AI og udbud i 2026: hvad den kan, og hvad den ikke kan
Kunstig intelligens og offentlige udbud i 2026: analyse af udbudsmateriale, kriterier, løsningsbeskrivelse, prompts, risici og hvad AI ikke kan finde.
Primært marked: Danmark
Opdateret den 10. september 2026
Danmark: Scoutee samler de åbne offentlige udbud fra de officielle kilder og matcher dem med din virksomhed.
Se de åbne udbud: DanmarkKontrolleret den 10. september 2026.
I 2026 er spørgsmålet ikke længere, om man bruger en sprogmodel, når man byder på offentlige udbud, men hvor den giver en reel gevinst, og hvor den koster point eller en kontrakt. Skillelinjen er skarp: modellen er fremragende til at læse, opsummere og omformulere dokumenter, den får udleveret, og meget dårlig til selv at finde de bekendtgørelser, der er offentliggjort i denne uge.
Det, virksomhederne faktisk bruger AI til
Fem anvendelser går igen hos dem, der arbejder med tilbud til hverdag.
Analyse af udbudsmaterialet. Et materiale fylder ofte flere hundrede sider fordelt på fem eller seks filer. En model, der kan læse lange pdf-filer, trækker på få minutter opgavens indhold, delkontrakterne, løbetiden, bodsbestemmelserne, dokumentkravene og de vilkår i kontrakten, der bør granskes nærmere.
Resumé og beslutning om at byde. Et resumé af en udbudsbekendtgørelse i et fast format, med ordregiver, opgave, tilbudsfrist, anslået værdi og adgangskrav, gør det langt hurtigere at sortere en bunke bekendtgørelser.
Udtræk af tildelingskriterierne. Udbudsbetingelserne beskriver vægtning, underkriterier og evalueringsmetode, nogle gange i en tabel, andre gange i et afsnit midt i dokumentet. Et struktureret udtræk af kriterierne med vægte bliver derefter disposition for løsningsbeskrivelsen.
Skrivning af løsningsbeskrivelsen. Den mest udbredte og mest risikable anvendelse. Modellen er god til at lave et skelet, der følger kriterierne, omskrive afsnit fra tidligere besvarelser og kontrollere, at intet krav i kravspecifikationen står ubesvaret. Den er dårlig til at opfinde det, der gør netop din virksomhed til det rigtige valg.
Overvågning og klassificering. Når bekendtgørelserne først er hentet fra en opdateret kilde, er en model god til at rangere dem efter relevans, tildele CPV-koder og finde dubletter. Det vigtige ord er "når de først er hentet".
Hvad AI gør godt, og hvad den gør dårligt
| Opgave | Generel sprogmodel | Hvorfor |
|---|---|---|
| Opsummere et vedhæftet udbudsmateriale | God | Teksten ligger foran den; opgaven er komprimering |
| Trække kriterier, vægte og datoer ud af betingelserne | God | Struktureret udtræk, skal kontrolleres linje for linje |
| Oversætte en aktivitet til CPV-koder | God | Nomenklaturen er offentlig og stabil |
| Foreslå formuleringer, en ordregiver ville bruge | Meget god | Kræver ingen friske data |
| Sortere og score allerede indsamlede bekendtgørelser | God | Klassificering af udleveret tekst |
| Omskrive og strukturere en løsningsbeskrivelse | Brugbar, med gennemlæsning | Substansen skal komme fra virksomheden |
| Finde de udbud, der er offentliggjort i denne uge | Dårlig | Delvis adgang til portalerne, forældede resultater |
| Angive en anslået værdi, der ikke er offentliggjort | Dårlig | Ren opfindelse |
| Citere en standard, en paragraf eller en afgørelse | Risikabel | Kilder, der lyder plausible, men er forkerte |
| Skrive et tilbud, der afleveres uændret | Dårlig | Generisk besvarelse, og den bliver bedømt som sådan |
Find udbud til din virksomhed
Den blinde vinkel: at finde de aktuelle bekendtgørelser
Det er den mest misforståede begrænsning. Generelle assistenter, ChatGPT og Perplexity inklusive, har kun delvis adgang til de portaler og udbudssystemer, hvor udbuddene ligger. Spørger man dem om aktuelle udbud på it-drift i Region Midtjylland, får man overvejende gamle opgaver, ofte for længst lukkede.
Der er tre tekniske årsager. De kommercielle udbudssystemer er dårligt indekserede, fordi indholdet ligger bag søgeformularer, sessioner og JavaScript. Et udbuds levetid er kort, ofte tre til fem uger, mens et søgeindeks opdateres langsommere. Og de pålidelige kilder er strukturerede grænseflader: udbud.dk og TED kan søges systematisk, men de bliver ikke afsøgt af en generel assistent.
Deraf reglen: sprogmodellen kommer ind efter fundet, aldrig som det, der finder.
