Tekoäly ja tarjouskilpailut 2026: mihin se pystyy, missä se epäonnistuu
Tekoäly ja julkiset hankinnat 2026: tarjouspyynnön analyysi, vertailuperusteiden poiminta, laatuselvitys, toimivat kehotteet, riskit ja miksi ChatGPT ei löydä ilmoituksia.
Päivitetty 5. syyskuuta 2026
Tarkistettu 5. syyskuuta 2026.
Vuonna 2026 kysymys ei ole enää siitä, käytetäänkö kielimallia tarjouskilpailuihin vastaamisessa, vaan siitä, missä se tuottaa todellista hyötyä ja missä se maksaa pisteitä tai koko kaupan. Raja on selvä: tekoäly on erinomainen lukemaan, tiivistämään ja muotoilemaan sille annettuja asiakirjoja, ja hyvin huono hakemaan itse tällä viikolla julkaistuja ilmoituksia.
Mitä yritykset tekoälyllä oikeasti tekevät
Viisi käyttötapaa toistuu.
Tarjouspyynnön analyysi. Hankinta-aineisto on usein satoja sivuja viidessä tai kuudessa tiedostossa. Pitkiä PDF-tiedostoja lukeva malli poimii siitä minuuteissa hankinnan kohteen, osiin jakamisen, sopimuskauden, sanktiot, vaaditut asiakirjat ja kaupallisten ehtojen kipupisteet.
Tiivistelmä ja osallistumispäätös. Hankintailmoituksen tiivistäminen kiinteään muotoon — hankintayksikkö, kohde, määräpäivä, ennakoitu arvo, soveltuvuusvaatimukset — nopeuttaa ilmoituspinon lajittelua huomattavasti.
Vertailuperusteiden poiminta. Menettelyohje kuvaa painoarvot ja alaperusteet joskus taulukossa, joskus kappaleessa sivulla 12. Rakenteinen poiminta painoarvoineen toimii laatuselvityksen sisällysluettelona.
Laatuselvityksen kirjoittaminen. Yleisin ja riskialttein käyttö. Tekoäly tuottaa rungon vertailuperusteiden mukaan, muotoilee aiempien selvitysten kappaleita ja tarkistaa, ettei kohteen kuvauksen yksikään vaatimus jää vastaamatta. Se on huono keksimään lisäarvoa, joka tulee yrityksestä itsestään.
Seuranta ja luokittelu. Kun ilmoitukset on kerätty ajantasaisesta lähteestä, malli luokittelee ne osuvuuden mukaan, ehdottaa CPV-koodeja ja tunnistaa kaksoiskappaleet. Tärkein sana on kun kerätty.
Kuudes, harvemmin mainittu käyttö on kääntäminen. TEDissä julkaistut naapurimaiden ilmoitukset ja englanninkieliset tekniset liitteet aukeavat mallilla nopeasti, ja suomenkielinen tarjous kääntyy ruotsiksi kaksikielisen hankintayksikön tarpeisiin. Käännös on silti luettava läpi: hankintasanaston termit kääntyvät usein väärin, ja väärin käännetty vaatimus johtaa väärään tarjoukseen.
Mitä tekoäly tekee hyvin, mitä huonosti
| Tehtävä | Yleiskäyttöinen tekoäly | Miksi |
|---|---|---|
| Liitteenä annetun tarjouspyynnön tiivistäminen | Hyvin | Teksti on sen edessä, tehtävä on tiivistämistä |
| Perusteiden, painoarvojen ja päivämäärien poiminta | Hyvin | Rakenteinen poiminta, tarkistettava rivi riviltä |
| Toiminnan kääntäminen CPV-koodeiksi | Hyvin | Nimikkeistö on julkinen ja vakaa |
| Tilaajien sanaston synonyymien tuottaminen | Erittäin hyvin | Ei vaadi tuoretta tietoa |
| Kerättyjen ilmoitusten luokittelu ja pisteytys | Hyvin | Luokittelutehtävä annetusta tekstistä |
| Laatuselvityksen muotoilu ja jäsentäminen | Kohtalaisesti, oikoluettuna | Sisällön on tultava yrityksestä |
| Tällä viikolla julkaistujen ilmoitusten löytäminen | Huonosti | Osittainen pääsy palveluihin, vanhentuneet tulokset |
| Julkaisemattoman ennakoidun arvon kertominen | Huonosti | Puhdasta keksimistä |
| Standardin, lainkohdan tai pykälän siteeraaminen | Riskialtista | Uskottavia mutta vääriä lähteitä |
| Valmiin tarjouksen kirjoittaminen yksin | Huonosti | Yleisluontoinen vastaus, joka pisteytetään sellaisena |
Sokea piste: tuoreiden ilmoitusten löytäminen
Tämä rajoite ymmärretään huonoiten. Yleiskäyttöisillä avustajilla, ChatGPT ja Perplexity mukaan lukien, on vain hyvin osittainen pääsy hankintojen julkaisukanaviin. Kysymykseen "etsi käynnissä olevat tietotekniikan ylläpidon tarjouskilpailut Pirkanmaalla" ne palauttavat pääosin vanhoja, usein jo päättyneitä kilpailutuksia.
