AI och offentlig upphandling 2026: vad den klarar och vad den missar
AI och offentliga upphandlingar 2026: analys av underlag, extraktion av kriterier, anbudstext, användbara prompter, risker och varför ChatGPT missar annonserna.
Uppdaterad 5 september 2026
Verifierat den 5 september 2026.
År 2026 är frågan inte längre om man använder en språkmodell när man svarar på offentliga upphandlingar, utan var den ger verklig nytta och var den kostar poäng, eller hela affären. Gränsen är tydlig: AI är utmärkt på att läsa, sammanfatta och formulera om dokument som den får, och mycket dålig på att själv leta reda på de annonser som publicerades den här veckan.
Vad företagen faktiskt gör med AI
Fem användningar återkommer hos dem som arbetar med anbud.
Analys av upphandlingsdokumenten. Ett underlag är ofta flera hundra sidor fördelade på fem eller sex filer. En modell som kan läsa långa PDF-filer plockar på några minuter fram föremålet, uppdelningen i delkontrakt, avtalstiden, viten, vilka handlingar som ska lämnas och de punkter i avtalsvillkoren som behöver granskas.
Sammanfattning och beslut om att svara eller avstå. En sammanfattning av en annons i ett fast format (beställare, föremål, sista anbudsdag, uppskattat värde, kvalificeringskrav) gör att en hög annonser kan sorteras betydligt snabbare.
Extraktion av tilldelningskriterier. Kriterierna och deras viktning står ibland i en tabell, ibland i ett stycke långt in i de administrativa föreskrifterna. En strukturerad extraktion av kriterier med vikter blir sedan dispositionen för anbudets kvalitativa del.
Skrivstöd för den kvalitativa anbudsdelen. Den vanligaste och mest riskabla användningen. AI är bra på att bygga en mall som följer kriterierna, formulera om stycken från tidigare anbud och kontrollera att inget krav i kravspecifikationen står obesvarat. Den är dålig på att uppfinna själva mervärdet, som måste komma från företaget.
Bevakning och klassificering. När annonserna väl har hämtats från en aktuell källa är en modell mycket bra på att sortera dem efter relevans, sätta CPV-koder och upptäcka dubbletter. Det viktiga ordet är "när de väl har hämtats".
Vad AI gör bra och vad den gör dåligt
| Uppgift | Allmän AI | Varför |
|---|---|---|
| Sammanfatta ett underlag som bifogas | Bra | Texten ligger framför den, uppgiften är komprimering |
| Extrahera kriterier, vikter och datum | Bra | Strukturerad extraktion, ska kontrolleras rad för rad |
| Översätta en verksamhet till CPV-koder | Bra | Nomenklaturen är offentlig och stabil |
| Ta fram synonymer till beställarnas ordval | Mycket bra | Ingen färsk data behövs |
| Sortera och poängsätta redan insamlade annonser | Bra | Klassificering av given text |
| Formulera om och strukturera en anbudstext | Godtagbart, med granskning | Innehållet måste komma från företaget |
| Hitta de annonser som publicerats den här veckan | Dåligt | Partiell åtkomst till annonsdatabaserna, gamla träffar |
| Uppge ett värde som inte är publicerat | Dåligt | Ren gissning |
| Citera en standard, en paragraf eller en referens | Riskabelt | Trovärdiga men felaktiga källor |
| Skriva ett helt anbud som lämnas in oredigerat | Dåligt | Generiskt svar, poängsätts därefter |
Den blinda fläcken: att hitta färska annonser
Det här är den mest missförstådda begränsningen. Allmänna assistenter, ChatGPT och Perplexity inkluderade, har mycket begränsad åtkomst till de källor där svenska upphandlingar publiceras. På en fråga som "hitta pågående upphandlingar av IT-drift i Västra Götaland" svarar de framför allt med gamla, ofta avslutade upphandlingar.
Tre tekniska skäl. För det första publiceringsstrukturen: Sverige har ingen enda nationell annonsplats, utan annonser ska publiceras i en annonsdatabas som är registrerad enligt lagen om upphandlingsstatistik, och flera konkurrerande databaser driver var sitt gränssnitt. För det andra att innehållet ligger bakom sökformulär, sessioner och inloggning, vilket gör det dåligt indexerat. För det tredje att fönstret är kort: en upphandling under tröskelvärdet kan vara öppen i två veckor, medan ett sökindex uppdateras långsammare. De pålitliga källorna nås via databasernas egna sökfunktioner och via TED, och ingen av dem frågas av en allmän assistent.
Därav regeln: språkmodellen kommer in efter upptäckten, aldrig för upptäckten.
