pracy to opisy: firmy, referencji, procesu realizacji, standardów jakości, warunków gwarancji. W większości firm powstają one przez kopiowanie z ostatniej podobnej oferty, przez co po dwóch latach w obiegu są cztery różne wersje tego samego akapitu, a jedna z nich zawiera nazwisko pracownika, który już nie pracuje.

Biblioteka odpowiedzi porządkuje to bez rewolucji: zbiór zatwierdzonych fragmentów z właścicielem i datą przeglądu. Agent dobiera fragmenty do pytań z zapytania i składa projekt odpowiedzi – zawsze z tej samej, aktualnej wersji. Fragment po dacie przeglądu jest oznaczany, żeby nie trafił do oferty bez sprawdzenia.

Efekt uboczny bywa cenniejszy od samego przyspieszenia. Budowa biblioteki wymusza przegląd tego, co firma o sobie pisze – i przy tej okazji znika sporo treści, które nie były prawdziwe od lat. To praca do wykonania raz, użyteczna niezależnie od tego, ile ofert obsłuży potem AI.

Warto od razu zaplanować, kto jest właścicielem biblioteki. Bez wskazanej osoby po pół roku wraca stan wyjściowy, tyle że z dodatkową warstwą narzędzia.

Przy człowieku zostają trzy rzeczy i warto je nazwać wprost już na etapie projektowania, żeby nie były przedmiotem sporu przy pierwszym trudnym postępowaniu.

Pierwsza: cena. Nie dlatego, że model nie policzy, tylko dlatego, że cena w B2B jest decyzją o marży, relacji i o tym, jak bardzo chcemy tego klienta. Agent może przygotować kalkulację bazową i pokazać, gdzie jesteśmy względem podobnych zrealizowanych zleceń – decyzję podejmuje handlowiec albo szef sprzedaży.

Druga: warunki handlowe i zapisy kontraktowe. Terminy, kary umowne, gwarancje, zakres odpowiedzialności. To są zobowiązania firmy, a nie treść do wygenerowania – i ich akceptacja musi mieć w systemie ślad z nazwiskiem.

Trzecia: decyzja o starcie. Agent dostarcza podstawę – kompletność wymagań, rozkład zgodności, orientacyjny nakład – ale to człowiek ocenia, czy warto, znając kontekst rynkowy i klienta.

Jest jeszcze czwarta rzecz, o której warto pamiętać przy planowaniu: dane. Zespół ofertowy pracuje na cennikach, marżach i treści specyfikacji klienta, często objętej klauzulą poufności. Jeżeli nie dostanie narzędzia z dostępem do firmowej wiedzy, będzie wklejał te materiały do ogólnodostępnych czatów, bo praca musi zostać wykonana. Wdrożenie kontrolowanego narzędzia jest w tym przypadku równocześnie działaniem porządkującym ryzyko.

Kolejność, która się sprawdza, zaczyna się od jednego typu zapytań, a nie od całego procesu. Wybierzcie kategorię, która powtarza się najczęściej i ma najbardziej ustandaryzowane załączniki – zwykle jest to segment, w którym klienci przysyłają podobne specyfikacje. Na nim zbudujcie ekstrakcję i macierz zgodności.

Etap drugi to biblioteka odpowiedzi dla tego samego segmentu. Etap trzeci – podłączenie katalogu i cennika, czyli moment, w którym projekt przestaje być pracą na dokumentach, a staje się integracją. Tu pojawia się większość kosztu i tu warto mieć już potwierdzone, że dwa pierwsze etapy działają.

Mierzcie cztery rzeczy. Czas od wpłynięcia zapytania do decyzji o starcie. Czas do wysłania oferty. Odsetek wymagań poprawnie dopasowanych do katalogu bez ingerencji człowieka. I liczbę obsłużonych zapytań na osobę – bo w wielu firmach realnym efektem nie jest szybsza oferta, tylko odpowiedź na zapytania, które wcześniej zostawały bez odpowiedzi.

Do pomiaru jakości dopasowania użyjcie tej samej metody, co przy każdym innym agencie: zestawu referencyjnego zbudowanego z zapytań obsłużonych ręcznie w ostatnim kwartale, z prawidłowym dopasowaniem zatwierdzonym przez osobę odpowiedzialną za ofertowanie. Szczegółowo opisujemy to w osobnym artykule o ewaluacji agentów.