Beoordelen op prestaties in een AI-tijdperk

1. Waarom plannen van aanpak in een AI-tijdperk minder zeggen

Tendermanagers gebruiken inmiddels ook AI, waardoor visie-, missie- en plan-van-aanpak-stukken steeds uniformer worden en moeilijker te onderscheiden. De waarde van die subgunningscriteria neemt daardoor af, en als inkoper moet je je afvragen of het tijd is om op iets anders te gaan beoordelen.

2. Vage tekst omzetten naar concrete prestatiecijfers

Aan de hand van voor-en-na-voorbeelden zie je hoe "zeer ervaren projectmanager met complexe projecten" wordt vervangen door cijfers, zoals het aantal projecten, gemiddeld projectbudget, klanttevredenheid van 8,2 en kostenoverschrijding van 6 procent. Hetzelfde geldt voor risicoclaims (kans, impact, percentage) en innovatieclaims (besparing, tevredenheidsverbetering, looptijd).

3. Live een MRO-aanvraag omzetten naar resultaatcriteria

Op basis van een korte vragenronde met Mark uit het beoordelingsteam (leveringsbetrouwbaarheid, prijs, breed assortiment, korte levertijden) bouw je in Juriaan een prompt die elke inkoopaanvraag omzet naar een resultaatuitvraag, klaar om voor je eigen behoeftestelling te hergebruiken.

4. Inschrijvingen vergelijken zonder zelf de materie te kennen

Aan de hand van drie inkopers A, B en C met elk hun eigen prestatiecijfers zie je dat ook iemand zonder materie-expertise in één oogopslag kan vaststellen welke partij de gevraagde resultaten waarmaakt. Lukt het onderscheid niet, dan val je terug op de laagste prijs of een aanvullend gesprek.

5. Voor dikke documenten de agent-modus inzetten in plaats van de gewone modus

Bij drie offertes naast elkaar, een PVE van vijftig pagina's of vergelijkbaar omvangrijk materiaal geef je de analyse niet aan de gewone Juriaan-chat, maar aan de agent-modus. Die kost ongeveer tien minuten en levert door zijn reasoning-model een grondigere vergelijking op, eventueel zelfs een interactieve beslisboom voor deelnemers binnen een raamovereenkomst.