Kluczowe pytanie nie brzmi więc: „czy wolno użyć AI?”, ale raczej: „w jaki sposób użyć AI, aby wynik był rzetelny, możliwy do zweryfikowania i przydatny w dokumentacji zamówienia?”.
Pytanie o wykorzystanie narzędzi AI w szacowaniu wartości zamówienia pojawiło się podczas konferencji organizowanej przez PARP 26 marca 2026, na którym wystąpiliśmy z prelekcją pod tytułem “Najpierw rynek, potem instytucje - jak AI może obniżyć bariery w zamówieniach publicznych”. Z racji ograniczonego czasu, nasza odpowiedź była uproszczona, dlatego też postanowiliśmy dogłębniej przeanalizować tę tematykę. Odpowiedź bowiem wymaga rozróżnienia wielu kontekstów. Inaczej ocenimy przypadek, w którym zamawiający ma już dobrze opisany przedmiot zamówienia i chce zebrać dane rynkowe. Inaczej sytuację, w której zamawiający zna tylko potrzebę, ale nie potrafi jeszcze przełożyć jej na wymagania. Jeszcze inaczej należy spojrzeć na wybór konkretnego narzędzia AI: ChatGPT, Gemini, Claude czy innego rozwiązania.
W artykule przyglądamy się - wspólnie - tym trzem wątkom.
Spis treści
- Czy użycie AI do szacowania wartości zamówienia jest dopuszczalne?
- Scenariusz pierwszy: mam opis przedmiotu zamówienia i chcę oszacować wartość
- Jakie są największe ryzyka przy szacowaniu wartości zamówienia z użyciem AI?
- Produkty standardowe a zamówienia specjalistyczne - dlaczego to robi różnicę?
- Scenariusz drugi: mam potrzebę, ale nie znam jeszcze wymagań
- Jak używać AI jako „sparring partnera” przy opisie przedmiotu zamówienia?
- ChatGPT, Gemini, Claude - porównanie narzędzi w kontekście szacowania wartości
- Dobra praktyka: jak udokumentować użycie AI?
- Podsumowanie
- FAQ
Czy użycie AI do szacowania wartości zamówienia jest dopuszczalne?
Co do zasady - tak, ale pod warunkiem, że AI jest narzędziem pomocniczym, a nie jedyną podstawą ustalenia wartości zamówienia.
Prawo zamówień publicznych nie wskazuje zamkniętego katalogu metod, którymi zamawiający może posłużyć się przy ustalaniu wartości zamówienia. Kluczowe jest natomiast to, aby wartość została ustalona jako całkowite szacunkowe wynagrodzenie wykonawcy bez podatku VAT, z należytą starannością. Tak wynika z art. 28 Pzp, omawianego również w komentarzu Urzędu Zamówień Publicznych.
To oznacza, że samo użycie AI nie przesądza jeszcze o poprawności lub niepoprawności działania. Ocenie powinno podlegać raczej to:
- czy dane były aktualne,
- czy źródła były możliwe do zweryfikowania,
- czy zamawiający porównał oferty podobne zakresowo,
- czy uwzględnił wszystkie istotne elementy kosztu,
- czy potrafi wykazać, że działał z należytą starannością.
Warto pamiętać, że ustalenie wartości zamówienia ma znaczenie proceduralne. Od tej wartości zależą obowiązki zamawiającego, w tym właściwy tryb, miejsce publikacji ogłoszenia czy terminy. Błędne oszacowanie może prowadzić do poważnych konsekwencji, w skrajnym przypadku nawet do konieczności unieważnienia postępowania.
Co również warto zaznaczyć, w kontekście wykorzystania narzędzi opartych o sztuczną inteligencję nie możemy zapominać o kwestii przetwarzania danych osobowych i wewnętrznych regulacjach z tym związanych.
Biorąc pod uwagę powyższe, w naszej ocenie AI może asystować, jednak nie może „przejąć” odpowiedzialności za szacowanie.
Scenariusz pierwszy: mam opis przedmiotu zamówienia i chcę oszacować wartość
Pierwszy scenariusz wydaje się najprostszy.
Zamawiający ma już zdefiniowane wymagania. Wie, czego potrzebuje. Ma opis przedmiotu zamówienia albo przynajmniej roboczą specyfikację. Chcę teraz sprawdzić, ile dany produkt, usługa lub rozwiązanie może kosztować na rynku.
