Generativ AI optimerer Energinets udbudsarbejde

Med over 500 årlige anskaffelser og en årlig indkøbsvolumen på op mod 10-15 milliarder kroner er Energinet en afgørende aktør i den offentlige sektor. Og netop derfor har organisationen taget et vigtigt digitalt skridt fremad. Med hjælp fra Microsoft og Inspari har Energinet udviklet en generativ AI-løsning, den såkaldte Kriteriobot, der sparer tid og løfter kvaliteten i arbejdet med udbudsmateriale.

Når Energinet udbyder opgaver for op mod 15 milliarder kroner om året, er der meget på spil, både økonomisk og strategisk. Indkøbsorganisationens ca. 100 medarbejdere håndterer mere end 3.300 aktive kontrakter og er en central aktør i den offentlige indkøbssektor.

Derfor kan selv små forbedringer i udbudsprocessen få stor betydning og det er netop i dette felt, at generativ AI har vist sit værd på tværs af konsulentydelser og IT-løsninger til store entreprisekontrakter.

Det er i dette komplekse landskab, at Kriteriobotten er blevet til. En generativ AI-løsning, som hjælper indkøberne med at udarbejde de såkaldte under- og delkriterier i udbud, netop de afsnit, der ofte er mest tidskrævende og komplekse at formulere. Med teknologien kan indkøberen i løbet af få sekunder få kvalificerede forslag, som kan tilpasses og genbruges på tværs af opgaver.

“Vi er gået fra buzzwords og AI-hype til et værktøj, man faktisk kan bruge i hverdagen. Indkøberne har intuitiv forståelse for det og hvordan det kan anvendes, og det er det, der skaber værdi”

–  siger Morten Yde, Director, Commercial Legal hos Energinet.

Et konkret værktøj – ikke blot en strategi

Kriteriobotten er ikke født ud af strategipapirer, men er udsprunget af et reelt forretningsbehov. Energinet identificerede tidligt et potentiale i at automatisere netop de dele af udbudsarbejdet, der er præget af gentagelser og ensartethed. Løsningen blev udviklet med afsæt i Energinets egne data og erfaringer og er udelukkende trænet på virksomhedens egne historiske udbud.

“Det er ikke generiske data, der ligger bag. Det er vores egne udbudsmaterialer, som modellen er trænet på, og det giver ro i maven – både for ledelsen og den enkelte indkøber,” forklarer Morten Yde.

Det er Microsoft og Inspari, der har leveret teknologien og stået for den tekniske implementering. Samarbejdet har været afgørende for, at projektet kunne realiseres og operationaliseres så hurtigt. Der gik ikke mere end et par måneder fra det egentlige arbejde starterede, før løsningen var i drift.

Tre kollegaer i én teknologi

Kriteriobotten er udviklet med fokus på enkelhed, funktionalitet og brugervenlighed. I stedet for at give medarbejderne fritekstfelter, som man kender det fra almindelige sprogmodeller, får de hjælp til at afgive præcise prompts gennem strukturerede inputfelter.

”Løsningen er ikke tænkt som en erstatning for medarbejdernes faglighed, men som en kvalificeret sparringspartner”, siger Morten Yde og fortsætter:

“Kriteriobotten er som at få tre kollegaer i én: den erfarne, der ved, hvordan vi plejer at gøre, den nysgerrige, der tænker nyt og den, der altid ved, hvor alle dokumenter befinder sig.”

De konkrete gevinster tæller blandt andet højere kvalitet i udbudsmaterialet, færre iterationer med leverandører og bedre forberedelse til forhandlinger. Derudover nævner Morten Yde øget arbejdsglæde hos indkøberne: “Man kommer hurtigere videre til det, der virkelig skaber værdi – både for Energinet og medarbejderen selv.”

Det første skridt af mange

Energinet betragter ikke Kriteriobotten som et enkeltstående projekt, men som første skridt på en større AI-rejse. Allerede nu arbejdes der på flere løsninger i bl.a. indkøbsområdet, eksempelvis en profilbot, der kan evaluere CV’er i konsulentudbud, og en digital ’Buy Buddy’, der skal vejlede medarbejdere i simple indkøbsspørgsmål.

“Det her bliver ikke det sidste AI-værktøj, vi laver. Og for mig har det været en vigtig erkendelse, at det faktisk ikke var så svært at komme i gang, det kræver bare struktur, vedholdenhed og det rigtige ledelsesfokus”

– siger Morten Yde.

Perspektiver for hele indkøbsdanmark 

Morten Yde understreger, at Energinet ikke har nogen interesse i at holde erfaringerne for sig selv. Tværtimod ser han et stort potentiale i, at offentlige organisationer og myndigheder i hele landet kan drage nytte af lignende løsninger: “Det her er ikke bare noget, der virker i teorien. Det virker i praksis. Og hvis vi som en af de største indkøbere i Danmark kan gøre det, så kan andre også, hvis de starter småt, men tænker stort.” 

Samtidig peger projektet på en vigtig læring for offentlige aktører i bredere forstand: At nøglen til succesfuld AI-implementering ofte ikke ligger i det meget teknisk avancerede, men i evnen til at omsætte data og repetitive processer til konkrete og hverdagsnære værktøjer.