Firmy B2B tracą kontrakty z powodu wolnego procesu ofertowania znacznie częściej, niż wynika to z ich CRM. W systemie pojawia się zapis „klient wybrał inną ofertę” – ale prawdziwy powód jest często inny: odpowiedź przyszła za późno.
Według raportu Loopio 2025 RFP Trends & Benchmarks, 68% zespołów ofertowych używało generatywnej AI w procesie odpowiedzi na RFP w ciągu ostatniego roku – około dwa razy więcej niż rok wcześniej. Firmy, które nie wdrożyły automatyzacji, nie stoją w miejscu. Tracą pozycję.
Ten artykuł odpowiada na pytania, które zadają dyrektorzy handlowi i właściciele firm przed decyzją: co konkretnie automatyzuje agent AI w procesie ofertowania, ile czasu i pieniędzy to oszczędza, kiedy wdrożenie ma sens – i kiedy nie.
Gdzie ofertowanie traci czas i pieniądze
Zanim przejdziemy do rozwiązań, warto zmierzyć problem.
Przeciętna firma B2B z aktywnym działem sprzedaży przetwarza od kilkunastu do kilkudziesięciu zapytań ofertowych miesięcznie. Każde wymaga zebrania danych z różnych miejsc: historycznych projektów, cenników, specyfikacji technicznych, wycen od podwykonawców, danych z CRM.
Przy ręcznym procesie ten etap zajmuje od kilku godzin do kilku dni na ofertę. Według raportu Loopio 2025, średni czas przygotowania jednego zapytania ofertowego wynosił 25 godzin – i to w firmach, które miały już zorganizowane procesy.
Trzy miejsca, gdzie ofertowanie traci czas najbardziej:
Wyszukiwanie danych z poprzednich projektów. Handlowiec wie, że firma robiła podobny projekt rok temu. Nie pamięta, gdzie są pliki. Spędza godzinę na SharePoincie, pyta kolegów, dostaje folder z połową dokumentacji. Przy każdym nowym zapytaniu – od nowa.
Koordynacja wewnętrzna. Oferta techniczna wymaga wkładu od działu inżynieryjnego. Dział inżynieryjny jest zajęty. Handlowiec czeka 3 dni na wycenę podzespołów. Klient w tym czasie rozmawia z konkurentem.
Formatowanie i personalizacja. Oferta gotowa merytorycznie, ale trzeba ją dopasować do formatu klienta, dodać referencje z podobnych projektów, przygotować stronę tytułową. Kolejne 2-3 godziny pracy.
Każda z tych czynności jest powtarzalna. Każda bazuje na danych, które firma już posiada. I każda nadaje się do automatyzacji.
Co robi agent AI w procesie ofertowania
Agent AI do ofertowania to nie szablon dokumentu z automatycznym wypełnianiem. To system, który wykonuje sekwencję działań: pobiera zapytanie, przeszukuje własne bazy danych firmy, generuje wstępny draft z podaniem źródeł każdej pozycji i przekazuje człowiekowi do weryfikacji i finalizacji.
Kluczowe wyróżnienie: agent pracuje wyłącznie na danych firmy. Nie generuje liczb z modelu językowego. Nie wymyśla cen ani specyfikacji. Wyciąga je z historycznych projektów, cenników, baz kosztowych i systemów ERP – i wskazuje konkretne źródło każdej pozycji.
W praktyce sekwencja wygląda następująco:
Krok 1: Analiza zapytania Agent wczytuje dokument zapytania (PDF, e-mail, formularz z portalu) i wyciąga kluczowe parametry: zakres prac, specyfikacje techniczne, termin realizacji, wymagania formalne.
Krok 2: Wyszukiwanie w bazie historycznej Agent przeszukuje archiwum poprzednich projektów pod kątem podobnych parametrów: zbliżony zakres, branża, skala. Wyciąga dane kosztowe i strukturę wycen z projektów referencyjnych.
