AI 技术在招投标的探索应用

【关键字】AI；招投标稽核

1.概述

1.1 需求描述

在项目全生命周期中，招投标阶段是不可或缺的重要环节，每月湖南省内发布的招标项目数以千计，需要大量有经验的员工，花费大量时间筛选是否适合公司进行投标，这对于员工来说是巨大挑战。AI 招投标稽核平台运用 AI 技术，通过学习理解招标文件内容，实现对招投标文件关键内容的识别和理解，以便于实现招投标文件关键要点的稽核，减少人工稽核带来的误差，减轻了员工稽核招标文件的工作量，有效提高了工作效率，为稽核工作提供科学辅助，有助于企业通过精准投标提升中标率，从而支撑企业高质量发展。

1.2AI 技术应用说明

1）RPA 注智：模拟招投标文件人员按键生成文件稽核分析报告，实现闲时系统自动提前生成报告。

2）判别式AI 注智：利用NLP 技术对标书 进行文字识别，并进行文本特征分类，文本特征提取，文本特征工程等技术 AI 识别理解，并稽核。

3）大模型注智：利用大模型强大的自然语言处理能力和泛化能力，对标书进行深度理解和分析，实现对招投标文件关键内容的识别和理解，以便于实现招投标文件关键要点的稽核。

2.业务描述

2.1 业务目标

以过往历史招投标文件为数据基础训练大模型，对标书进行深度理解和分析，实现对招投标文件关键内容的识别和理解，并通过RPA 技术自动输出文件分析报告，方便标书编写人员快速发现问题，提高工作效率。

2.2 适用场景

招投标场景：实现对招投标文件关键内容的识别和理解，自动进行投标文档与招标文件的符合度稽核。

其他应用场景：本组件也可适用于评估报告、解决方案编写、实施方案等多类方案的稽核，减轻人工稽核工作量。

2.3 业务流程

AI 标书稽核业务流程如下：

（1）判别式 AI 注智：利用 NLP 技术对标书 进行文字识别，并进行文本特征分类，文本特征提取，文本特征工程等技术 AI 识别理解，并稽核。

（2）文件稽核：基于大模型的自然语言处理能力和泛化能力，对标书进行深度理解和分析，实现对招投标文件关键内容的识别和理解，进行投标文档与招标文件的符合度稽核。

（3）输出稽核报告：运用 RPA 技术，后台自动下载招标文件解析报告和投标文件稽核报告，提供招投标人员查看和使用。

2.4 业务规则

1）招投标文件内容完整，格式正确，包含标书模板必填内容。

2）招标文件解析点、投标文件稽核点预置完整。

3.技术方案

3.1 方案概述

我们提出了一种基于大模型的标书AI 稽核技术方案，通过深度学习、自然语言处理（NLP）、RPA 等先进技术，实现标书的自动化、智能化审核，运用 AI 技术，通过学习理解招标文件内容，实现对招投标文件关键内容的识别和理解，实现招投标文件关键要点的稽核。

3.2 系统集成关系

1、大数据平台

功能：存储标书数据，包括文本、图片等。

集成关系：大数据平台作为数据基础，与 AI 中台通过数据接口相连，实现数据的传输与处理。

2、AI 中台

功能：运用大模型等 AI 技术，对标书进行智能化分析，学习理解招标文件内容，实现对招投标文件关键内容的识别和理解，实现招投标文件关键要点的稽核，并将稽核结果反馈给用户界面或后续的业务流程。

集成关系：AI 中台接收来自大数据平台的数据，通过内置算法进行分析，并将分析结果反馈给用户界面或后续的业务流程。

3、AI 稽核用户操作界面

功能：提供AI 稽核用户操作界面，允许用户上传标书、查看分析结果、进行异常处理等操作。

集成关系：用户界面是系统与用户之间的桥梁，它接收用户上传的标书，并将AI

用户在AI 稽核用户操作界面上传标书文档，申请文档稽核，系统受理稽核请求后，调用AI 中台模型能力，进行稽核训练并返回稽核模型结果，输出标书稽核报告反馈给用户。

3.4 详细方案描述

3.4.1 数据采集与预处理

1、多渠道数据收集

招标平台：从政府采购网、企业招标网站、行业协会公告板等，平台定期抓取并下载最新的招标公告、招标文件（如招标文件包、技术规格书、合同模板等）。

投标方：积极与潜在或已有的投标方建立联系，获取其历史投标文档、成功案例、技术提案等内部资料。

第三方数据服务机构：利用专业的数据服务提供商，他们能够提供经过初步筛选和整理的标书文件数据，通过合作购买或数据共享协议，可以快速获取大量高质量的数据资源。

2、数据清洗与预处理

修正格式错误：针对文档中的格式不统一问题，如字体、字号、段落间距等，开发或采用现有的文档处理工具进行批量修正，确保所有文档在视觉上保持一致，便于后续处理。

去除无关信息：通过编写规则或训练专门的模型，自动识别并删除文档中的页眉、页脚、水印、版权声明等无关信息，以及可能的敏感信息（如个人隐私、商业秘密），以保护数据隐私并提升数据质量。

3、数据标注与验证

数据标注：对于需要深入理解或高度依赖上下文的数据部分，如技术规格的关键参数、合同条款的特定要求等，进行标注。

数据集验证：在数据准备完毕后，进行多轮次的验证与审核，包括随机抽样检查、交叉验证、专家评审等，以确保数据集的完整性和一致性，减少因数据质量问题导致的模型偏差。

3.4.2 模型构建与训练

通过大模型的自然语言理解能力，从标书中抽取关键信息，如企业资质、项目经验、技术方案、报价明细等。对大模型抽取的信息进行深度语义理解，为了进行深度语义理解，首先将文本转换为向量形式，在获得文本向量后，利用深度学习模型对文本进行上下文分析，捕捉文本中的长期依赖关系和语义信息，从而更准确地理解文本的含义。在深度语义理解的基础上，系统结合历史经验、合规性标准和行业规则，对关键信息进行深入分析。通过构建招标文件解析规则库和投标文件稽核规则库，引入多种深度学习算法和技术，系统能够自动识别出标书中的潜在风险点（如虚假陈述、夸大业绩等）和不符合规范的内容（如技术参数不符合行业标准、合同条款存在漏洞等 ). 。在模型训练阶段，利用历史标书数据训练 AI 稽核模型，我们采用反向传播算法和梯度下降法等优化算法调整模型参数，使模型能够更准确地识别标书异常和评估合规性。

3.4.3 稽核执行与结果反馈

将待稽核的标书输入训练好的模型，模型自动对标书内容进行深度分析，识别潜在问题。利用模型内置的异常检测算法，对标书中的关键解析点进行深度解析，发现异常内容。系统自动对稽核结果进行整理和分析，生成详细的稽核报告，帮助招投标人员快速稽核、修改标书。

作者简介：隆雨汐，工学硕士学位，中国电信股份有限公司湖南IT 及大数据中心