浅谈政府采购智能化转型之路

【业内观点】

浅谈政府采购智能化转型之路

◆ 赵敬华 伏光磊

在全球数字化转型的浪潮中，人工智能技术的广泛应用正在深刻改变各行各业的运作模式。政府采购作为公共资源配置的重要环节，其智能化转型不仅是技术进步的必然结果，更是提升政府治理能力、促进社会公平的重要途径。近年来，我国政府采购数字化水平不断提升，政策驱动与技术融合成为核心特征。尽管数字化渗透率已然很高，但政府采购在智能化转型过程中仍面临技术复杂、人才短缺、法律法规滞后等多重挑战。本文旨在深入探讨政府采购智能化转变面临的挑战，并提出相关的应对策略，以推动政府采购智能化发展。

政府采购智能化转变面临的挑战

——技术层面挑战。一是人工智能技术的复杂性与集成难度。AI系统需构建数据及知识库、业务服务和应用服务平台的多层次架构。其数据平台整合了全国法规、典型案例及制度等异构数据源，需经过清洗、标注和结构化处理才能支撑上层应用。这种多层级整合对政府部门的跨部门协调能力和技术储备提出极高要求。同时，AI系统间采用REST API、gRPC、自定义协议三类接口标准，跨协议通信需额外开发适配层，会使系统响应延迟增加。

二是技术更新换代快。政府采购部门在应用人工智能技术过程中面临持续学习与技术升级压力，主要体现在算法迭代、算力支撑、数据治理、合规风险及人才储备等核心维度。

——人才层面挑战。一是缺乏复合型人才。以通信行业为例，招标代理机构普遍仅有1—2名核心人员具备采购业务能力，而兼具AI技术能力的不足5%。这种结构性短缺导致80%以上的智能评标系统应用项目需依赖外部技术支持。现有采购人员中，仅12%接受过系统性AI培训，能独立完成采购数据分析建模的不足3%。在智能合同审查、供应商画像构建等具体场景中，78%的项目组需外聘技术顾问。

二是人才引进与培养机制不完善。一方面，培养机制滞后，全国仅4所财经院校开设采购数字化方向，年培养规模不足500人。现有培训多采用“采购法规+基础编程”的简单叠加模式，缺乏AI与采购场景深度融合的课程体系。另一方面，行业吸引力下降。政府采购领域薪酬较互联网行业低40%—60%，导致近3年相关专业毕业生行业留存率从58%降至37%。特别是在自然语言处理、机器学习等关键领域，人才流失率高达年均21%。

——法律与政策层面挑战。一是现有法律法规滞后于智能化发展。政府采购智能化转型正面临法律体系滞后的系统性制约。当前，政府采购配套法规在数据权属、流程重构、责任认定等关键领域存在制度真空，导致智能化改革陷入“技术先行、规则缺位”的困境。比如，供应商资格审核需调取市场监管部门数据，但政府采购有关法律法规并未明确数据接口的法律效力。又如，现有评审规则与AI技术存在结构性冲突，部分智能评标系统存在“算法黑箱”，其评审逻辑不符合《政府采购货物和服务招标投标管理办法》第五十四条第三款“采用最低评标价法评标时，除了算术修正和落实政府采购政策需进行的价格扣除外，不能对投标人的投标价格进行任何调整”的要求。

二是制度模糊地带引发现实矛盾。供应商画像需大数据分析供应商履约能力，这在一定程度上违反了《中华人民共和国政府采购法》（以下简称《政府采购法》）禁止差别对待的规定。智能合约履行需区块链自动执行合同条款，但《中华人民共和国民法典》合同编并未规定代码执行效力。算法纠错责任需明确AI决策失误的责任主体，但《政府采购质疑和投诉办法》并未涵盖算法错误。

——社会接受度层面挑战。一是部分采购人员和供应商存在抵触情绪。政府采购系统普遍缺乏专业AI技术团队，导致技术开发、维护和应用存在障碍，使得部分采购人员产生技术能力与资源不足的焦虑。传统审批流程依赖人工经验判断，而AI辅助系统可能削弱审批人员的决策主导权，这很可能导致一些采购审批人员产生抵触心理。此外，AI系统需接入供应商财务数据、生产流程等核心信息，可能存在商业机密泄露风险。

二是公众信任度有待提高。尽管我国AI产业标准化体系正在逐步完善，但在政府采购领域，公众可能将AI自动生成的招标文件误读为“机器独断”而非辅助工具，这种认知偏差进一步放大了不信任感。鉴于政府采购涉及公共资金使用与政策制定，公众对AI系统的算法逻辑、数据来源及决策依据缺乏直观理解。例如，某大学开发的智慧采购大模型，虽然通过AI智能咨询模块提升了采购合规性，但其底层决策逻辑仍存在“黑箱”特征，导致公众对招标结果公平性存疑。

