Tekoälytyökalujen hyödyntäminen teollisuuden suunnittelu- ja konsultointiprojektien tarjousprosessissa

Abstract

Projektiliiketoiminta on luonteeltaan epäjatkuvaa, joten projekteja toimittaville yrityksille myynti- ja markkinointityö on tärkeää liiketoiminnan jatkuvuuden turvaamiseksi. Keskeinen osa projektin myyntiä on tarjouksen laatiminen. Tarjouksessa projekteja toimittava yritys lupautuu toteuttamaan asiakkaan tarpeeseen tarjoamansa ratkaisun, tietyin teknisin ja kaupallisin ehdoin. Tarjouksen laatiminen ja tarjouskilpailuun osallistuminen vaatii yritykseltä paljon resursseja, mutta siitä ei välttämättä realisoidu toteutettavaa ja kannattavaa projektia. Tarjouksen laatimisen prosessiin kuuluu tyypillisesti paljon erilaisten tekstimuotoisten dokumenttien lukemista, tuottamista ja käsittelemistä. Tällaisten toimien toteuttaminen on ollut aiemmin haastavaa tekoälytyökaluilla, mutta 2020-luvulla läpimurron tehneet laajoihin kielimalleihin perustuvat työkalut (LLM-työkalut) soveltuvat niihin huomattavasti paremmin. Tarjousprosessiin liittyvää LLM-työkalujen hyödyntämistä on kuitenkin toistaiseksi tutkittu vain vähän akateemisessa kirjallisuudessa ja tutkimuksen kohdeyrityksessä.

Tämän diplomityön tavoitteena oli lisätä ymmärrystä siitä, mihin toimiin ja miten LLM-työkaluja voidaan tarjousprosessissa hyödyntää. Tutkimus suoritettiin toimintatutkimuksena, jonka tarkastelun kohteena oli teollisuuden suunnittelu- ja konsultointiprojekteja toimittavan yrityksen tarjousprosessi. Ensimmäisessä vaiheessa kerättiin haastatteluilla ja havainnoinnilla aineistoa kohdeyrityksen tarjousprosessista ja tekoälykehityksen nykytilasta. Aineiston analyysin perusteella tunnistettiin keskeiset tarjousprosessin haasteet ja niihin liittyvät toimet, joita LLM-työkaluilla voitaisiin tukea. Toisessa vaiheessa kehitettiin viisi toteutusta, joilla tutkittiin, mitä näistä toimista voidaan LLM-työkaluilla tukea ja miten se voidaan toteuttaa. Toteutuksia kehitettiin ja testattiin aiempien tarjousprojektien materiaaleilla sekä pilotoitiin meneillään olevissa tarjousprojekteissa.

Kohdeyrityksen tarjousprosessin haasteina oli tehottomat tarjouspalaverit sekä aikataulunhallinnan ja koordinoinnin kuormittavuus. Näihin liittyi useita toimia, joita onnistuttiin toteutuksilla tukemaan. Tulosten perusteella, LLM-työkaluilla voidaan tukea tarjousprosessissa ainakin tarjouspyynnön tietojen poimimista ja jäsentelyä, asiakkaan ja sen investointiprojektin analyysia, tarjousprojektin koordinointia, sekä tarjousmateriaalien vertailua. Näiden toimien tukeminen on mahdollista hyödyntämällä LLM-työkaluja käytettäessä riittävän selkeitä ja yksinkertaisia toimintaperiaatteita, rakenteellista ja kattavaa kehottamista, kontekstin ja tausta-aineiston sisällyttämistä, ihmisen valvontaa ja vuorovaikutusta sekä toiminnallisuuksiltaan sopivia LLM-työkaluja.

Projektimarkkinoinnin osalta tulokset täydentävät projektien myynnissä käytettävien digitaalisten työkalujen ja integraatiokeinojen kirjoa, osoittaen useita LLM-työkaluilla tuettavia tarjousprosessin toimia ja tapoja niiden tukemiseksi. Tekoälyn soveltamisen näkökulmasta tulokset osoittavat, että yleiset LLM-työkalut soveltuvat yleisten toimien lisäksi myös yritys- ja toimialakohtaisiin toimiin, tarjoten uuden lähestymistavan perinteisiin tekoälyratkaisuihin ja räätälöityihin LLM-työkaluihin verrattuna.

Project business is characterized by discontinuity, making sales and marketing efforts crucial for ensuring the continuity of a project supplier’s business. A major part of this sales work is to prepare bids. In a bid, the project supplier commits to providing a solution that meets the client’s needs under specified technical and financial terms. Participation in the bidding competition requires resources from the project supplier, but it does not necessarily yield project contracts, let alone profitable ones. The bidding process includes plenty of tasks that require reading, producing and processing of different kinds of text documents. While earlier artificial intelligence (AI) tools struggled with these tasks, the breakthrough of large language models (LLMs) in the 2020s has opened up new possibilities for supporting them effectively. However, research on the use of LLM tools in the bidding process remains scarce, both in academia and within the case company.

The objective of this study was to increase understanding about which tasks of the bidding process can be supported by LLM tools and how this can be achieved. The study was carried out as an action study, focusing on the bid process of a company that supplies engineering and consulting services to industrial investment projects. In the first phase, interviews and observations were conducted to understand the bidding process and the case company’s current AI capabilities. The data was analyzed to identify key challenges and activities that LLM tools could support. In the second phase, LLM implementations were developed to examine which of these actions can be supported by LLM tools and how this can be implemented. The implementations were developed and tested on real material from previous bidding projects and piloted as part of ongoing bidding projects.

The core challenges of the case company's bidding process were ineffective meetings and a high need for coordination to stay on schedule. To support activities that were related to these challenges, five LLM implementations were created. With LLM tools many of these activities could be supported, especially the extraction and structuring of information from the request for proposal, the analysis of the client and its investment project, the coordination of the bidding project, and the comparison of bidding materials. These activities could be supported with LLM tools by keeping the operating principle adequately simple and clear, prompting in a structural and comprehensive way, including context and background material, retaining human control and interaction, and by using LLM tools with suitable functionalities.

Regarding project marketing literature, this study complements the spectrum of digital tools and integration methods used in project sales, demonstrating several bidding process activities supported by LLM tools and ways to support them. Regarding literature on AI applications in project business, this study demonstrates that generic LLM tools are applicable not only to general tasks but also to company- and industry-specific bidding activities, representing a new alternative to traditional AI and tailored LLM tools.