De manier waarop we zaken doen is fundamenteel veranderd, maar dat geldt niet voor alles. De manier waarop we in 2020 reageren op aanbestedingen is nauwelijks veranderd ten opzichte van de manier waarop we in 2000 reageerden op aanbestedingen . Aanbestedingen zijn tijdrovend en vergen veel middelen, terwijl de processen foutgevoelig zijn, de kansen om te winnen laag zijn en er helemaal geen sprake is van continue verbetering. De technologie blijft achter. Organisaties gebruiken voornamelijk e-mail, Excel en Word bij het beantwoorden van aanbestedingen. Soms wordt een kennissysteem gebruikt om de meest gebruikte antwoorden op generieke vragen vast te leggen. De kennis en ervaringen zitten in de hoofden van mensen en zijn verdwenen wanneer zij van functie veranderen of de organisatie verlaten.
Het gebruik van Kunstmatige Intelligentie (AI), en specifiek geweldige technologieën zoals NLP, Machine Learning en Computer Vision in combinatie met slimme gegevensbenaderingen en efficiënte UX zou de manier waarop we reageren op aanbestedingen volledig kunnen veranderen. In deze post richten we ons vooral op de eerste paar deelprocessen van het Tender Management proces. De deelprocessen binnen aanbestedingen met betrekking tot beheer, prijsberekeningen en -instellingen, workflows, goedkeuringen, evaluatie en indiening worden bewaard voor een andere post en niet beschreven in deze post. Hieronder vind je 5 geweldige voorbeelden om Tender Management zodanig te veranderen dat het meer voelt als 2020 in plaats van 2000.
Aanbestedingen worden op verschillende websites gepubliceerd. TED (Tenders Electronic Daily) is de online versie van het "Supplement bij het Publicatieblad" van de EU, gewijd aan Europese overheidsopdrachten, en de bekendste binnen Europa. De eerste stap zou zijn dat relevante nieuwe aanbestedingen automatisch worden ontdekt en geprioriteerd door verbinding te maken met online en openbare bronnen. Smart search mechanismen kunnen worden toegepast om de dekking uit te breiden door handmatig te zoeken. Om eerlijk te zijn, dit is allemaal rechttoe rechtaan en lost misschien niet het grootste probleem op.
Een tweede stap zou zijn dat met behulp van AI automatisch een lijst van verwachte aanbestedingen wordt gegenereerd. Dit is een lijst van aanbestedingen die in de toekomst kan worden gepubliceerd op basis van bijvoorbeeld gunningsberichten uit het verleden en contractvervaldata. Het is immers beter om met de klant in gesprek te gaan en de eisen te beïnvloeden voordat een aanbesteding wordt aangekondigd en gepubliceerd.
Zodra het pakket documenten met betrekking tot een nieuwe aanbesteding is ontvangen, is het beoordelen van de documenten een eerste stap. Wat als je de documenten zou kunnen analyseren en verrijken, en er de belangrijkste informatie uit zou kunnen halen? AI kan helpen met een basisanalyses en dataverrijking. Gunningscriteria en gewichten of scoringsmechanismen zoals prijs, kwaliteit, leveringsvoorwaarden en knock-out criteria kunnen uit de documenten worden afgeleid. Hetzelfde geldt voor andere sleutelelementen zoals belangrijke data, regio of land, voorwaarden, budget, herhaling, vereiste certificaten, vereiste referentie en zelfs inhoud die verwijst naar tekenen dat een specifieke concurrent betrokken was bij het definiëren van de vereisten. Ten slotte kan de kans om de aanbesteding te winnen worden ingeschat door het analyseren van historische aanbestedingsgegevens, historische verkoopgegevens en, indien mogelijk, empirische prijsgegevens van concurrenten. Na beoordeling van de aanbestedingsdocumenten is het tenderteam in staat om gemakkelijker een solide beslissing te nemen over het al dan niet winnen van een opdracht.
Het kan zeer nuttig zijn om historische aanbestedingsdocumenten te analyseren en look-a-like aanbestedingen te vinden. Hoewel elk antwoord op een aanbesteding uniek moet zijn, kunnen sommige elementen en oplossingen worden hergebruikt en/of herschreven. Dit bespaart het team veel tijd en de mogelijkheid om zich te concentreren op de creatieve elementen en tactieken om de aanbesteding te winnen.
De ontvangen aanbestedingsdocumenten zijn niet de enige bron van informatie. AI kan u helpen om openbare gegevens te ontginnen en een profiel op te stellen met informatie zoals bepaalde thema's, context en inhoud met betrekking tot het bedrijf dat de aanbesteding heeft uitgeschreven. Zo kunt u meer te weten komen over de klant, zijn vocabulaire en belangrijke onderwerpen en een antwoord van hoge kwaliteit schrijven dat moet resulteren in een hogere winrate.
Binnen dit domein zien we twee belangrijke use cases waarin AI kan worden toegepast. Tijdens het schrijven van een antwoord komt het vaak voor dat een bepaald antwoord in het verleden al eerder is gegeven in een van de aanbestedingen . Maak het ten eerste gemakkelijker en beter om informatie te zoeken in oude aanbestedingsantwoorden. Dit vereist nog steeds enig handwerk, maar het zoeken naar de juiste informatie in grote hoeveelheden ongestructureerde gegevens zoals PDF-documenten, afbeeldingen en Excel-bestanden kan een hele klus zijn. Ten tweede kunnen repetitieve taken van de aanbestedingsreactie worden geautomatiseerd door de meest relevante aanbiedingen, beschrijvingen of onderwerpen voor te stellen en te helpen bij het schrijven van de aanbestedingen.
Om ervoor te zorgen dat het beoordelen van aanbestedingsdocumenten automatisch kan gebeuren en van hoge kwaliteit is, is het bijhouden van de prestaties en analyses van een aanbesteding na afloop van vitaal belang. Dit betekent dat het bijhouden van de gewonnen, gedeeltelijk gewonnen en verloren percentages, redenen voor verlies, concurrentie-informatie en efficiëntie van het verkoopproces voor toekomstige analyses en voorspellingen essentiële informatie is om de algoritmen te voeden. Analytics kunnen worden toegevoegd zoals geografische informatie, product/productcategorie, en klantoverzichten. Het kan worden uitgebreid met overzichtsinformatie over de aanbestedingsmarkt, vergelijkingen tussen vraag en aanbod, concurrentie-analyses en prestatie-KPI's.
De 5 verbazingwekkende voorbeelden van AI toegepast in aanbestedingen resulteren in 3 positieve bedrijfsresultaten:
Bent u benieuwd naar hoe toegepaste AI jouw organisatie kan helpen? Neem dan contact met ons op, of vraag een demo aan.
