Como funciona a pontuação por IA do TenderYeti

Metodologia em agosto de 2026

Esta página explica como pontuamos a relevância de cada licitação pública recebida para o seu negócio. É técnica e honesta — dizemos-lhe que modelos usamos, que dados vão para onde e onde estão as verdadeiras limitações do sistema. Se está a avaliar o TenderYeti face a um concorrente, esta é a página a ler.

1. O que significa realmente a "pontuação de relevância"

Cada licitação que indexamos recebe uma pontuação entre 0,00 e 1,00 em função da descrição em linguagem natural do negócio que definiu na sua conta. Uma pontuação de 0,85 significa que a IA está confiante de que a licitação é adequada; 0,15 significa confiantemente inadequada. O seu e-mail de resumo diário é filtrado por um limiar que você controla (predefinição 0,60), pelo que decide quanto ruído quer deixar passar.

A pontuação é relativa à descrição do seu negócio — não uma classificação absoluta de qualidade da licitação. O mesmo aviso pode pontuar 0,9 para um fornecedor de CMMS e 0,05 para uma construtora.

2. O que a IA realmente lê

Para cada licitação enviamos ao LLM o corpo completo do aviso (título + descrição + comprador + tipo de aviso + país + categoria de contratação + valor estimado quando presente), não apenas o título. Isso importa porque uma grande fração das licitações relevantes tem títulos genéricos ("Serviços de software — acordo-quadro") e a intenção real enterrada na secção de requisitos.

A leitura do texto integral é a razão pela qual conseguimos apanhar licitações que a pesquisa por palavras-chave perde. É também a razão pela qual a pontuação por IA é uma vantagem defensável — não a consegue replicar com um alerta de pesquisa guardada no TED ou no SAM.gov.

3. Revisão LLM em dois níveis

Cada licitação passa primeiro por um modelo primário rápido. Avisos com veredicto confiante (pontuação ≤ 0,40 ou ≥ 0,70) ficam decididos nesse passo. Avisos que caem na faixa de incerteza (0,40–0,69) são repontuados por um segundo modelo de revisão, maior. Isto dá-nos o débito de um modelo pequeno nos casos fáceis mais o julgamento de um modelo maior nos casos limítrofes — os ~15% dos avisos em que errar a pontuação lhe custa realmente uma oportunidade perdida.

Ambos os modelos veem o mesmo prompt: a descrição do seu negócio, o conteúdo da licitação e instruções estruturadas para emitir uma pontuação mais uma justificação de uma frase mais uma lista de palavras-chave correspondidas. A justificação é armazenada junto com a pontuação para que possa ver porque a IA classificou uma licitação daquela forma, e pode sinalizar discordâncias a partir do painel.

4. Correspondência multilingue

A descrição do seu negócio é escrita num idioma (tipicamente inglês). As licitações chegam em mais de 20 idiomas — alemão, francês, espanhol, português, italiano, neerlandês, polaco, russo, turco, árabe e mais. Tratamos o desencontro de duas formas:

• Expansão de palavras-chave. Mantemos um dicionário curado com mais de 2.660 traduções de palavras-chave comuns de equipas de propostas em 20 idiomas. A sua palavra-chave inglesa "permit to work" também corresponde a "Arbeitserlaubnis", "permis de travail", "permesso di lavoro", "разрешение на работу", etc. Novas palavras-chave que adicione são traduzidas automaticamente na hora por um modelo NMT alojado internamente e guardadas em cache.
• Pré-filtro de texto integral. Antes de um LLM sequer olhar para uma licitação, filtramos pelo conjunto multilingue de palavras-chave ao nível do PostgreSQL — uma porta grosseira de "poderá isto ser relevante?". Os avisos que passam vão para o LLM para a pontuação propriamente dita. Isto permite-nos processar mais de 500.000 licitações por dia sem esgotar o orçamento de IA.

5. Precedência por utilizador

No plano Pro, cada utilizador de uma conta pode substituir o prompt de IA partilhado pelo seu próprio. Um sócio sénior que acompanha acordos-quadro de $10M+ e um analista júnior que acompanha RFQs transacionais na mesma equipa veem pontuações diferentes para a mesma licitação, porque cada um vê a pontuação gerada em função da descrição do seu próprio negócio. A camada de pontuação faz um duplo join para que a pontuação própria do utilizador prevaleça sobre a da conta.

6. O que NÃO fazemos (nem afirmaremos)

• Não publicamos um número calibrado de precisão/recall. Não realizámos um estudo com painel independente. Quem afirma "94,7% de precisão" sem uma metodologia de avaliação pública está a citar um número inventado. O nosso também seria. O que podemos dizer: verificações internas por amostragem com clientes reais atingem >90% de precisão no limiar 0,60 nos nichos de software HSE e CMMS. Os seus resultados variarão consoante o domínio.
• Não treinamos com as suas palavras-chave nem com os seus julgamentos de relevância. A descrição do seu negócio é um prompt, não um sinal de treino. Não fazemos fine-tuning de nada específico de clientes.
• Não enviamos os seus dados de conta ou de faturação para o LLM. Apenas o texto público da licitação mais a descrição do seu negócio vão para o fornecedor do modelo.
• Não garantimos zero falsos negativos. Uma licitação que a IA pontua com 0,30 pode ainda assim ser adequada para si. É por isso que o painel mostra o espectro completo, não apenas o resumo — o resumo é a pré-seleção, não o quadro inteiro.

7. Que fornecedor de modelos usamos

Hoje, os modelos primário e de revisão são modelos open-weight ajustados por instrução, auto-alojados (família Qwen 2.5), a correr na nossa própria infraestrutura de GPU. Isso dá-nos controlo de custos, controlo de privacidade (sem dependência de fornecedor, sem fatura por token) e a capacidade de trocar de modelos sem reescrever integrações. Quando usamos fornecedores alojados (tradução, fallbacks), os únicos dados enviados são o texto público da licitação mais a sua lista de palavras-chave em inglês — nunca dados de conta ou de faturação. A nossa lista de subcontratantes está na Política de Privacidade.

8. Como tratamos os erros

Cada utilizador pode sinalizar o veredicto da IA sobre uma licitação a partir do painel ("isto foi pontuado alto mas é irrelevante" ou "isto foi pontuado baixo mas eu teria concorrido"). As sinalizações entram numa fila de revisão interna. Inspecionamos periodicamente as licitações sinalizadas para detetar lacunas sistemáticas — normalmente uma falha na expansão de palavras-chave ou uma descrição de negócio demasiado genérica. Afinamos o dicionário multilingue e as orientações do prompt com base em feedback real, não em benchmarks sintéticos.

9. Frescura dos dados

As novas licitações normalmente entram no índice e são pontuadas minutos após a publicação no portal de origem. Portais com ciclos de atualização horários ou diários limitam isto — só conseguimos ser tão frescos quanto a fonte. O seu e-mail de resumo diário dispara à hora que escolher (predefinição 06:00, fuso horário da conta) com tudo o que foi pontuado desde o resumo anterior.