Generativ AI som hjälpmedel i anbudsprocessen - En explorativ studie av möjligheter och utmaningar för byggsektorn
(2025) In 0349-4969 VBEL05 20251Department of Building and Environmental Technology
Construction Management
- Abstract (Swedish)
- Syftet med denna studie är att skapa en djupare förståelse och klargöra hur generativ AI kan appliceras som ett hjälpmedel för entreprenörer i anbudsprocessen. Offentliga upphandlingar präglas ofta av omfattande informationsmängder, komplexa formella krav och strikta tidsramar. När förfrågningsunderlagen dessutom är bristfälliga eller otydliga blir varje anbud en resurskrävande investering som måste vägas mot en osäker vinst. Generativ AI har under de senaste åren utvecklats snabbt och börjat tillämpas inom allt fler områden. Denna teknikutveckling öppnar upp för nya möjligheter att hantera utmaningarna i anbudsprocessen och effektivisera flera av dess mest resurskrävande moment.
Studien undersöker hur generativ AI kan användas i... (More) - Syftet med denna studie är att skapa en djupare förståelse och klargöra hur generativ AI kan appliceras som ett hjälpmedel för entreprenörer i anbudsprocessen. Offentliga upphandlingar präglas ofta av omfattande informationsmängder, komplexa formella krav och strikta tidsramar. När förfrågningsunderlagen dessutom är bristfälliga eller otydliga blir varje anbud en resurskrävande investering som måste vägas mot en osäker vinst. Generativ AI har under de senaste åren utvecklats snabbt och börjat tillämpas inom allt fler områden. Denna teknikutveckling öppnar upp för nya möjligheter att hantera utmaningarna i anbudsprocessen och effektivisera flera av dess mest resurskrävande moment.
Studien undersöker hur generativ AI kan användas i anbudsprocesser kopplade till offentlig upphandling. Studien är utformad att besvara två centrala frågeställningar: 1) Vilka arbetsmoment under anbudsprocessen involverar tidskrävande eller på annat sätt utmanande moment som lämpar sig för stöd av generativ AI inom ramen för dess förmågor? 2) I vilken uträckning kan generativ AI integreras i de identifierade arbetsmomenten och vilka potentiella möjligheter och hinder kan uppstå med implementeringen? Målet är att studien ska fungera som underlag och stöd för framtida tillämpning av generativ-AI-baserade verktyg för arbetsmoment inom anbudsprocessen.
Studien har kombineras deskriptiv och preskriptiv forskning under en övergripande explorativ ansats. Inledningsvis identifierades arbetsmoment där generativ AI bedömdes ha särskilt hög potential, antingen på grund av hög tidsåtgång eller god överensstämmelse med teknikens styrkor. Vidare genomfördes empiriska tester där en språkmodell utvärderades för att undersöka dess praktiska användbarhet i dessa arbetsmoment. Testerna utfördes genom att utveckla ett RAG-baserat system som kopplades till en extern kunskapsdatabas innehållande autentiska förfrågningsunderlag.
Resultatet visar att generativ AI ger störst nytta i texttunga, repetitiva moment som som granskning av förfrågningsunderlag, anbudsskrivning och kvalitetssäkring. Däremot uppvisar modellen begränsningar i uppgifter som kräver domänspecifik kunskap, kontextförståelse eller komplex tolkning. (Less) - Popular Abstract
- The purpose of this study is to develop a deeper understanding and clarify how generative AI can be applied as a support tool for contractors in the bidding process. Public procurements are often characterized by extensive amounts of information, complex formal requirements, and strict timeframes. When the tender documents are additionally incomplete or unclear, each bid becomes a resource-intensive investment that must be weighed against an uncertain return. Generative AI has rapidly advanced in recent years and has begun to be applied in an increasing number of fields. This technological development opens up new opportunities to address the challenges of the bidding process and to streamline several of its most resource-demanding stages.... (More)
- The purpose of this study is to develop a deeper understanding and clarify how generative AI can be applied as a support tool for contractors in the bidding process. Public procurements are often characterized by extensive amounts of information, complex formal requirements, and strict timeframes. When the tender documents are additionally incomplete or unclear, each bid becomes a resource-intensive investment that must be weighed against an uncertain return. Generative AI has rapidly advanced in recent years and has begun to be applied in an increasing number of fields. This technological development opens up new opportunities to address the challenges of the bidding process and to streamline several of its most resource-demanding stages.
