【圓桌論壇·從“輔助工具”到“決策核心”】

主持人：

本報記者 ：張舒慧  彭勇琪  

嘉賓：

清華大學公共管理學院教授        于  安

北京師范大學教授           萬  喆

天津市公共資源交易中心政采業務負責人       王永鋒

中軟國際副總裁、AIGC研究院院長     萬如意

政采云股份有限公司品牌部總監             黎  嫻

浩鯨云計算科技股份有限公司解決方案總監      李達鋒

定目標 明邊界 建機制

——業內專家共話AI評審系列問題（二）

主持人：您認為AI在政府采購評審中的終極目標是什么？是始終作為輔助評審與決策的“超級工具”，還是最終會走向解放人力、獨立承擔評審工作的“智能主體”？為什么？

于安：人工智能，特別是當前使用的大模型，應由中央統一部署，不能各行其是。其中有一個原則，即人工智能目前的定位仍是輔助決策，不能直接將其建議或預測轉化為決策本身。近期，由中央網信辦牽頭，聯合國家發展改革委共同制定印發《政務領域人工智能大模型部署應用指引》是政務系統使用大模型的重要依據。文件中已明確說明人工智能大模型“輔助型”定位。

在政府采購領域，從采購人角度出發，必須遵循這一原則。供應商的決策屬于商業決策，而采購決策屬于行政決策的一種。盡管采購決策是合同決策而非管理決策，但因其使用財政性資金、履行公共職務，仍需明確人工智能的輔助定位。尤其是在涉及資金使用的系統中，更應將人工智能定位為輔助角色。

此前，部分地方行政機構曾將人工智能直接作為決策工具，甚至告知當事人“是系統決策的結果，必須接受”。這種做法在管理決策中存在很大問題，且已有法院對此作出相關判決。因此，采購決策更應避免此類情況。

萬如意：AI在政府采購評審中的終極目標，是從“輔助工具”走向“解放人力、獨立承擔評審工作的智能主體”，而非停留在“超級工具”階段。核心原因有三點，且均與政府采購改革方向深度契合。

第一，這是突破傳統流程局限、契合結果導向的必然要求。傳統評審流程因人力知識邊界被拆分，各環節僅關注自身合規，易忽視整體采購結果。而AI作為“智能主體”，可憑借全流程知識儲備，以頂尖專家水平驅動采購全流程，主動聚焦“優質優價”目標。

第二，這是支撐采購人主體責任強化的關鍵支撐。近年來，政府采購制度改革一直在強調“誰采購、誰負責”，但部分采購人因缺乏全流程專業能力，政策難以全面落實。若AI成為“智能主體”，相當于為采購人配備“專屬采購專家”，輔助把控需求合理性、評審公正性，讓采購人真正有能力承擔“結果責任”，破解責任強化但能力不足的困境。

第三，這是人機協作形態升級的必然結果。“智能主體”并非取代人，而是重構分工。換言之，AI承擔流程性評審工作（如合規校驗、量化打分），解放人力；人則聚焦更核心的價值角色（如設定AI評審方向、糾正政策理解偏差、判斷復雜項目價值權衡），形成“技術提效、人定方向”的深度協同。這種協作遠超“超級工具”的淺層輔助，能讓“結果導向”貫穿評審全流程。

李達鋒：AI在政府采購評審領域的終極目標，是實現評審流程的全自動化與評審結果的客觀化，但這一目標的達成仍需經歷長期且嚴謹的探索過程，短期內難以完全實現。

從發展路徑來看，在政府采購這種高要求的垂直場景下，AI不宜走向“獨立評審的智能主體”，而應長期以“輔助評審與決策的超級工具”為核心定位，主要有以下三點原因：首先，當前AI技術在成熟度與專業理解能力上仍存在明顯欠缺。AI的知識獲取依賴海量數據學習，過程中易出現信息泛化、語境理解偏差等問題。尤其在政府采購評審中，部分技術方案的創新性、服務承諾的可行性需結合行業經驗與實際場景判斷，AI難以完全替代人工的專業洞察。其次，若未來AI實現獨立評審，其決策過程具有“黑箱屬性”。一旦出現評審錯誤，人工難以全面追溯錯誤根源與推理邏輯，可能導致評審結果失控，進而引發供應商質疑、投訴，甚至破壞政府采購的公正性與公信力。最后，政府采購不僅涉及技術與商業判斷，而且需兼顧公共利益、政策導向等多元目標。此類價值層面的權衡需依賴人類的倫理判斷與責任擔當，AI可能無法具備此類主觀能動性。

因此，AI評審的發展必須以健全的評審規則、完善的法律機制為支撐，始終處于“受監管+人工復核”的框架內。通過AI提升評審效率、減少主觀偏差，同時依托人工把控評審質量、承擔決策責任，形成人機協同的良性模式，確保評審結果既高效又合規。

黎嫻：我認為AI在政府采購評審中的終極目標是成為人機協同的“超級工具”，而非走向獨立評審的“智能主體”。這主要是由政府采購的本質屬性、AI技術的局限性和治理風險防控三方面的因素決定的。

