The aim of this thesis was to investigate how generative artificial intelligence, specifically Microsoft 365 Copilot, can streamline the bidding process for construction projects from the perspective of the main contractor. The bidding phase is a document-intensive and time-sensitive stage of the project, during which the contractor must identify the essential requirements of the request for bids, prepare a competitive bid, and manage contract risks. Artificial intelligence has been seen as a means of streamlining these tasks.
Based on a literature review, generative AI has great potential, but both previous studies and the results of this work show that the accuracy of the models is limited and their use always requires expert review.
The study was conducted through practical tests in which Copilot was applied to actual tender documents. It was found that Copilot proved to be of limited use in speeding up information searches, preliminary document reviews, brainstorming unclear points, defining questions to be presented to the client, and drafting meeting minutes. In these tasks, artificial intelligence sped up the work, but the content it produced always required review and finalization. It was also found that Copilot was unable to reliably identify the essential content of documents, technical documents and calculations were completely beyond its reach, the processing of large files failed repeatedly, and the management of large amounts of files also proved problematic. The accuracy of the responses remained poor, and the tool did not bring significant added value to the tested work stages.
The conclusion of the study is that generative AI can already support some stages of the bidding process at its current stage of development, but its use should be limited to tasks where the cost of errors is low and where post-processing is possible. The key benefits relate to increased efficiency in data preprocessing, while the main limitations concern the interpretation of technical documents, file size and quantity restrictions, connection problems between Copilot and Sharepoint, and uncertainty regarding the accuracy and relevance of responses. When automating work with Copilot, there is a significant risk that inaccurate content will end up in the offer, which may lead to contractual penalties.
The thesis describes the situation in 2025, but the rapid development of generative artificial intelligence suggests that within a few years, its potential uses and benefits may be significantly broader than they are today.Tämän diplomityön tavoitteena oli tutkia, miten generatiivinen tekoäly, erityisesti Microsoft 365 Copilot, voi tehostaa rakennushankkeiden tarjousvaiheen prosesseja pääurakoitsijan näkökulmasta. Tarjousvaihe on dokumentti-intensiivinen ja aikataulullisesti kireä projektin vaihe, jossa urakoitsijan on tunnistettava tarjouspyynnön olennaiset vaatimukset, laadittava kilpailukykyinen tarjous ja hallittava sopimusriskejä. Tekoälyn on nähty tarjoavan keinoja näiden tehtävien tehostamiseen.
Kirjallisuuskatsauksen perusteella generatiivisella tekoälyllä on potentiaalia moneen, mutta sekä aiemmat tutkimukset että tämän työn tulokset kuitenkin osoittavat, että mallien tarkkuus on rajallinen ja niiden käyttö edellyttää aina asiantuntijan tarkistusta.
Tutkimus toteutettiin käytännön testein, joissa Copilotia sovellettiin todellisiin tarjousasiakirjoihin. Havaittiin, että Copilot osoittautui vähäisessä määrin hyödylliseksi tiedon nopeammassa etsimisessä, asiakirjojen alustavassa läpikäynnissä, epäselvien kohtien ideoinnissa sekä tilaajalle esitettävien kysymysten määrittelyssä ja kokousmuistioiden luonnostelussa. Näissä tehtävissä tekoäly nopeutti työtä, mutta sen tuottamat sisällöt vaativat aina tarkastamisen ja viimeistelyn. Havaittiin myös, että Copilot ei kyennyt luotettavasti tunnistamaan asiakirjojen olennaista sisältöä, tekniset asiakirjat ja laskenta jäivät kokonaan sen ulottumattomiin, suurten tiedostojen käsittely epäonnistui toistuvasti, ja myös laajojen tiedostomäärien hallinta osoittautui ongelmalliseksi. Vastauksien tarkkuus jäi heikoksi, eikä työkalu tuonut merkittävää lisäarvoa testattuihin työvaiheisiin.
Tutkimuksen johtopäätöksenä on, että generatiivinen tekoäly voi jo nykyisessä kehitysvaiheessaan tukea joitain tarjousprosessin aikaisia työvaiheita, mutta sen käyttö tulisi rajata tehtäviin, joissa virheen kustannus on vähäinen ja joissa jälkivalidointi on mahdollista. Keskeiset hyödyt liittyvät työn tehostumiseen tiedon esikäsittelyssä, kun taas suurimmat rajoitteet koskevat teknisten dokumenttien tulkin-taa, tiedostokoon ja -määrän rajoitteita, Copilotin ja Sharepointin yhteysongelmia sekä vastauksien oikeellisuuden ja olennaisuuden epävarmuutta. Generatiivisella tekoälyllä työtä automatisoidessa on merkittävä riski, että epätarkkaa sisältöä päätyy tarjoukseen, mikä voi johtaa sopimuksellisiin seuraamuksiin.
Diplomityö kuvastaa tilannetta vuonna 2025, mutta generatiivisen tekoälyn nopea kehitys viittaa siihen, että jo muutaman vuoden kuluessa sen käyttömahdollisuudet ja hyödyt voivat olla merkittävästi nykyistä laajemmat.
