【新質生產力：政府采購新變量】

DeepSeek驅動政采風控升級

■ 秦海娟 朱朝陽 蘇甫 朱玉峰

隨著政府采購規(guī)模擴大和交易模式多元化，政府采購風險呈現隱蔽化和系統化特征，傳統人工監(jiān)管模式已難以有效應對。在這一背景下，人工智能技術，特別是大型語言模型的迅速發(fā)展為政府采購風險防控提供了新思路。DeepSeek作為國內領先的大型語言模型，在自然語言處理、知識推理和多模態(tài)信息分析等方面具有顯著優(yōu)勢，將其應用于政府采購風險防控，能夠有效解決傳統防控模式的結構性缺陷，實現風險防控的智能化和精準化。

政府采購風險多元且隱蔽

政府采購風險呈現明顯的多元化趨勢，從傳統的廉政風險擴展至法律合規(guī)風險、質量風險、履約風險和績效風險等多維度。尤為突出的是采購人主體責任不清晰、采購程序重招標投標而忽視采購全流程、監(jiān)管職責分散化。上述問題導致采購過程嚴格遵循規(guī)定程序，但采購結果無法滿足實際需求或資源配置效率低下。這一現象深層次原因在于績效責任邊界模糊，采購主體的行為激勵機制存在偏差，僅對程序合規(guī)負責而缺失對效果負責的機制。

與此同時，風險隱蔽化趨勢日益明顯，表現為“合規(guī)外衣下的違規(guī)實質”。這類風險往往隱藏在專業(yè)技術細節(jié)中，如技術參數和評分方法的巧妙設計，監(jiān)管者因專業(yè)知識局限難以有效識別。其本質是信息不對稱下的權力濫用，監(jiān)管者與被監(jiān)管者在信息獲取和專業(yè)能力上的不平衡導致了監(jiān)管效能的大幅降低。

除上述特征外，采購風險的系統化、鏈條化特征日益突出，風險不再是孤立存在，而是形成了相互關聯的風險網絡。任何環(huán)節(jié)的風險都可能對整個系統產生連鎖反應，需求確定環(huán)節(jié)的不合理限制直接影響評審結果和合同履約質量，最終導致采購績效低下。這種鏈條式風險傳導機制意味著單一環(huán)節(jié)的風險控制無法有效防范系統性風險，必須采取全鏈條、全過程的系統管控方式。

傳統防控機制難抵風險

傳統風險防控機制存在明顯的結構性缺陷。從監(jiān)管結構層面分析，現行政府采購風險防控體系存在“重點輕面”“重表輕里”的系統性缺陷。制度設計上過度關注單個環(huán)節(jié)的合規(guī)性監(jiān)督，而忽視了全過程的系統性風險管控；監(jiān)管實踐中過度關注表面程序的規(guī)范性，而忽視了實質內容的合理性。這種結構性失衡導致風險防控陷入“重形式、輕實質”的怪圈，無法真正觸及風險的核心要素。

在監(jiān)管資源配置方面，現行模式呈現明顯的不平衡狀態(tài)。大量監(jiān)管資源集中在招標投標環(huán)節(jié)，而對需求確定和合同履約這兩個關鍵環(huán)節(jié)的監(jiān)管投入明顯不足。同時，監(jiān)管時偏重事后處理，事前預防和事中監(jiān)控的力度不夠。這種資源配置的結構性失衡，導致高風險環(huán)節(jié)監(jiān)管脆弱，風險防控體系整體效能受限。

從技術支撐角度看，現有風險防控嚴重依賴人工經驗判斷，數字技術應用處于初級階段。雖然電子化采購平臺已廣泛應用，但其功能主要停留在交易過程，缺乏風險智能識別、預警和分析功能。此外，數據碎片化問題嚴重，政府采購數據與財政預算、資產管理、信用監(jiān)管等相關數據未能有效整合，限制了大數據分析在風險防控中的應用潛力。

