AI a przetargi w 2026 roku: co potrafi, a czego nie potrafi
AI w zamówieniach publicznych w 2026 roku: analiza SWZ, wyciąganie kryteriów oceny ofert, redagowanie opisu realizacji, gotowe prompty, ryzyka i stan prawny.
Zaktualizowano 5 września 2026
Zweryfikowano 5 września 2026 r.
W 2026 r. pytanie nie brzmi już, czy używać modelu językowego przy udziale w przetargach, tylko gdzie daje on realny zysk, a gdzie kosztuje punkty albo całe zamówienie. Linia podziału jest wyraźna: sztuczna inteligencja bardzo dobrze czyta, streszcza i przeredagowuje dokumenty, które jej podasz, i bardzo źle radzi sobie z samodzielnym znajdowaniem ogłoszeń opublikowanych w tym tygodniu.
Do czego firmy naprawdę używają AI
Pięć zastosowań powtarza się w praktyce.
Analiza SWZ. Dokumentacja postępowania to często kilkaset stron w kilku plikach: opis przedmiotu zamówienia, instrukcja dla wykonawców, projektowane postanowienia umowy, załączniki. Model czytający długie pliki PDF wyciąga z nich w kilka minut przedmiot zamówienia, podział na części, okres realizacji, kary umowne, wymagane dokumenty i punkty ryzyka we wzorze umowy.
Streszczenie i decyzja go / no-go. Streszczenie ogłoszenia o zamówieniu w stałym formacie — zamawiający, przedmiot, tryb, termin składania ofert, warunki udziału, wymagane wadium — pozwala przejrzeć stos ogłoszeń wielokrotnie szybciej.
Wyciąganie kryteriów oceny ofert. SWZ opisuje wagi i sposób punktowania czasem w tabeli, a czasem w akapicie ukrytym na dwunastej stronie. Uporządkowane zestawienie kryteriów razem z wagami i wzorami punktacji staje się potem planem oferty.
Redagowanie opisu sposobu realizacji zamówienia. Zastosowanie najczęstsze i najbardziej ryzykowne. Model dobrze buduje szkielet odpowiadający kryteriom, przeredagowuje fragmenty wcześniejszych ofert i sprawdza, czy żaden wymóg z opisu przedmiotu zamówienia nie został bez odpowiedzi. Nie potrafi natomiast wymyślić wartości dodanej, która pochodzi z firmy.
Klasyfikacja i porządkowanie ogłoszeń. Kiedy ogłoszenia są już pobrane z aktualnego źródła, model bardzo dobrze ocenia ich dopasowanie, przypisuje kody CPV i wykrywa duplikaty. Kluczowe są słowa „kiedy są już pobrane".
Co AI robi dobrze, a co źle
| Zadanie | Model ogólnego przeznaczenia | Dlaczego |
|---|---|---|
| Streszczenie SWZ przekazanej w załączniku | Dobrze | Tekst ma przed sobą, zadanie polega na kompresji |
| Wyciągnięcie kryteriów, wag i dat z dokumentacji | Dobrze | Ekstrakcja strukturalna, do sprawdzenia wiersz po wierszu |
| Przełożenie działalności firmy na kody CPV | Dobrze | Słownik jest publiczny i stabilny |
| Generowanie wariantów słownictwa zamawiających | Bardzo dobrze | Nie wymaga żadnych świeżych danych |
| Ocena dopasowania zebranych już ogłoszeń | Dobrze | Klasyfikacja na podanym tekście |
| Przeredagowanie i uporządkowanie opisu realizacji | Poprawnie, pod warunkiem korekty | Treść musi pochodzić z firmy |
| Znalezienie ogłoszeń opublikowanych w tym tygodniu | Źle | Częściowy dostęp do platform, wyniki nieaktualne |
| Podanie wartości zamówienia, której nie opublikowano | Źle | Czysta konfabulacja |
| Powołanie normy, przepisu albo orzeczenia | Ryzykownie | Źródła brzmią wiarygodnie i bywają nieprawdziwe |
| Napisanie całej oferty do złożenia bez zmian | Źle | Odpowiedź ogólnikowa, tak samo oceniona |
Martwy punkt: znajdowanie aktualnych ogłoszeń
To najgorzej rozumiane ograniczenie. Asystenci ogólnego przeznaczenia mają bardzo częściowy dostęp do miejsc, w których publikuje się polskie zamówienia. Zapytane o „aktualne przetargi na utrzymanie systemów informatycznych na Mazowszu" zwracają głównie postępowania sprzed miesięcy, często już rozstrzygnięte.
Powody są techniczne. Platformy zakupowe zamawiających są słabo indeksowane: treść siedzi za formularzami wyszukiwania, sesjami i skryptami. Okno postępowania jest krótkie, zwykle od dwóch do pięciu tygodni, a indeks wyszukiwarki odświeża się wolniej. Wreszcie wiarygodne źródła są interfejsami programistycznymi, a nie stronami do przeglądania: Biuletyn Zamówień Publicznych na portalu e-Zamówienia i TED udostępniają dane w postaci nadającej się do pobierania maszynowego, i żadne z nich nie jest odpytywane przez asystenta ogólnego.
Stąd zasada: model językowy wchodzi do gry po wykryciu ogłoszenia, nigdy zamiast wykrycia.
Trzy konkretne ryzyka
Zmyślone referencje i przepisy
Model produkuje tekst prawdopodobny, a nie sprawdzony. W opisie realizacji daje to numery norm, które nie istnieją, certyfikaty przypisane firmie, której nie posiada, referencje z nigdy niezrealizowanych zamówień oraz numery artykułów ustawy Prawo zamówień publicznych podane z błędem. Nieprawdziwa referencja nie jest tylko usterką redakcyjną: bywa czytana jako wprowadzenie zamawiającego w błąd, co jest podstawą wykluczenia.
