Automatyzacja monitoringu przetargów: blueprint i koszty

Większość dostawców B2B codziennie przegapia istotne przetargi publiczne, bo musi ręcznie przeklikiwać się przez dziesiątki platform zamówień publicznych. Ten blueprint pokazuje, jak zbudować zautomatyzowany system monitoringu, który codziennie filtruje nowe przetargi według Twoich kryteriów, wzbogaca je o dodatkowe dane i przekazuje bezpośrednio do CRM, bez potrzeby odwiedzania platform przez człowieka. Główna teza: monitoring przetargów staje się skalowalnym źródłem leadów dopiero wtedy, gdy zautomatyzujesz logikę kwalifikacji, a nie tylko sam scraping.

Stan na sierpień 2026. Ceny sprawdzone na oficjalnych stronach cenników; źródła są podlinkowane bezpośrednio.

Dlaczego ręczne wyszukiwanie przetargów zawodzi

Zamawiający publiczni w Niemczech, Austrii i Szwajcarii publikują przetargi na rozproszonych platformach: DTVP, e-Vergabe Bund, portale krajów związkowych, TED. Typowa firma z sektora MŚP z trzema istotnymi kodami CPV musiałaby codziennie przeszukiwać 8–12 portali. W praktyce zespoły sprzedaży sprawdzają je raz w tygodniu, przegapiają terminy i kwalifikują przetargi za późno. Właściwym problemem nie jest dostępność danych, lecz brak priorytetyzacji: 80% znalezionych przetargów nie pasuje do Twojej oferty, ale orientujesz się w tym dopiero po 15 minutach czytania dokumentacji przetargowej.

Automatyzacja rozwiązuje oba problemy: zapewnia ciągły monitoring w czasie rzeczywistym i wstępną kwalifikację opartą na regułach według progów budżetowych, lokalizacji, opisu przedmiotu zamówienia i terminu składania ofert. Dział sprzedaży widzi już tylko te przetargi, które mają określone minimalne prawdopodobieństwo sukcesu.

Blueprint: architektura systemu monitoringu

System składa się z czterech modułów działających jako workflowy n8n. Moduł 1: scraping i normalizacja. Cogodzinny cron job pobiera kanały RSS i wyniki z API wyszukiwania platform przetargowych (DTVP udostępnia ustrukturyzowane feedy XML, e-Vergabe Bund ma publiczną wyszukiwarkę, TED oferuje endpointy SPARQL). Każdy przetarg trafia do ujednoliconego schematu: tytuł, kod CPV, zamawiający, szacunkowa wartość, termin, link do ogłoszenia. Nowe wpisy są sprawdzane w bazie deduplikacyjnej (PostgreSQL lub Airtable), aby wychwycić duplikaty z różnych platform.

Moduł 2: scoring kwalifikacyjny. Każdy nowy przetarg przechodzi przez logikę oceny: czy kod CPV pasuje do Twojego portfolio? Czy wartość zamówienia mieści się w docelowym przedziale (np. 50k–500k EUR)? Czy zamawiający jest w Twoim regionie docelowym? LLM (OpenAI GPT-4 albo model hostowany lokalnie w Ollamie) wyodrębnia z opisu przedmiotu zamówienia słowa kluczowe i porównuje je z Twoim profilem kompetencji. Każdy przetarg otrzymuje wynik (0–100). Dalej trafiają tylko przetargi powyżej progu (np. 60).

Moduł 3: wzbogacanie danych i kontekst. Dla zakwalifikowanych przetargów system automatycznie zbiera kontekst: wcześniejsze zamówienia danego zamawiającego (z publicznych rejestrów zamówień), informacje o firmach (API rejestru handlowego, Northdata), podobne zakończone projekty. Dane te są przygotowywane w formie ustrukturyzowanego bloku briefingowego.

Moduł 4: dostarczanie i alerty. Zakwalifikowane przetargi trafiają jako leady do CRM (HubSpot, Pipedrive, formularz w n8n w wersji self-hosted), a równolegle odpowiedzialny account manager dostaje powiadomienie na Slacku lub e-mailem z wynikiem, podsumowaniem i bezpośrednim linkiem do platformy przetargowej. Cotygodniowy digest zbiera przetargi, które umknęły.

