Skill agenta zapytań ofertowych: wyceniać czy nie?

Skill agenta zapytań ofertowych to gotowa procedura AI, która czyta zapytanie ofertowe z PDF, znajduje podobne zamknięte projekty z ich prawdziwą marżą, sprawdza moce zakładu i proponuje, czy wyceniać i na jakich warunkach. Jest za darmo na GitHubie, na licencji MIT. W firmie, która robi konstrukcje stalowe na zamówienie, każde zapytanie kosztuje handlowca pół dnia telefonów. Koszt rzeczywisty podobnych projektów zna zwykle tylko pamięć kosztorysanta, a ta bywa optymistyczna. Procedura leży w repozytorium moja-firma-produkcja-uslugowa.

To pakiet branżowy otwartej paczki moja-firma. O samym rdzeniu paczki piszemy we wpisie moja-firma: otwarte skille AI dla polskiej firmy.

Co robi skill, a czego nie zrobi

Procedura zapytanie-ofertowe pracuje na dwóch plikach: zamkniętych projektach z kosztem planowanym i rzeczywistym oraz obciążeniu gniazd w kolejnych tygodniach. Zapytanie dostaje w rozmowie, jako PDF. Potem idzie w pięciu krokach.

1. Wypisuje wymagania: obiekt, materiał, masę, zabezpieczenie, normy, zakres, termin, płatność i kary. Osobno wypisuje, czego w zapytaniu brakuje albo co zależy od innych wykonawców.
2. Szuka podobnych zamkniętych projektów według jawnej reguły. Liczy się ten sam rodzaj konstrukcji, ten sam gatunek stali, to samo zabezpieczenie, montaż u klienta jak w zapytaniu i masa od 60% do 140% masy z zapytania. Dla każdego projektu podaje marżę ofertową, marżę powykonawczą, dni zwłoki płatności i liczbę zmian zakresu.
3. Liczy normy roboczogodzin spawania i montażu na tonę z podobnych projektów. Mnoży je przez masę z zapytania.
4. Sprawdza moce. Liczy wolne roboczogodziny jako dostępne minus zajęte i porównuje je z potrzebą: montaż w tygodniach z zapytania, spawanie w tygodniach przed montażem.
5. Proponuje ocenę: „wyceniać”, „wyceniać pod warunkami” albo „nie wyceniać”. Uzasadnia ją w trzech zdaniach i wypisuje warunki do rozmowy z klientem.

Reguła oceny jest prosta. „Nie wyceniać” pada tylko wtedy, gdy żaden warunek nie usuwa przeszkody, na przykład temat jest poza technologią zakładu. Brak mocy w terminie klienta albo ryzyko z podobnych projektów, które da się objąć warunkiem, oznacza „wyceniać pod warunkami”. Takim warunkiem może być inny termin, kooperacja, aneks na zmiany albo zaliczka.

Agent liczy kodem i przy każdej liczbie podaje wiersze, z których pochodzi. Nie dopisuje projektów ani tygodni, których nie ma w plikach.

Decyzje zostają przy ludziach i procedura nazywa ich wprost:

• handlowiec decyduje, czy wyceniać, i ustala cenę oraz marżę,
• zarząd podejmuje tę decyzję przy dużej wartości tematu.

Agent nie podaje ceny ani marży dla nowego tematu i nie pisze do klienta. Pokazuje, ile podobne tematy kosztowały naprawdę i czy zakład je udźwignie, żeby decyzja zapadła na danych.

Gdzie zwykła automatyzacja się myli

Najczęstszy błąd zaczyna się przed agentem. Jeśli koszt rzeczywisty zamkniętych projektów nie jest nigdzie zapisany, agent nie ma na czym liczyć. Pierwsze podejście kończy się wtedy ładną tabelą z pustą kolumną. Gorzej, gdy model wypełni lukę przekonującą liczbą z niepełnych danych, a handlowiec wyśle na jej podstawie ofertę.

Drugie miejsce to podobieństwo. Model bez jawnej reguły może wziąć do porównania projekt o zbliżonej masie, ale innego rodzaju. Wynik kontrolny wskazuje ten błąd wprost: jeśli w tabeli podobnych projektów pojawi się hala albo wiata bez montażu, agent nie trzymał się reguły. Jawna reguła ma jeszcze jedną zaletę: handlowiec może się z nią kłócić, zamiast ufać intuicji modelu.

Trzecia pułapka siedzi w danych o obciążeniu. W pliku jest gotowa kolumna wolne_rbh, a procedura każe ją pominąć i liczyć dostępne minus zajęte. Wynik kontrolny ostrzega: jeśli liczby mocy się nie zgadzają, sprawdźcie, czy agent rzeczywiście liczył kodem.

Warunek brzegowy jest jeden. W prawdziwej firmie zacznijcie od jednego arkusza z kosztem powykonawczym projektów z ostatniego roku. Dopiero potem agent.

Co jest w repozytorium

Repozytorium moja-firma-produkcja-uslugowa zawiera cztery rzeczy:

• procedurę w pliku skills/zapytanie-ofertowe/SKILL.md, w otwartym formacie Agent Skills,
• dane ćwiczeniowe fikcyjnej firmy konstrukcji stalowych w katalogu dane-cwiczeniowe/: zapytanie.pdf, projekty-zamkniete.csv i projekty-zamkniete.xlsx, obciazenie.csv i obciazenie.xlsx; pliki CSV i XLSX mają tę samą treść,
• wynik kontrolny w pliku WYNIK-KONTROLNY.md, z liczbami policzonymi niezależnie z tych samych danych,
• paczki ZIP w zakładce Releases, gotowe do wgrania w narzędziach, które przyjmują skille jako plik.

