当ChatGPT等生成式AI广泛应用在文本&图像&视频编辑、语音助手、教育、自动驾驶等领域时，大家对AI的应用边界，有了更多想象空间。

企业采购负责人，不免问：采购评标中，把招标、投标文件“丢给”AI，让它去做判断，可行吗？

生成式AI，尤其是大语言模型，基础是对海量数据抓取分析后，通过概率分布模型生成回答。这也就是为什么，我们使用AI时，常遇到“相同问题，不同答案”，或是此前AI闹出“9.11比9.9大”的笑话。

具体到采购评标场景，不同采购项目对供应商的选择标准各异，资质、履约能力、价格等因素的权重各不相同。通用大模型由于缺乏行业特异性训练，难以精准把握这些差异，往往导致评审结果的一致性和准确性大打折扣。

因此，借助采购垂直领域行业大模型，成为企业采购业务智能升级的必经之路。采购行业大模型，通过“被投喂”大量招标、投标文本，并结合人工采集和标注，不断校正偏差，为评标专家提高可靠的评标“证据链”和建议结果。

北京筑龙的智能评标系统，就是基于上述需求和逻辑研发的。系统借助自然语言处理（NLP）、OCR等技术，用AI承担招投标文件的内容提取、分析比对、自动定位等工作。北京筑龙始终认为，大模型用于采购评标中，永远不能做“法官”，而只能做“律师”，像律师一样提供证据链和建议的结果，这个结果一定要是可解释的、有过程的，最终让法官（评标专家）去决策。

繁杂标书资料查找，让AI去处理

采购评标中，从海量招标文件中“反复查找、比对”，是最耗时耗力、且容易出错的一环。单个招采项目，动辄几十份标书，招标方对资格、技术、服务、商务的评审要求又是几十、上百条。专家需要在海量文件中，反复审核。即便多个专家，耗费大量时间，也难以避免人工处理过程中的错误和疏漏。

智能评标系统，将繁琐、低价值的文档分析工作交给AI，实现了招投标文件的内容提取、分析比对和自动定位等功能。系统能够结构化解析评标点、应标点，建立比对分析的阅读导航，并支持关联定位原文位置，确保专家能够快速回溯决策依据。

将人为清标“漏洞”，降至“零”

评标中，不论是标书的算术性错误、不平衡报价，还是错漏项，都依赖清标。清标不细致，阻碍企业选出优质供应商，引发项目风险、成本风险。

智能清标功能，是智能评标系统的一大亮点。通过对标书中的客观信息进行符合性比对，系统能够迅速筛选出不符合“硬件”要求的投标方，同时高亮提示资料缺失、内容前后不一致等问题，让清标环节“无盲区”“无盲点”。此外，系统还能自动生成评标分析报告，直观呈现标书合格与否及原因，为专家评标提供客观、全面的依据。

让“花式”围串标套路，无处遁形

鉴别围串标，除了需要从几十份招标文件中比对相同、相似处，还得分析供应商复杂的关系网。而当下的围串标手段，早已不局限在：标书全文或大段雷同、不同投标文件同一单位编制……这些简单的作弊手段。目前的围串标行为“藏得更深”，鉴别项又多，如果还是依靠人工排查，几乎不可能做到客观。

智能评标系统，借助AI的能力，提供围绕【内容审查】【关系排查】【软硬件ID】全方位的智能鉴别能力，再隐蔽的围串标手段都无处遁形。

系统支持对两份及两份以上标书进行审查：相同或相似标书内容、报价规律性差异、过高&过低报价，都会被“高亮”出来，提示评标专家关注。即便有些“重重伪装”（形式、顺序、格式上做了调整）的雷同标书，也能被识别出来。

系统接入了天眼查全量商业数据库，结合北京筑龙自研的采购供应链关系算法，轻松挖掘投标方内部员工、股东高管、存量供应商、投标方、招标代理机构、灰名单企业等涉及内外部的“显性+隐性”关系。

此外，投标人的上传/下载IP地址、设备MAC码相同，这些人工难以判断的围串标行为，借助智能化的系统也能轻松鉴别。

在北京筑龙看来，生成式AI应用于评标，除了必须经过该行业的数据“调教”，确保其准确性；其作用也只能是辅助专家提升评标效率和精准度“工具”，不能作为“决策者”。以目前生成式AI的技术水平来看，这种态势至少还会保持2~3年。