W takim przypadku narzędzie AI może wykonać kilka przydatnych czynności:
- wyszukać przykładowe produkty lub usługi spełniające określone wymagania,
- zebrać orientacyjne ceny z publicznie dostępnych źródeł,
- uporządkować dane w tabeli,
- wskazać różnice pomiędzy ofertami,
- zwrócić uwagę na elementy, których brakuje w opisach ofert,
- pomóc przygotować listę pytań do potencjalnych wykonawców.
Przykładowo, jeżeli zamawiający chce kupić laptopy o określonych parametrach, AI może szybko zebrać oferty z rynku, zestawić procesory, pamięć RAM, dyski, gwarancję, dostępność i cenę.
To jest użyteczne. Ale właśnie w tym miejscu pojawiają się pierwsze ryzyka.
Jakie są największe ryzyka przy szacowaniu wartości zamówienia z użyciem AI?
1. AI może szukać tam, gdzie zamawiający realnie nie będzie kupował
Jeżeli w poleceniu nie określimy warunków brzegowych, narzędzie może wskazać oferty z zagranicznych sklepów internetowych, marketplace’ów albo stron, które nie odpowiadają realiom zakupu przez polskiego zamawiającego.
Na pierwszy rzut oka cena może wyglądać atrakcyjnie. Ale po doliczeniu kosztów dostawy, opłat celnych, różnic w warunkach gwarancji, ograniczeń serwisowych albo ryzyk związanych z fakturowaniem okaże się, że taka oferta nie jest dobrym punktem odniesienia.
Dlatego w promptach warto wskazać m.in.:
szukaj ofert dostępnych dla zamawiającego z Polski, od dostawców działających na rynku polskim, z ceną w złotych, z uwzględnieniem kosztów dostawy, gwarancji i dostępności.
2. AI może błędnie przeliczyć waluty
W praktyce zdarzają się błędy przy przeliczaniu euro na złotówki, dolarów na złotówki albo cen netto i brutto. Problem może wynikać z nieaktualnego kursu, błędnego zaokrąglenia, pomylenia ceny netto z brutto albo po prostu z halucynacji modelu.
To szczególnie istotne, ponieważ zgodnie z Pzp - podstawą ustalenia wartości zamówienia jest wartość bez VAT. Jeżeli narzędzie pomyli wartości netto i brutto, wynik może być istotnie zaburzony.
Dobra praktyka: nie przyjmować przeliczeń AI bez weryfikacji. Kurs waluty, data kursu, cena netto/brutto i sposób kalkulacji powinny być sprawdzone osobno.
3. AI wskaże to, co jest dobrze widoczne w sieci
Narzędzia AI korzystające z wyszukiwania internetowego nie widzą całego rynku. Widzą przede wszystkim to, co jest dobrze opisane, zaindeksowane, zoptymalizowane pod wyszukiwarki i dostępne publicznie.
To oznacza, że AI może preferować dostawców, którzy:
- mają dobrze pozycjonowane strony,
- publikują dużo treści,
- sprzedają przez popularne platformy,
- mają oferty łatwe do odczytania przez wyszukiwarki,
- posługują się językiem zbieżnym z promptem użytkownika.
Nie oznacza to automatycznie, że są najlepszym punktem odniesienia dla szacowania. Oznacza tylko, że są bardziej widoczni.
W przypadku zamówień publicznych to szczególnie ważne, bo rynek nie zawsze jest w pełni transparentny w internecie. Część wykonawców nie publikuje cen, część przedstawia wyceny dopiero po rozmowie, a część realizuje zamówienia o charakterze projektowym, których nie da się porównać na podstawie cennika.
4. AI może wskazać oferty niepełne
Nie każda oferta internetowa zawiera wszystkie informacje potrzebne do rzetelnego porównania.
Może brakować danych o:
- kosztach dostawy,
- terminie realizacji,
- gwarancji,
- licencjach,
- wdrożeniu,
- serwisie,
- integracjach,
- szkoleniach,
- utrzymaniu,
- kosztach dodatkowych.
Jeżeli zamawiający oprze się wyłącznie na cenie widocznej na stronie, może pominąć elementy, które w realnym zamówieniu będą miały duże znaczenie kosztowe.