Krok 3: Pobranie aktualnych cen Agent odpytuje system ERP lub bazę cennikową o aktualne ceny komponentów, stawki roboczogodziny, koszty podwykonawców.
Krok 4: Generowanie draftu Agent produkuje strukturę oferty z wypełnionymi pozycjami kosztowymi, odwołaniami do źródeł i propozycją referencji. Handlowiec widzi nie gotową ofertę do wysłania, lecz gotowy materiał roboczy do weryfikacji i personalizacji.
Krok 5: Human-in-the-loop Człowiek weryfikuje, koryguje, dopasowuje argumentację do specyfiki klienta i zatwierdza. Czas tej fazy: 1-2 godziny zamiast 2-3 dni zbierania danych.
Jeśli chcesz zrozumieć, jak agent AI uczy się z danych firmowych od strony technicznej, przeczytaj artykuł o architekturze RAG.
Kalkulacja ROI: ile kosztuje ręczne ofertowanie
Rzadko ktoś liczy ten koszt wprost. Tutaj robimy to za Ciebie.
Założenia dla firmy z 5 osobami zaangażowanymi w ofertowanie:
- Średni czas przygotowania jednej oferty: 25 godzin (Loopio RFP Trends 2025)
- Liczba zapytań miesięcznie: 15
- Średni koszt roboczogodziny (handlowiec + wsparcie techniczne): 90 PLN
Koszt manualny miesięcznie: 15 ofert × 25h × 90 PLN = 33 750 PLN
Rocznie: ~405 000 PLN wyłącznie na czas pracy poświęcony ofertowaniu.
To nie jest koszt, który można w całości odzyskać – część czasu na przegląd i personalizację zawsze pozostanie przy człowieku. Ale jeśli automatyzacja przejmie etapy zbierania danych i generowania draftu (szacunkowo 60-70% całego czasu), potencjalna oszczędność wynosi:
~243 000-284 000 PLN rocznie dla firmy z 15 zapytaniami miesięcznie.
Ale koszt bezpośredni to tylko część równania. Wolny proces ofertowania generuje też koszt pośredni: kontrakty, które trafiają do konkurencji, bo odpowiedź przyszła za późno. Ten koszt nie pojawia się w żadnym raporcie. I dlatego nikt go nie mierzy.
Kiedy automatyzacja ofertowania ma sens – a kiedy nie
Uczciwa odpowiedź wymaga wskazania granic.
Automatyzacja przynosi największy ROI gdy:
- Firma przetwarza minimum 8-10 zapytań ofertowych miesięcznie o powtarzalnej strukturze
- Dane kosztowe i historyczne projekty są dostępne w systemie – nie wyłącznie w głowach konkretnych osób
- Oferty bazują w dużej mierze na powtarzalnych komponentach, stawkach lub zakresach prac
- Integracja z ERP lub cennikiem jest technicznie możliwa
Kiedy warto poczekać lub zacząć od porządkowania danych:
- Każda oferta jest absolutnie unikalna i wymaga od podstaw opracowanej specyfikacji – zakres automatyzacji będzie minimalny
- Dane kosztowe i historyczne projekty nie są ustrukturyzowane lub nie ma do nich centralnego dostępu – agent nie ma na czym pracować
- Wolumen poniżej 5-8 zapytań miesięcznie – próg opłacalności wdrożenia trudno osiągnąć przy niskim wolumenie
Transparentność w tym obszarze to nasz standard. Jeśli na warsztacie discovery okaże się, że dane nie są gotowe – powiemy to wprost i zaproponujemy od czego zacząć.
Case study: firma produkcyjna B2B – z tygodni do jednego dnia
Jeden z naszych partnerów to firma produkcyjna B2B z kilkudziesięcioma zapytaniami ofertowymi miesięcznie, każde wymagające wyceny na podstawie dokumentacji technicznej i aktualnych cen komponentów. Każda oferta angażowała 3-4 osoby i zajmowała od 3 do 10 dni roboczych.