The study investigates how generative AI can be used in bidding processes related to public procurement. It is designed to answer two central research questions: 1) Which tasks in the bidding process involve time-consuming or otherwise challenging elements that are suitable for support by generative AI, within the scope of its current capabilities? 2) To what extent can generative AI be integrated into these elements, and what potential opportunities and barriers may arise with its implementation? The goal is for the study to serve as a basis and support for the future application of generative-AI-based tools in various tasks within the bidding process.
The study combines descriptive and prescriptive research under an overarching exploratory approach. The study initially identified tasks where generative AI was assessed to have particularly high potential—either due to high time demands or strong alignment with the technology’s strengths. Furthermore, empirical tests were conducted in which a language model was evaluated to explore its practical usefulness in these tasks. The tests were carried out by developing a RAG-based system connected to an external knowledge database containing authentic tender documents.
The results show that generative AI offers the greatest benefits in text-heavy, repetitive tasks such as reviewing tender documents, bid writing, and quality assurance. However, the model exhibits limitations in tasks requiring domain-specific knowledge, contextual understanding, or complex interpretation. (Less)
Please use this url to cite or link to this publication:
http://lup.lub.lu.se/student-papers/record/9201141
- author
- Böke, Samuel LU
- supervisor
- organization
- alternative title
- Generative AI as Support in the Tendering Process – An Exploratory Study of Opportunities and Challenges for the Construction Sector
- course
- VBEL05 20251
- year
- 2025
- type
- M2 - Bachelor Degree
- subject
- keywords
- Generativ-AI, Anbudsprocessen, Byggsektorn, Offentlig upphandling, Stora språkmodeller
- publication/series
- 0349-4969
- report number
- 5756
- other publication id
- LUTVDG/TVBP-25/5756-SE
- language
- Swedish
- additional info
- Examinator: Radhlinah Aulin
- id
- 9201141
- date added to LUP
- 2025-06-17 15:12:46
- date last changed
- 2025-06-17 15:12:46
@misc{9201141, abstract = {{Syftet med denna studie är att skapa en djupare förståelse och klargöra hur generativ AI kan appliceras som ett hjälpmedel för entreprenörer i anbudsprocessen. Offentliga upphandlingar präglas ofta av omfattande informationsmängder, komplexa formella krav och strikta tidsramar. När förfrågningsunderlagen dessutom är bristfälliga eller otydliga blir varje anbud en resurskrävande investering som måste vägas mot en osäker vinst. Generativ AI har under de senaste åren utvecklats snabbt och börjat tillämpas inom allt fler områden. Denna teknikutveckling öppnar upp för nya möjligheter att hantera utmaningarna i anbudsprocessen och effektivisera flera av dess mest resurskrävande moment. Studien undersöker hur generativ AI kan användas i anbudsprocesser kopplade till offentlig upphandling. Studien är utformad att besvara två centrala frågeställningar: 1) Vilka arbetsmoment under anbudsprocessen involverar tidskrävande eller på annat sätt utmanande moment som lämpar sig för stöd av generativ AI inom ramen för dess förmågor? 2) I vilken uträckning kan generativ AI integreras i de identifierade arbetsmomenten och vilka potentiella möjligheter och hinder kan uppstå med implementeringen? Målet är att studien ska fungera som underlag och stöd för framtida tillämpning av generativ-AI-baserade verktyg för arbetsmoment inom anbudsprocessen. Studien har kombineras deskriptiv och preskriptiv forskning under en övergripande explorativ ansats. Inledningsvis identifierades arbetsmoment där generativ AI bedömdes ha särskilt hög potential, antingen på grund av hög tidsåtgång eller god överensstämmelse med teknikens styrkor. Vidare genomfördes empiriska tester där en språkmodell utvärderades för att undersöka dess praktiska användbarhet i dessa arbetsmoment. Testerna utfördes genom att utveckla ett RAG-baserat system som kopplades till en extern kunskapsdatabas innehållande autentiska förfrågningsunderlag. Resultatet visar att generativ AI ger störst nytta i texttunga, repetitiva moment som som granskning av förfrågningsunderlag, anbudsskrivning och kvalitetssäkring. Däremot uppvisar modellen begränsningar i uppgifter som kräver domänspecifik kunskap, kontextförståelse eller komplex tolkning.}}, author = {{Böke, Samuel}}, language = {{swe}}, note = {{Student Paper}}, series = {{0349-4969}}, title = {{Generativ AI som hjälpmedel i anbudsprocessen - En explorativ studie av möjligheter och utmaningar för byggsektorn}}, year = {{2025}}, }