AI en aanbestedingen in 2026: wat het kan en wat het mist
AI en aanbestedingen in 2026: stukken analyseren, criteria uittrekken, plan van aanpak, bruikbare prompts, risico's en waarom ChatGPT aankondigingen mist.
Bijgewerkt op 5 september 2026
Gecontroleerd op 5 september 2026.
In 2026 is de vraag niet meer of u een taalmodel gebruikt bij het inschrijven op aanbestedingen, maar waar het echte winst oplevert en waar het punten kost, of zelfs een opdracht. De scheidslijn is scherp: AI is uitstekend in het lezen, samenvatten en herformuleren van documenten die u aanlevert, en heel slecht in het zelf opsporen van de aankondigingen die deze week zijn verschenen.
Wat bedrijven werkelijk met AI doen
Vijf toepassingen keren steeds terug in de praktijk.
Analyse van de aanbestedingsstukken. Een dossier telt vaak honderden pagina's, verdeeld over vijf of zes bestanden plus een Nota van Inlichtingen. Een model dat lange pdf's aankan, haalt daar in enkele minuten het exacte voorwerp uit, de opdeling in percelen, de looptijd en verlengingsopties, de boetebepalingen, de gevraagde documenten en de aandachtspunten in de contractvoorwaarden.
Samenvatten en de go- of no-go-beslissing. Een samenvatting van een aankondiging in een vast stramien (opdrachtgever, voorwerp, sluitingsdatum, geraamde waarde, geschiktheidseisen) laat u een stapel aankondigingen veel sneller schiften.
Uittrekken van de gunningscriteria. De aanbestedingsleidraad beschrijft weging, subcriteria en scoreschaal, soms in een tabel, soms in een alinea halverwege pagina 12. Gestructureerd uittrekken van die criteria, met hun gewicht, levert meteen het plan voor uw plan van aanpak op.
Schrijven aan het plan van aanpak. De meest gebruikte en meest risicovolle toepassing. AI is nuttig om een opzet te maken die één op één op de criteria past, om alinea's uit eerdere plannen te herschrijven en om te controleren of geen enkele eis uit het programma van eisen onbeantwoord blijft. Ze is slecht in het bedenken van uw eigen toegevoegde waarde, want die komt uit het bedrijf.
Monitoring en classificatie. Zodra aankondigingen uit een actuele bron zijn opgehaald, kan een model ze uitstekend op relevantie ordenen, er CPV-codes aan toekennen en dubbelingen herkennen. De sleutelwoorden zijn: zodra ze zijn opgehaald.
Wat AI goed doet en wat niet
| Taak | Algemeen taalmodel | Waarom |
|---|---|---|
| Aangeleverde aanbestedingsstukken samenvatten | Goed | De tekst ligt voor zijn neus, de taak is compressie |
| Criteria, wegingen en data uit een leidraad halen | Goed | Gestructureerde extractie, regel voor regel te controleren |
| Een activiteit vertalen naar CPV-codes | Goed | De nomenclatuur is openbaar en stabiel |
| Synoniemen van het opdrachtgeversjargon genereren | Zeer goed | Er is geen actuele data voor nodig |
| Al verzamelde aankondigingen ordenen en scoren | Goed | Classificatie op aangeleverde tekst |
| Een plan van aanpak herschrijven en structureren | Redelijk, met nalezen | De inhoud moet uit het bedrijf komen |
| De aankondigingen van deze week vinden | Slecht | Gedeeltelijke toegang tot de platformen, verouderde resultaten |
| Een niet-gepubliceerde raming noemen | Slecht | Pure verzinning |
| Een norm, referentie of wetsartikel citeren | Riskant | Plausibele maar onjuiste bronnen |
| Zelfstandig een inschrijving schrijven die zo de deur uit gaat | Slecht | Een algemeen antwoord, en zo wordt het ook beoordeeld |
Het blinde punt: recente aankondigingen vinden
Dit is de slechtst begrepen beperking. Algemene assistenten, ChatGPT en Perplexity inbegrepen, hebben slechts zeer gedeeltelijke toegang tot de publicatieplatformen. Vraagt u ze om de lopende aanbestedingen voor applicatiebeheer in Noord-Brabant, dan tonen ze vooral oude procedures die allang gesloten zijn.
Daar zijn drie technische redenen voor. De aanbestedingsplatformen zijn slecht geïndexeerd: hun inhoud zit achter formulieren, sessies en JavaScript. Het venster van een aanbesteding is kort, vaak drie tot vijf weken, terwijl een zoekindex trager ververst. En de betrouwbare bronnen zijn systemen die machinaal worden uitgelezen: TenderNed heeft een volledig openbaar aankondigingenplatform dat gekoppeld is aan andere aanbestedingssystemen (verified 2026-09-05), en TED biedt een eigen zoekinterface; geen van beide wordt door een algemene assistent bevraagd.
Vandaar de regel: het taalmodel komt ná de vondst, nooit vóór de vondst.
