Przejdź do treści
← Wróć do bloga
RFPArtykuł

AI do kategoryzacji pytań RFP: gdy jeden punkt wymaga kilku autorów

Pytanie o kopie zapasowe trafia do infrastruktury. Zespół opisuje ich lokalizację, lecz pomija drugą część: kto zatwierdza usunięcie danych. Koordynator odkrywa lukę dopiero przy składaniu oferty. Model AI może pomóc rozpoznać różne tematy w jednym punkcie zapytania i zaproponować autorów poszczególnych części do zatwierdzenia przez koordynatora.

Autor

Syntalith

Opublikowano Zaktualizowano 4 min czytania

Dwie prośby pod jednym numerem

W przykładowym RFP (request for proposal), czyli zapytaniu ofertowym, klient pyta: „Gdzie przechowywane są kopie zapasowe i kto zatwierdza ich usunięcie?”. W firmie przygotowującej ofertę informacji o lokalizacji dostarcza zespół infrastruktury. Zgodnie z uzgodnionym wewnętrznym podziałem odpowiedzialności część o zatwierdzaniu usunięcia przygotowuje właściciel tego procesu.

Przypisanie całego punktu do tematu „kopie zapasowe” może ukryć potrzebę udziału drugiej osoby. Przydatna propozycja pokazuje osobno fragment o lokalizacji i fragment o zatwierdzeniu usunięcia, z odpowiednim tematem przy każdym z nich. Koordynator widzi obie potrzebne wypowiedzi, zanim przekaże pracę autorom.

Obie części pozostają połączone z pełnym pytaniem i jego numerem w RFP. Podział służy wewnętrznej organizacji pracy; oryginalne brzmienie zapytania pozostaje widoczne. Przy przeglądzie koordynator może sprawdzić, czy autorzy odnieśli się do całego punktu. Sam status „infrastruktura odpowiedziała” nie zamyka części należącej do właściciela procesu.

Kategoria musi prowadzić do właściwej osoby

Model może rozpoznawać temat, ale przypisanie zespołu wymaga znajomości uzgodnień w danej firmie. W jednej organizacji ten sam obszar prowadzi infrastruktura, w innej odrębny właściciel usługi lub procesu. Lista odpowiedzialności powinna pochodzić od zespołu ofertowego i osób, które zatwierdzają ten podział.

Warto oddzielić rozpoznanie tematu od aktualnej obsady. Gdy zmienia się osoba odpowiedzialna za proces, firma aktualizuje przypisanie. Nie musi z tego powodu ponownie uczyć modelu rozpoznawania pytania o zatwierdzanie usunięcia. Koordynator nadal może skorygować propozycję, jeśli konkretne zapytanie wymaga innego specjalisty.

To rozwiązanie pomaga rozdzielić pracę nad odpowiedzią. Treść zobowiązań i odpowiedzi dotyczących bezpieczeństwa przygotowują oraz sprawdzają uprawnione osoby. Sama kategoria nie mówi, gdzie firma przechowuje kopie ani kto faktycznie zatwierdza ich usuwanie.

Co sprawdzić przed zamówieniem dostosowania

Najpierw warto przyjrzeć się obecnemu narzędziu ofertowemu. Czy pozwala przypisać kilku współautorów do jednego punktu albo połączyć zadania cząstkowe z pytaniem klienta? Jeśli koordynator poprawnie rozpoznaje potrzebne tematy, lecz system pozwala zapisać tylko jednego autora, problem może rozwiązać zmiana organizacji pracy lub konfiguracji narzędzia.

Przy powtarzalnych pytaniach pomocna bywa też wspólna lista tematów z opisem odpowiedzialności. Gdy rozdzielanie rozbudowanych zdań nadal wymaga częstego ponownego czytania, można porównać gotowy model z obecną metodą. Otrzymuje on jasne znaczenie kategorii, a koordynator sprawdza, czy proponowany podział zachowuje wszystkie prośby klienta.

Klasyfikacja to przypisywanie treści do określonych kategorii. AWS opisuje własną klasyfikację dokumentów przez zdefiniowanie klas, wytrenowanie klasyfikatora i zastosowanie go do dokumentów. Taki ogólny mechanizm nie rozstrzyga jeszcze, jak dobrze rozwiązanie poradzi sobie z kilkoma tematami zawartymi w pytaniu RFP.

Fine-tuning jest jedną z form dostosowania modelu: oznacza jego dalsze uczenie na sprawdzonych przykładach. Warto ocenić tę możliwość, jeśli gotowy model regularnie pomija drugą prośbę lub myli dwa obszary, mimo jasno opisanych kategorii. Zespół powinien umieć pokazać, jaki podział był potrzebny i dlaczego. Jeżeli osoby sprawdzające same różnie rozumieją odpowiedzialność, najpierw trzeba uzgodnić ten podział.

Czy koordynator ma mniej poprawek

Porównanie powinno objąć inne zapytania niż te wykorzystane do dostosowania. Koordynator przegląda zarówno punkty wymagające kilku autorów, jak i proste pytania należące do jednego obszaru. Sprawdza, gdzie nadal brakuje współautora oraz gdzie model niepotrzebnie rozdziela jedną prośbę. Nadmiar podziałów także obciąża zespół: ktoś musi usuwać zadania, które nie wymagały osobnej odpowiedzi.

Wynik warto odnieść do obecnego narzędzia i gotowego modelu. Czy po dostosowaniu koordynator rzadziej odkrywa brakujący temat przy końcowym przeglądzie? Ile propozycji nadal poprawia przed przydzieleniem autorów? Od tych odpowiedzi zależy, czy dalsze uczenie modelu ma uzasadnienie.

Gdy autorzy są już znani, a trudność polega na zebraniu ich ustaleń i dalszych wyjaśnień, pomocny będzie artykuł o agencie AI do wyjaśnień technicznych w przetargu.

Podział pytań w narzędziu zespołu ofertowego

Proponujemy aplikację AI dla koordynatora ofert, w której pełne pytanie RFP pozostaje obok proponowanych części, tematów i współautorów. Koordynator poprawia podział i zatwierdza osoby odpowiedzialne przed przekazaniem pracy. Uzgodnione przypisania można połączyć z narzędziem, w którym zespół już przygotowuje odpowiedzi.

Syntalith sprawdza z zespołem, które pytania wracają przy końcowym przeglądzie z powodu pominiętej części. Porównujemy możliwości obecnego systemu i gotowego modelu, a przy powtarzalnych błędach oceniamy dostosowanie. Klient wnosi zatwierdzony podział odpowiedzialności oraz wyjaśnienia do trudnych pytań.

Na pierwszą rozmowę wystarczy opisać pytanie, które trafiło do jednego zespołu, choć wymagało udziału drugiego. Ustalimy, gdzie zagubiła się ta część i jak koordynator chciałby widzieć ją w swoim narzędziu. Sposób wykorzystania przykładów uzgodnimy wspólnie. Informacje o ofercie znajdziesz w cenniku Syntalith.

Dobierzmy model do wymagań Twojego zadania

Opisz wynik, którego obecne AI nie daje wystarczająco dobrze. Porównamy możliwości dostosowania modelu, wymagania dotyczące danych i koszty dalszego działania.

Prywatne modele LLM i fine-tuning
Porozmawiaj o własnym modelu