Stack technologiczny i wybór platformy

Firmom z sektora MŚP w Europie polecamy n8n jako warstwę orkiestracji, bo można go uruchomić w modelu self-hosted (zgodność z RODO bez dostępu podmiotów trzecich do danych przetargowych) i nie ma limitów wykonań zależnych od złożoności workflowu. Plan Starter n8n kosztuje 20 €/miesiąc (źródło) i obejmuje 2500 wykonań workflowów (źródło) oraz 5 równoległych wykonań (źródło). Przy systemie monitoringu z cogodzinnym scrapingiem (24 × 30 = 720 wykonań/miesiąc) oraz workflowami kwalifikacji i dostarczania to wystarczy, dopóki łącznie nie przekroczysz 2500 wykonań.

Gdy potrzebujesz więcej platform albo krótszych interwałów (np. co 15 minut), konieczny staje się plan Pro z 10 000 wykonań (źródło) za 50 €/miesiąc (źródło). Plan Pro oferuje też 20 równoległych wykonań (źródło), co przyspiesza jednoczesny scraping kilku platform, oraz 30 dni retencji logów (źródło) zamiast 7 dni (źródło). To ważne przy debugowaniu i dokumentowaniu zgodności.

Alternatywa: Zapier lub Make.com mają podobne nody do scrapingu, ale oba są hostowane w USA i przy porównywalnej przepustowości wychodzą drożej. Zapier zaczyna się od ok. 30 USD/miesiąc za 750 zadań, Make od 10 USD za 1000 operacji. Brzmi tanio, ale jeden przebieg scrapingu przetargów z kwalifikacją i zapisem do CRM zużywa 8–12 operacji, więc szybko lądujesz w wyższych planach. W monitoringu przetargów, w którym przepływają wrażliwe dane ofertowe, self-hosted n8n jest czystszym wyborem.

Prognozowane koszty wdrożenia

Wdrożenie blueprintu kalkulujemy w trzech fazach. Faza 1: konfiguracja i workflowy scrapingu (12 godzin). Uruchomienie instancji n8n (w chmurze lub self-hosted), podłączenie 4–6 platform przetargowych (DTVP, e-Vergabe, TED, jeden portal kraju związkowego), budowa logiki deduplikacji, przebiegi testowe. Nakład: 12 godzin × 150 EUR = 1800 EUR.

Faza 2: silnik kwalifikacji i integracja LLM (10 godzin). Zdefiniowanie reguł scoringu (mapowanie CPV, filtr budżetowy, filtr geograficzny), integracja LLM do analizy tekstu (API OpenAI albo model w wersji self-hosted), kalibracja progów punktowych na podstawie 20–30 historycznych przetargów. Nakład: 10 godzin × 150 EUR = 1500 EUR.

Faza 3: wzbogacanie danych, integracja z CRM i alerty (8 godzin). Podłączenie zewnętrznych źródeł danych (API rejestru handlowego, scraper rejestrów zamówień), konektor CRM (HubSpot, Pipedrive itp.), powiadomienia na Slacku i e-mailem, cotygodniowy raport zbiorczy. Nakład: 8 godzin × 150 EUR = 1200 EUR.

Całkowity koszt wdrożenia: 30 godzin × 150 EUR = 4500 EUR (prognozowany szacunek dla blueprintu). Do tego dochodzą koszty bieżące: plan Pro n8n 50 EUR/miesiąc (źródło), API OpenAI ok. 20–40 EUR/miesiąc (zależnie od liczby przetargów i długości promptów), hosting (w wariancie self-hosted) ok. 20–50 EUR/miesiąc za mały VPS. Koszty bieżące: ok. 90–140 EUR/miesiąc.

Ta kalkulacja zakłada, że masz dostęp do ustrukturyzowanych feedów i nie potrzebujesz kosztownego obchodzenia CAPTCHA ani automatyzacji logowania. Platformy z restrykcyjnymi warunkami korzystania (niektóre portale krajów związkowych wprost zakazują automatycznego scrapingu) wymagają ręcznych procesów awaryjnych albo płatnych resellerów danych, co może podwoić koszty.

