Anbudsgranskning med AI betyder att en maskin läser hela förfrågningsunderlaget i stället för att stickprova det. Den plockar ut varje krav med källhänvisning, jämför handlingarna mot varandra och flaggar avvikelserna. Kalkylatorn behåller besluten. Maskinen ser till att inget krav blir oläst.
Utgångsläget
Granskarna slarvar inte; tiden räcker bara inte. Ett anbud på tiotals miljoner vilar på ett förfrågningsunderlag: ett hundratal filer med administrativa föreskrifter, tekniska beskrivningar, ritningar, mängdförteckningar och bilagor som i sin tur har egna bilagor. Mötet där anbudet godkänns tar ungefär 45 minuter. Att läsa varje fil ordentligt, med den skärpa som krävs för att fånga den enda rad som avgör affären, skulle ta fyra personer en vecka. Gapet fylls med tillit.
Följderna sitter i detaljer som är små på papperet och stora i pengar. I en upphandling missade alla anbudsgivare samma post på runt 40 000 kronor, begravd djupt i dokumenthögen, och hela upphandlingen fick göras om. Ungefär halva projektkostnaden är dessutom inte entreprenörens eget arbete: den kommer in som anbud från underentreprenörer i en hög under de sista dagarna, och bedöms på magkänsla. Många av dem har egna reservationer, och var och en skulle behöva stämmas av mot underlaget. Den största posten i hela kalkylen får alltså det sämsta beslutsstödet.
Det handlar inte om slarv, utan om att det finns för mycket att läsa och för lite tid. Där ändrar en maskin förutsättningarna: den bryr sig inte om vilken bilaga ett krav gömmer sig i, och den blir inte trött vid elfte bilagan.
Vad maskinen gör
Alla fyra är möjliga i teorin, men omöjliga att hinna med innan anbudet ska in:
| Moment | Vad maskinen gör |
|---|---|
| Total läsning | Läser varje fil i underlaget i stället för att stickprova de handlingar som verkar viktigast. |
| Varje krav med källhänvisning | Plockar ut varje krav och länkar det till exakt var, i vilken handling och vilken utgåva, det står. |
| Tvärkontroll mellan handlingar | Jämför teknisk beskrivning, mängdförteckning och ritning mot varandra och lyfter fram det som inte stämmer. |
| Flaggade avvikelser | Markerar reservationer, motsägelser och krav som lämnats obesvarade, så att en människa kan bedöma dem. |
Jämför med hur det görs idag: man söker i PDF:erna på ord som vite, försäkring eller vad det nu var som gjorde ont sist, och läser runt träffarna. En sökning hittar bara de risker du redan vet att leta efter. En maskin läser allt, även det du aldrig tänkte söka på, och det är oftast där den dyra raden gömmer sig. Den läser dessutom konsekvent: vilken utgåva av ett styrande dokument som gäller kan stå på tio olika ställen, och maskinen håller reda på alla tio.
Blinda fläckar
Mänsklig uppmärksamhet brister inte slumpmässigt. Den brister i mönster. Kalkylatorer lär sig samma vanor, läser samma handlingar i samma ordning under samma press, i slutet av anbudstiden med flera anbud igång samtidigt. Uppmärksamheten är färsk i den tekniska beskrivningen och tunn i elfte bilagan. Därför är det inte en anbudsgivare som missar en rad, utan alla som missar samma. Oberoende läsare ska vara skyddsnätet, men de är bara oberoende om deras blinda fläckar är det.
En maskin kan tvingas att inte dela blinda fläckar. Samma underlag kan läsas i flera oberoende omgångar som medvetet görs olika: det en omgång glider förbi fångar en annan, och fynden läggs samman. Där ett granskningsteam faller in i samma vanor dras omgångarna isär med flit. Det är den enda lässtrategin utan en trött elfte bilaga.
Spårbarhet
En användbar maskinell granskning gissar inte och sammanfattar inte i förbigående. Varje flagga bär med sig kravet den vilar på, vilken utgåva av handlingen den läste, och en hänvisning du kan slå upp. Vid osäkerhet är regeln att flagga, inte att dra slutsatser: maskinen pekar på raden och låter människan avgöra. Det som måste vara exakt rätt går genom kontroller, inte genom en språkmodells fria formuleringar. Kan du inte slå upp ett fynd kan du inte försvara det mot beställaren, och då är det värdelöst.
Ansvaret flyttar sig inte. Kalkylatorn och den som skriver under granskar, bedömer och skriver under precis som förut. Det som ändras är vad underskriften vilar på: en genomläsning som faktiskt skett, i stället för ett stickprov och tillit. Underskriften blir säkrare, inte lösare.
Vad som ändras
45-minutersmötet blir inte kortare. Det blir bättre. När genomläsningen redan är gjord går minuterna till omdöme i stället för hopp: vilka avvikelser som spelar roll, vilka reservationer från underentreprenörer som måste redas ut, om anbudet ska lämnas alls. Teamet slutar leta och börjar bedöma. Den dyra raden hinner hittas innan den blir en kostnad.
Det är vad anbudsgranskning med AI gör: inte snabbare beslut på tunnare underlag, utan samma beslut på ett underlag som någon, eller något, faktiskt har läst i sin helhet. Yesper är AI-civilingenjören för bygg och infrastruktur, och granskning av förfrågningsunderlag är precis den sortens arbete den är byggd för: stort, repetitivt, och för viktigt för att stickprovas.
Det är precis det Yesper gör med ett förfrågningsunderlag: läser varje fil, plockar ut kraven med källa och flaggar avvikelserna, medan kalkylatorn behåller besluten. Vill du se det i en demo hör du av dig.
Boka demoFå nästa text i mejlen. Avregistrera när du vill.
