Automation of the Request for Quotation Process using Large Language Models

Bc. Martin Kňažovič

Diplomová práce

Anotace:

Žiadosť o cenovú ponuku je pre oddelenia predajov zdĺhavý obchodný proces, pretože zvyčajne zahŕňa spracovanie zákazníckych ponúk v neštruktúrovanom texte, ktorý sa musí následne priradiť k internému katalógu produktov a zaslať späť zákazníkovi ako cenová ponuka. Cieľom tejto práce je čiastočne automatizovať tento proces využitím veľkých jazykových modelov na extrakciu produktov z emailov zákazníkov a automatizovaním procesu mapovania produktov pomocou sémantického vyhľadávania. Úvodná časť tejto práce je venovaná „zero-shot prompting“ extrakcii produktov na cenových dopytoch pre špeciálne geotechnické stavby z českej spoločnosti GEOMAT. Na vylepšenie extrakčného procesu boli použité techniky „prompt inžinierstva“, po ktorých nasledovalo dotrénovanie open-source LLaMA modelov na syntetických dátových sadách založených na údajoch spoločnosti GEOMAT. Záverečná fáza tejto práce rozširuje extrakčný proces na plnohodnotnú aplikáciu na pomoc obchodným tímom pri spracovaní prichádzajúcich cenových ponúk s využitím sémantického vyhľadávania založeného na kosínusovej podobnosti a preusporiadaní nájdených produktov, čo umožňuje obchodným operátorom poskytnúť potrebné dokumenty a jednoducho vybrať produkty do cenovej ponuky.

Abstract:

The request for quotation (RFQ) process is a tedious business procedure for sales departments since it usually involves processing customer quotations in unstructured text, which has to be mapped to the company product catalog and sent back to the customer as a quotation. This thesis aims to partially automate this process by employing large language models (LLMs) for product extraction from customers' emails and automating the product mapping process with embedding search. The initial part of this thesis is dedicated to zero-shot prompting product extraction on RFQs for special geotechnical constructions for the Czech company GEOMAT, focusing on prompt engineering techniques to enhance the extraction pipeline. The next part discusses low-rank adaptation fine-tuning of open-source LLaMA LLMs on synthetic datasets based on GEOMAT data. The final phase of this work extends the pipeline with a full-fledged application to help sales teams process incoming RFQs by extending the previous pipeline with embedding search based on cosine similarity and reranking of matched products, enabling quotation assistants to provide necessary documents and easily select products for quotation.

Keywords

Request for quotation, Request for proposal, Large Language Models, Document Automation, Language model fine-tuning, Prompt engineering, GPT-4o, LLAMA 3.1, Low-Rank Adaptation, Business process automation

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 21. 5. 2025

Obhajoba závěrečné práce

• Obhajoba proběhla 18. 6. 2025
• Vedoucí: doc. RNDr. Petr Sojka, Ph.D.
• Oponent: doc. Mgr. Bc. Vít Nováček, PhD

Masarykova univerzita

Fakulta informatiky

Magisterský studijní program / obor:
Umělá inteligence a zpracování dat / Strojové učení a umělá inteligence