隨著信息技術的飛速發(fā)展，推動政府采購信息化已成為一種全球性的趨勢。DeepSeek作為人工智能領域的代表性大模型，其多層次的技術特性和理念創(chuàng)新，為政府采購風險防控體系的優(yōu)化提供了新的可能性。

DeepSeek守好關鍵環(huán)節(jié)防控

政府采購作為一個復雜系統工程，其各環(huán)節(jié)均存在不同特征的風險點。DeepSeek在政府采購流程中的應用重點集中于需求確定、采購文件編制、評審和履約驗收4個關鍵環(huán)節(jié)，通過智能化手段識別風險、進行風險預警并提供解決方案，為政府采購風險防控體系建設提供了技術支撐和創(chuàng)新路徑。

——需求確定環(huán)節(jié)是政府采購活動的源頭，其風險防控尤為關鍵。

首先是需求合理性的智能審查。DeepSeek深入分析采購需求文件，精準識別不合理的技術參數、資質要求和商務條件，有效防范設置傾向性條款的風險。系統自動對比類似采購項目的需求參數，標記出異常的限制條件，并給出針對性的修改建議，為采購人提供客觀參考。

其次，DeepSeek在需求表達規(guī)范化方面提供了智能輔助。通過分析需求描述中的模糊表述和不確定因素，系統提供更加精準、規(guī)范的表達建議，從源頭減少因需求表達不清晰而導致的后續(xù)履約糾紛風險，提升采購文件的專業(yè)性和準確性。

最后，市場適應性智能評估成為DeepSeek的重要功能。系統通過對海量供應商產品信息和市場數據的綜合分析，科學評估采購需求與市場實際情況的匹配度，準確預測能夠滿足需求的潛在供應商范圍，有效防范“量身定制”等定向采購風險。

——采購文件是政府采購活動的重要載體，其質量直接影響到采購活動的公平性和有效性。

首先，DeepSeek通過基于政府采購法律法規(guī)知識庫的合規(guī)性智能校驗，對采購文件進行全面檢查。系統能夠自動識別與法律法規(guī)沖突的條款、程序性錯誤以及不合理的時間節(jié)點設置，以確保采購文件的基本合規(guī)性。

其次，DeepSeek在技術規(guī)格與評分標準優(yōu)化方面發(fā)揮著重要作用。通過系統分析技術規(guī)格描述與評分標準之間的一致性和科學性，DeepSeek可以識別評分標準中的模糊表述、主觀因素過多及權重設置不合理等問題，并提供相應的優(yōu)化建議，從而提升評審的科學性和客觀性。

最后，在隱蔽限制識別方面，DeepSeek利用深度語義分析技術，能夠發(fā)現采購文件中的隱性限制條款。這些條款，如特定參數組合、技術指標的特殊搭配以及商務條件的特殊設置，表面上看似合理，但實際上卻可能指向特定供應商。DeepSeek的智能分析可有效揭示這些隱蔽風險，增強采購流程的透明度。

——評審環(huán)節(jié)是政府采購活動的關鍵風險點，也是前兩個環(huán)節(jié)成果的實際檢驗場所。

在投標（響應）文件智能分析方面，DeepSeek可以快速分析大量投標（響應）文件，提取關鍵信息，識別響應偏差和異常內容，輔助評審專家進行專業(yè)判斷。這一功能大幅提高了評審效率，減輕了專家的工作負擔，同時提升了評審的準確性。

在專家評審行為監(jiān)測方面，通過分析評審過程數據，DeepSeek識別異常評分模式和不合理評審行為，實現對評審過程的智能監(jiān)督。這一功能突破了傳統事后監(jiān)督的局限，實現了評審過程中的實時風險預警。投標異常關聯分析方面，DeepSeek對投標（響應）文件進行文本相似度分析和關聯挖掘，識別潛在的投標人串通行為，防范圍標串標風險。這種基于文本分析的異常檢測能力彌補了傳統人工審核的不足，為監(jiān)管部門提供了有力工具。

