Как ускорить подготовку тендерных заявок на 40% c помощью ИИ

Артикс — маркетинговое агентство c фокусом на перформансе и диджитале. Мы работаем с крупными клиентами — ретейлом, eCom, финансовыми продуктами, приложениями, недвижимостью и авто. Как правило, такие компании выбирают подрядчиков через процедуру тендера.

Участие в коммерческих тендерах связано с рутиной, которая требует большого внимания к деталям. Нужно отсмотреть специализированные площадки, изучить правила и подготовить документы. На обработку заявки у сотрудника может уходить от 6 до 15 часов. Так было и у нас.

В 2026 году мы решили оптимизировать процесс подготовки к тендеру с помощью ИИ‑агентов. Теперь на сбор заявки и оформление пакета документов уходит от двух часов.

Расскажу, как мы это сделали.

Проблема: тендеры обходятся дорого

Мы участвуем сразу в большом количестве тендеров. Некоторые получается отрабатывать быстро, а есть долгие процедуры на несколько туров — в таких случаях на работу может уходить 40 и более часов. Это много, потому что мы могли бы потратить это время на другие задачи или взять больше заявок в работу. Поэтому для нас было важно снизить затраты на участие в тендере.

Вот как устроен процесс подготовки заявки:

Первичный мониторинг. Сотрудник отслеживает профильные площадки, изучает документацию и дает оценку перспективности предложения. На эту часть работы работник тратил до восьми часов.

Подготовка предложения. Это был один из самых трудоемких процессов. Команда вручную собирала документов и проверяла корректность файлов. На этот этап также могло уходить до восьми часов в день.

Аналитика. Даже после подачи заявки команда продолжала тратить время на ручной мониторинг статусов и разбор результатов — и это занимало еще 8—10 часов в неделю.

Поскольку этап подготовки заявки состоит из типовых задач, его было проще автоматизировать, чем нанимать дополнительных сотрудников. Например, ИИ может делать короткую выжимку по тендерному запросу за минуты, в то время как у специалиста уйдет намного больше времени.

Что сделали: создали систему локальных LLM‑моделей на собственном сервере

Перед началом проекта мы провели подготовительную работу.

Оцифровали трудозатраты. Сначала мы разобрали весь процесс по подготовке тендера на этапы и оценили каждый в часах. Например, мы выяснили, что на просмотр всех тендерных площадок у сотрудников в день уходило до восьми часов. Поняли, что автоматизация только этого процесса поможет сэкономить много времени.

Оценили потенциальный эффект от внедрения ИИ. Каждая из задач по автоматизации должна была соответствовать трем критериям: экономить время, быть масштабируемой и приносить понятную пользу бизнесу. Например, если оптимизация затрагивала одного сотрудника и почти не влияла на результат, то мы не брали ее в работу — даже если это помогало сократить затраты времени.

Мы взяли на автоматизацию задачу по подготовке тендерной документации, на которую уходило до 6 часов и которая требовала участия 3 сотрудников. Мы оценили потенциал экономии времени в 80%, а сложность в 2 балла — на рынке есть готовые решения, которые не требуют дополнительного обучения или кастомной разработки.

Итог: 6 × 3 × 0,8 = 14. Если умножить потенциальную экономию на часы и количество сотрудников, получится, что в результате оптимизации мы освободим 14 рабочих часов.

ROI, окупаемость инвестиций: 14 / 2 = 7. Разработка несложная, при этом дает хорошую эффективность. Приоритет высокий, берем в работу.

В период внедрения мы попросили сотрудников тендерного отдела фиксировать рабочее время по каждой из задач. Спустя месяц сравнили план с фактом: если достигали 80% от прогноза, считали, что автоматизация удалась. Если эффект был хуже, разбирались, что пошло не так: либо неверно оценили, либо что‑то забуксовало — и после этого принимали решение, делать второй подход или нет.

Подобрали инструменты под рабочие сценарии. Поскольку мы все‑таки агентство, а не разработчики, то для своей системы мы брали недорогие решения с быстрым эффектом: тестировали, смотрели обзоры и просили рекомендации коллег. На задачах, которые были связаны с работой с конфиденциальной информацией, мы не экономили: закупили ИИ‑сервер и развернули кастомные решения.

