קבלן תשתיות גדול המשיך לזכות במכרזים ציבוריים משמעותיים, אך גילה שהרווח הגולמי שלו הולך ונשחק. התמחור בוצע ידנית, על בסיס נתונים מהשנה שעברה. ביססנו כל הצעה על עלויות העבודה בפועל, והגדרנו רצפת רווחיות קשיחה.
הנהלת החברה פנתה אלינו בעקבות גילוי מדאיג: החברה זכתה במכרזי ענק רבים, אך הרווחיות הגולמית שלה הלכה ונשחקה.
השורש של הבעיה היה במחלקת התמחור. כתבי הכמויות (אלפי שורות התמחור שמאחורי כל מכרז) חושבו ידנית בגיליונות אקסל, בהתבסס על אומדני עלות מפרויקטים ישנים שכבר לא היו רלוונטיים. השיטה הזו לא יכלה לשקלל זינוק בזמן אמת במחירי חומרי הגלם (בטון, פלדה, אספלט) או את מחסור הידיים העובדות שהכה בשוק הישראלי. כתוצאה מכך, ההצעות הוגשו במחירי הפסד, וחלק מהפרויקטים הפסידו כסף מהיום הראשון.
מעבר לכך, התהליך היה איטי להחריד. צוות של מהנדסים ומעריכי עלויות השקיע שבועיים עד שלושה שבועות בקריאת אלפי עמודים של מפרטים טכניים, תנאים מיוחדים ותוכניות, רק כדי לתמחר מכרז בודד. במקביל, צוות התמחור במטה לא היה מחובר בזמן אמת לעלויות האמיתיות מהשטח, כמו העלות בפועל של קבלני המשנה או שעות העבודה של הציוד הכבד בפרויקטים קודמים.
עלויות שטח אמיתיות, מחירי חומרים מעודכנים ורצפת רווחיות קשיחה שאסור לחצות.
חיברנו את נתוני הביצוע והרכש בפועל מכל פרויקטי העבר של החברה (לצד מחירוני ספקים עדכניים ומדדי תשומות בנייה) למאגר עלויות "חי" אחד שצוות התמחור יכול לסמוך עליו.
מנוע שפה מבוסס AI קורא ומנתח את מסמכי המכרז הגולמיים ואת כתבי הכמויות בתוך שניות, ומחלץ כל סעיף מתומחר ואת התנאים הנלווים אליו, משימה שבעבר דרשה שבועות של עבודה ידנית.
המודל מצליב כל סעיף בכתב הכמויות מול עלויות הביצוע בפועל של פרויקטים דומים בשטח, ומפיק אומדן מדויק מבוסס נתונים, במקום הערכות מיושנות המבוססות על פרויקטים מלפני שלוש שנים.
הגדרנו כלל ברזל במערכת: אם סעיף מסוים נמצא בסיכון גבוה לחריגה, או שהתמחור שלו מוריד את הרווח הגולמי מתחת לרף של 8%, המערכת חוסמת את הגשת ההצעה, מסמנת את הסעיף באדום ושולחת התראה למנהל המכרז עם המלצה לעדכון מרווח הביטחון.
תנודות במחירי החומרים ומחסור בידיים עובדות משוקללים בזמן אמת ישירות באומדן, כך שכל זינוק במחירי הפלדה או האספלט בא לידי ביטוי בהצעה, עוד לפני שהוא מתורגם להפסדים בשטח.
המנוע קורא, מתמחר ומסמן; מעריך העלויות בוחן ומאשר. שיקול הדעת נשאר אנושי, כשהמעריך משוחרר מהקלדה והצלבה ידנית ויכול להתמקד בעבודה שבאמת משפיעה על הרווחיות.
שיעור הזכייה נשמר. הרווח הפסיק לדלוף.
הגשת הצעות הפסדיות נפסקה לחלוטין. ביססנו את ההצעות על עלויות אמת, מה ששיפר את הרווח הגולמי בפרויקטים הזוכים בכ-3.5% וזרם ישירות לשורה התחתונה.
תהליך ההכנה, הניתוח והתמחור של מכרזי תשתיות גדולים קוצר משלושה שבועות לכ-48 שעות בלבד. מעריכי העלויות שהתפנו מהזנת נתונים ידנית עברו לניהול משא ומתן מסחרי קשוח מול ספקים וקבלני משנה לפני סגירת המכרז.
ההצלחה מבוססת על שילוב של שני גורמים: עיגון כל תמחור בעלויות האמת של החברה מהשטח, ורצפת רווחיות קשיחה שמונעת הגשת הצעות הפסדיות. לא מדובר בגימיק שיווקי, אלא באותה תפיסה של guardrails תחילה העומדת בבסיס פרויקט תמחור הקמעונאות שלנו, שבו רצפת רווחיות קשיחה חוסמת מבצעים הפסדיים עוד לפני שהם מגיעים לקופה. מעריך העלויות הוא עדיין החותם האחרון על כל הצעה, המערכת פשוט מוודאת שהמספרים מבוססים על נתוני אמת.
קמעונאי אמריקאי גדול הפסיד כסף על קלקול ומדפים ריקים. חיזוי ביקוש לפי סניף שקניין מאשר חתך בזבוז בכ-30% וחוסרי מלאי ב-60%, והוריד את העבודה האדמיניסטרטיבית של הקניין מ-4 שעות ביום ל-15 דקות.
לפרויקט המלא ← תמחור דינמי · קמעונאותקמעונאי ישראלי הריץ מבצעים שהפסידו כסף בשקט. תמחור עלויות בזמן אמת עם רצפה קשיחה של 12% חוסם כל עסקה מפסידה לפני שהיא מגיעה לקופה, ומעלה את הרווח הגולמי בכ-4%.
לפרויקט המלא ←
Reef TRH