Tre konkrete risici
Opfundne referencer
En model producerer plausibel tekst, ikke kontrolleret tekst. I en løsningsbeskrivelse bliver det til standardnumre, der ikke findes, certificeringer virksomheden ikke har, referenceopgaver den aldrig har udført, eller paragraffer citeret med forkert nummer. En forkert oplysning er ikke bare en skønhedsfejl. Afgiver du groft uagtsomt urigtige eller vildledende oplysninger om din egnethed, kan ordregiveren udelukke dig fra udbuddet, og en referenceliste er netop en egnethedsoplysning. Alt faktuelt, en model producerer, skal kontrolleres af et menneske, der kender forholdet.
Det generiske tilbud
En tekst, der er genereret uden virksomhedens eget stof, kendes på de intetsigende vendinger og fraværet af driftsdetaljer. Kvalitetskriterierne belønner præcis det modsatte: navngivne medarbejdere, en tidsplan med tal, en metode anvendt på den konkrete lokalitet, og tiltag, der svarer til det behov, kravspecifikationen beskriver. En velskrevet, men udskiftelig besvarelse taber point netop der, hvor forskellen afgøres. En sprogmodel kan desuden finde på at skrive en høflig forudsætning eller et forbehold ind i teksten, og et forbehold over for grundlæggende elementer gør tilbuddet ukonditionsmæssigt.
Fortrolighed i udbudsmaterialet
Materialet indeholder undertiden tegninger, driftsdata eller adresser på følsomme lokaliteter, og det tilbud, du er ved at skrive, indeholder din strategi og dine priser. Tre minimumsforholdsregler: kontrollér at leverandøren ikke bruger dine data til at træne modeller, brug en professionel aftale med kontraktlig sikkerhed på det punkt, og fjern det fra dokumenterne, der ikke behøver at være der. Nogle udbud indeholder fortrolighedsvilkår, der forbyder videregivelse til tredjemand, og en onlinetjeneste er tredjemand. Behandles der personoplysninger, skal grundlaget være på plads, før filerne uploades.
Prompts, der virker
De tre formuleringer sigter mod de opgaver, hvor modellen er god: data er udleveret, eller de er stabile.
Resumé af en bekendtgørelse. Indsæt teksten, og lås formatet.
Her er en udbudsbekendtgørelse. Gengiv udelukkende, som en liste:
ordregiver, opgaven i én sætning, kontrakttype (bygge og anlæg / varer /
tjenesteydelser), procedure, opdeling i delkontrakter, tilbudsfrist,
kontraktens løbetid, tildelingskriterier med vægtning, krævede dokumenter.
Skriv "ikke oplyst", hvis en oplysning mangler i teksten.
Tilføj intet, der ikke står i teksten.
Den sidste linje er den vigtigste: den dæmper modellens tilbøjelighed til at fylde huller ud med gæt.
CPV-kortlægning. Nyttig, når søgeprofilen skal bygges.
For aktiviteten "{aktivitet}", giv de relevante CPV-koder fra det brede
til det præcise, med den officielle danske betegnelse for hver og en
vurdering fra 1 til 5 af, hvor sandsynligt det er, at en dansk ordregiver
bruger koden til dette behov. Tilføj de nærliggende koder, der bør
udelukkes for at holde støjen nede. Svar i JSON.
Kontrollér koderne i Kommissionens officielle CPV-værktøj bagefter: en model laver let en kode med korrekt format, som ikke findes.
Udvidelse af ordgrupper. Søgningen i systemerne er bogstavelig, og dansk gør det værre, fordi sammensatte ord kan skrives i mange former.
Du er indkøber i en dansk kommune. For aktiviteten "{aktivitet}", giv
15 til 20 formuleringer, du ville bruge i overskriften på en
udbudsbekendtgørelse, administrativt sprog inklusive, og skriv de
sammensatte varianter af hvert ord. Angiv derefter de nærliggende ord,
der bør udelukkes. Svar i JSON.
Hvor de offentlige ordregivere står
Der findes ikke særlige regler om kunstig intelligens i udbudsloven, hverken for ordregivere eller for tilbudsgivere. Det er de eksisterende regelsæt, der gælder: udbudsreglernes principper om ligebehandling og gennemsigtighed, databeskyttelsesreglerne og EU's forordning om kunstig intelligens, forordning (EU) 2024/1689, der trådte i kraft den 1. august 2024 og gennemføres trinvis.
Vi har ikke kunnet finde offentliggjort dansk klagenævnspraksis om et tilbud udarbejdet med hjælp fra en sprogmodel, og heller ikke en officiel dansk vejledning om tilbudsgiveres brug af AI. Enkelte ordregivere begynder til gengæld at skrive noget om emnet ind i betingelserne, typisk krav om at oplyse, hvor AI er anvendt. Det er endnu ikke udbredt praksis, men det er endnu en grund til at læse udbudsbetingelserne, før du går i gang.
Den forsigtige linje er derfor at behandle sprogmodellen som et internt skriveværktøj, som virksomheden er fuldt ud ansvarlig for, præcis som et tekstbehandlingsprogram eller en ekstern konsulent. Det, du afleverer, står du inde for.
Scoutee bygger på den samme opdeling: indsamlingen af bekendtgørelser sker fra daterede, strukturerede kilder, og modellen kommer først ind bagefter for at klassificere og opsummere det, der faktisk er offentliggjort.