一是政府采購的公共屬性決定了人類主導地位的不可替代性。政府采購除了要實現“物有所值”外，還承載著支持中小企業、綠色采購、社會公平、應急安全等政策功能。這些職能的實現需要結合人類基于公共利益、社會情景、文化背景等進行價值判斷，AI相對缺乏這種基于社會屬性的價值認知能力。

二是AI技術的固有局限性使其無法承擔獨立評審的核心職責。除了價值判斷缺失，無法準確理解評審標準背后的政策意圖和社會意義外，對于突發場景應對不足、算法倫理風險（歷史數據中的隱性歧視）等問題需要人類專家進行修正。

三是AI獨立評審的“智能主體”模式存在不可控的治理風險。一方面，“算法黑箱”會導致評審過程透明度缺失，違背政府采購“陽光采購”的核心要求，加劇公眾對結果公平性的質疑；另一方面，AI無法承擔法律責任，可能引發系統性治理危機，影響政府采購制度改革的順利推進。

萬喆：就評審工作而言，未來發展方向應為人機協同，而非全面替代。機器深度參與采購活動，可簡化重復性勞動，使人更專注于深度思考與創新見解。但前提是評審專家具備真正的專業能力，否則其重復性工作將被機器取代。

當前，AI技術局限性仍較大，未來若量子計算等實現通用化，或可帶來改變。同時，我國法律要求專家承擔評審責任，而由AI獨立評審可能導致責任空心化。公眾對AI評審結果的信任度受技術不透明、缺乏彈性等因素影響，仍需專家背書以增強公信力。因此，建議AI處理標準化環節，專家專注例外情況與技術細節復核，以實現效率與質量雙提升。比如，可建立動態權重分配機制，依據項目復雜度調整人機決策比例，高風險項目強制人工終審。

總之，AI在政府采購評審中的演進路徑應為從輔助到協同，而非簡單替代。短期需通過技術突破與法律適配提升其可解釋性、可靠性；長期應構建人機深度協同共治的新型評審體系，以實現效率與公平的最優平衡。

主持人：為確保AI的評審建議或決策透明、可解釋、可追溯，應構建怎樣的法律框架？

萬如意：構建法律框架的核心邏輯是“先定邊界、再促發展”，既要保障AI的創造性，又要通過規則確保其透明、可追溯，具體可從以下維度設計。

第一，明確可審計、可解釋的硬性要求。法律需規定，AI出具評審建議或決策時，必須同步留存可追溯臺賬，包含三大核心內容：一是數據來源（如參考的同類項目數據、政策文件）；二是邏輯推導過程（如為何判斷某投標方案合理，需列明價格比對、技術匹配度分析等細節）；三是結果解釋（避免專業術語堆砌，讓評審專家、供應商能清晰理解判斷依據），確保每一步決策都可核查、可驗證。

第二，建立AI能力認證機制。可借鑒美國部分行業監管經驗，針對政府采購評審場景，設立AI能力準入標準。AI需在特定品類（如醫療設備、教育軟件）完成足量模擬評審案例，且在價值判斷準確率、合規性契合度、結果可解釋性等核心指標達標后，方可獲取評審輔助資質，相當于“持證上崗”，保障AI評審能力。

第三，銜接國家大模型備案制度，增加采購場景二次備案。在國家生成式AI大模型備案基礎上，對進入政府采購評審場景的AI模型，額外審查其場景適配性。比如，重點核查AI對政府采購法律法規的理解程度，以及對不同采購品類專業知識的掌握情況，避免因模型“不懂采購、不懂行業”導致評審偏差。

第四，明確AI的“準主體地位”，既不將其等同于普通工具（否則無法發揮智力輔助價值），也不賦予其完全決策責任（否則違背現行評審責任制度）。可將其定位為“受采購人委托的專業輔助主體”，由采購人對AI行為承擔最終責任，同時要求采購人建立AI運行監督機制，形成閉環。

黎嫻：一是確立法律主體責任，特別是明確AI使用者的操作規范。二是制定相關規則、標準和機制。比如，制定透明規則，要求AI系統提供者根據風險程度，向監管方披露算法基本信息等；建立可解釋性標準，鼓勵采用可解釋AI技術；完善可追溯性機制，要求AI系統留存詳細的決策日志等。三是在強化監管與問責方面，明確AI提供方、使用方問責措施。

萬喆：一是構建數據全生命周期可追溯管理。比如，可采用區塊鏈存證系統實現采購數據全流程留痕；聯邦學習技術實現數據可用不可見，防止敏感信息泄露。二是建立算法治理機制，包括風險分級監管、強制性合規評估、供應商定期提交算法更新報告等。三是建立責任認定規則，明確過錯責任承擔方，并引入保險制度，覆蓋失誤所導致的經濟損失。四是公開技術文檔、中標公告中的AI評分依據、數據來源及專家復核意見等，提升公眾信任度。

