Diseño de RFI y RFP asistido por IA: requisitos, preguntas y salvaguardas

Respuesta rápida

Un diseño de RFP con IA eficaz utiliza la IA para organizar material fuente, encontrar vacíos y redactar preguntas medibles, no para establecer requisitos, asignar ponderaciones de evaluación, clasificar proveedores ni adjudicar contratos. Proporcione a cada proveedor las mismas definiciones, escenarios, tablas de respuesta y unidades; exija evidencia para las afirmaciones materiales; y mantenga puntos de aprobación humana identificados durante todo el ciclo de vida del abastecimiento.

Comience con el resultado de negocio, la línea base actual, las restricciones operativas y las alternativas aceptables que no usan IA. Luego tradúzcalos en requisitos con métricas, condiciones de prueba, umbrales de aceptación y métodos de validación.

Diseñe en función de la decisión final

Una RFI debe poner a prueba supuestos y mejorar la futura solicitud. No debe convertirse en una selección informal y no puntuada de proveedores. Una RFP debe hacer que las propuestas sean significativamente comparables al establecer los requisitos, las instrucciones de respuesta, los supuestos comerciales, los factores de evaluación y su importancia relativa.

Antes de usar IA para redactar cualquiera de los dos documentos, responda cinco preguntas:

1. ¿Qué resultado debe mejorar?
2. ¿Cuál es la línea base medida?
3. ¿Bajo qué condiciones de implementación debe producirse la mejora?
4. ¿Qué evidencia establecería esa mejora?
5. ¿Quién puede aprobar el requisito, la compensación y la adjudicación?

Esta es una etapa dentro de un proceso de compras más amplio, no una tarea aislada de generación de documentos. Los requisitos basados en desempeño deben definir estándares medibles y métodos de evaluación en lugar de prescribir un diseño técnico innecesario, de forma coherente con FAR Subpart 37.6. Los factores de evaluación también deben respaldar una comparación significativa y revelar qué importa para la decisión, como se describe en FAR 15.304.

Datos de entrada requeridos antes de redactar

Un prompt genérico no es un briefing de abastecimiento suficiente. Los flujos de trabajo de compras con IA necesitan entradas internas controladas y respuestas externas estructuradas.

Entradas internas del comprador

• Declaración del problema aprobada, resultado de negocio, usuarios y grupos afectados
• Mapa del proceso actual y línea base de costo, tiempo de ciclo, tasa de error y nivel de servicio
• Volúmenes de demanda, estacionalidad, cargas pico, restricciones presupuestarias y fechas objetivo
• Capacidades obligatorias, deseables y prohibidas
• Contratos existentes, arquitectura, APIs, controles de identidad y restricciones de red
• Inventario de datos, clasificación, propiedad, residencia, retención y usos permitidos
• Escenarios de prueba, conjuntos de datos, umbrales y bandas de tolerancia controlados por el comprador
• Factores de evaluación, importancia relativa, condiciones descalificatorias y reglas para respuestas faltantes
• Requisitos de seguridad, privacidad, accesibilidad, registros, propiedad intelectual y auditoría
• Aprobadores designados, tolerancia al riesgo, rutas de escalamiento y reglas de retención documental
• Alternativas viables sin IA

Entradas externas del proveedor

Exija a los proveedores que indiquen el producto exacto, el modelo y las versiones del servicio ofrecidos. Solicite arquitectura, terceros materiales, flujos de datos, retención, prácticas de entrenamiento del modelo, subprocesadores, evidencia de implementación, modos de falla, historial de incidentes, políticas de actualización, opciones de reversión y formatos de exportación.

Las respuestas comerciales deben identificar cada métrica y supuesto: licencias, usuarios, transacciones, tokens o inferencia, almacenamiento, implementación, integración, soporte, sobrecargos, cambios de modelo y asistencia de salida. La guía de adquisiciones de IA de OMB enfatiza pruebas realistas, transparencia de precios, monitoreo, portabilidad, transferencia de conocimiento y protecciones contra el lock-in.

Separe evidencia, inferencia y juicio

La IA puede hacer que afirmaciones sin sustento suenen coherentes. Evite eso exigiendo que cada respuesta material lleve una de tres etiquetas:

• Evidencia observada: Un resultado respaldado por un artefacto identificado, como un informe de prueba, registro, auditoría, certificación, registro de incidentes, precio medido o referencia.
• Inferencia del modelo o del proveedor: Un resumen, estimación, clasificación, pronóstico, comparación o recomendación derivada de otra información. No es prueba.
• Juicio o compromiso humano: Una decisión, interpretación, compensación, garantía, nivel de servicio u obligación futura aceptada por una persona responsable.

