Et offentligt udbud kommer sjældent alene. Der er 200 siders udbudsmateriale, et ESPD, en kravspecifikation, et sæt bilag, en tro- og loveerklæring og en frist om fjorten dage. Og det første stykke arbejde — at finde ud af om I overhovedet er kvalificerede — koster en hel arbejdsdag, hver eneste gang, også når svaret ender med at være nej.
AI til udbud løser primært det problem. Ikke ved at skrive tilbuddet for jer, men ved at fjerne læsearbejdet før beslutningen og oprydningsarbejdet efter skrivningen. Den realistiske gevinst er at komme fra en dag til en halv time på at afgøre om et udbud er værd at byde på — og at holde op med at bruge de dage på de udbud I alligevel taber.
Denne guide gennemgår hvad AI konkret kan i en udbudsproces, hvad den aldrig må gøre, og hvordan I kommer i gang uden at bygge noget først.
Hvorfor udbudsarbejde er velegnet til AI
Udbudsmateriale har tre egenskaber der gør det til en usædvanlig god opgave for en sprogmodel.
Det er langt og struktureret på samme tid. Materialet følger næsten altid samme skabelon: egnethedskrav, mindstekrav, tildelingskriterier, kontraktvilkår, bilag. Et menneske skal læse det hele for at finde de fem afgørende sætninger. En model kan finde dem på et minut, fordi den ikke bliver træt af side 140.
Det er gentaget. Kravene i to udbud inden for samme sektor ligner hinanden. Det betyder at jeres svar fra sidste gang som regel er halvfærdigt allerede — problemet er at finde det i mappen med 60 tidligere tilbud.
Og beslutningen kommer før arbejdet. Den dyreste fejl i udbudsarbejde er ikke et dårligt tilbud. Det er et godt tilbud på et udbud I aldrig kunne vinde, fordi et mindstekrav om referencer eller omsætning udelukkede jer fra side 12. Det er præcis den slags fejl en screening fanger.
De fire steder AI til udbud faktisk hjælper
1. Screening: skal vi overhovedet byde?
Det er her gevinsten er størst og risikoen mindst, fordi output er en anbefaling til jer selv — ikke tekst der sendes til en ordregiver.
Giv modellen udbudsmaterialet og en kort beskrivelse af jeres virksomhed: omsætning, antal ansatte, certificeringer, referencer, geografi. Bed om fire ting: hvilke mindstekrav findes, opfylder vi hvert af dem, hvad er tildelingskriterierne og deres vægtning, og hvad er fristen.
Svaret skal indeholde en kildeangivelse for hvert krav — hvilket afsnit står det i. Uden den kan I ikke kontrollere den, og en ukontrollerbar screening er værdiløs.
2. Kravudtræk: fra prosa til kravmatrix
Når beslutningen er taget, skal materialet omsættes til en arbejdsliste. Det er rent oversættelsesarbejde: hvert krav bliver en række med et nummer, en ordlyd, en kilde, en type (mindstekrav eller konkurrenceparameter) og en ansvarlig.
Det tager en tilbudsansvarlig timer at gøre i hånden, og det er kedeligt nok til at man springer over. Sprunget over betyder oversete krav, og et overset mindstekrav er et afvist tilbud.
3. Genbrug: find det I skrev sidste gang
De fleste virksomheder har svaret på “beskriv jeres kvalitetsstyring” mindst ti gange. Svarene ligger i ti forskellige mapper med ti forskellige filnavne.
En søgning på tværs af tidligere tilbud — semantisk, altså på betydning frem for ordlyd — finder de tre bedste udgangspunkter på sekunder. Det er den samme mekanik som i AI til dokumenthåndtering, bare med tilbudsarkivet som datagrundlag.
4. Konsistenstjek før aflevering
Et tilbud skrevet af fire personer over to uger modsiger sig selv. Leveringstiden er otte uger i det tekniske afsnit og seks i ledelsesresuméet. Kontaktpersonen er skiftet undervejs. Et bilag henvises til, men er ikke vedlagt.
Bed modellen finde selvmodsigelser, manglende bilagshenvisninger og krav fra matricen som ingen har besvaret. Den finder ikke alt — men den finder det et træt menneske overser klokken 23 aftenen før fristen.
Hvad AI aldrig må gøre i et udbud
Der er én regel, og den er ikke til forhandling: ingen faktapåstand om jeres virksomhed må stamme fra modellen.
En sprogmodel er bygget til at producere sandsynlig tekst. Beder I den om at beskrive jeres erfaring med lignende opgaver, og den ikke har materialet, opfinder den en plausibel referencekunde med et plausibelt årstal. Det ser rigtigt ud. Det er derfor det er farligt.
