OPS-26-M9Mała agencja · B2G

Auto-monitoring przetargów dla małej agencji marketingowej

4 portale przetargowe, AI pre-screening "czy to dla nas", alerts na Slacku. 5-osobowa agencja, €450/mies, 3 wygrane przetargi z wcześniej przegapionych signali.

~€140krevenue z wygranych przetargów
Sektor
Agencja marketingowa · B2G focus · 5 osób
Powierzchnie
Browser · AI screening · Slack · 4 portale
Czas pracy
5 miesięcy production
Opublikowano
2025-11-26

Wyzwanie

5-osobowa agencja marketingowa specjalizująca się w sektorze publicznym (jednostki samorządu, instytucje kultury, edukacja). Roczny obrót ~€800k, w 70% z wygranych przetargów. Monitoring rynku — 4 portale (eZamówienia, BIP-y poszczególnych jednostek, podyplomowe portale branżowe) — był kluczowy ale zabierał za dużo czasu.

Process w 2024: jeden z pracowników poświęcał 1.5h dziennie na manual review nowych ogłoszeń. Roczna kalkulacja: ~330h człowieka = ~€11k kosztu czasu. Plus stała dawka stresu z "czy nie przegapiliśmy czegoś".

Krytyczny incident w 2024: agencja przegapiła duży przetarg (€85k value) bo ogłoszenie pojawiło się w piątek wieczór na BIP-ie którego standardowo nie sprawdzali w weekend. Termin składania ofert był następnego wtorku — bez weekendowej pracy nie zdążyliby.

Podejście

Setup w 3 tygodnie. 4 portale parsowane co 30 minut. Każde nowe ogłoszenie przechodzi przez AI pre-screening (Claude Haiku) który ocenia "czy to dla nas" na bazie:

- branża + scope of work matching ich kompetencje

- budget range (filtruje za małe i za duże)

- termin składania (filtruje za pilne)

- jednostka zamawiająca (filtruje wykluczonych klientów)

Output: 3 buckety w Slacku — #tenders-priority (matchują wszystkie kryteria, manual review w 4h), #tenders-watch (matchują częściowo, manual review dziennie), #tenders-skip (auto-rejected, dostępne dla audytu).

Stack: pojedynczy VPS, Playwright dla scrape, Claude Haiku API (~€8/mies tokens), PostgreSQL, Slack integration. Total tech cost: ~€50/mies. Reszta retainer.

Wynik

Czas pracownika na monitoring: 1.5h/dzień → 0.3h/dzień (głównie review priority bucket). 1.2h/dzień × 5 dni × 4 tyg = 24h/mies zaoszczędzone. Przy €33/h pracownika = ~€800/mies value czasu, system kosztuje €450/mies.

3 wygrane przetargi z signali które wcześniej przegapili (weekendowe ogłoszenia, niszowy portal który "nie zdążali" sprawdzać). Combined revenue: ~€140k w pierwszych 5 miesiącach. To główna wartość projektu — kalkulacja czasu jest drugorzędna.

Stress reduction: właściciel raportuje że team przestał martwić się "co przegapiamy". Manual review teraz dotyczy tylko AI-flagged opportunities, każda jest realna decision.

System operating 5 miesięcy. AI prompts iterated 3 razy w pierwszym miesiącu (klient zawężał definicję "dla nas" w miarę używania), potem stabilne. Zero false negatives raportowanych (klient losowo sprawdza archiwum #tenders-skip co tydzień, na 10 przeglądów: 0 missed opportunities).

Stack

PlaywrightClaude Haiku APIPostgreSQLSlack APIHetzner VPSCron

Wskaźniki

  • 4Portale monitorowane
  • ~800Ogłoszenia screenowane / mies
  • 30h / miesCzas zaoszczędzony
  • +3Wygrane przetargi
  • ~€140kRevenue z signali
  • €450 / miesCost operacyjny
Podobny problem w Twojej firmie?

Każdy projekt jest inny, ale wzorce się powtarzają.

Jeśli rozpoznajesz fragmenty tego case study u siebie — napisz. Zwykle widzimy w pierwszym callu, czy to skala godzin tygodniowo, czy infrastruktura na miesiące.