Automatizace výběrových řízení pomocí AI

Ještě než se ale podíváme na to, co AI umí, je nutné zmínit absolutní základ. Nákup pracuje s vysoce citlivými daty. Jakákoli práce s dokumenty, smlouvami nebo cenovými nabídkami proto může probíhat výhradně v interně schválených a zabezpečených AI nástrojích. Jednoduché pravidlo zní: veřejný ChatGPT nebo podobné otevřené nástroje (poskytované “zdarma”), které zadaná data využívají k dalšímu trénování, nejsou bezpečné místo pro vaše NDA ani interní strategie.

Na první pohled je jinak lákadlo AI zřejmé. RFP znamená spoustu dokumentů, tabulek, kritérií, dotazů, odpovědí, příloh, revizí a porovnávání. Tedy přesně ten typ práce, u které si člověk říká: „Tohle by přece mohla AI zvládnout za mě.“

A taky, že jo - alespoň částečně. AI může nákupčím výrazně ulevit. Pomůže rychle zmapovat trh, připravit podklady, zkontrolovat konzistenci dokumentace, shrnout nabídky nebo najít chybějící informace. Jenže je tu jedno velké „ale“: výběrové řízení není jen práce s textem. Je to řízený proces s jasnými pravidly, odpovědností a dopadem na byznys, vztahy s dodavateli i reputaci organizace.

AI proto může být velmi užitečný pomocník. Neměla by ale (aspoň prozatím:-) plně nahradit vás coby nákupčího. A neměli byste se na ni ani vymlouvat. Je to jen nástroj, který vám může pomoct. Hodně.

Jedna z nejčastějších chyb při zavádění AI do nákupu je představa, že RFP je hlavně sada dokumentů. Zadání, nabídky, přílohy, smluvní podmínky, hodnoticí tabulka… Když se na RFP díváme takto, AI vypadá jako ideální řešení: umí číst, psát, shrnovat, porovnávat.

Při pohledu na automatizaci pomocí AI je proto důležité rozlišovat dva základní typy přístupů.
Prvním je osobní automatizace, kdy sám nákupčí využívá dostupné AI nástroje, typicky velké jazykové modely (LLMs) jako ChatGPT, MS Copilot nebo Gemini, k automatizaci dílčích, repetitivních částí své práce – například k sumarizaci dokumentů, tvorbě draftů komunikace nebo k rychlé analýze dat. Tyto nástroje zlepšují individuální efektivitu.
Druhým typem je systematická automatizace, při které si firma pořídí, nebo nechá vyvinout nástroj, který automatizuje celý proces výběrového řízení jako takový. V tomto případě se jedná o integrované řešení, které zajišťuje automatické kroky bez ohledu na konkrétního uživatele a je navrženo pro optimalizaci celého podnikového procesu.

Dobré výběrové řízení totiž není jen o dokumentech. Je o transparentnosti, férovosti, auditovatelnosti, řízení rizik a dodržení předem daných pravidel. A ta se nesmí ohýbat podle toho, co zrovna umí nebo neumí konkrétní nástroj.

To platí jak ve veřejném sektoru, tak ve firmách. Samozřejmě, právní rámec může být jiný, míra regulace také. Princip je ale podobný: pokud má mít nákup důvěru interních stakeholderů i trhu, musí být jasné, proč se postupovalo právě takto, podle čeho se hodnotilo a kdo za rozhodnutí nese odpovědnost.

Největší přínos AI dnes vidíme v oblastech, kde nákupčím bere čas opakovaná práce s textem, strukturou a informacemi. Tedy ne nutně tam, kde se „rozhoduje“, ale tam, kde se připravuje půda pro lepší rozhodnutí.

Ještě než začne samotné RFP, AI exceluje v mapování trhu. Umí rychle najít potenciální dodavatele, zanalyzovat technologické trendy nebo shrnout tržní standardy v komoditě, kterou běžně nenakupujete a teprve se v ní orientujete.

AI může pomoci s prvním návrhem RFP dokumentu, formulací požadavků, sjednocením terminologie nebo kontrolou, zda zadání neobsahuje vnitřní rozpory. Může také navrhnout otázky pro dodavatele nebo upozornit, že některé části zadání jsou příliš vágní. To je užitečné hlavně ve chvíli, kdy nákupčí skládá vstupy od více interních týmů – IT chce jedno, právní oddělení druhé a finance třetí. AI umí dát tyto vstupy do srozumitelnější podoby.

Pořád ale platí: AI nezná interní politiku firmy ani historickou zkušenost. Návrh od AI je dobrý začátek, ne finální zadání.

Velmi praktické využití je kontrola, zda nabídka obsahuje všechny požadované části, nebo zda se v dokumentech neobjevují rozpory. Například: dodavatel slibuje podporu v češtině, ale ve smluvních podmínkách je dostupná jen v angličtině. Nebo v cenové příloze chybí položka, která byla v zadání povinná. Zde AI funguje jako neúnavný asistent.

Další silná oblast je sumarizace. AI může připravit přehled hlavních rozdílů mezi nabídkami nebo převést rozsáhlé odpovědi do strukturované podoby. Tady ale přichází důležité varování: shrnutí není hodnocení a jazykové modely nejsou kalkulačky. Nechávat AI dělat složité výpočty celkových nákladů (TCO) z excelových tabulek je riziko. AI je skvělá na text, ale při složité matematice může chybovat. Zároveň by neměla sama rozhodovat, co je „lepší“, bez schválených hodnoticích kritérií. Přece jen - vy pak musíte hodnocení být schopní obhájit a vysvětlit.

