“ 机器管招投标 ” 改革现存问题及系统性优化路径的建议

——以技术赋能与制度创新破解招投标领域数字化转型瓶颈

一、当前“机器管招投标”改革面临的核心问题

1. 评标质量失真风险：低价竞争与成本判定难题

机器评标系统对“低于工程成本竞标”的判定机制存在技术盲区，导致最低价法成为部分投标人不正当竞争的工具。例如，部分企业通过压缩必要成本（如安全投入、材料质量）以低价中标，后续通过工程变更、签证等方式弥补利润，不仅影响工程质量，更破坏市场公平竞争秩序。

2. 标的参数设置异化：“技术中立”外衣下的利益输送漏洞

尽管机器评标对串标、围标等显性违规行为有一定遏制效果，但参数设置的   “人为性”使其难以根治“关系标”。部分项目通过预设倾向性参数（如限定特定   品牌、技术指标）间接排除潜在竞争者，或调整算法权重为关联企业“量身定制”评分规则，导致技术沦为利益输送的“合法化”工具。

3. 智能算法内生性缺陷：偏见固化与市场垄断风险

算法偏见与创新压制：依赖历史数据训练的AI系统可能延续地域保护、行业偏好等隐性歧视。某“人工智能+”智能体场景建设项目中，AI因缺乏对新技术方案的识别能力，误将创新性智能算法模型判定为“报价过高”，导致优质方案落选。

技术垄断与壁垒形成：少数头部企业通过控制核心算法和数据资源，在公共资源交易平台中形成隐性垄断。某省强制使用特定AI系统，其信用评分模型明显偏向本地企业，直接架空“公开公平”原则。

4. 法律监管体系滞后：算法黑箱与权责真空困境

决策透明度缺失：深度学习模型的“黑箱特性”导致评标结果生成逻辑难以追溯，投标方质疑时，平台常以“商业机密”为由拒绝披露细节，违反程序正义。

责任主体模糊化：传统评标中专家需签字担责，而AI决策涉及数据训练方、算法开发方等多主体，一旦出现错误，责任划分推诿扯皮，监管难以落地。

5. 行业漏洞利用升级：参数操纵与隐性违规频发

部分企业通过“技术包装”规避监管：一是预设“职称证单位名称简写差异”等严苛否决项，变相排除竞争对手；二是利用保证金管理漏洞延迟退还资金，占用   投标方现金流；三是通过算法参数微调实现“合法围标”，如统一调整某类技术指   标的权重，使关联企业评分显著提升。

6. 技术适应性与监管盲区双重挑战

初期试点中，部分中小企业因系统操作不熟练导致投标文件被误拦截；同时，算法对复杂项目的适应性不足，对跨领域技术方案的识别准确率较低。叠加监管技术手段滞后，“算法作恶”难以被及时发现，形成监管真空。

二、总结性问题：当前改革的三大核心矛盾

1. 技术赋能与制度适配的矛盾：机器评标效率提升的同时，现有法律法规对算法责任、数据安全的界定滞后，导致“技术先行、制度缺位”。

2. 效率追求与公平保障的矛盾：过度依赖AI可能压缩专家主观裁量空间，而算法偏见和参数操纵反而加剧不公平竞争。

3. 创新驱动与风险防控的矛盾：对新技术方案的识别能力不足，可能抑制行业技术创新；同时算法黑箱为权力寻租提供新空间，风险防控难度加大。

三、创新性解决措施：构建“技术+制度”双轮驱动的治理体系

（一）打造“阳光算法”：破解透明性与垄断难题

建立算法动态备案与审计机制：要求评标系统开发方提交算法原理、数据来源、权重逻辑等核心信息备案，由省发改委、财政厅联合第三方机构（如高校、行业协会）开展年度审计，重点排查地域偏好、行业歧视等隐性问题。

推行“AI初筛+专家复核”双轨制：AI负责资质审查、价格比对等标准化环节（占比不超过60%），专家团队聚焦技术方案创新性、履约能力等模糊决策领域，保留人类对“新技术、新工艺”的裁量权。

（二）构建“三维防控”体系：参数、过程、结果全链条监管

（三）创新“技术治理+生态培育”双路径

算法伦理嵌入：在系统开发阶段引入伦理审查委员会，通过对抗性测试（如模拟地域歧视场景）暴露潜在偏见，强制要求对“创新性方案”设置独立评分维度。

中小企业赋能计划：设立省级“机器招投标适配服务中心” ，提供免费操作培训、投标文件预检测等服务，降低技术门槛；对因系统误判导致落选的创新项目，开通“专家复核绿色通道”。

（四）完善法律与责任体系：破解权责真空

立法先行：推动《省公共资源交易算法管理条例》立法，明确算法开发方、使用方、监管方的权责划分，规定“算法错误导致损失时，开发方承担连带赔偿责任”。

建立“熔断机制”：当AI评分与专家复核结果差异超过15%时，自动暂停评标流程，启动第三方仲裁，确保决策容错空间。

结语：“机器管招投标”改革是优化营商环境的重要抓手，需以“技术向善”为导向，通过制度创新驯服技术风险，真正实现“效率提升、公平保障、创新激励”的多重目标，为我省经济高质量发展提供坚实支撑。

作者信息：

姓名：龚华

电话：18974909608

评标专业：信息化

职称：高级工程师

工作单位：湖南省现代财政金融研究院