Drie concrete risico's
Verzonnen referenties
Een model produceert plausibele tekst, geen geverifieerde tekst. In een plan van aanpak levert dat normnummers op die niet bestaan, certificeringen die uw bedrijf niet heeft, verzonnen projectreferenties of wetsartikelen met een verkeerd nummer. Een onjuiste referentie is niet alleen een vormfout: ze kan worden gelezen als een onjuiste verklaring, en in het aanbestedingsrecht is een valse verklaring een uitsluitingsgrond. Elk feitelijk gegeven dat een model oplevert, moet worden gecontroleerd door iemand die het uit eigen waarneming kent.
Het algemene antwoord
Een tekst die zonder eigen materiaal is gegenereerd, herkent u aan de nietszeggende formuleringen en het ontbreken van operationele details. De kwalitatieve gunningscriteria belonen precies het omgekeerde: mensen met naam en toenaam, een becijferde planning, een aanpak die op de locatie is toegesneden, maatregelen die aansluiten op de behoefte in het programma van eisen. Een vlot maar uitwisselbaar antwoord verliest punten juist daar waar het verschil wordt gemaakt.
Vertrouwelijkheid van de stukken
Het dossier bevat soms tekeningen, exploitatiegegevens of adressen van gevoelige locaties, en uw inschrijving in wording bevat uw strategie en uw prijzen. Drie minimale voorzorgen: controleer dat de leverancier de verstuurde gegevens niet gebruikt om zijn modellen te trainen, kies een zakelijke dienst met een contractuele toezegging op dat punt en een verwerkersovereenkomst onder de AVG, en verwijder uit de documenten wat er niet in hoeft te staan. Sommige aanbestedingsstukken bevatten geheimhoudingsbedingen die verspreiding aan derden verbieden, en een onlinedienst is een derde.
Prompts die werken
Deze drie formuleringen mikken op de taken waarin een model goed is: de gegevens worden aangeleverd, of ze zijn stabiel.
Samenvatting van een aankondiging. Plak de tekst van de aankondiging en leg een vast format op.
Hieronder staat een aankondiging van een overheidsopdracht. Geef uitsluitend,
in de vorm van een lijst: opdrachtgever, voorwerp in één zin, soort opdracht
(werken / leveringen / diensten), procedure, percelen, sluitingsdatum en
-tijdstip, looptijd, gunningscriteria met weging, gevraagde documenten.
Ontbreekt een gegeven in de aankondiging, schrijf dan "niet vermeld".
Voeg niets toe wat niet in de tekst staat.
De laatste instructie is de belangrijkste: die beperkt het opvullen van gaten met verzinsels.
CPV-mapping. Nuttig om een zoekprofiel op te bouwen.
Geef voor de activiteit "{activiteit}" de relevante CPV-codes, van breed naar
precies, met per code de officiële omschrijving en een cijfer van 1 tot 5 voor
de kans dat een aanbestedende dienst die code voor deze behoefte gebruikt.
Voeg de naburige codes toe die ik moet uitsluiten om ruis te beperken.
Antwoord in JSON.
Controleer de codes daarna in de officiële CPV-zoekfunctie: een model produceert moeiteloos een code met het juiste formaat die niet bestaat.
Synoniemen uitbreiden. Zoekfuncties van platformen zijn letterlijk: zoeken op ICT-diensten levert geen aankondiging op die applicatiebeheer heet. Varianten van het opdrachtgeversjargon genereren is wat een model het beste doet.
Je bent inkoopadviseur bij een Nederlandse gemeente. Geef voor de activiteit
"{activiteit}" 15 tot 20 formuleringen die een aanbestedende dienst zou
gebruiken in het onderwerp van een aankondiging, ambtelijk jargon inbegrepen,
en daarna de verwante termen die ik moet uitsluiten. Antwoord in JSON.
Hoe opdrachtgevers ermee omgaan
Het Nederlandse aanbestedingsrecht kent geen bijzondere regeling voor kunstmatige intelligentie: de Aanbestedingswet 2012 zegt er niets over, niet voor opdrachtgevers en niet voor inschrijvers. Wat geldt, zijn de bestaande kaders: de beginselen van gelijke behandeling en transparantie, de verplichting om geen onjuiste verklaringen af te leggen, de AVG, en de Europese AI-verordening. Voor de eigen organisatie hanteert de rijksoverheid een overheidsbrede lijn die ambtenaren terughoudend laat zijn met publieke chatdiensten voor werkgegevens.
Of Nederlandse of Vlaamse opdrachtgevers inmiddels bedingen opnemen die inschrijvers verbieden hun inschrijving met AI op te stellen, hebben wij tijdens het opstellen van deze pagina niet op een officiële bron kunnen vaststellen; evenmin is ons rechtspraak bekend over een met AI geschreven inschrijving. Lees dus per procedure de leidraad op dit punt, en meld het als u een dergelijk beding tegenkomt.
De verstandige lijn is om AI te behandelen als een intern schrijfhulpmiddel waarvoor uw bedrijf volledig verantwoordelijk blijft, precies zoals een tekstverwerker of een ingehuurde tekstschrijver. Scoutee past diezelfde scheiding toe: aankondigingen worden verzameld uit gedateerde, gestructureerde bronnen, en het model komt er pas daarna bij om te ordenen en samen te vatten wat werkelijk is gepubliceerd.