Τεχνητή νοημοσύνη και διαγωνισμοί 2026: τι κάνει καλά, τι αστοχεί
Τεχνητή νοημοσύνη και δημόσιοι διαγωνισμοί το 2026: ανάλυση τευχών, εξαγωγή κριτηρίων, τεχνική προσφορά, χρήσιμα prompts, κίνδυνοι και τα όρια των βοηθών.
Ενημερώθηκε στις 5 Σεπτεμβρίου 2026
Επαληθεύτηκε στις 5 Σεπτεμβρίου 2026.
Το 2026 το ερώτημα δεν είναι πλέον αν θα χρησιμοποιήσετε γλωσσικό μοντέλο για να απαντήσετε σε δημόσιους διαγωνισμούς, αλλά πού δίνει πραγματικό κέρδος και πού σας κοστίζει βαθμούς, ή και τη σύμβαση. Η διαχωριστική γραμμή είναι καθαρή: η τεχνητή νοημοσύνη είναι εξαιρετική στο να διαβάζει, να συνοψίζει και να αναδιατυπώνει έγγραφα που της δίνετε, και πολύ κακή στο να βρίσκει μόνη της τις προκηρύξεις που δημοσιεύτηκαν αυτή την εβδομάδα.
Τι κάνουν πραγματικά οι επιχειρήσεις
Πέντε χρήσεις επανέρχονται συστηματικά.
Ανάλυση των τευχών. Ένας φάκελος διαγωνισμού είναι συχνά εκατοντάδες σελίδες σε πέντε ή έξι αρχεία: διακήρυξη, τεχνική περιγραφή, συγγραφή υποχρεώσεων, έντυπα, παραρτήματα. Ένα μοντέλο που διαβάζει μεγάλα PDF βγάζει σε λίγα λεπτά το ακριβές αντικείμενο, τον χωρισμό σε τμήματα, τη διάρκεια, τις ποινικές ρήτρες, τα απαιτούμενα δικαιολογητικά και τα κρίσιμα σημεία της συγγραφής υποχρεώσεων.
Σύνοψη και απόφαση συμμετοχής. Η σύνοψη μιας προκήρυξης σε σταθερή μορφή (φορέας, αντικείμενο, καταληκτική ημερομηνία, εκτιμώμενη αξία, όροι συμμετοχής) επιτρέπει πολύ γρηγορότερη διαλογή μιας στοίβας προκηρύξεων.
Εξαγωγή των κριτηρίων ανάθεσης. Η διακήρυξη περιγράφει τη στάθμιση και τα υποκριτήρια, άλλοτε σε πίνακα και άλλοτε σε παράγραφο χαμένη στη σελίδα 40. Η δομημένη εξαγωγή τους, με τα ποσοστά, γίνεται μετά το σχεδιάγραμμα της τεχνικής προσφοράς.
Σύνταξη της τεχνικής προσφοράς. Η πιο διαδεδομένη και πιο επικίνδυνη χρήση. Το μοντέλο φτιάχνει σκελετό βασισμένο στα κριτήρια, αναδιατυπώνει παραγράφους προηγούμενων προσφορών και ελέγχει ότι καμία απαίτηση της τεχνικής περιγραφής δεν έμεινε αναπάντητη. Είναι κακό στο να επινοήσει την προστιθέμενη αξία, που έρχεται από την επιχείρηση.
Παρακολούθηση και ταξινόμηση. Αφού οι προκηρύξεις έχουν ανακτηθεί από ενημερωμένη πηγή, ένα μοντέλο τις κατατάσσει πολύ καλά κατά συνάφεια, τους αποδίδει κωδικούς CPV και εντοπίζει διπλοεγγραφές. Η σημαντική λέξη είναι «αφού ανακτηθούν».
