GPT-NL en AI bij aanbestedingen: wat verandert er voor inschrijvers?

Wat GPT-NL is

GPT-NL wordt ontwikkeld door onder meer TNO, SURF en het Nederlands Forensisch Instituut. Het doel is een AI-model dat beter aansluit op de Nederlandse taal en maatschappelijke context, en dat wordt getraind met controleerbare en rechtmatig verkregen datasets, zodat beter wordt voldaan aan Europese regels rond privacy en auteursrecht.

Het belangrijkste uitgangspunt is transparantie. Waar internationale modellen vaak als black box functioneren, willen de ontwikkelaars van GPT-NL inzicht geven in de gebruikte data en keuzes. Met financiële steun van de overheid moet zo een betrouwbaar alternatief ontstaan voor organisaties, vooral in de publieke sector, die AI willen gebruiken zonder afhankelijk te zijn van buitenlandse platforms.

AI als schrijfinstrument bij tenders

Voor het aanbestedingsdomein is dit ook relevant aan de kant van de inschrijvers. AI-modellen worden steeds vaker gebruikt bij het schrijven van tenderdocumenten: bedrijven analyseren sneller beleidsstukken en formuleren antwoorden op gunningscriteria.

Dat roept nieuwe vragen op. Als meerdere partijen vergelijkbare tools gebruiken, gaan inschrijvingen steeds meer op elkaar lijken. En er ontstaat discussie over transparantie: moet een inschrijver vermelden dat AI is gebruikt, en hoe borg je dat de inhoud aansluit bij de praktijk van de organisatie? Een model dat specifiek is getraind op Nederlandse context en publieke documenten kan inschrijvers beter ondersteunen, zonder onduidelijke datasets of buitenlandse platforms.

Waarom de werkvloer belangrijker wordt, niet de tool

Zelfs als AI op basis van een bestek moeiteloos een logisch en foutloos plan van aanpak schrijft, ligt de kern van een winnende inschrijving ergens anders: in de praktijkervaring van de inschrijver. De relevante inzichten moeten geworteld zijn in de dagelijkse praktijk van de organisatie. Naarmate AI het schrijfwerk makkelijker maakt, wordt juist de input van de werkvloer belangrijker, bijvoorbeeld via presentaties of praktijkcases. Niet de tool is doorslaggevend, maar de kwaliteit van de praktijkkennis die eraan voorafgaat.

Zo gebruik je AI verstandig in een inschrijving

• Laat AI structureren, niet bedenkenGebruik het om de vraag te ontleden, criteria te ordenen en concept-structuren te maken. De inhoud komt van jullie mensen.
• Voer bewijs in, geen algemeenhedenEen beoordelaar herkent generieke tekst direct. Concrete cases, cijfers en namen uit de eigen praktijk maken het verschil in de score.
• Controleer elke claimAI formuleert overtuigend, ook als het niet klopt. Iedere toezegging in het plan moet door de uitvoerende organisatie zijn bevestigd.
• Let op vertrouwelijkheidBestekken en interne cijfers horen niet in een tool die met jullie data traint. Kies tooling met duidelijke afspraken over gegevensgebruik.

Zo werken onze EMVI-schrijvers: vanuit de praktijk van de klant, niet vanuit een template.