AI w ofertowaniu to moment, w którym firma produkcyjna przestaje ręcznie liczyć każdą ofertę: system uczy się na historii Twoich wycen, sam proponuje ceny i przygotowuje gotowy dokument dla klienta. Zamiast kilku osób spędzających dni nad zapytaniami, AI w ofertowaniu odpowiada w minuty — a człowiek tylko sprawdza i zatwierdza. Poniżej pokazuję, jak to działa w praktyce, na wdrożeniu w polskiej kuźni z branży automotive.
AI w ofertowaniu — co to właściwie znaczy?
Nie chodzi o szablon PDF podpinany pod CRM. Prawdziwe AI w ofertowaniu robi trzy rzeczy: przewiduje cenę nowego detalu na podstawie historii ofert, znajduje podobne wyceny z przeszłości jako punkt odniesienia, a na końcu pisze uzasadnienie oferty po polsku. W praktyce to różnica między „ładniejszym dokumentem” a systemem, który przejmuje realną pracę zespołu ofertowego.
Ofertowanie w produkcji dziś: Excel, doświadczenie i wąskie gardło
W typowym zakładzie obsługa zapytań ofertowych wygląda podobnie: technolog ogląda rysunek, szuka w mailach podobnego detalu sprzed lat, liczy materiał w Excelu i konsultuje marżę z szefem. Wiedza o cenach siedzi w głowach dwóch–trzech osób. Gdy zapytań przybywa, kolejka rośnie — a gdy doświadczony pracownik odchodzi, firma traci cennik, którego nigdzie nie zapisano.
Ile trwa przygotowanie oferty? Standard to 2–5 dni
Z moich obserwacji w polskich zakładach przygotowanie wyceny nowego detalu zajmuje zwykle od dwóch do pięciu dni roboczych. Tymczasem klient często wysyła to samo zapytanie do kilku dostawców naraz i rozmawia z tym, kto odpowie pierwszy. W efekcie szybkość odpowiedzi bywa ważniejsza niż ostatnia złotówka w cenie — i właśnie tutaj automatyzacja zmienia najwięcej.
AI w ofertowaniu w praktyce — case study polskiej kuźni
Dla kuźni produkującej odkuwki dla motoryzacji zbudowałem hybrydowy system wycen. Działa w całości na serwerze zakładu (Xeon, 128 GB RAM), dlatego dane cenowe nigdy nie opuszczają firmy. Oto jego cztery elementy.
Predykcja ceny z historii ofert (CatBoost)
Model uczy się na wszystkich historycznych wycenach: materiał, waga, geometria, wielkość serii, klient. Dla nowego zapytania proponuje cenę w kilka sekund — także dla detalu, którego firma nigdy wcześniej nie wyceniała.
Podobne wyceny z przeszłości w sekundę (Elasticsearch kNN)
Obok predykcji system pokazuje najbliższe podobne detale z historii, z ich cenami i wynikiem (wygrana/przegrana). Technolog widzi kontekst, a nie tylko liczbę — dokładnie tak, jak sam szukałby „czegoś podobnego”, tylko bez godzin przekopywania maili.
Skąd ta cena? Wyjaśnialność dzięki SHAP
Każda propozycja ma rozbicie: ile do ceny dołożył materiał, ile wielkość serii, ile klient. To nie czarna skrzynka — handlowiec potrafi obronić cenę w rozmowie, a szef ufa systemowi, bo widzi jego rozumowanie.
Bielik pisze uzasadnienie oferty po polsku
Lokalny polski model językowy (Bielik-11B przez Ollama) zamienia liczby w gotowy tekst oferty: opis detalu, założenia, warunki. Więcej o samych lokalnych modelach piszę we wpisie o prywatnym ChatGPT dla firmy.
Od zapytania RFQ do gotowej oferty
Całość spina się w jeden przepływ: wpada zapytanie, system proponuje cenę z uzasadnieniem, człowiek koryguje i wysyła. Oferta, która wcześniej powstawała trzy dni, wychodzi tego samego dnia — często w godzinę.
Automatyzacja ofertowania w produkcji — co realnie da się zautomatyzować?