Τι κάνει καλά και τι κάνει άσχημα
| Εργασία | Γενικό μοντέλο | Γιατί |
|---|---|---|
| Σύνοψη τευχών που δίνονται ως συνημμένα | Καλά | Το κείμενο είναι μπροστά του, η εργασία είναι συμπίεση |
| Εξαγωγή κριτηρίων, σταθμίσεων και ημερομηνιών | Καλά | Δομημένη εξαγωγή, με έλεγχο γραμμή προς γραμμή |
| Μετάφραση μιας δραστηριότητας σε κωδικούς CPV | Καλά | Η ονοματολογία είναι δημόσια και σταθερή |
| Παραγωγή συνωνύμων του λεξιλογίου των φορέων | Πολύ καλά | Δεν χρειάζεται φρέσκο δεδομένο |
| Ταξινόμηση και βαθμολόγηση συλλεγμένων προκηρύξεων | Καλά | Εργασία κατηγοριοποίησης σε δοσμένο κείμενο |
| Αναδιατύπωση και δόμηση τεχνικής προσφοράς | Ικανοποιητικά, με έλεγχο | Η ουσία πρέπει να έρθει από την επιχείρηση |
| Εύρεση των προκηρύξεων αυτής της εβδομάδας | Κακά | Μερική πρόσβαση στις πύλες, ληγμένα αποτελέσματα |
| Πρόβλεψη μη δημοσιευμένης εκτιμώμενης αξίας | Κακά | Καθαρή επινόηση |
| Παράθεση προτύπου ή άρθρου νόμου | Επικίνδυνο | Πηγές εύλογες αλλά ανύπαρκτες |
| Σύνταξη ολόκληρης προσφοράς για υποβολή ως έχει | Κακά | Γενικόλογη απάντηση, που βαθμολογείται ανάλογα |
Το τυφλό σημείο: η εύρεση πρόσφατων προκηρύξεων
Είναι το πιο παρεξηγημένο όριο. Οι γενικοί βοηθοί, ChatGPT και Perplexity συμπεριλαμβανομένων, έχουν πολύ μερική πρόσβαση στις πύλες δημοσίευσης. Στην ερώτηση «βρες μου τους ανοικτούς διαγωνισμούς συντήρησης πληροφορικής στην Κρήτη» επιστρέφουν κυρίως παλιούς διαγωνισμούς, συχνά κλειστούς.
Τρεις τεχνικοί λόγοι. Το ΕΣΗΔΗΣ και το ΚΗΜΔΗΣ δεν ευρετηριάζονται καλά: το περιεχόμενό τους βρίσκεται πίσω από φόρμες αναζήτησης, συνεδρίες και δυναμικές σελίδες. Το παράθυρο ενός διαγωνισμού είναι σύντομο, συχνά δύο έως πέντε εβδομάδες, ενώ ένα ευρετήριο ανανεώνεται πιο αργά. Και οι αξιόπιστες πηγές είναι δομημένες υπηρεσίες: το TED εκθέτει διεπαφή αναζήτησης, το ΚΗΜΔΗΣ και η Διαύγεια δίνουν δομημένα δεδομένα, και καμία δεν ερωτάται από έναν γενικό βοηθό.
Εξ ου και ο κανόνας: το μοντέλο επεμβαίνει μετά την ανακάλυψη, ποτέ για την ανακάλυψη.
Τρεις συγκεκριμένοι κίνδυνοι
Οι επινοημένες αναφορές
Ένα μοντέλο παράγει εύλογο κείμενο, όχι επαληθευμένο. Σε μια τεχνική προσφορά αυτό δίνει αριθμούς προτύπων που δεν υπάρχουν, πιστοποιήσεις που αποδίδονται στην επιχείρηση χωρίς να τις κατέχει, φανταστικά έργα ή άρθρα του ν. 4412/2016 με λάθος αρίθμηση. Μια ψευδής αναφορά δεν είναι απλό λάθος μορφής: μπορεί να εκληφθεί ως ανακριβής δήλωση και να οδηγήσει σε αποκλεισμό. Κάθε πραγματικό στοιχείο που παράγει ένα μοντέλο πρέπει να ελέγχεται από άνθρωπο που το γνωρίζει.
Η γενικόλογη απάντηση
Κείμενο που παράγεται χωρίς υλικό της επιχείρησης αναγνωρίζεται από τις τυποποιημένες διατυπώσεις και την απουσία λειτουργικών λεπτομερειών. Τα κριτήρια τεχνικής αξίας ανταμείβουν ακριβώς το αντίθετο: ονομαστικό ανθρώπινο δυναμικό, χρονοδιάγραμμα με αριθμούς, μεθοδολογία εφαρμοσμένη στο συγκεκριμένο κτίριο ή σύστημα, μέτρα προσαρμοσμένα στην τεχνική περιγραφή. Μια ρέουσα αλλά εναλλάξιμη απάντηση χάνει βαθμούς εκεί ακριβώς όπου κρίνεται η διαφορά.
Η εμπιστευτικότητα των τευχών
Ο φάκελος περιέχει ενίοτε σχέδια, δεδομένα λειτουργίας ή διευθύνσεις ευαίσθητων εγκαταστάσεων, ενώ η υπό προετοιμασία προσφορά περιέχει την εμπορική σας στρατηγική και τις τιμές σας. Τρεις ελάχιστες προφυλάξεις: ελέγξτε ότι ο πάροχος δεν χρησιμοποιεί τα δεδομένα σας για εκπαίδευση, προτιμήστε επαγγελματική υπηρεσία με συμβατική δέσμευση, και αφαιρέστε από τα έγγραφα ό,τι δεν χρειάζεται να σταλεί. Ορισμένα τεύχη περιέχουν ρήτρες εμπιστευτικότητας που απαγορεύουν τη διάδοση σε τρίτους, και μια διαδικτυακή υπηρεσία είναι τρίτος. Όπου υπάρχουν δεδομένα προσωπικού χαρακτήρα, ισχύει επιπλέον ο ΓΚΠΔ.
