■ 趙敬華 伏光磊

在全球數字化轉型的浪潮中，人工智能技術的廣泛應用正在深刻改變各行各業的運作模式。政府采購作為公共資源配置的重要環節，其智能化轉型不僅是技術進步的必然結果，更是提升政府治理能力、促進社會公平的重要途徑。近年來，我國政府采購數字化水平不斷提升，政策驅動與技術融合成為核心特征。盡管數字化滲透率已然很高，但政府采購在智能化轉型過程中仍面臨技術復雜、人才短缺、法律法規滯后等多重挑戰。本文旨在深入探討政府采購智能化轉變面臨的挑戰，并提出相關的應對策略，以推動政府采購智能化發展。

政府采購智能化轉變面臨的挑戰

——技術層面挑戰。一是人工智能技術的復雜性與集成難度。AI系統需構建數據及知識庫、業務服務和應用服務平臺的多層次架構。其數據平臺整合了全國法規、典型案例及制度等異構數據源，需經過清洗、標注和結構化處理才能支撐上層應用。這種多層級整合對政府部門的跨部門協調能力和技術儲備提出極高要求。同時，AI系統間采用REST API、gRPC、自定義協議三類接口標準，跨協議通信需額外開發適配層，會使系統響應延遲增加。

二是技術更新換代快。政府采購部門在應用人工智能技術過程中面臨持續學習與技術升級壓力，主要體現在算法迭代、算力支撐、數據治理、合規風險及人才儲備等核心維度。

——人才層面挑戰。一是缺乏復合型人才。以通信行業為例，招標代理機構普遍僅有1—2名核心人員具備采購業務能力，而兼具AI技術能力的不足5%。這種結構性短缺導致80%以上的智能評標系統應用項目需依賴外部技術支持。現有采購人員中，僅12%接受過系統性AI培訓，能獨立完成采購數據分析建模的不足3%。在智能合同審查、供應商畫像構建等具體場景中，78%的項目組需外聘技術顧問。

二是人才引進與培養機制不完善。一方面，培養機制滯后，全國僅4所財經院校開設采購數字化方向，年培養規模不足500人?，F有培訓多采用“采購法規+基礎編程”的簡單疊加模式，缺乏AI與采購場景深度融合的課程體系。另一方面，行業吸引力下降。政府采購領域薪酬較互聯網行業低40%—60%，導致近3年相關專業畢業生行業留存率從58%降至37%。特別是在自然語言處理、機器學習等關鍵領域，人才流失率高達年均21%。

——法律與政策層面挑戰。一是現有法律法規滯后于智能化發展。政府采購智能化轉型正面臨法律體系滯后的系統性制約。當前，政府采購配套法規在數據權屬、流程重構、責任認定等關鍵領域存在制度真空，導致智能化改革陷入“技術先行、規則缺位”的困境。比如，供應商資格審核需調取市場監管部門數據，但政府采購有關法律法規并未明確數據接口的法律效力。又如，現有評審規則與AI技術存在結構性沖突，部分智能評標系統存在“算法黑箱”，其評審邏輯不符合《政府采購貨物和服務招標投標管理辦法》第五十四條第三款“采用最低評標價法評標時，除了算術修正和落實政府采購政策需進行的價格扣除外，不能對投標人的投標價格進行任何調整”的要求。

二是制度模糊地帶引發現實矛盾。供應商畫像需大數據分析供應商履約能力，這在一定程度上違反了《中華人民共和國政府采購法》（以下簡稱《政府采購法》）禁止差別對待的規定。智能合約履行需區塊鏈自動執行合同條款，但《中華人民共和國民法典》合同編并未規定代碼執行效力。算法糾錯責任需明確AI決策失誤的責任主體，但《政府采購質疑和投訴辦法》并未涵蓋算法錯誤。

——社會接受度層面挑戰。一是部分采購人員和供應商存在抵觸情緒。政府采購系統普遍缺乏專業AI技術團隊，導致技術開發、維護和應用存在障礙，使得部分采購人員產生技術能力與資源不足的焦慮。傳統審批流程依賴人工經驗判斷，而AI輔助系統可能削弱審批人員的決策主導權，這很可能導致一些采購審批人員產生抵觸心理。此外，AI系統需接入供應商財務數據、生產流程等核心信息，可能存在商業機密泄露風險。

二是公眾信任度有待提高。盡管我國AI產業標準化體系正在逐步完善，但在政府采購領域，公眾可能將AI自動生成的招標文件誤讀為“機器獨斷”而非輔助工具，這種認知偏差進一步放大了不信任感。鑒于政府采購涉及公共資金使用與政策制定，公眾對AI系統的算法邏輯、數據來源及決策依據缺乏直觀理解。例如，某大學開發的智慧采購大模型，雖然通過AI智能咨詢模塊提升了采購合規性，但其底層決策邏輯仍存在“黑箱”特征，導致公眾對招標結果公平性存疑。