I et udbud er urigtige oplysninger ikke en skønhedsfejl. De kan føre til udelukkelse fra det aktuelle udbud, og hvis de opdages efter tildeling, til ophævelse af kontrakten. Ordregiveren skal ikke bevise at I løj — det er nok at oplysningen var forkert.
Den praktiske arbejdsdeling ser sådan ud:
| AI må gerne | Kun mennesker |
|---|---|
| Læse og sammenfatte udbudsmaterialet | Godkende ethvert tal om omsætning, ansatte eller kapacitet |
| Trække krav ud med kildeangivelse | Bekræfte referencer og certificeringer |
| Finde jeres egne tidligere svar frem | Underskrive tro- og loveerklæringer |
| Foreslå struktur og disposition | Fastsætte prisen |
| Finde selvmodsigelser og huller | Beslutte den strategiske vinkel |
Læg mærke til at alt i højre kolonne er noget I hæfter juridisk for. Det er ikke et tilfælde — det er kriteriet.
Hvad AI til udbud koster at komme i gang med
Start med et abonnement, ikke et projekt.
ChatGPT Team koster omkring 205 kr. per bruger per måned og kan læse et uploadet udbudsmateriale med det samme. Microsoft 365 Copilot ligger omkring 150 kr. per bruger per måned og har den fordel at den allerede kan se jeres SharePoint — altså det arkiv af tidligere tilbud I gerne vil genbruge fra. Kører I i forvejen på Microsoft, er det det oplagte sted at begynde. Vi sammenligner de to i guiden til Microsoft Copilot for danske virksomheder.
For under 500 kr. om måneden kan én tilbudsansvarlig altså komme i gang. Det er den rigtige første investering, fordi den koster næsten ingenting at fortryde.
Byg først noget skræddersyet når I kan sige ja til alle tre:
- I byder på mere end cirka ét udbud om måneden
- I har et arkiv af tidligere tilbud der er værd at søge i
- Nogen gør allerede det samme manuelt hver gang, og det irriterer dem
Er svaret ja, giver et automatiseret flow mening: nye udbud hentes fra udbudsportalen, screenes automatisk, og der lander en vurdering i indbakken samme morgen som udbuddet offentliggøres. Det er den slags procesautomatisering hvor gevinsten ikke er tid, men at I ser udbuddet fjorten dage før konkurrenten der tjekker portalen om fredagen.
Sådan tester I AI på jeres udbud på en eftermiddag
Prøv det på noget hvor I allerede kender facit. Det koster ingenting og fortæller jer mere end enhver demo.
Trin 1: Find tre gamle udbud. Gerne to I tabte og ét I vandt. I ved hvordan det gik, så I kan bedømme AI’ens vurdering uden risiko.
Trin 2: Skriv en virksomhedsprofil på én side. Omsætning, antal ansatte, certificeringer, de fem bedste referencer, geografisk dækning. Den skal ind i hver eneste screening, ellers gætter modellen — og så er I tilbage ved hovedreglen.
Trin 3: Kør screeningen. Upload materialet sammen med profilen, og bed om mindstekrav, jeres opfyldelse af hvert af dem, tildelingskriterier med vægtning, og en samlet anbefaling. Kræv kildeangivelse på hvert punkt.
Trin 4: Sammenlign med facit. Ramte den rigtigt på alle tre? Så kan I bruge den til at prioritere fremover. Ramte den skævt, så se på hvorfor — det er næsten altid fordi profilen manglede noget, ikke fordi modellen er uegnet.
Trin 5: Beslut jer først derefter. Virker screeningen, er næste skridt kravmatricen. Virker den ikke, har I brugt en eftermiddag og ingen penge.
Ofte stillede spørgsmål
Hvad kan AI konkret bruges til i offentlige udbud?
Fire ting, i faldende rækkefølge efter hvor sikker gevinsten er. Screening: at læse et udbudsmateriale på 200 sider og svare på om I overhovedet er kvalificerede, inden nogen bruger en dag på det. Kravudtræk: at omsætte materialet til en kravmatrix hvor hvert krav har en kilde, en type og en ansvarlig. Genbrug: at finde det afsnit I skrev til et lignende udbud sidste år. Og konsistenstjek: at finde de steder hvor tilbuddet modsiger sig selv. AI skriver ikke det færdige svar — den fjerner det arbejde der ligger før og efter selve skrivningen.
Er det lovligt at bruge AI til at besvare et offentligt udbud?