RODO i ochrona danych w monitoringu przetargów

Ogłoszenia o przetargach publicznych zawierają dane osobowe (osoby kontaktowe po stronie zamawiających, adresy e-mail w dokumentacji przetargowej), które podlegają RODO. Twój system monitoringu przetwarza te dane w sposób zautomatyzowany. Z prawnego punktu widzenia mieści się to w „prawnie uzasadnionym interesie” (art. 6 ust. 1 lit. f RODO), o ile wykorzystujesz dane wyłącznie do przygotowywania ofert i ich nie odsprzedajesz. Mimo to musisz wdrożyć środki techniczne: ograniczenie dostępu (leady widzi tylko zespół sprzedaży), okresy usuwania (przetargi starsze niż 12 miesięcy są usuwane automatycznie), logowanie (kto pobrał który przetarg).

Self-hosted n8n na serwerze w UE (Hetzner, Netcup) daje Ci pełną kontrolę nad przepływem danych. Jeśli korzystasz z n8n Cloud, dane leżą na serwerach w UE (Frankfurt), ale dzielisz infrastrukturę z innymi klientami, a w branżach szczególnie wrażliwych (zbrojeniowej, ochrony zdrowia) to kryterium wykluczające. Zewnętrzne API (OpenAI, Northdata) przekazują dane do państw trzecich; tu potrzebujesz standardowych klauzul umownych albo musisz przejść na alternatywy z UE (np. Aleph Alpha, LLM hostowane lokalnie w Ollamie).

Często pomijana kwestia: niektóre platformy przetargowe wymagają rejestracji z pełnymi danymi rejestrowymi firmy. Automatyczny scraping bez konta jest technicznie wykonalny, ale prawnie to szara strefa. Sprawdź warunki korzystania z platform albo używaj oficjalnych API, jeśli są dostępne.

Kryteria decyzji: kiedy automatyzacja się opłaca?

1. Suwerenność danych i zgodność z RODO. Self-hosted n8n na infrastrukturze w UE daje Ci pełną kontrolę, bez vendor lock-in i bez zależności od amerykańskiej chmury. Zapier i Make da się szybciej skonfigurować, ale oddajesz wrażliwe dane przetargowe w obce ręce. W branżach objętych obowiązkiem zachowania tajemnicy (obronność, infrastruktura krytyczna) self-hosted to jedyna opcja.

2. Głębokość automatyzacji a lock-in. n8n pozwala budować dowolnie złożone workflowy (zagnieżdżone warunki, pętle, własny kod), a Zapier i Make przy wieloetapowych logikach kwalifikacji dochodzą do granic albo stają się zaporowo drogie. W zamian n8n ma bardziej stromą krzywą uczenia się: potrzebujesz kogoś, kto potrafi debugować transformacje JSON i zapytania HTTP.

3. Całkowity koszt z uwzględnieniem wdrożenia. Wdrożenie za 4500 EUR zwraca się, jeśli Twój zespół spędza dziś ponad 10 godzin tygodniowo na ręcznym wyszukiwaniu (przy koszcie alternatywnym 80 EUR/godz. = 3200 EUR/miesiąc). Jeśli rocznie masz mniej niż 50 istotnych przetargów, tańszy będzie prosty czytnik RSS z ręczną selekcją.

4. Dopasowanie do MŚP. Duże koncerny kupują wyspecjalizowane platformy tender intelligence (rozwiązania takie jak Negometrix czy dostępy DTVP Premium), które kosztują ponad 10 000 EUR rocznie. Dla firm z sektora MŚP z 5–20 istotnymi przetargami miesięcznie to przerost formy nad treścią. Workflow n8n szyty na miarę trafia w środek: profesjonalny i skalowalny, ale bez narzutu typowego dla rozwiązań enterprise.

Kiedy ręczne wyszukiwanie jest lepszym wyborem

Automatyzacja się nie opłaca, jeśli działasz w niszy, w której pojawia się mniej niż 20 przetargów rocznie, a każdy z nich jest mocno indywidualny (np. produkcja maszyn specjalnych, renowacja zabytków). Kwalifikacja jest wtedy tak złożona, że LLM generuje więcej fałszywych trafień, niż odfiltrowuje: więcej czasu zajmuje Ci odsiewanie automatycznie znalezionych, nietrafionych wyników niż celowe ręczne wyszukiwanie.

Równie problematyczne są branże, w których przetargi są ukryte za logowaniem albo na zamkniętych platformach dla oferentów (niektóre kraje związkowe, platformy gminne). Automatyczne logowanie jest technicznie wykonalne, ale ryzykowne prawnie i pracochłonne w utrzymaniu (każda zmiana na platformie psuje Twój scraper).