Ta sama zasada dotyczy kwot. Progi unijne na lata 2026–2027 to 140 000 €, 216 000 € i 432 000 € dla dostaw i usług oraz 5 404 000 € dla robót budowlanych, czyli 603 400 zł, 930 960 zł, 1 861 920 zł i 23 291 240 zł przy średnim kursie 4,31 zł za euro (verified 2026-09-05). Podawaj takie wartości w poleceniu, zamiast liczyć na pamięć modelu — dane liczbowe wygenerowane przez model musi zweryfikować człowiek, który je zna.
Oferta ogólnikowa
Tekst wygenerowany bez własnego materiału poznaje się po sformułowaniach pasujących do wszystkiego i po braku szczegółów operacyjnych. Kryteria pozacenowe nagradzają dokładnie odwrotne cechy: imiennie wskazane osoby, policzony harmonogram, metodykę odniesioną do konkretnego obiektu, rozwiązania odpowiadające wymaganiom z opisu przedmiotu zamówienia. Płynna, ale wymienna odpowiedź traci punkty właśnie tam, gdzie rozstrzyga się wynik.
Poufność dokumentacji i oferty
Dokumentacja zawiera czasem plany obiektów, dane eksploatacyjne albo adresy lokalizacji wrażliwych, a przygotowywana oferta zawiera ceny i strategię handlową. Trzy minimalne środki ostrożności: sprawdź, czy dostawca narzędzia nie wykorzystuje przesłanych danych do trenowania modeli, wybieraj rozwiązania z umownym zobowiązaniem w tej sprawie i usuwaj z dokumentów to, czego tam być nie musi. Część SWZ zawiera klauzule poufności obejmujące przekazywanie treści osobom trzecim, a usługa działająca w chmurze jest osobą trzecią.
Prompty, które działają
Trzy poniższe polecenia celują w zadania, w których model jest mocny: dane są mu podane albo są stabilne.
Streszczenie ogłoszenia. Wklej treść ogłoszenia i narzuć stały format.
Poniżej treść ogłoszenia o zamówieniu. Podaj wyłącznie, w formie listy:
zamawiający, przedmiot w jednym zdaniu, rodzaj zamówienia (roboty budowlane /
dostawy / usługi), tryb, podział na części, termin i godzina składania ofert,
okres realizacji, kryteria oceny ofert z wagami, wymagane wadium,
wymagane dokumenty. Jeżeli informacji nie ma w treści, napisz "nie podano".
Nie dodawaj niczego, czego nie ma w tekście.
Ostatnie zdanie jest najważniejsze: ogranicza uzupełnianie luk zmyśleniami.
Mapowanie na kody CPV. Przydatne przy budowaniu profilu monitoringu.
Dla działalności "{działalność}" podaj kody CPV od najogólniejszych
do najbardziej szczegółowych, dla każdego oficjalną nazwę oraz ocenę od 1 do 5,
na ile prawdopodobne jest, że zamawiający użyje go dla tej potrzeby.
Dodaj kody sąsiednie, które warto wykluczyć, żeby ograniczyć szum.
Odpowiedz w formacie JSON.
Kody sprawdź potem w oficjalnej przeglądarce Wspólnego Słownika Zamówień: model łatwo tworzy kod o poprawnej strukturze, który nie istnieje.
Warianty słownictwa zamawiających. Wyszukiwarki działają literalnie, więc zapytanie o „usługi informatyczne" nie zwróci ogłoszenia zatytułowanego „utrzymanie i rozwój systemu dziedzinowego". Generowanie wariantów to zadanie, w którym model jest najlepszy.
Jesteś polskim zamawiającym publicznym. Dla działalności "{działalność}"
wypisz od 15 do 20 sformułowań, których zamawiający mógłby użyć w nazwie
zamówienia, razem z językiem urzędowym, a następnie terminy bliskoznaczne,
które warto wykluczyć. Odpowiedz w formacie JSON.
Stan prawny i stanowisko zamawiających
Polskie Prawo zamówień publicznych nie zawiera przepisów poświęconych sztucznej inteligencji, ani po stronie zamawiających, ani po stronie wykonawców. Zastosowanie mają reguły ogólne: zasady udzielania zamówień, odpowiedzialność wykonawcy za treść oferty, przepisy o ochronie danych osobowych oraz rozporządzenie Unii Europejskiej 2024/1689, czyli akt o sztucznej inteligencji, które weszło w życie 1 sierpnia 2024 r.
Nie znamy opublikowanej polskiej klauzuli zakazującej wykonawcom sporządzania oferty z pomocą narzędzi sztucznej inteligencji, nie znamy też orzeczenia Krajowej Izby Odwoławczej dotyczącego takiej oferty. Nie znaczy to, że w konkretnej dokumentacji nie pojawi się wymóg oświadczenia o sposobie przygotowania oferty albo o pochodzeniu materiałów — SWZ trzeba przeczytać w całości przed rozpoczęciem pracy nad ofertą.
Rozsądna praktyka jest więc taka: traktuj model językowy jak wewnętrzne narzędzie redakcyjne, za którego rezultat firma odpowiada w całości, dokładnie tak samo jak za pracę edytora tekstu albo zewnętrznego konsultanta. Scoutee stosuje ten sam podział: zbieranie ogłoszeń odbywa się na datowanych, ustrukturyzowanych źródłach, a model wchodzi dopiero potem, do porządkowania i streszczania tego, co faktycznie opublikowano.