To częsty problem przy usługach IT, systemach dziedzinowych, szkoleniach, rozwiązaniach SaaS, usługach doradczych czy projektach wdrożeniowych.
5. AI może nie odróżnić produktów porównywalnych od nieporównywalnych
To jedno z najważniejszych ryzyk.
Jeżeli szukamy opon, monitorów, drukarek, laptopów albo innych produktów wysoce ustandaryzowanych, porównanie cen może być stosunkowo proste. Oczywiście nadal trzeba uważać na parametry, dostępność, gwarancję i koszty dostawy, ale rynek jest szeroki, a produkty są do siebie porównywalne.
Inaczej wygląda sytuacja przy rozwiązaniach specjalistycznych.
Weźmy przykład systemu finansowo-księgowego. Sama nazwa „system finansowo-księgowy” niewiele mówi. Koszt może zależeć od liczby użytkowników, modelu licencji, integracji, migracji danych, hostingu, utrzymania, wymagań bezpieczeństwa, obiegu dokumentów, sprawozdawczości, wsparcia, szkoleń i zakresu wdrożenia.
W takim przypadku AI może zestawić ze sobą rozwiązania, które formalnie należą do tej samej kategorii, ale w praktyce nie są porównywalne.
Produkty standardowe a zamówienia specjalistyczne - dlaczego to robi różnicę?
Przy korzystaniu z AI warto zadać sobie jedno proste pytanie:
Czy przedmiot zamówienia jest standardowy i masowy, czy specjalistyczny i zależny od kontekstu?
Jeżeli produkt jest standardowy, dostępny u wielu wykonawców, opisany parametrami technicznymi i sprzedawany w podobny sposób na rynku, AI może być realnym wsparciem.
Przykłady:
- laptopy,
- opony,
- monitory,
- meble biurowe,
- proste licencje,
- standardowe urządzenia sieciowe,
- materiały eksploatacyjne.
W takich przypadkach AI może pomóc szybko zebrać orientacyjny obraz rynku.
Jeżeli jednak przedmiot zamówienia jest specjalistyczny, trudno porównywalny, zależny od wdrożenia albo dostępny u ograniczonej liczby wykonawców, ryzyko błędu rośnie.
Przykłady:
- system finansowo-księgowy,
- system klasy ERP,
- platforma do obsługi procesów wewnętrznych,
- usługi projektowe,
- usługi doradcze,
- wdrożenie cyberbezpieczeństwa,
- integracje między systemami,
- niestandardowe oprogramowanie.
W tych przypadkach AI może pomóc w przygotowaniu rozeznania, ale nie powinna być traktowana jako wystarczające źródło szacowania. Często lepsze będzie połączenie kilku metod: analizy wcześniejszych zamówień, zapytań do wykonawców, konsultacji rynkowych, danych historycznych, cenników oraz publicznych informacji z sieci.
Scenariusz drugi: mam potrzebę, ale nie znam jeszcze wymagań
Drugi scenariusz jest trudniejszy i bardziej ryzykowny.
Zamawiający wie, że ma problem do rozwiązania, ale nie wie jeszcze, jak powinien wyglądać przedmiot zamówienia. Nie zna rynku, nie zna dostępnych modeli realizacji, nie wie, jakie wymagania są standardowe, a jakie nadmiarowe.
W takiej sytuacji próba szacowania wartości zamówienia może być przedwczesna.
Dlaczego?
Bo jeżeli nie wiemy, co chcemy kupić, to nie wiemy też, co właściwie wyceniamy.
Możemy otrzymać od AI tabelę z cenami, ale będzie to tabela oparta na nieprecyzyjnych założeniach. Taki wynik może dać złudzenie rzetelności, mimo że porównywane oferty dotyczą różnych zakresów.
W tym miejscu warto zrobić krok wstecz i skupić się najpierw na opisie przedmiotu zamówienia. Więcej o tym pisałem TUTAJ. Gorąco zachęcam do zapoznania się z tym tekstem.
W skrócie: właściwy model językowy może być świetnym sparring partnerem na etapie definiowania potrzeby i wymagań.
Jak używać AI jako „sparring partnera” przy opisie przedmiotu zamówienia?
AI nie musi od razu szacować wartości zamówienia. Czasami jej największa wartość polega na tym, że pomaga lepiej zrozumieć problem.
Warto poprosić narzędzie nie o gotową odpowiedź, ale o krytyczną rozmowę.