Tre konkreta risker
Uppdiktade uppgifter
En modell producerar trovärdig text, inte kontrollerad text. I en anbudstext blir det standardnummer som inte finns, certifieringar som företaget inte har, påhittade referensuppdrag eller paragrafhänvisningar med fel nummer. En felaktig uppgift är inte bara ett formfel: den kan läsas som en oriktig uppgift från leverantören, vilket i värsta fall är en uteslutningsgrund. Varje sakuppgift som en modell producerar ska kontrolleras av någon som kan den.
Det generiska svaret
En text som genereras utan eget material känns igen på allmänna formuleringar och avsaknad av operativa detaljer. Kvalitetskriterierna belönar precis motsatsen: namngiven bemanning, tidsatt plan, metod tillämpad på det aktuella objektet, åtgärder anpassade till behovet i kravspecifikationen. Lagen kräver dessutom att kriterierna ska kunna kontrolleras utifrån leverantörens egna uppgifter, vilket gör ett svävande svar svårt att poängsätta högt. Ett flytande men utbytbart anbud tappar poäng just där skillnaden avgörs.
Sekretess och offentlighet
Underlaget kan innehålla ritningar, driftdata eller adresser till känsliga anläggningar, och ert anbud under arbete innehåller strategi och priser. Här har Sverige en särskild dimension: under en pågående upphandling gäller sträng sekretess för uppgifter om anbud, men efter tilldelningsbeslutet blir handlingarna normalt allmänna och begärs rutinmässigt ut av konkurrenter. Tre minimiåtgärder: kontrollera att leverantören av AI-tjänsten inte använder inskickade data för att träna modeller, välj en företagstjänst med avtalat åtagande om detta, och ta bort det ur dokumenten som inte behöver finnas där. Vissa underlag innehåller dessutom sekretessåtaganden som förbjuder spridning till tredje part, vilket omfattar en molntjänst.
Prompter som fungerar
De här tre formuleringarna riktar sig mot uppgifter där modellen är bra: data ges till den, eller är stabil.
Sammanfatta en annons. Klistra in annonstexten och tvinga fram ett fast format.
Här är en upphandlingsannons. Återge enbart, som en punktlista:
beställare, föremål i en mening, typ av kontrakt (byggentreprenad / varor /
tjänster), förfarande, uppdelning i delkontrakt, sista anbudsdag, avtalstid,
tilldelningskriterier med viktning, handlingar som ska lämnas.
Om en uppgift saknas i annonsen, skriv "framgår inte".
Lägg inte till någon information som inte står i texten.
Den sista instruktionen är den viktigaste: den minskar risken att luckor fylls med gissningar.
Koppla verksamhet till CPV. Användbart när en bevakningsprofil ska byggas.
För verksamheten "{verksamhet}", ange relevanta CPV-koder, från bredast till
mest precis, med officiell benämning på svenska och ett betyg 1–5 på hur
sannolikt det är att en svensk offentlig beställare använder koden för
behovet. Lägg till närliggande koder som bör uteslutas för att minska bruset.
Svara i JSON.
Kontrollera sedan koderna i kommissionens officiella CPV-verktyg: en modell producerar lätt en kod med rätt format men utan verklig motsvarighet.
Expandera synonymer. Sökningen i annonsdatabaserna är bokstavlig: en sökning på "IT-tjänster" ger inte en annons som heter "drift och förvaltning". Att ta fram varianter av beställarnas ordval är det en modell gör allra bäst.
Du är en svensk offentlig beställare. För verksamheten "{verksamhet}", lista
15–20 formuleringar som en beställare skulle använda i rubriken på en annons,
myndighetsjargong inkluderad, och därefter närliggande termer som bör
uteslutas. Svara i JSON.
Beställarnas hållning
Det finns i dag ingen särskild reglering av artificiell intelligens i den svenska upphandlingsrätten, varken för beställare eller för leverantörer. Lagen om offentlig upphandling nämner inte AI. Det är de befintliga regelverken som gäller: upphandlingens grundprinciper, dataskyddsförordningen och EU:s AI-förordning, förordning (EU) 2024/1689. Till det kommer offentlighets- och sekretesslagstiftningen, som avgör vad som blir allmän handling och när.
Någon svensk praxis där ett anbud underkänts för att det skrivits med hjälp av en språkmodell har inte kunnat verifieras vid den här sidans verifieringsdatum, och inte heller något dokumenterat svenskt fall av en klausul som förbjuder AI-stöd i anbudsskrivandet. Läs ändå de administrativa föreskrifterna: en beställare får ställa krav på hur anbudet ska tas fram och redovisas, och kraven varierar mellan upphandlingar.
Den rimliga hållningen är att betrakta AI som ett internt skrivverktyg som företaget är fullt ansvarigt för, precis som ett ordbehandlingsprogram eller en inhyrd konsult. Det ni lämnar in är ert, med de uppgifter det innehåller.
Scoutee tillämpar samma uppdelning: insamlingen av annonser sker mot daterade och strukturerade källor, och modellen kommer in först efteråt för att sortera och sammanfatta det som faktiskt har publicerats.