推動政府采購智能化發展的策略

——基礎設施建設與完善采購數字化。一是完善信息化基礎設施，提高線上采購占比。建議搭建國家級政府采購云平臺，采用微服務架構，集成招標、合同、支付、監管等8大核心模塊。地方平臺通過API網關與中央平臺對接，實現采購目錄、供應商庫、信用評價等數據實時同步。部署AI評標引擎，建立包含行業特征的智能評標模型庫，自動識別圍標串標行為。引入采購需求智能生成系統，通過自然語言處理解析歷史數據，自動生成合規采購需求文檔。推動電子招標文件加注時間戳，投標文件自動哈希值存證，開標環節采用虛擬拆標技術。建立智能預警系統，對超時審批、價格異常等風險實時推送預警。試點區塊鏈采購平臺，將采購流程各節點信息上鏈，實現審計線索全程可追溯。建立采購價格智能監測模型，實時比價電商平臺，價差超15%自動觸發復核。

二是提升采購平臺數據處理與分析能力。引入數據湖倉一體化技術，兼容結構化與非結構化數據處理，構建分布式實時處理引擎。建立BaaS平臺，實現標書哈希值、評審記錄、合同條款等全流程上鏈。實施三級等保2.0標準，數據庫加密強度使用SM4—CBC模式，入侵檢測響應≤30秒，數據備份策略采用3—2—1原則。

三是加大技術研發。通過合作創新采購方式，促使企業提升研發投入。建立平臺化創新聯合體，匯聚高校、企業的研發資源，如推行科技專員制度，促進高校科研人員駐企研發。建立技術成熟度（TRL）分級采購體系，對TRL4—6級技術給予價格扣除優惠，TRL7級以上技術實施強制采購。

——人才培養與引進。一是提升采購人員的技術素養。組織AI工具操作、數據分析、智能評標規則等專題培訓以及智能化采購政策與合規性培訓，明確流程變化與責任邊界，減少執行阻力。通過在線平臺為供應商提供智能標書制作、AI響應工具使用教程，降低參與門檻。開展智能采購資質（如數據接口標準、信用認證）的專項指導，幫助中小供應商適應新要求。建立學習護照制度，將培訓成果與職級晉升掛鉤，定期更新人員技術評估維度。組建跨部門AI采購智囊團，優秀學員自動入選。

二是建立復合型人才激勵機制。搭建“能力圖譜+項目貢獻+創新溢價”的立體評估模型，將算法模型開發能力、跨部門協同效率、政策解讀準確度等納入考核維度。構建“政企學研”四位一體培養機制，設立采購數字化轉型實驗室。建設靶向引才渠道，建立“三庫一池”人才儲備系統（專家庫、院校庫、企業庫、候補池），與高校、研究院等機構簽訂定向輸送協議。建立采購數字人才認證體系，將Python編程、RPA開發等技能納入職稱評審加分項。定期開展人機協同指數評估，確保技術應用與人才發展的良性互動。

——完善相關法律法規。一是明確智能化采購的規則與程序。建議在《政府采購法》中增設科技賦能原則，明確區塊鏈、人工智能、大數據等可信技術的應用，同時確立技術中立原則，禁止采購系統對特定供應商的技術歧視。建議出臺《政府采購智能化系統技術要求》，規定智能評標系統須通過人工智能風險管理框架認證，電子采購平臺需符合ISO27001信息安全管理體系標準，確保系統安全性與算法可解釋性。建立全國統一的政府采購數字身份認證體系，推行量子加密投標文件傳輸技術。對于采用機器學習技術的動態評標系統，要求訓練數據集須經第三方審計，確保數據代表性的行業均衡。

二是保障數據安全與公平競爭。試點“監管沙盒”機制，允許采購金額在規定數額以下的項目使用實驗性智能采購系統，同步構建數字孿生監管平臺進行實時風險監測。開發政府采購AI審計平臺，運用自然語言處理技術自動解析招投標文件，通過知識圖譜技術識別圍標串標行為。建立全國電子化質疑投訴平臺，引入智能仲裁機器人處理標準化爭議，復雜案件自動轉人工復核。明確采購過程中產生的數據資源歸屬，建立政府采購數據交易負面清單，探索運用隱私計算技術實現數據“可用不可見”的共享模式。

——加強宣傳推廣與溝通協調。一是加強對智能化采購的宣傳推廣。在財政部官網、中國政府采購網等平臺開設智能采購專區，整合政策解讀、操作流程、常見問題數據庫。在政務服務中心設置智能采購體驗區，配備導覽員演示AI供應商匹配、區塊鏈存證等核心功能。開展網絡安全宣傳周活動，演示智能系統如何防御數據篡改、DDoS攻擊等風險。引入第三方審計機構對智能采購系統進行年度合規性審查，結果向社會公開。結合“政府采購開放日”，邀請人大代表、企業代表、市民代表觀摩智能評審現場。

二是建立跨部門、跨領域的溝通協調機制。構建采購數據湖2.0，采用區塊鏈存證技術實現財政、審計、市場監管等數據實時核驗，開發智能數據沙箱，支持跨部門數據模擬推演。實施“數字孿生”計劃，建立采購流程鏡像系統，允許各部門在虛擬環境中進行協作壓力測試，提前暴露協同風險。設立智能化轉型專項基金，30%資金用于跨部門聯合創新項目，實施“揭榜掛帥”機制，對解決重大協同難題的團隊給予預算傾斜。

（作者單位：徐州市政府采購協會）