Przykładowe polecenia:
1. Wygeneruj listę dziesięciu pytań, które pozwolą mi krytycznie spojrzeć na opis przedmiotu zamówienia.
To proste polecenie pomaga wychwycić luki. Model może zapytać o użytkowników, skalę, integracje, bezpieczeństwo, terminy, model utrzymania, ograniczenia budżetowe, wymagania formalne i ryzyka.
2. W ramach tego projektu podważaj moje zdanie, dopytuj i wyrażaj wątpliwość.
To bardzo ważne. Użytkownicy często oczekują od AI potwierdzenia swoich założeń. Tymczasem przy zamówieniach publicznych bardziej wartościowe bywa narzędzie, które mówi: „to wymaganie może ograniczać konkurencję”, „ten parametr wymaga uzasadnienia”, „tu brakuje informacji o skali”, „to może być kosztotwórcze”.
3. Tam, gdzie w oparciu o dane z sieci uznasz to za istotne - sugeruj alternatywy.
To pozwala wyjść poza pierwszy pomysł. Czasami potrzeba zamawiającego może być zaspokojona na kilka sposobów: zakupem licencji, usługą SaaS, wdrożeniem systemu, modyfikacją istniejącego narzędzia albo usługą zewnętrzną.
Na tym etapie AI może pomóc nie tyle w szacowaniu, ile w lepszym przygotowaniu samego szacowania.
Dobra praktyka: prompt do wstępnego rozeznania rynku
Poniżej przykładowy prompt, który można wykorzystać w scenariuszu, gdy opis przedmiotu zamówienia jest już wstępnie przygotowany.
Działaj jako analityk rynku wspierający zamawiającego publicznego w przygotowaniu szacowania wartości zamówienia.
Przedmiot zamówienia: [wklej opis].
Twoje zadanie:
- Znajdź publicznie dostępne informacje o produktach lub usługach podobnych do opisanego przedmiotu zamówienia.
- Uwzględniaj przede wszystkim oferty dostępne dla zamawiających z Polski.
- Podawaj ceny netto, a jeżeli źródło zawiera tylko cenę brutto - wyraźnie to oznacz.
- Nie przeliczaj walut bez wskazania kursu i daty kursu.
- Wskaż źródło każdej ceny.
- Oceń, czy porównywane oferty są rzeczywiście porównywalne zakresowo.
- Wskaż, jakich informacji brakuje do rzetelnego porównania.
- Na końcu przygotuj listę pytań, które warto zadać wykonawcom przed przyjęciem wartości szacunkowej.
Nie podawaj jednej „pewnej” wartości zamówienia. Zamiast tego przedstaw przedział cenowy i wyjaśnij, od czego zależą różnice.
To ostatnie zdanie jest szczególnie ważne. W szacowaniu wartości zamówienia to człowiek powinien podjąć decyzję o kształcie finalnej wartość zamówienia - czy np. będzie to średnia z zebranych cen czy może najwyższa z nich. W mojej ocenie nie ma tu jednego słusznego sposobu działania.
ChatGPT, Gemini, claude.ai - porównanie narzędzi w kontekście szacowania wartości
Wybór narzędzia AI do wsparcia szacowania wartości zamówienia nie powinien być podyktowany popularnością modelu ani marketingiem, lecz tym, na jakim etapie pracy zamawiający z niego skorzysta. Każde z trzech najczęściej używanych rozwiązań - ChatGPT, Gemini i claude.ai - mają inne mocne strony oraz inne ograniczenia z perspektywy zamówień publicznych.
Co więcej, dla zamawiającego liczy się nie tylko sam model językowy, ale również jego otoczenie: wersja, zasady przetwarzania danych, integracje oraz możliwość pracy na dokumentach wewnętrznych.
Z punktu widzenia szacowania wartości warto porównywać te narzędzia według kilku praktycznych kryteriów:
- aktualność danych i sposób dostępu do internetu,
- jakość i weryfikowalność cytowań (czy model podaje konkretne źródła, czy tylko ogólnie się na nie powołuje),
- zdolność pracy na długich dokumentach (OPZ, SWZ, materiały rynkowe, korespondencja z wykonawcami),
- jakość generowanych tabel porównawczych i zestawień,
- możliwość krytycznej analizy treści oraz podważania założeń zamawiającego,
- prywatność, kontrola źródeł oraz dostępne ustawienia organizacyjne (wersje biznesowe, polityki retencji danych, możliwość wyłączenia uczenia na danych użytkownika),
- możliwość pracy w trybie projektowym, czyli na zbiorze powiązanych dokumentów dotyczących jednego postępowania.
