Nawet dedykowane narzędzia prawnicze z technologią RAG (Retrieval-Augmented Generation), reklamowane jako "wolne od halucynacji", mylą się w 17-33% przypadków przy konkretnych, weryfikowalnych pytaniach (Stanford RegLab/HAI, "Hallucination-Free?", maj 2024, publikacja w Journal of Empirical Legal Studies 2025). Modele ogólnego przeznaczenia bez RAG wypadają jeszcze gorzej: 58-88% halucynacji w zadaniach prawnych wymagających precyzyjnych faktów (Stanford RegLab, "Large Legal Fictions", ponad 800 000 zapytań, 2024). To nie jest argument przeciwko AI w ofertowaniu - to argument przeciwko oddawaniu AI ostatniego słowa bez weryfikacji.
Dlaczego akurat błąd w ofercie boli najbardziej
Rentowność netto polskich firm budowlanych utrzymuje się na poziomie 3,8-4,2% (GUS, II kw. 2026 - 4,2%; Spectis, średnia z 3 lat - 3,8%). Przy takiej marży pojedynczy błąd w wycenie (źle odczytany parametr techniczny, nieaktualna cena materiału, pominięty koszt) potrafi pochłonąć cały zysk z kontraktu, zanim jeszcze ruszy realizacja. Mechanizm tego rodzaju błędu opisywaliśmy już przy automatycznym odczycie rysunków technicznych: człowiek weryfikujący setki pozycji jeden do jednego pod presją czasu fizycznie nie jest w stanie utrzymać stuprocentowej czujności - to samo dotyczy AI bez nadzoru, tylko skala pomyłki bywa większa, bo model "brzmi pewnie" nawet wtedy, gdy się myli.
Prawo nie daje tu marginesu błędu. Oferta w polskim przetargu publicznym jest wiążąca: art. 223 ustawy Pzp dopuszcza wyłącznie poprawki oczywistych omyłek, nie zmianę ceny po złożeniu. Art. 226 ust. 1 pkt 8 nakazuje odrzucenie oferty z rażąco niską ceną, a art. 224 ust. 2 uruchamia obowiązek wyjaśnień, gdy cena jest niższa o co najmniej 30% od wartości zamówienia lub średniej ofert konkurencji - z odwróconym ciężarem dowodu: to wykonawca musi udowodnić, że cena nie jest rażąco niska. Błąd wygenerowany przez AI i niezweryfikowany przez człowieka nie jest okolicznością łagodzącą w tym procesie - skutkuje albo odrzuceniem oferty, albo realizacją kontraktu poniżej kosztów, bez możliwości korekty.
Skąd biorą się te błędy - fabrykacja i "misgrounding"
Stanford RegLab rozróżnia dwa mechanizmy halucynacji, i to drugi jest groźniejszy dla ofertowania B2B: fabrykacja to wymyślenie nieistniejącego źródła czy parametru - łatwa do wychwycenia, bo widać, że czegoś takiego po prostu nie ma. Misgrounding to sytuacja, w której model sięga po realne źródło, ale błędnie je interpretuje: cena z właściwego cennika, ale przypisana do niewłaściwego wariantu produktu, albo parametr techniczny z prawdziwej specyfikacji, ale z innej wersji dokumentu niż ta obowiązująca w danym przetargu. Misgrounding "wygląda poprawnie", dopóki ktoś nie porówna go ręcznie ze źródłem - co jest dokładnie odwrotnością tego, co ma dawać automatyzacja.
Dodatkowym mechanizmem jest efekt "lost in the middle" - spadek trafności modelu przy długich dokumentach, gdy istotna informacja znajduje się w środku specyfikacji, a nie na jej początku czy końcu. Przy dokumentach przetargowych liczących często kilkadziesiąt lub kilkaset stron to nie jest margines teoretyczny.
Jak lokalny model AI w firmie automatyzuje przeszukiwanie cenników i specyfikacji
Model AI z dostępem do archiwum ofertowego firmy (RAG na własnych danych, nie na internecie) potrafi w kilkanaście sekund odnaleźć konkretną cenę czy parametr z poprzednich projektów, wraz z cytowaniem dokładnego źródła i poziomem pewności (confidence scoring), zamiast godzin ręcznego przeszukiwania archiwum. Ostateczną decyzję o cenie i treści oferty podejmuje inżynier albo handlowiec, nie system. To nie jest ostrożnościowy dodatek - to wprost wymóg art. 14 AI Act, dotyczącego nadzoru ludzkiego nad systemami wysokiego ryzyka, do których zalicza się m.in. systemy wspierające decyzje o istotnym znaczeniu ekonomicznym.
Analiza dokumentacji projektowej i SIWZ bez wysyłania plików do chmury publicznej
Ponieważ model działa lokalnie, na infrastrukturze firmy, dokumenty przetargowe - specyfikacja warunków zamówienia, cenniki dostawców, wcześniejsze oferty z poufnymi stawkami - nigdy nie trafiają do zewnętrznego API. To ma znaczenie nie tylko bezpieczeństwa danych, ale i praktyczne: handlowiec może wkleić całą, obszerną dokumentację przetargową bez obawy, że wrażliwe stawki cenowe wyciekną poza firmę razem z zapytaniem do modelu.
Przy marży rzędu 4% jeden nieskorygowany błąd w ofercie potrafi zjeść zysk z całego kontraktu - dlatego weryfikacja człowieka nad podpowiedzią AI nie jest tu formalnością prawną, tylko koniecznością ekonomiczną niezależną od samej regulacji.
Jeśli ofertowanie w Twojej firmie odbywa się pod presją czasu, a błąd w wycenie oznacza realną stratę marży - opisz sytuację w formularzu kontaktowym albo umów rozmowę wstępną. Moduł ofertowania wspomaganego AI, z pełnym cytowaniem źródeł i weryfikacją człowieka, znajdziesz na podstronie zastosowania.