Plantilla de respuesta de evidencia

No otorgue crédito probatorio a un resumen de IA o a una estimación del proveedor sin un artefacto rastreable o una validación exitosa.

Un conjunto práctico de preguntas para RFI y RFP

Use un formato de respuesta común para estas preguntas:

1. ¿Qué resultado medible mejora en relación con nuestra línea base declarada?
2. ¿Qué evidencia observada respalda esa afirmación en condiciones comparables?
3. ¿Qué funciones existen ahora y cuáles dependen de la hoja de ruta?
4. ¿Cuáles son los modos de falla conocidos, los usos excluidos y los casos previsibles de uso indebido?
5. ¿Qué datos del comprador ingresan, salen, entrenan o modifican el servicio?
6. ¿Cómo podemos probar de forma independiente la confiabilidad, la seguridad, el costo y el comportamiento ante fallas?
7. ¿Qué supervisión humana se requiere y qué información respalda la intervención?
8. ¿Qué cambios en el modelo, flujo de datos, subprocesador, política o precio requieren notificación?
9. ¿Qué datos, prompts, configuraciones, registros y activos de evaluación son exportables?
10. ¿Cuál es el costo total en volúmenes esperados, pico y de prueba de estrés?
11. ¿Qué activa la remediación, reversión, suspensión o terminación?
12. ¿Qué afirmaciones materiales se convertirán en compromisos contractuales?

Para más contexto sobre abastecimiento habilitado por tecnología, vea AI procurement. Los equipos que preparan sus conversaciones posteriores con proveedores también pueden revisar AI negotiations y la guía de Negotiations.AI sobre data-driven supplier price negotiations.

Dónde encajan el aprendizaje automático, la IA generativa y los flujos de trabajo agénticos

Aprendizaje automático

El aprendizaje automático puede clasificar requisitos, detectar precios inusuales o comparar campos de respuesta estructurados. Necesita registros históricos representativos, etiquetas consistentes, unidades comparables y calidad de datos documentada. Su resultado es una inferencia: el sesgo histórico, la deriva de categorías, los datos escasos y las condiciones cambiantes del mercado pueden debilitarlo.

IA generativa

La IA generativa puede resumir entrevistas, redactar preguntas, identificar contradicciones y convertir un resultado en métricas y escenarios de prueba propuestos. Requiere políticas aprobadas, documentos fuente actuales, definiciones, metadatos de versión y recuperación restringida a repositorios autorizados. Puede omitir salvedades, inventar respaldo o aplanar afirmaciones de proveedores materialmente diferentes.

Flujos de trabajo agénticos

Un flujo de trabajo agéntico puede orquestar pasos acotados como recuperar documentos aprobados, completar una matriz de trazabilidad, verificar campos sin responder y enrutar borradores para aprobación. Necesita permisos explícitos, restricciones de herramientas, estado del flujo de trabajo, registros de auditoría y condiciones de detención. No debe excluir proveedores de forma autónoma, alterar ponderaciones, enviar posiciones de negociación ni adjudicar un contrato. Vea el análisis relacionado de Negotiations.AI sobre agentic AI guardrails.

Decisiones humanas y puntos de aprobación

Registre la aprobación humana responsable para:

• La declaración del problema y la decisión de considerar IA
• Usos previstos y prohibidos, además de la clasificación de riesgo
• Emisión de la RFI y del cuestionario al proveedor
• Requisitos finales, umbrales y métodos de prueba
• Factores de evaluación, ponderaciones, fórmulas e instrucciones de puntuación
• Emisión de la RFP y cada modificación material
• Admisión o exclusión de proveedores
• Tratamiento de evidencia faltante, condicional o no verificable
• Objetivos de negociación, concesiones y términos finales
• Selección de fuente, adjudicación, pruebas de aceptación e implementación
• Cambios materiales en modelo, flujo de datos, subprocesador, caso de uso o precio
• Respuesta a incidentes, suspensión, salida y retiro

NIST trata la gestión de riesgos como continua a lo largo del ciclo de vida de la IA y pide roles documentados, supervisión humana, pruebas, monitoreo y liderazgo responsable en su AI RMF Core.