W wyniku kontrolnym jest też „krok z rzeczywistością”: jeden dopisany projekt i wynik, który agent powinien po nim pokazać.

Jak zainstalować skill

Przepisy krok po kroku pokazują budowę agenta od zera w jednym narzędziu. Skill daje tę samą procedurę gotową do zainstalowania. Nazwy menu zmieniają się często, więc gdy wyglądają inaczej, sprawdźcie dokumentację narzędzia.

Anthropic Claude. W Claude Code wpiszcie dwa polecenia:

/plugin marketplace add majchrzycki-com/moja-firma
/plugin install moja-firma-produkcja-uslugowa@moja-firma

W aplikacji Claude dodajcie paczkę ZIP z Releases jako umiejętność w ustawieniach. Budowa agenta od zera: agent zapytań w Claude krok po kroku.

Microsoft 365 Copilot. W Copilot Cowork wybierzcie Dostosuj, potem Umiejętności i Dodaj, i zaimportujcie SKILL.md. W Agent Builderze wklejcie do pola instrukcji tekst z katalogu dist/instrukcje/. Przepis: agent zapytań w Microsoft 365 Copilot.

OpenAI ChatGPT. Wklejcie tekst z dist/instrukcje/ do instrukcji projektu i dodajcie pliki do projektu. W OpenAI Codex skopiujcie katalog skilla do katalogu skilli. Przepis: agent zapytań w ChatGPT.

Google Gemini. Google zastępuje Gemy skillami, więc nowego agenta nie budujcie już jako Gema. Otwórzcie Customize, potem Skills, Create i Upload, i wskażcie katalog procedury albo plik ZIP. Przepis: agent zapytań w Gemini.

OpenClaw. Skopiujcie katalog skills/zapytanie-ofertowe/ do katalogu skilli OpenClaw.

Katalog dist/ z wersjami dla każdego narzędzia odtworzycie poleceniem node scripts/build.mjs.

Jak sprawdzić skill, zanim użyjecie prawdziwych danych

Uruchomcie procedurę na danych ćwiczeniowych. Dodajcie dwa pliki do wiedzy agenta, załączcie zapytanie.pdf i poproście o analizę według instrukcji, licząc kodem. Potem porównajcie wynik z plikiem WYNIK-KONTROLNY.md.

Trzy rzeczy powiedzą najwięcej:

• agent powinien znaleźć trzy podobne projekty; najgorszy z nich, P-2024-004, miał marżę ofertową 15,0%, a powykonawczą 6,5%,
• na 36 ton spawalnia potrzebuje 813 rbh, a przed montażem ma wolnych 222 rbh; montaż potrzebuje 548 rbh przy 262 wolnych,
• prawidłowa ocena to „wyceniać pod warunkami”, z warunkami: późniejszy termin montażu albo kooperacja, aneks na zmiany i zaliczka.

W brakach agent powinien wskazać rysunki wykonawcze, bo w zapytaniu jest tylko koncepcja, i nieznany termin gotowości fundamentów.

Stan testów opisujemy dokładnie. Procedurę sprawdziliśmy 2.11.2026 w Anthropic Claude na danych ćwiczeniowych i liczby zgodziły się z wynikiem kontrolnym. W Microsoft 365 Copilot, OpenAI ChatGPT i Google Gemini procedury nie testowaliśmy. Nie testowaliśmy jej też na prawdziwych danych firmy. Dlatego kontrola na danych ćwiczeniowych to pierwszy krok w każdym narzędziu.

Na własnych danych zacznijcie od procedury kontrola-danych z rdzenia moja-firma. Jeśli kolumny nazywają się u Was inaczej, agent pokaże przypisanie i poprosi o potwierdzenie.

Skill to jeden z dwunastu agentów

Darmowy poradnik „Firma produkcyjno-usługowa jako jeden system” opisuje dziesięć etapów od zapytania do zapłaty i dwunastu agentów na jednym modelu firmy. Ten skill to agent zapytań z etapu 01, popytu i sprzedaży. Na następnym etapie, przy ofercie i umowie, pracują agent wyceny i agent umowy.

Całą drogę na jednej planszy pokazuje wpis Stal już jedzie, a projekt wciąż żyje. Gdzie to spiąć?. Pozostałe teksty serii zebraliśmy w filarze firma produkcyjno-usługowa, a wszystkie pakiety branżowe w filarze Skille AI dla firmy.

Od czego zacząć w poniedziałek

Zainstalujcie skill w narzędziu, którego już używacie, i sprawdźcie go na danych ćwiczeniowych. Gdy liczby zgodzą się z wynikiem kontrolnym, zbierzcie w jednym arkuszu koszt powykonawczy projektów zamkniętych w ostatnim roku. Potem weźcie jednego handlowca i zapytania z ostatniego tygodnia. Przez pierwszy tydzień puśćcie agenta obok normalnej pracy tej osoby i porównujcie wyniki.