Automatyczne generowanie ofert nie oznacza wyłączenia ludzi z procesu. Sensowny podział wygląda tak:
- AI robi: wyszukanie podobnych wycen, propozycję ceny, kalkulację wariantów serii, pierwszą wersję dokumentu;
- człowiek robi: ocenę nietypowych konstrukcji, decyzję o marży strategicznej, relację z klientem;
- razem: każda zatwierdzona oferta trafia z powrotem do historii i model uczy się dalej.
Porównanie: ofertowanie ręczne vs AI w ofertowaniu
| Kryterium | Ręczne ofertowanie | AI w ofertowaniu |
|---|---|---|
| Czas na ofertę | 2–5 dni roboczych | minuty–godziny (człowiek zatwierdza) |
| Przepustowość | ograniczona liczbą osób w zespole | rośnie bez zatrudniania |
| Spójność cen | zależna od tego, kto liczy | jedna logika + wyjaśnienie SHAP |
| Wiedza o cenach | w głowach pracowników | w modelu — zostaje w firmie |
| Gdzie są dane | rozproszone: maile, Excel | serwer w zakładzie, 100% on-premise |
Wdrożenie AI w ofertowaniu krok po kroku
- Zebranie historii ofert — zwykle wystarczą Excel, ERP i skrzynka mailowa z ostatnich lat.
- Proof-of-concept: model trenuje na próbce i wycenia detale, których wynik już znasz — od razu widać trafność.
- Dostrojenie: wyszukiwanie podobnych wycen, wyjaśnialność, generowanie tekstu oferty.
- Pilotaż na żywych zapytaniach z człowiekiem zatwierdzającym każdą ofertę.
- Rozbudowa — na przykład o automatyczny odczyt parametrów z rysunków technicznych.
Dane wejściowe nie muszą być idealne. Ponadto im więcej lat historii, tym lepiej — model wykorzysta nawet stare, niekompletne wyceny. Technologię predykcji opisuje szerzej artykuł o uczeniu maszynowym na Wikipedii.
AI w ofertowaniu a bezpieczeństwo danych — 100% on-premise
Historia wycen to jedna z najbardziej poufnych rzeczy w firmie produkcyjnej — to Twoje marże i Twoi klienci. Dlatego całe wdrożenie działa lokalnie: model cenowy, wyszukiwarka podobnych wycen i model językowy pracują na serwerze w zakładzie, bez wysyłania czegokolwiek do chmury. Zdalny dostęp odbywa się wyłącznie przez szyfrowany Tailscale.
Ile kosztuje AI w ofertowaniu?
Projekty tej klasy zamykają się zwykle w przedziale 40–120 tys. zł netto, zależnie od zakresu — od samej predykcji cen po pełny przepływ z generowaniem dokumentów. Dla porównania: jeden etat w dziale ofertowania kosztuje firmę podobną kwotę rocznie, a system obsługuje zapytania bez limitu. Co więcej, takie wdrożenie kwalifikuje się do dotacji Dig.IT (50% dofinansowania) i Pilotażu AI PARP (do 70%), więc realny wydatek często spada o połowę lub więcej.
FAQ — AI w ofertowaniu
Czy AI może samodzielnie przygotować ofertę handlową? Tak — przygotowuje kompletny draft z ceną i uzasadnieniem. Natomiast decyzję o wysyłce zostawiam człowiekowi: to najlepszy stosunek szybkości do kontroli.
Skąd AI wie, jaką cenę zaproponować? Uczy się wyłącznie na Twoich danych: historycznych wycenach, wynikach (wygrana/przegrana) i parametrach detali. Nie zgaduje z internetu — odtwarza logikę cenową Twojej firmy.
Czy to wymaga wysyłania danych do chmury? Nie. Całość działa na serwerze w zakładzie — wycena na podstawie historii ofert nigdy nie opuszcza firmy.
Czy AI zastąpi pracowników przygotowujących oferty? W praktyce zdejmuje z nich 70–90% powtarzalnej pracy. Ludzie przechodzą do zadań, w których naprawdę robią różnicę: nietypowe konstrukcje, negocjacje, relacje.
Podsumowanie
AI w ofertowaniu zamienia najwolniejszy proces działu handlowego w przewagę: oferty wychodzą w godziny zamiast dni, ceny są spójne i wyjaśnialne, a wiedza cenowa zostaje w firmie nawet wtedy, gdy ludzie odchodzą. Jeśli Twój zespół tonie w zapytaniach ofertowych — porozmawiajmy o wdrożeniu w Twoim zakładzie.
NAJNOWSZE WPISY