Kolme teknistä syytä. Kilpailutusjärjestelmät indeksoituvat huonosti: sisältö on lomakkeiden, istuntojen ja JavaScriptin takana. Tarjouskilpailun aikaikkuna on lyhyt, kansallisissa hankinnoissa usein kahdesta neljään viikkoa, kun hakuindeksi päivittyy hitaammin. Ja luotettavat lähteet ovat rajapintoja: Hilma tarjoaa ilmoituksensa avoimen rajapinnan kautta ja TED oman hakurajapintansa, eikä kumpaakaan kysele yleiskäyttöinen avustaja.
Sääntö on siis: kielimalli tulee mukaan löydön jälkeen, ei koskaan löytämiseen.
Kolme konkreettista riskiä
Keksityt tiedot
Malli tuottaa uskottavaa tekstiä, ei todennettua tekstiä. Laatuselvityksessä se tuottaa standardinumeroita, joita ei ole, sertifikaatteja, joita yrityksellä ei ole, kuvitteellisia kohdereferenssejä ja lainkohtia väärillä pykälänumeroilla. Väärä tieto ei ole vain muotovirhe: julkisessa hankinnassa se voidaan lukea vääräksi tiedoksi, joka on poissulkemisperuste ja voi johtaa jo tehdyn sopimuksen purkamiseen. Jokainen mallin tuottama faktatieto on tarkistettava ihmisellä, joka tuntee asian.
Yleisluontoinen vastaus
Ilman yrityksen omaa aineistoa tuotettu teksti tunnistetaan sen kliseistä ja operatiivisten yksityiskohtien puutteesta. Laadulliset vertailuperusteet palkitsevat täsmälleen päinvastaista: nimettyjä henkilöresursseja, lukuina esitettyä aikataulua, kohteeseen sovellettua toteutustapaa ja kohteen kuvaukseen sidottuja toimia. Sujuva mutta vaihdettavissa oleva vastaus häviää pisteitä juuri siellä, missä ero syntyy.
Aineiston luottamuksellisuus
Tarjouspyynnössä on toisinaan piirustuksia, kiinteistöjen käyttötietoja tai turvallisuuden kannalta arkoja kohdetietoja, ja valmisteilla oleva tarjous sisältää liiketoimintastrategian ja hinnat. Kolme vähimmäisvarotoimea: varmista, ettei palveluntarjoaja käytä lähetettyjä tietoja mallien kouluttamiseen, käytä yrityskäyttöön tarkoitettua palvelua, jossa asiasta on sopimusehto, ja poista asiakirjoista se, minkä ei tarvitse olla mukana. Osa tarjouspyynnöistä sisältää salassapitoehtoja, jotka kieltävät aineiston luovuttamisen kolmannelle — myös verkkopalvelulle.
Suomessa on lisäksi oma kääntöpuolensa: julkisuuslain nojalla tarjous on hankintapäätöksen jälkeen lähtökohtaisesti julkinen asiakirja. Kaikki, mitä tarjoukseen kirjoitat, voi päätyä kilpailijan luettavaksi, joten liikesalaisuudet on merkittävä ja perusteltava erikseen.