AI umí nabídnout typická kritéria pro daný typ nákupu (např. bezpečnost, škálovatelnost, exit strategie u IT dodavatelů) nebo navrhnout strukturu bodování. Hodnoticí kritéria jsou ale jádrem férovosti celého řízení – musí vycházet z potřeb organizace, ne jen z toho, co AI navrhne jako „rozumně znějící“ a „na první pohled dobrý”.

Pro běžnou práci s textem a podklady mohou nákupčí bezpečně využít schválené firemní nástroje (např. firemní Microsoft Copilot, Gemini Enterprise nebo dostupné lokální modely).

Typicky jde o úkoly, které zadáte formou jednoduchých příkazů:

Znovu ale připomínám zásady práce s citlivými dokumenty typu NDA: pokud byste daný dokument neposlali neznámému externímu konzultantovi, nevkládejte ho ani do neschváleného AI nástroje.

Využijte princip „kritika a tvůrce“ (Two-AI Review): Jednou z nejefektivnějších metod je nechat jednu AI vygenerovat prvotní výstup (např. sumarizaci nabídky, návrh smluvních bodů) a následně jej předat druhé, nezávislé AI s jasným zadáním: kritizovat tento výstup, hledat logické nesrovnalosti, vnitřní rozpory nebo chybějící informace. Tento proces výrazně zvyšuje spolehlivost finálního materiálu.

Definujte roli a kontext (Prompt Engineering): Vždy buďte precizní v tom, co od AI očekáváte. Zadejte jí konkrétní roli („Jsi expert na veřejné zakázky...“), cílovou skupinu a veškerý potřebný kontext z dokumentace. Výstup by měl být cílený a formátovaný přesně podle vašich požadavků. Pokud se právě díváte na to, že jste napsali prompt na půl stránky A4, asi jste už odvedli docela dobrou práci z hlediska zadání pro AI.

Komplexní úkoly rozložte na menší logické celky (Task Decomposition): Rozdělte rozsáhlé a komplexní zadání (např. „Vyber nejlepší nabídku z těchto tří dodavatelů a zdůvodni proč“) na menší, sekvenční kroky.

V prvním kroku požádejte AI o izolovanou analýzu (např. „Shrň klíčové smluvní podmínky Dodavatele A“).

Ve druhém kroku použijte tento výstup jako základ pro další operaci (např. „Porovnej tato smluvní rizika s riziky Dodavatele B a identifikuj hlavní rozdíly“).

Až v posledním kroku požádejte AI o syntézu a konečné doporučení. Tento přístup výrazně snižuje kognitivní zátěž LLM, minimalizuje chyby a umožňuje snadnější ověření každé mezifáze.

Pro experimenty, interní ukázky nebo jednoduchou automatizaci osobní práce je to skvělý nástroj. Produkční nákupní proces je ale úplně jiná liga.

Jakmile má AI pracovat s reálnými nabídkami, citlivými dokumenty, dodavatelskými daty, interními pravidly nebo má ovlivňovat výstupy výběrového řízení, nestačí „něco si naklikat“. Je potřeba řešit bezpečnost, přístupová práva, auditní stopu, verzování, integraci s existujícími systémy a jasné rozdělení odpovědnosti. Rozdíl mezi prototypem a nasaditelným řešením je v tom, zda systém odpovídá spolehlivě, dohledatelně a opakovatelně. A taky, zda se nerozsype po 14 dnech při aktualizaci některé z aplikací, které jste použili.

- Únik citlivých dat: Nabídky dodavatelů obsahují ceny, know-how a obchodní strategie. Pokud se dostanou do nevhodného nástroje, škoda je finanční i reputační.

- Ztráta interního know-how: Pokud přesunete příliš mnoho rozhodovací logiky do AI nástrojů, můžete časem ztratit schopnost sami rozumět vlastnímu nákupnímu procesu.

- Bias a nechtěné zvýhodnění: AI může preferovat určité typy dodavatelů, styl komunikace nebo „hezky napsané“ odpovědi před skutečnou kvalitou na základě toho, jak byla trénována.

- Netransparentní rozhodování: Ve výběrovém řízení nestačí vyhledat a „vypíchnout” pravdu, je potřeba ji umět doložit. Pokud nevíte, jak AI k výstupu došla, i když je správný, výsledek neobhájíte.

- Poškození reputace: Dodavatelé poznají chaos. Chybné automatizované odpovědi nebo nekonzistentní hodnocení snadno poškodí důvěru ve váš tým nákupu.

Tomuto principu se říká human-in-the-loop a znamená to nastavit jasná pravidla:

- AI může připravit návrh, ale člověk ho musí schválit.

- AI může upozornit na riziko, ale člověk musí posoudit jeho význam.

- AI může porovnat texty, ale nesmí sama změnit hodnoticí logiku.

- AI může urychlit proces, ale nesmí obejít jeho pravidla (governance).

- Pojmenujte, co přesně má AI dělat a co nesmí.

- Nastavte tvrdá pravidla pro práci s daty (co lze použít a kde).

- Měřte výsledek podle kvality a spokojenosti lidí, nejen podle ušetřených minut.

Cílem totiž není mít „AI v nákupu“. Cílem je mít lepší nákup jako takový.

Pokud je ale proces nejasný, AI zrychlí jen chaos. Pokud organizace neví, jak chránit data, AI riziko znásobí. Největší přínos AI není v tom, že rozhodne za vás, ale že vám pomůže pracovat důsledněji a stavět rozhodnutí na lépe pochopitelných a přesnějších datech.

AI je skvělý kopilot, ale ne kapitán mezinárodního letu. Knipl, odpovědnost a zdravý úsudek ještě pořád musí zůstat v rukou člověka.