Problem: dane do ofert były rozproszone – cenniki w Excelu, historyczne projekty na SharePoincie z nieustandaryzowaną strukturą, część wiedzy wyłącznie u seniorów technicznych. Przy rosnącym wolumenie zapytań zespół regularnie pracował w nadgodzinach. Część zapytań była odpuszczana, bo nie było czasu na odpowiedź.
Wdrożone rozwiązanie: Agent AI zintegrowany z bazą historycznych projektów, cennikiem i systemem ERP. Przed wdrożeniem: 3 tygodnie porządkowania i indeksowania danych. Następnie 4-tygodniowy PoC na wybranych typach zapytań.
Wyniki po 3 miesiącach:
- Czas przygotowania draftu: z 2-3 dni do 2-4 godzin
- Wolumen obsługiwanych zapytań: wzrost o 40% przy tym samym zespole
- Odsetek ofert złożonych w terminie: z 71% do 94%
- Odpuszczone zapytania: z ~15% do niemal 0%
Wartość wdrożenia nie leży wyłącznie w oszczędności czasu. Leży w zdolności do uczestnictwa w większej liczbie przetargów bez dodatkowych zatrudnień.
→ Dowiedz się, jak ITSharkz buduje agentów AI dla procesów ofertowania i sprzedaży
Jak zacząć – model wdrożenia w 6 tygodniach
Największy błąd przy wdrożeniu automatyzacji ofertowania: próba automatyzowania całego procesu od razu. Właściwe podejście to wąski PoC na jednym typie zapytań z dobrze przygotowanymi danymi.
Tydzień 1-2: Discovery i audyt danych Mapowanie aktualnego procesu, identyfikacja typów zapytań, ocena dostępności i jakości danych historycznych. Ten etap często ujawnia, że przed agentem potrzebny jest 2-3-tygodniowy etap porządkowania dokumentacji.
Tydzień 3-4: Konfiguracja i integracje Indeksowanie bazy historycznej, integracja z cennikiem lub ERP, konfiguracja reguł biznesowych (co agent sugeruje, jakie zakresy wymagają walidacji człowieka).
Tydzień 5-6: PoC na wybranym typie zapytań Agent pracuje na realnych zapytaniach w trybie „suggest only”. Na końcu PoC: raport skuteczności jako podstawa decyzji o pełnym wdrożeniu.
Łączny czas od warsztatu do systemu na produkcji: 8-12 tygodni przy jednym typie zapytań i dostępnych danych.
Pełną metodologię wdrożenia – od wyboru przypadku pilotażowego po model cenowy – znajdziesz w przewodniku po wdrożeniu automatyzacji AI w firmie. Jeśli interesuje Cię też temat zarządzania wiedzą wewnętrzną (który często idzie w parze z ofertowaniem), sprawdź artykuł o koszcie szukania informacji w firmie.
Podsumowanie
Automatyzacja procesu ofertowania to jeden z nielicznych obszarów, w których ROI z wdrożenia agenta AI jest szybko i wyraźnie mierzalny – bo czas przygotowania oferty jest policzalny przed i po, a efekt widać w ciągu kilku tygodni.
Trzy rzeczy, które warto zapamiętać:
- Problem leży w danych, nie w technologii. Agent AI jest tak dobry, jak dobra jest baza historycznych projektów i cenników, do której ma dostęp. Porządkowanie danych przed wdrożeniem nie jest kosztem dodatkowym – to warunek skuteczności.
- Zakres automatyzacji to 60-70% czasu. Etapy zbierania danych, wyszukiwania historii i generowania draftu. Weryfikacja, personalizacja i decyzja zostają przy człowieku – i to jest właściwe.
- 68% konkurencji jest już w procesie. Każdy miesiąc opóźnienia to miesiąc, w którym ktoś inny buduje bazę danych i historię ofert, na której agent działa coraz skuteczniej.
Ile zapytań ofertowych miesięcznie obsługuje Twój zespół? Umów warsztat – po jednej rozmowie będziemy wiedzieć, ile z tego można przyspieszyć.