Vastuu säilyy yrityksellä
Neljäs, hallinnollinen riski on vastuun hämärtyminen. Julkisessa hankinnassa tarjouksen sisällöstä vastaa tarjoaja, ei työkalu. Jos tarjouksessa luvataan resurssi, sertifikaatti tai palvelutaso, jota ei ole, seuraus on sama riippumatta siitä, kirjoittiko lauseen ihminen vai malli: tarjous voidaan hylätä, sopimus purkaa tai yritys sulkea pois myöhemmistä menettelyistä. Käytännön suoja on yksinkertainen työnkulku — malli tuottaa luonnoksen, nimetty henkilö tarkistaa jokaisen faktaväitteen lähdettä vasten, ja tarkistus dokumentoidaan.
Kehotteita, jotka toimivat
Nämä kolme muotoilua osuvat tehtäviin, joissa malli on hyvä: tieto annetaan sille tai se on vakaata.
Ilmoituksen tiivistys. Liitä ilmoituksen teksti ja pakota kiinteä muoto.
Tässä on hankintailmoitus. Palauta vain listana:
hankintayksikkö, kohde yhdellä lauseella, hankintalaji (rakennusurakka /
tavarahankinta / palveluhankinta), menettely, osiin jakaminen,
tarjousten jättämisen määräaika, sopimuskausi,
vertailuperusteet painoarvoineen, vaaditut asiakirjat.
Jos tieto puuttuu ilmoituksesta, kirjoita "ei mainittu".
Älä lisää mitään, mitä tekstissä ei ole.
Viimeinen ohje on tärkein: se vähentää aukkojen täyttämistä keksimällä.
CPV-kartoitus. Hyödyllinen hakuprofiilin rakentamiseen.
Toiminnalle "{toiminta}" anna osuvat CPV-koodit laajimmasta tarkimpaan,
kunkin virallinen suomenkielinen nimike ja arvio 1-5 siitä,
kuinka todennäköisesti hankintayksikkö käyttää sitä tähän tarpeeseen.
Lisää naapurikoodit, jotka kannattaa sulkea pois kohinan välttämiseksi.
Vastaa JSON-muodossa.
Tarkista koodit tämän jälkeen virallisesta CPV-selaimesta: malli tuottaa helposti muodollisesti oikean mutta olemattoman koodin.
Synonyymien laajennus. Palvelujen haku on kirjaimellinen: haku sanalla tietotekniset palvelut ei löydä ilmoitusta otsikolla käyttöpalvelu. Tilaajan sanaston muunnelmien tuottaminen on juuri sitä, minkä malli tekee parhaiten.
Olet suomalainen hankintayksikkö. Toiminnalle "{toiminta}" listaa
15-20 ilmaisua, joita hankintayksikkö käyttäisi ilmoituksen otsikossa,
hallinnollinen kieli mukaan lukien, ja sen jälkeen lähitermit,
jotka kannattaa sulkea pois. Vastaa JSON-muodossa.
Hankintayksiköiden ja sääntelyn asema
Suomen hankintalaissa ei ole tekoälyä koskevaa erityissääntelyä sen paremmin hankintayksiköille kuin tarjoajillekaan. Sovellettavaksi tulevat olemassa olevat säännöstöt: hankintalain yleiset periaatteet eli tasapuolisuus, syrjimättömyys ja avoimuus, tietosuoja-asetus, julkisuuslaki ja EU:n tekoälyasetus (asetus (EU) 2024/1689). Emme löytäneet tätä sivua tarkistaessamme suomalaista oikeuskäytäntöä, jossa olisi arvioitu kielimallin avulla laadittua tarjousta, emmekä varmistaneet yhtään suomalaista tarjouspyyntöehtoa, joka kieltäisi tekoälyn käytön tarjouksen laatimisessa.
Käytäntö on siis vakiintumaton. Varovaisin ja perustelluin lähtökohta on kohdella tekoälyä yrityksen sisäisenä kirjoitustyökaluna, jonka tuotoksesta yritys vastaa täysimääräisesti — täsmälleen kuten tekstinkäsittelyohjelmasta tai ulkopuolisesta konsultista. Lue menettelyohje aina siltä varalta, että hankintayksikkö on ottanut asiaan kantaa, ja muista, että tarjouksessa annettu virheellinen tieto on oma erillinen riskinsä riippumatta siitä, kuka tai mikä sen kirjoitti.
Scoutee noudattaa samaa jakoa: ilmoitusten keruu tehdään päivätyistä ja rakenteisista lähteistä, ja malli tulee mukaan vasta luokittelemaan ja tiivistämään sitä, mikä on todella julkaistu.