Jeśli Twój proces sprzedaży opiera się w dużej mierze na osobistych relacjach z zamawiającymi (przetargi obecnych klientów, umowy ramowe), automatyczny monitoring niewiele Ci da: i tak wiesz przed publikacją, co się pojawi. Automatyzacja zwraca się wtedy, gdy chcesz systematycznie zdobywać nowych zamawiających, a nie przy obsłudze obecnych klientów.

Opinia Blck Alpaca

Sami utrzymujemy pipeline'y n8n do monitoringu treści i wzbogacania leadów. To nie jest rekomendacja resellera: na co dzień pracujemy z tymi workflowami i je debugujemy. Do monitoringu przetargów w firmach MŚP w Europie polecamy podejście z self-hosted n8n i lokalnym LLM (Ollama + model oparty na Llamie 3) zamiast OpenAI, jeśli pozwalają na to budżet i wymogi ochrony danych. To 2–3 godziny więcej pracy przy konfiguracji (tuning modelu, prompt engineering), ale nie płacisz za API i wszystkie dane zostają w Twoim własnym centrum danych.

Kompromis, który świadomie akceptujemy: self-hosted n8n wymaga kompetencji operacyjnych (aktualizacje, kopie zapasowe, monitoring). Dla zespołów bez zasobów DevOps n8n Cloud (50 EUR/miesiąc, hosting w UE) jest bardziej pragmatycznym punktem wejścia: tracisz trochę suwerenności danych, ale zyskujesz stabilność i wsparcie. Natomiast do monitoringu przetargów wyraźnie nie polecamy narzędzi Zapier i Make: są za drogie przy realistycznej przepustowości, dają za mało kontroli nad przepływem danych i niosą za duże ryzyko vendor lock-in.

Nasza rekomendacja jest skierowana do firm z sektora MŚP, które mają 50–500 istotnych przetargów rocznie, własny CRM i są gotowe zainwestować 4–6 tygodni w kalibrację. Przy mniejszej skali: czytnik RSS + cotygodniowa ręczna selekcja. Dla koncernów: wyspecjalizowana platforma tender intelligence z dedykowanym account managerem.

Kolejne kroki: od blueprintu do działającego pipeline'u

Zacznij od 2-tygodniowego prototypu: skonfiguruj n8n Cloud (14-dniowy trial, źródło), zbuduj scraper dla jednej platformy (np. feed RSS DTVP), zdefiniuj 3–5 twardych kryteriów wykluczenia (kod CPV, przedział budżetu, region) i przez 10 dni odbieraj wyniki e-mailem. Zmierz: ile przetargów przechodzi przez filtr? Ile z nich jest rzeczywiście istotnych (precyzja)? Ile istotnych przetargów Ci umknęło (recall)?

Po prototypie decydujesz: czy opłaca się rozbudowa do pełnego pipeline'u (wszystkie platformy, kwalifikacja przez LLM, integracja z CRM)? A może wystarczy prosty agregator RSS z ręcznym przeglądem? Kwotę 4500 EUR na wdrożenie inwestujesz tylko wtedy, gdy prototyp pokaże precyzję >60% i 20% utraconych szans.

Do wdrożenia potrzebujesz albo kogoś w firmie z doświadczeniem w n8n i API (wystarczy poziom juniora i 10–15 godzin na wdrożenie się w temat), albo zewnętrznego partnera od automatyzacji. Blck Alpaca buduje takie pipeline'y dla firm MŚP w całej Europie: rozliczamy się przejrzyście za godziny, bez pakietów ryczałtowych, a Ty zachowujesz pełny dostęp do workflowów.

Następny krok: Nie chcesz budować tego blueprintu samodzielnie? Blck Alpaca wdraża dokładnie takie systemy n8n jako projekty w stałej cenie. Zobacz integrację agentów AI albo od razu rozpocznij projekt.

Ostatnia aktualizacja: sierpień 2026

Blck Alpaca to agencja automatyzacji marketingu z wykorzystaniem AI z siedzibą w Wiedniu, specjalizująca się w marketingu opartym na danych, agentach AI szytych na miarę i automatyzacji workflowów w przedsiębiorstwach w całej Europie.