ChatGPT (OpenAI) najlepiej sprawdza się tam, gdzie liczy się strukturyzacja pracy: analiza OPZ, formułowanie pytań kontrolnych do wykonawców, budowa tabel porównawczych, porządkowanie zebranych danych oraz przeliczenia w arkuszach. Dobrze radzi sobie z konwersją nieuporządkowanych informacji w czytelne zestawienia. Sprawdza się w momencie, w którym zamawiający ma już zebrane dane rynkowe i potrzebuje je uporządkować, zinterpretować i przygotować do dalszej analizy.
Ograniczeniem bywa natomiast praca z bardzo długimi dokumentami oraz zmienna jakość cytowań przy wyszukiwaniu w sieci. Model potrafi sformułować trafny wniosek, ale nie zawsze precyzyjnie wskazuje, z którego źródła on wynika.
Gemini (Google) wyróżnia się bezpośrednim dostępem do publicznych źródeł internetowych za pośrednictwem wyszukiwarki Google. Naturalnie nadaje się do pierwszego, szybkiego rozeznania rynku - sprawdzenia, jacy dostawcy są widoczni w sieci, jakie ceny pojawiają się publicznie i jakie są bieżące trendy. Jego mocną stroną jest świeżość danych oraz integracja z Google Workspace, co bywa przydatne, gdy zamawiający pracuje na dokumentach w Dokumentach lub Arkuszach Google.
Słabszą stroną w kontekście zamówień publicznych bywa to, że model premiuje wyniki dobrze pozycjonowane w wyszukiwarce, co - jak wspomniano wcześniej - nie zawsze oddaje rzeczywisty obraz rynku.
claude.ai (Anthropic) jest szczególnie użyteczny tam, gdzie kluczowa jest praca na długich materiałach: analizie własnych dokumentów zamawiającego, porównywaniu obszernych OPZ, ofert czy zapytań rynkowych, a także w sytuacjach, gdy zamawiający chce, by model krytycznie zweryfikował treści źródłowe i wskazał luki, sprzeczności lub ryzyka. Dzięki funkcji projektów można pracować na spójnym zbiorze dokumentów dotyczących jednego postępowania bez konieczności wklejania ich za każdym razem.
Ograniczeniem jest natomiast węższy niż u konkurencji dostęp do bieżących danych z internetu, dlatego claude.ai sprawdza się raczej jako analityk treści niż jako narzędzie pierwszego rozeznania rynku.
W praktyce wybór nie musi być jednoznaczny. Wielu zamawiających korzysta z tych narzędzi komplementarnie:
- Gemini - do szybkiego rozeznania rynku i znalezienia publicznych źródeł cen,
- ChatGPT - do strukturyzacji danych, budowy tabel porównawczych i przygotowania pytań do wykonawców,
- claude.ai - do analizy własnych dokumentów zamawiającego, porównań długich treści i krytycznej weryfikacji wniosków.
Modele w ChatGPT, Gemini i claude.ai — który wariant do czego służy
Wybór narzędzia AI to dopiero pierwsza decyzja. Drugą — równie istotną z perspektywy zamawiającego — jest wybór konkretnego modelu w obrębie danego narzędzia. Każdy z trzech producentów oferuje dziś kilka wariantów tego samego asystenta, różniących się głębokością analizy, szybkością odpowiedzi oraz kosztem (lub dostępnością w ramach planu). W praktyce trzy zbliżone poziomy występują obecnie u wszystkich trzech dostawców: szybki model domyślny, model „myślący” (z rozszerzonym rozumowaniem) oraz model klasy „Pro” dla zadań najtrudniejszych.
ChatGPT (OpenAI) w maju 2026 r. opiera się na rodzinie GPT-5.5:
- Instant to domyślny model dostępny dla wszystkich użytkowników — szybki „koń roboczy” do codziennej pracy, dobrze radzący sobie z pytaniami informacyjnymi, instrukcjami i pisaniem technicznym. Szybko odpowiada na proste pytania.
- Thinking wykonuje głębszą analizę przed udzieleniem odpowiedzi — sprawdza się przy złożonych zadaniach analitycznych i pracy z dokumentami.