Prompts που δουλεύουν
Οι τρεις διατυπώσεις στοχεύουν εργασίες όπου το μοντέλο είναι καλό: το δεδομένο του δίνεται, ή είναι σταθερό.
Σύνοψη προκήρυξης. Επικολλήστε το κείμενο της προκήρυξης και επιβάλετε σταθερή μορφή.
Ακολουθεί μια προκήρυξη δημόσιας σύμβασης. Δώσε μόνο, σε λίστα:
αναθέτουσα αρχή, αντικείμενο σε μία πρόταση, είδος (έργα / προμήθειες / υπηρεσίες),
διαδικασία, τμήματα, καταληκτική ημερομηνία υποβολής, διάρκεια σύμβασης,
κριτήρια ανάθεσης με στάθμιση, απαιτούμενα δικαιολογητικά, εγγυητική συμμετοχής.
Αν μια πληροφορία δεν υπάρχει στο κείμενο, γράψε "δεν αναφέρεται".
Μην προσθέσεις καμία πληροφορία που δεν περιέχεται στο κείμενο.
Η τελευταία οδηγία είναι η σημαντικότερη: μειώνει το γέμισμα των κενών με επινόηση.
Αντιστοίχιση CPV. Χρήσιμο για να χτίσετε προφίλ παρακολούθησης.
Για τη δραστηριότητα "{δραστηριότητα}", δώσε τους σχετικούς κωδικούς CPV,
από τον ευρύτερο στον ακριβέστερο, με την επίσημη περιγραφή καθενός και βαθμό
από 1 έως 5 για την πιθανότητα να τον χρησιμοποιήσει μια αναθέτουσα αρχή.
Πρόσθεσε τους γειτονικούς κωδικούς που πρέπει να αποκλειστούν. Απάντησε σε JSON.
Ελέγξτε στη συνέχεια τους κωδικούς στον επίσημο περιηγητή CPV: ένα μοντέλο παράγει εύκολα κωδικό με σωστή μορφή αλλά ανύπαρκτο.
Επέκταση συνωνύμων. Η αναζήτηση των πυλών είναι κυριολεκτική: το «υπηρεσίες πληροφορικής» δεν φέρνει προκήρυξη με τίτλο «υποστήριξη πληροφοριακών συστημάτων».
Είσαι στέλεχος ελληνικής αναθέτουσας αρχής. Για τη δραστηριότητα "{δραστηριότητα}",
δώσε 15 έως 20 διατυπώσεις που θα χρησιμοποιούσε μια αναθέτουσα αρχή στο αντικείμενο
μιας διακήρυξης, με τη διοικητική ορολογία, και μετά τους κοντινούς όρους
που πρέπει να αποκλειστούν. Απάντησε σε JSON.
Η θέση των αναθετουσών αρχών
Δεν υπάρχει σήμερα ειδική ρύθμιση της τεχνητής νοημοσύνης στο δίκαιο των δημοσίων συμβάσεων, ούτε στην Ελλάδα ούτε στην Κύπρο: ο ν. 4412/2016 και ο ν. 73(Ι)/2016 δεν περιέχουν διάταξη για τη χρήση τέτοιων εργαλείων από τους υποψηφίους. Εφαρμόζονται τα υφιστάμενα καθεστώτα: οι αρχές της ίσης μεταχείρισης και της διαφάνειας, ο ΓΚΠΔ και ο ευρωπαϊκός κανονισμός για την τεχνητή νοημοσύνη (κανονισμός ΕΕ 2024/1689).
Δύο πρακτικές συνέπειες. Πρώτον, διαβάστε τη διακήρυξη πριν απαντήσετε: όπου υπάρχει ρήτρα για τη χρήση αυτοματοποιημένων εργαλείων ή για την εμπιστευτικότητα των τευχών, δεσμεύει. Δεύτερον, η ευθύνη για το περιεχόμενο της προσφοράς παραμένει εξ ολοκλήρου στην επιχείρηση: μια ανακριβής δήλωση δεν δικαιολογείται επειδή την παρήγαγε ένα μοντέλο. Η σύνεση συνίσταται στο να αντιμετωπίζετε την τεχνητή νοημοσύνη ως εσωτερικό εργαλείο σύνταξης, ακριβώς όπως έναν επεξεργαστή κειμένου ή έναν εξωτερικό σύμβουλο.
Η Scoutee εφαρμόζει αυτόν τον διαχωρισμό: η συλλογή των προκηρύξεων γίνεται από χρονολογημένες και δομημένες πηγές, και το μοντέλο επεμβαίνει μόνο μετά, για να ταξινομήσει και να συνοψίσει ό,τι πραγματικά δημοσιεύτηκε.