李達鋒：需構建“全流程規制+責任明確”的法律框架，核心包含以下三方面內容。

一是明確AI評審的輸出透明義務，即在生成評審建議或決策時，完整呈現核心信息。比如，清晰列明評審所參考的政府采購法律法規條款、行業標準及項目評審細則，確保每一項結論均有據可依；標注AI分析所依賴的歷史數據、實時信息等。

二是建立評審全流程追溯機制。比如，對AI評審的每一步操作進行實時留痕，包括評審標準錄入、數據導入、模型運算、結果生成及人工修改等，形成不可篡改的評審日志。同時，日志需對“人機交互”過程進行詳細記錄，如專家對AI結果的修改內容、修改理由及確認時間，確保整個評審過程可核查。

三是界定人機協同的責任劃分，即明確AI與人工的角色定位及責任邊界。AI僅作為“輔助工具”，不承擔最終評審責任。因此，可配置專職評審復核人員，由其對AI評審結果進行全面核驗、修正，并對最終評審結果承擔法律責任。若因AI系統缺陷導致評審錯誤，需進一步明確AI技術提供方的賠償責任與整改義務，避免責任真空。

主持人：當供應商對AI產生的結果提出異議時，現行的質疑、投訴渠道應進行哪些適應性改造？或該如何設計申訴和救濟渠道？

王永鋒：如果AI技術的應用僅限于輔助決策性質，那么主要的風險挑戰來自采購人、采購代理機構以及評審專家對于輔助決策建議的使用方式，實際產生采購結論的主體依然是采購人、采購代理機構以及評審專家。因此，現行的質疑、投訴渠道并不受影響，有關部門可以考慮對采購人、采購代理機構以及評審專家采用AI技術應用提出規范性要求。

黎嫻：必須明確AI輔助工具的定位。在AI輔助評審的過程中，AI產生的結果只提供給專家參考，由評標委員會確定中標候選人名單。假設相關結果由AI產生，在設計申訴和救濟渠道時，可以引入專業的復核機制。例如，組建由算法工程師、行業專家、法律顧問等組成的復核委員會，對AI結果進行重新評估。

萬如意：異議渠道改造需分短期AI輔助階段與長期AI智能主體階段，進行差異化推進，核心是明確責任主體、保障結果公平。

在短期AI輔助階段（AI僅提供初步建議，專家定最終結果），現行質疑、投訴渠道無需大規模改造。但需新增AI輔助過程說明環節，即采購人或評審小組答復異議時，必須同步提供AI的初步評審建議、專家復核調整的具體依據，尤其要解釋AI對爭議點的判斷邏輯，消除供應商“信息不對稱”，避免因“不知AI如何判斷”而引發不必要的爭議。

在長期AI智能主體階段（AI獨立驅動部分評審流程），需新增兩類針對性救濟渠道：一是設立AI異議專項干預通道。由政府采購監督管理部門牽頭成立工作組，供應商提出異議后，工作組可啟動AI流程回溯，調取AI評審的決策日志、數據輸入記錄、邏輯推導過程，核查是否存在數據偏差、規則理解錯誤等問題，確保異議核查直達核心。二是設計流程回退機制。若核查發現AI存在問題導致結果不公，異議成立的項目可從“AI驅動流程”切回“傳統人工評審流程”重新評審，避免項目停滯。同時，將錯誤案例納入AI優化數據庫，用于改進AI判斷能力，形成“異議處理—模型迭代—結果優化”的良性循環。

無論哪個階段，相關法規都需明確“人工流程兜底”原則。即便AI技術成熟，也需長期保留傳統人工評審流程作為備用方案，確保人的最終把控權。畢竟政府采購服務公共利益，結果公平的最終判斷權仍需由人掌握。

李達鋒：一是搭建AI評審異議專屬服務平臺。平臺展示AI評審的處理流程、參考法規依據、具體評審標準、數據來源及推理邏輯等信息，為供應商提供異議查詢與咨詢服務。對供應商提出異議的具體評審項，平臺自動關聯對應的法律法規條文、評審細則及投標文件原文片段，幫助供應商快速理解AI評審結論的形成依據，減少信息不對稱。

二是簡化異議提交與流轉流程。供應商在平臺中勾選異議評審項、填寫異議理由后，平臺可自動生成標準化異議申請，并同步推送至采購人、評審專家及政府采購監管部門。

三是建立異議復核與結果反饋機制。組織“專家+技術人員”聯合復核小組，由專家負責判斷評審標準的適用與商業邏輯的合理性，技術人員負責核查AI評審的算法運算與數據處理是否存在缺陷。待復核結束后，需向供應商出具書面復核報告，詳細說明復核過程、結論及依據。若確認AI評審存在錯誤，需同步告知整改措施與重新評審的時間安排，確保異議處理全程公開、公正。

本報擁有此文版權，若需轉載或復制，請注明來源于中國政府采購報，標注作者，并保持文章的完整性。否則，將追究法律責任。