- Pro to najwyższy poziom, przeznaczony do najtrudniejszych zadań i długich procesów pracy; dostępny w planach Pro, Business, Enterprise i Edu.
Dla zamawiającego oznacza to: Instant wybierz do szybkiego rozeznania i porządkowania, Thinking do analizy OPZ i porównywania ofert, Pro do najbardziej złożonych analiz wieloźródłowych.
Gemini (Google) opiera się obecnie na rodzinie Gemini 3:
- Flash jest domyślnym modelem w aplikacji Gemini, dostępnym w trybie „Fast” do szybkich odpowiedzi oraz „Thinking” do rozwiązywania bardziej złożonych problemów.
- Pro jest dostępny jako „Pro” w wyborze modelu i pozostaje najlepszym wyborem do zaawansowanej matematyki i analiz.
- Deep Think — tryb najgłębszego rozumowania, używany do najtrudniejszych zadań analitycznych.
W praktyce zamawiającego Flash w trybie „Fast” wystarczy do pierwszego rozeznania tematu. „Thinking” sprawdzi się przy analizie publicznych źródeł, a Pro / Deep Think — przy złożonych zestawieniach i pogłębionych analizach.
Claude.ai (Anthropic)aktualnie korzysta z rodziny Claude 4:
- Claude Haiku 4.5 — najszybszy i najtańszy model, dobry do prostych, krótkich zadań i operacji.
- Claude Sonnet 4.6 — domyślny model do codziennej pracy, oferujący dobry balans szybkości i jakości analizy.
- Claude Opus 4.7 — najmocniejszy model, dedykowany najtrudniejszym zadaniom analitycznym i pracy na długich dokumentach.
Dla zamawiającego oznacza to: Haiku do szybkich, prostych operacji, Sonnet do większości zadań codziennych (analiza OPZ, porównania, tabele), a Opus z włączonym rozszerzonym myśleniem do najbardziej złożonych analiz dokumentów i porównań wieloźródłowych.
Praktyczna wskazówka dla zamawiającego. Wybór modelu warto powiązać z charakterem zadania, a nie z odruchem „wybieram zawsze najmocniejszy”.
Modele najszybsze (Instant / Flash / Haiku) świetnie sprawdzają się przy prostym wyszukiwaniu, redagowaniu pytań czy porządkowaniu danych.
Modele „myślące” (Thinking / Sonnet z rozszerzonym myśleniem) sprawdzą się przy analizie OPZ, weryfikacji porównywalności ofert i wychwytywaniu luk.
Modele klasy Pro (GPT-5.5 Pro, Gemini 3 Pro / Deep Think, Claude Opus 4.7) zarezerwowane są dla zadań naprawdę złożonych: analizy obszernych dokumentów postępowania, syntezy wielu źródeł rynkowych czy oceny ryzyk w zamówieniach specjalistycznych.
Niezależnie od wyboru narzędzia, zamawiający powinien zwrócić szczególną uwagę na kwestię prywatności i przetwarzania danych. Wersje darmowe konsumenckie tych narzędzi mogą wykorzystywać treść rozmów do dalszego trenowania modeli, co w kontekście dokumentów zamówienia - nawet jeśli nie zawierają one danych osobowych - bywa nieakceptowalne. Wersje biznesowe (ChatGPT Team/Enterprise, Gemini for Workspace, Claude Team/Enterprise) zazwyczaj oferują wyższe standardy w zakresie retencji danych, kontroli dostępu i braku wykorzystywania treści do trenowania. Decyzja o użyciu konkretnego narzędzia w pracy zamawiającego powinna być zatem poprzedzona analizą wewnętrznych regulacji organizacji oraz polityk bezpieczeństwa informacji.
Najważniejsze jest jednak coś innego - żadne z tych narzędzi nie powinno samodzielnie przesądzać o wartości zamówienia. Niezależnie od wybranego modelu, odpowiedzialność za szacowanie pozostaje po stronie zamawiającego, a wynik wygenerowany przez AI zawsze wymaga weryfikacji, oceny porównywalności ofert oraz odpowiedniego udokumentowania w aktach postępowania.
Dobra praktyka: jak udokumentować użycie AI?
Jeżeli zamawiający korzysta z AI przy szacowaniu wartości zamówienia, warto zostawić po sobie ślad dokumentacyjny.
