AI-gedreven automatisering van een aanbestedingsbeoordelingsproces in de bouwsector met een Large Language Model

Onze klant had te maken met grote uitdagingen door de hoeveelheid en complexiteit van de bouw- en project tenders die ze moesten verwerken. Elke tender vroeg om een grondige analyse van visiedocumenten van ongeveer vijftig pagina’s lang, een taak die niet alleen veel tijd kostte maar ook gevoelig was voor menselijke fouten. Deze fouten konden leiden tot dure juridische complicaties. 

Daarnaast vereiste de keuze van het bedrijf om vaste prijs garanties en flexibel projectbeheer te bieden volgens hun risicodragend projectmanagement (RPM) model een strikte controle van elke inzending. Dit was nodig om te voldoen aan hun hoge eisen op het gebied van kosten, kwaliteit en tijdslijnen. Al snel werd duidelijk dat er een geautomatiseerde oplossing nodig was om hun hoge kwaliteitsstandaarden te behouden, de operationele efficiëntie te verbeteren en de overheadkosten te verlagen.

Bright Cape introduceerde een geavanceerde oplossing met behulp van een Large Language Model (LLM) om de evaluatie van bouw- en projecttenders te optimaliseren. Het LLM werd specifiek ingezet om de intensieve beoordeling van visieteksten in de tenders aan te pakken, een belangrijke knelpunt in het evaluatieproces. 

Voor de implementatie werd het LLM gefinetuned met talloze voorbeelden van eerdere tenders die door medewerkers zelf waren beoordeeld. Dankzij deze finetuning  kon het LLM de kwaliteit van inzendingen nauwkeurig herkennen en beoordelen. Er werd extra aandacht besteed aan het vermogen van het LLM om de beste inzendingen te identificeren en te prioriteren. Daarnaast werd het model verfijnd om gedetailleerde onderbouwingen te geven voor elke beoordeling, wat de transparantie vergrootte en de klant hielp om de geautomatiseerde evaluaties beter te begrijpen. 

Deze strategische automatisering had als doel de werklast van medewerkers te verminderen, zodat zij zich konden richten op meer strategische aspecten van tenderbeheer, wat uiteindelijk leidde tot een verbeterde workflow en efficiëntie. 

De op maat gemaakte AI-oplossing van Bright Cape zorgde voor transformerende resultaten bij de klant. Door de automatisering van het tenderevaluatieproces werd de tijd die werknemers besteedden aan eerste beoordelingen gehalveerd. Dankzij deze optimalisatie kon het personeel zich bezighouden met belangrijkere taken, wat de operationele efficiëntie aanzienlijk verhoogde en de kans op menselijke fouten verkleinde.   

Op economisch vlak was de implementatie zeer gunstig; onze klant zag een aanzienlijke daling in de operationele kosten die verband houden met tenderevaluaties. De snellere verwerkingstijden en de verminderde behoefte aan handmatige interventie stelden het bedrijf in staat om middelen effectiever te herverdelen, wat leidde tot een hogere productiviteit en winstgevendheid.   

Deze case study laat zien hoe onze innovatieve data-oplossingen de kosten aanzienlijk kunnen verlagen en de operationele efficiëntie kunnen verbeteren, waardoor klanten een concurrentievoordeel krijgen in hun sector. Neem gerust contact met ons op om de mogelijkheden van deze oplossing voor uw organisatie te bespreken.