Ja. Udbudsloven stiller krav til tilbuddets indhold, ikke til hvilke værktøjer I bruger til at skrive det. Der er ingen pligt til at oplyse at I har brugt AI. Men I hæfter fuldt ud for hvert eneste ord: et forkert oplyst referencetal eller en opfundet certificering er jeres ansvar, uanset om et sprogmodel-værktøj formulerede sætningen. Derfor er den eneste sikre arbejdsdeling at AI må finde, sortere og udkaste — mens et menneske godkender alt der er en påstand om jeres virksomhed.
Hvad er den største risiko ved at bruge AI i udbud?
At modellen opfinder noget der lyder rigtigt. En sprogmodel er trænet til at producere sandsynlig tekst, ikke sand tekst, så den udfylder gerne et hul med en plausibel referencekunde, et årstal eller et certifikatnummer. I et udbud er den type fejl dyr: urigtige oplysninger kan føre til udelukkelse, og i værste fald til ophævelse af en kontrakt I allerede har vundet. Løsningen er ikke at undgå AI, men at ingen faktapåstand om jeres virksomhed nogensinde må stamme fra modellen — kun fra jeres eget dokumentbibliotek. Vi har skrevet mere om den fejltype i guiden til AI-hallucinationer.
Hvor meget tid sparer man realistisk?
Den sikre gevinst ligger i screeningen. En erfaren tilbudsansvarlig bruger typisk en halv til en hel arbejdsdag på at læse et større udbudsmateriale igennem for at vurdere om det overhovedet er værd at byde på. Med et velbygget screeningsflow er den vurdering nede på en halv time, og resten af dagen bruges kun på de udbud der faktisk er relevante. På selve besvarelsen er gevinsten mindre og mere usikker, fordi kvalitetskontrollen stadig tager den tid den tager.
Skal vi bruge ChatGPT eller bygge noget selv?
Start med et abonnement. ChatGPT Team eller Microsoft 365 Copilot koster nogle hundrede kroner per bruger om måneden og kan klare screening og kravudtræk med det samme, hvis I uploader materialet manuelt. Byg først noget selv når I kan svare ja til tre ting: I byder på mere end omkring et udbud om måneden, I har et bibliotek af tidligere svar der er værd at søge i, og I er trætte af at gøre det samme manuelt hver gang. Under den tærskel koster opsætningen mere end den sparer.
Må vi uploade et udbudsmateriale til en AI-tjeneste?
Offentligt tilgængeligt udbudsmateriale er som udgangspunkt ikke fortroligt, og det er sjældent et problem. Pas på to ting. Det ene er materiale mærket fortroligt eller udleveret under en fortrolighedserklæring — der gælder erklæringens ordlyd, ikke jeres fornemmelse. Det andet er jeres egne tidligere tilbud: de indeholder ofte priser, kalkulationer og navngivne medarbejdere. Brug erhvervsabonnementer hvor data ikke bruges til modeltræning, og hold personoplysninger ude af prompten. GDPR-guiden gennemgår kravene i detaljer.
Hvordan undgår vi at alle vores tilbud kommer til at lyde ens?
Ved at bruge AI til struktur og genfinding, ikke til stemme. Lad den finde de tre afsnit I skrev om samme emne sidste år, og lad et menneske skrive det fjerde. Et tilbud der er sammensat af genbrugte AI-omskrivninger læses som generisk af enhver evalueringskomité der har set femten af dem samme uge — og det er netop de kvalitative kriterier der afgør de fleste udbud, når prisen ligger tæt.
Hvor starter man, hvis man aldrig har brugt AI til udbud før?
Tag et udbud I allerede har tabt eller afvist, og kør det gennem en screeningsprompt. I kender facit, så I kan måle om AI’ens vurdering var brugbar uden at sætte noget på spil. Gør det på tre gamle udbud. Rammer den rigtigt på alle tre, kan I bruge den til at prioritere fremover. Rammer den skævt, har I lært hvad den mangler af kontekst — og det er ofte bare en beskrivelse af hvad jeres virksomhed faktisk kan.
Næste skridt
AI til udbud er ikke et stort projekt. Det er en eftermiddag med tre gamle udbud og et abonnement I sandsynligvis allerede har.
Bliver det til mere end det — automatisk overvågning af udbudsportalen, et gennemsøgeligt tilbudsarkiv, screening der lander i indbakken af sig selv — så er det et loop, og så gælder de samme regler som for al anden automatisering: byg ét ad gangen, og mål om det virker. Det gennemgår vi i vores tjekliste til AI-implementering.
Vil I have en vurdering af om jeres udbudsproces er værd at automatisere, kan I læse hvordan vi arbejder som AI-konsulent eller booke en uforpligtende samtale. Vi siger også nej, hvis svaret er at I byder på for få udbud til at det kan betale sig.