Nie chodzi o to, aby do akt postępowania włączać całą rozmowę z narzędziem AI. Chodzi o to, aby dało się odtworzyć tok rozumowania.
W praktyce warto zapisać:
- jakiego narzędzia użyto,
- kiedy wykonano analizę,
- jaki był prompt lub zakres polecenia,
- jakie źródła wskazało narzędzie,
- które dane zostały zweryfikowane ręcznie,
- które oferty odrzucono jako nieporównywalne,
- jak ustalono cenę netto,
- jakie przyjęto założenia,
- czy ceny były aktualne na moment szacowania.
To istotne także dlatego, że wartość zamówienia musi być aktualna. Zgodnie z art. 36 Pzp, dla dostaw i usług wartość ustala się nie wcześniej niż 3 miesiące przed wszczęciem postępowania, a dla robót budowlanych nie wcześniej niż 6 miesięcy. Jeżeli okoliczności faktyczne się zmienią, np. radykalnie zmienią się ceny rynkowe, zamawiający powinien ocenić, czy wcześniejsze ustalenie nadal odpowiada realiom rynku .
Podsumowanie
AI może być dobrym narzędziem wspierającym szacowanie wartości zamówienia, ale tylko wtedy, gdy zamawiający zachowuje kontrolę nad procesem.
Najbezpieczniejsze podejście można streścić tak:
AI może pomóc znaleźć, uporządkować i skrytykować dane. Nie powinna jednak samodzielnie przesądzać o wartości zamówienia.
Jeżeli przedmiot zamówienia jest standardowy, powszechny i dobrze opisany w sieci, AI może znacząco przyspieszyć rozeznanie rynku. Jeżeli jednak zamówienie jest specjalistyczne, zależne od wdrożenia, trudne do porównania albo realizowane przez ograniczoną liczbę wykonawców, AI powinna być traktowana ostrożnie - raczej jako narzędzie do przygotowania pytań i analizy ryzyk niż jako źródło gotowej wyceny.
Największą wartością AI może być nie samo „podanie kwoty”, ale pomoc w zadaniu lepszych pytań:
czy dobrze opisaliśmy przedmiot zamówienia,
czy porównujemy porównywalne oferty,
czy uwzględniliśmy wszystkie koszty,
czy nie ograniczamy rynku,
czy nasze założenia są realistyczne.
W tym sensie AI może być nie tylko wyszukiwarką cen, ale także partnerem w przygotowaniu lepszego, bardziej świadomego zamówienia.
Czy AI może samodzielnie oszacować wartość zamówienia?
Nie powinna. AI może wspierać szacowanie, ale odpowiedzialność za ustalenie wartości zamówienia pozostaje po stronie zamawiającego. Wynik powinien być zweryfikowany i udokumentowany.
Czy można dołączyć wynik z AI do dokumentacji szacowania?
Można wykorzystać go pomocniczo, ale lepiej dołączyć przede wszystkim zweryfikowane źródła, zestawienie danych, przyjęte założenia i notatkę z analizy. Sama odpowiedź AI bez źródeł i weryfikacji może być niewystarczająca.
Kiedy AI sprawdzi się najlepiej?
Przy produktach i usługach standardowych, powszechnych, dobrze opisanych w internecie i dostępnych u wielu wykonawców. Przykładem mogą być laptopy, monitory, opony czy podstawowe licencje.
Kiedy AI może wprowadzić w błąd?
Przy zamówieniach specjalistycznych, usługach projektowych, systemach IT, wdrożeniach, integracjach i rozwiązaniach, których koszt zależy od szczegółowego zakresu. W takich przypadkach publiczne ceny mogą być niepełne albo nieporównywalne.
Czy AI może pomóc, jeśli nie znam jeszcze wymagań?
Tak, ale wtedy lepiej użyć jej nie do szacowania, lecz do pracy nad opisem przedmiotu zamówienia. AI może generować pytania, wskazywać luki, proponować alternatywy i pomagać w krytycznej analizie potrzeby.
Jak ograniczyć ryzyko błędnego szacowania z użyciem AI?
Należy precyzyjnie określić warunki wyszukiwania, wymagać i weryfikować źródła, sprawdzać ceny netto i brutto, weryfikować waluty, analizować porównywalność ofert i dokumentować przyjęte założenia.