Escenario de negociación: compare la métrica antes del precio

Un comprador espera 4 millones de transacciones asistidas por IA al año. El proveedor A cotiza $180,000 por año, incluyendo 3 millones de transacciones, con un sobrecargo de $0.09. El proveedor B cotiza $205,000, incluyendo 5 millones de transacciones.

Al volumen previsto, A cuesta $270,000 antes de la implementación, mientras que B se mantiene en $205,000. Pero esa comparación sigue incompleta: A puede incluir una portabilidad más sólida, mientras que B puede cobrar $35,000 por exportación de datos y soporte de transición.

Por lo tanto, la RFP debe definir “transacción”, volúmenes previstos y de prueba de estrés, exclusiones, cargos de implementación, requisitos de exportación y reglas de ajuste de precios. Durante la negociación con IA, el comprador podría ofrecer un compromiso de volumen de dos años a cambio de sobrecargos limitados, exportaciones incluidas, notificación de cambios de modelo y asistencia de terminación. El equipo responsable, no el modelo, decide si esas compensaciones son aceptables.

Prompts de IA para practicar

• “Using only the cited source materials, convert each approved outcome into a metric, operating condition, threshold, and validation method. Flag missing inputs rather than filling gaps.”
• “Compare these supplier responses by claim, unit, test condition, product version, and evidence date. Do not score them.”
• “List every roadmap promise, unsupported claim, inconsistent denominator, and lifecycle cost assumption for human review.”

En un flujo de trabajo controlado de Negotiations.AI, estos resultados podrían informar un registro de incidencias vinculado a fuentes o un briefing de negociación; las partes interesadas aún deben aprobar supuestos, posiciones y concesiones.

Limitaciones

La redacción asistida por IA puede omitir partes interesadas inusuales, usar políticas desactualizadas, eliminar salvedades durante el resumen o crear una comparabilidad falsa. Las comparaciones numéricas fallan cuando las cargas de trabajo, denominadores, fechas y condiciones de prueba difieren. Un modelo no puede verificar de forma independiente una afirmación de un proveedor, determinar la tolerancia al riesgo de la organización, interpretar cada obligación legal ni obligar al comprador.

Use repositorios aprobados, citas exactas, controles de versión, registros de prompt y edición, acceso basado en roles y cálculos reproducibles fuera del modelo de lenguaje. Proteja los datos confidenciales, personales y sensibles para compras frente a servicios no aprobados. Pruebe las afirmaciones materiales con datos retenidos y controlados por el comprador en condiciones similares a la implementación, y exija revisión humana antes de que cualquier cosa se emita externamente.

Fuentes

• NIST AI Risk Management Framework
• OMB Memorandum M-25-22
• FAR Part 10: Market Research
• EU Artificial Intelligence Act

Lecturas adicionales

• GSA: Buy AI
• NIST Generative AI Profile
• UK Government Guidelines for AI Procurement

Preguntas frecuentes

¿Debe la IA redactar una RFP completa a partir de un solo prompt?

No. La IA debe redactar a partir de insumos aprobados y versionados de negocio, técnicos, comerciales y de riesgo. Los responsables deben revisar cada requisito y aprobar el documento final.

¿Cómo hacemos comparables las propuestas de proveedores de IA?

Proporcione definiciones, unidades, escenarios, conjuntos de datos, bandas de volumen, tablas de respuesta y campos de evidencia comunes. Separe las funciones actuales de los elementos de la hoja de ruta y normalice solo cuando las condiciones de prueba realmente coincidan.

¿Puede la IA puntuar o clasificar proveedores?

Puede calcular una fórmula preaprobada o señalar evidencia faltante, pero no debe elegir ponderaciones, hacer puntuaciones subjetivas, excluir proveedores ni recomendar una adjudicación. Los evaluadores deben revisar la evidencia fuente de forma independiente.

¿Qué afirmaciones del proveedor deben convertirse en términos contractuales?

Las afirmaciones materiales que influyeron en la evaluación deben considerarse para criterios de aceptación, garantías, niveles de servicio, hitos de implementación, obligaciones de monitoreo o remedios. Los responsables humanos de compras, negocio, tecnología y legal deben aprobar el tratamiento final.

Descargo de responsabilidad: Este artículo proporciona información general sobre compras, no asesoramiento legal ni financiero.