В итоге у нас получилась система из набора разных ИИ‑агентов:

• ИИ для анализа и саммаризации документов;
• автоматические уведомления и мониторинг тендерных площадок: раньше сотрудники проверяли сайты вручную, сейчас всю информацию собирает бот и отправляет рассылку в Телеграме;
• ИИ‑скоринг для оценки перспективности тендера: например, агент проверяет бюджет и сроки оплаты, требуемый уровень квалификации и надежность заказчика;
• обработчики документов;
• ИИ‑помощники для ресерча и подготовки рекомендаций, которых мы обучили на своих данных.

Стартовали мы на двух теслах — серверных видеокартах, — которые остались от 3D‑фермы наших дизайнеров. Мы начинали с емкости в 24 ГБ, но сейчас планируем масштабировать сервер за счет карт с большим объемом памяти.

Как это работает: автоматический скоринг, подбор документов и аналитика

Мы внедрили ИИ‑систему на всех ключевых этапах подготовки тендера.

Мониторинг тендеров и изучение документации. Мы сделали чат‑бота, который самостоятельно мониторит площадки, захватывает данные из почты. ИИ‑агент оценивает историю взаимодействия с клиентом в прошлом, а также ищет информацию в интернете: есть ли у клиента проблемы по задолженностям, судебные дела, репутационные проблемы и так далее. Вся информация структурируется по основным параметрам — ключевая информация, риски и рекомендации — и отправляется в виде сводки в Телеграм.

Подготовка заявки. Мы создали базу документов, из которой ИИ‑агент формирует пакет под каждый тендер, опираясь на требования площадки и заказчика. В итоге специалист получает готовую базу материалов и чек‑лист, по которому может работать с заявкой дальше. Кроме того, после одобрения тендера ИИ‑агент делает рассылку для тендерной команды: краткую сводку для руководителей, отдельные выжимки для специалистов из отделов стратегии и производства.

Подача заявки и аналитика. Внедрили систему автоматического отслеживания итогов тендеров с выводами, рекомендациями и аналитикой по отказам.

Теперь процесс работы по тендерной заявке выглядит так: бот собирает заявки и отправляет менеджеру список запросов с приоритетами. Дальше менеджер принимает решение об участии в тендере, скачивает документы и загружает их в нашу систему. В ответ ИИ отправляет сводку в чаты со всеми специалистами, задействованными в подготовке, а также делает чек‑лист, чтобы менеджеру было проще контролировать процесс подготовки.

Результаты: у команды освободилось время на другие задачи

Главный результат: удалось сократить общее время на подготовку тендера примерно на 40% за счет оптимизации этапа заявки. До внедрения ИИ подготовка пакета документов занимала 6—15 часов, а после внедрения процесс сократился до 2—6 часов.

Это позволило переместить фокус команды с рутины на стратегические задачи, где важна экспертиза. Вместо того чтобы тратить время на механическую работу, специалисты уделяют внимание качеству: например, могут более вдумчиво подойти к сложной заявке или подготовиться к брифу с клиентом.

Люди боятся, что ИИ их заменит, а нейросети додумывают факты

Внедрение заняло около двух месяцев. Фейлов было немало: например, в настройке инфраструктуры и моделей. Но главную ошибку мы совершили в самом начале, когда решили делать оптимизацию по классическому продуктовому пути. Продумали структуру проекта, сделали роадмап, внедрили кучу продвинутых метрик — но в итоге просто потеряли время на согласованиях.

ИИ — это про скорость. Условно, пока ты согласовываешь внедрение СhatGPT версии 3.5, все уже перешли на 5.5 или пробуют новую модель от Anthropic. Поэтому мы перестроились с создания сложной системы на решение точечных задач с измеримым результатом. Мы начали внедрять и тестировать быстрее — и процесс пошел.

Главная сложность оказалась не технической: нужно было перестроить сам подход команды к работе. Сотрудники опасались, что ИИ будет ломать процессы, создавать суматоху или еще хуже — отберет у них работу. Поэтому мы сознательно внедряли решения в структуру процессов постепенно, сохраняя двухэтапную проверку. То есть ИИ дает полную информацию, а человек проверяет, принимает решение об участии в тендере, готовит медиаплан и отправляет документы.