推动政府采购智能化发展的策略

——基础设施建设与完善采购数字化。一是完善信息化基础设施，提高线上采购占比。建议搭建国家级政府采购云平台，采用微服务架构，集成招标、合同、支付、监管等8大核心模块。地方平台通过API网关与中央平台对接，实现采购目录、供应商库、信用评价等数据实时同步。部署AI评标引擎，建立包含行业特征的智能评标模型库，自动识别围标串标行为。引入采购需求智能生成系统，通过自然语言处理解析历史数据，自动生成合规采购需求文档。推动电子招标文件加注时间戳，投标文件自动哈希值存证，开标环节采用虚拟拆标技术。建立智能预警系统，对超时审批、价格异常等风险实时推送预警。试点区块链采购平台，将采购流程各节点信息上链，实现审计线索全程可追溯。建立采购价格智能监测模型，实时比价电商平台，价差超15%自动触发复核。

二是提升采购平台数据处理与分析能力。引入数据湖仓一体化技术，兼容结构化与非结构化数据处理，构建分布式实时处理引擎。建立BaaS平台，实现标书哈希值、评审记录、合同条款等全流程上链。实施三级等保2.0标准，数据库加密强度使用SM4—CBC模式，入侵检测响应≤30秒，数据备份策略采用3—2—1原则。

三是加大技术研发。通过合作创新采购方式，促使企业提升研发投入。建立平台化创新联合体，汇聚高校、企业的研发资源，如推行科技专员制度，促进高校科研人员驻企研发。建立技术成熟度（TRL）分级采购体系，对TRL4—6级技术给予价格扣除优惠，TRL7级以上技术实施强制采购。

——人才培养与引进。一是提升采购人员的技术素养。组织AI工具操作、数据分析、智能评标规则等专题培训以及智能化采购政策与合规性培训，明确流程变化与责任边界，减少执行阻力。通过在线平台为供应商提供智能标书制作、AI响应工具使用教程，降低参与门槛。开展智能采购资质（如数据接口标准、信用认证）的专项指导，帮助中小供应商适应新要求。建立学习护照制度，将培训成果与职级晋升挂钩，定期更新人员技术评估维度。组建跨部门AI采购智囊团，优秀学员自动入选。

二是建立复合型人才激励机制。搭建“能力图谱+项目贡献+创新溢价”的立体评估模型，将算法模型开发能力、跨部门协同效率、政策解读准确度等纳入考核维度。构建“政企学研”四位一体培养机制，设立采购数字化转型实验室。建设靶向引才渠道，建立“三库一池”人才储备系统（专家库、院校库、企业库、候补池），与高校、研究院等机构签订定向输送协议。建立采购数字人才认证体系，将Python编程、RPA开发等技能纳入职称评审加分项。定期开展人机协同指数评估，确保技术应用与人才发展的良性互动。

——完善相关法律法规。一是明确智能化采购的规则与程序。建议在《政府采购法》中增设科技赋能原则，明确区块链、人工智能、大数据等可信技术的应用，同时确立技术中立原则，禁止采购系统对特定供应商的技术歧视。建议出台《政府采购智能化系统技术要求》，规定智能评标系统须通过人工智能风险管理框架认证，电子采购平台需符合ISO27001信息安全管理体系标准，确保系统安全性与算法可解释性。建立全国统一的政府采购数字身份认证体系，推行量子加密投标文件传输技术。对于采用机器学习技术的动态评标系统，要求训练数据集须经第三方审计，确保数据代表性的行业均衡。

二是保障数据安全与公平竞争。试点“监管沙盒”机制，允许采购金额在规定数额以下的项目使用实验性智能采购系统，同步构建数字孪生监管平台进行实时风险监测。开发政府采购AI审计平台，运用自然语言处理技术自动解析招投标文件，通过知识图谱技术识别围标串标行为。建立全国电子化质疑投诉平台，引入智能仲裁机器人处理标准化争议，复杂案件自动转人工复核。明确采购过程中产生的数据资源归属，建立政府采购数据交易负面清单，探索运用隐私计算技术实现数据“可用不可见”的共享模式。

——加强宣传推广与沟通协调。一是加强对智能化采购的宣传推广。在财政部官网、中国政府采购网等平台开设智能采购专区，整合政策解读、操作流程、常见问题数据库。在政务服务中心设置智能采购体验区，配备导览员演示AI供应商匹配、区块链存证等核心功能。开展网络安全宣传周活动，演示智能系统如何防御数据篡改、DDoS攻击等风险。引入第三方审计机构对智能采购系统进行年度合规性审查，结果向社会公开。结合“政府采购开放日”，邀请人大代表、企业代表、市民代表观摩智能评审现场。

二是建立跨部门、跨领域的沟通协调机制。构建采购数据湖2.0，采用区块链存证技术实现财政、审计、市场监管等数据实时核验，开发智能数据沙箱，支持跨部门数据模拟推演。实施“数字孪生”计划，建立采购流程镜像系统，允许各部门在虚拟环境中进行协作压力测试，提前暴露协同风险。设立智能化转型专项基金，30%资金用于跨部门联合创新项目，实施“揭榜挂帅”机制，对解决重大协同难题的团队给予预算倾斜。

（作者单位：徐州市政府采购协会）