——履約驗收是政府采購活動的最后一個重要環(huán)節(jié)，是客觀評價采購工作質量優(yōu)劣的最直接依據，與整個采購項目的成敗息息相關。合同內容應該與項目招標文件、投標文件確定的事項一致。但在實際操作過程中，有的采購人可能會修改合同內容，DeepSeek可以快速地檢測出合同是否與招標文件、投標文件確定的事項一致。

在履約行為智能監(jiān)測方面，通過分析履約過程文件、驗收材料和進度報告，DeepSeek可以識別履約異常信號，提前發(fā)現質量風險、進度風險和資金風險。這種持續(xù)監(jiān)測機制使風險防控延伸到了采購后期，實現了全流程覆蓋。

在履約效果智能評估方面，DeepSeek可以對采購結果與初始需求的匹配度進行智能分析，評估采購項目的實際效果，發(fā)現“形式履約、實質不符”的隱蔽風險。供應商信用智能評價方面，基于歷史履約數據分析，DeepSeek構建供應商履約信用畫像，為未來采購活動提供風險參考。這種基于歷史數據的信用評價機制既有利于供應商管理，也為采購決策提供了重要參考。

DeepSeek落地的挑戰(zhàn)與對策

DeepSeek在政府采購領域有巨大的應用潛力，但也存在現實困境。一方面，智能技術為風險防控注入了新的活力，另一方面，技術落地過程中的數據、人才、流程等多重挑戰(zhàn)亟待解決。

政府采購數據的碎片化與異構性嚴重影響了DeepSeek智能系統的應用效果。各級政府采購中心、采購人與供應商的數據采集標準不一，導致數據格式不統一、質量參差不齊，數據清洗與整合工作量巨大，構成了模型應用的基礎性障礙。同時，專業(yè)人才缺乏問題不容忽視，既精通政府采購業(yè)務規(guī)則又熟悉人工智能技術的復合型人才稀缺，導致系統實施與運維缺乏專業(yè)支撐。業(yè)務流程重構也面臨較大阻力，DeepSeek的嵌入式應用需要調整現有業(yè)務流程與工作模式，但長期形成的制度慣性與部門利益格局使得流程再造遇到諸多障礙，尤其是在風險防控職責劃分、決策權限調整等方面，組織變革阻力明顯。投入成本與績效評估同樣構成挑戰(zhàn)，DeepSeek系統建設需要在硬件設施、軟件開發(fā)、數據處理和人才培養(yǎng)等方面進行大量投入，但風險防控效果的量化評估存在方法論挑戰(zhàn)，難以準確衡量投資回報率。此外，倫理和責任邊界問題日益凸顯，AI輔助決策引發(fā)了責任歸屬、決策透明度、算法公平性和數據安全等一系列倫理問題，缺乏明確的法律規(guī)制與責任劃分機制，使得實施主體在應用過程中面臨法律風險與責任不確定性。

針對這些問題，須從多維度突破。在數據管理方面，應建立覆蓋數據采集、清洗、存儲與使用的全生命周期管理規(guī)范，制定統一的數據標準與質量評估機制，明確各相關主體的數據治理責任，建立跨部門數據共享協作機制，消除數據孤島。在政府采購監(jiān)管方面，可利用大數據分析輔助政府采購，通過不斷加深對政府采購代理機構信息的挖掘和掌握，有效降低政府采購風險監(jiān)管成本。人才培養(yǎng)與組織建設方面需要開展AI賦能政府采購專題培訓，設立專門的AI應用團隊，建立政府采購與AI技術的交叉培訓機制。為評估系統效益，應構建包含投入指標、產出指標和效果指標的多維評估模型，既關注直接經濟效益，也重視風險防控的長期社會效益，為決策者提供科學的投資依據。

（作者單位：江蘇省鎮(zhèn)江市財政局、鎮(zhèn)江市公共資源交易中心）

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。