生成式人工智能在政府采購中的應用前景、法律風險及對策研究
生成式人工智能在政府采購領域擁有廣泛發展前景，其在文件編制、招標評審、智慧監管等方面發揮積極價值。不過，由于該技術具有強數據聚合性、創造性和人機互動性，將增加數據合規難度，并對政府采購公開透明原則和現有問責機制造成挑戰。對此，應當明確數據分類，確保數據收集合規；建立規范法律語言庫，重視算法和結果解釋；構建以人為本的責任矩陣，強化多元主體責任，從而促進生成式人工智能和政府采購的深度融合與創新應用。
一、引言
生成式人工智能是指具有文本、圖片、音頻、視頻等內容生成能力的模型及相關技術，其在大模型、大算力、強算法等技術方面實現了對決策式人工智能的突破，并以更卓越的效率、創造力和生產力成為新一輪數字經濟變革的重要驅動力量。當前，以美國ChatGPT為代表的生成式人工智能正呈飛速發展態勢，我國生成式人工智能研發與應用方興未艾，并助力教育、醫療、政務等行業逐步實現智能化產業升級。
政府采購是指國家機關及其所屬單位使用財政資金依法進行的采購行為，旨在為社會提供公共服務，促進經濟發展和社會福利提升。隨著我國“互聯網+政府采購”的推進及政府采購全流程電子化的施行，當前全國多地公共資源交易中心正積極向交易數智化轉型，基于生成式語言大模型的智能問答系統也在穩步研發中，運用于相關領域僅為時間問題。可以預見，生成式人工智能應用于政府采購乃大勢所趨。
然而，隨著生成式人工智能的暴發應用，其潛在法律風險引人擔憂。雖然我國已于2022年11月和2023年7月分別出臺了《互聯網信息服務深度合成管理規定》和《生成式人工智能服務管理暫行辦法》，但其僅為生成式人工智能的一般規則，無法回應政府采購領域的特殊要求，提供適用于該行業的具體解決方案。基于此，本文通過分析生成式人工智能在政府采購中的應用前景，從法律層面探討其可能存在的風險并提出對策，以探索生成式人工智能與政府采購深度融合、創新應用的可能路徑。
二、生成式人工智能在政府采購中的應用前景
生成式人工智能具有兩大特征：一是自我生成能力和系統的創造性。作為認識論模型中的高階版本，生成式人工智能能夠在分析、歸納已有數據的基礎上對輸出內容演繹創新，生成不同于訓練數據的新內容。二是強人機交互性。以ChatGPT為例，其能在與用戶的多輪對話中不斷識別用戶需求，理解用戶意圖，并遵循用戶邏輯生成所需內容。憑借上述優勢，生成式人工智能在政府采購領域的應用前景廣闊。
（一）生成式人工智能應用于文件編制
1.機器輔助需求編制
當前政府采購需求編制多依賴于人工市場調研，易滋生如下問題：一方面，不充分不精準的市場調研易導致需求編制不當，引發質疑投訴，拖延采購進程；另一方面，由于人員干預程度高，利益輸送問題屢禁不止，對采購結果產生不利影響。生成式人工智能依靠強大的自我學習和拓展學習能力，能夠通過對市場同類供應商經營數據、歷史投標情況、履約情況等采購活動前中后期數據的廣泛收集與比較，精準描繪市場主體畫像。在數據脫敏基礎上，利用概率大模型學習潛在分布規律，從而高質量生成與采購要求匹配的需求文件，且可規避人為干擾因素。
2.自動生成招標文件
政府采購招標文件規范嚴，禁設項多，違規事項相對分散。其在規范層面僅做原則性規定，具體問題解決則主要依賴財政部國庫司答復留言和質疑投訴案例，整理起來既繁瑣又易疏漏，難以實現動態更新。生成式人工智能可在海量的法律、規定、案例、答復等數據訓練基礎上，利用自然語言處理技術動態抓取和整理相關語料，識別其中風險點，理解個案需求，自動生成既合乎規范又合乎需求的招標文件。
（二）生成式人工智能推動評審轉型
當前以專家為中心的評審模式存在兩方面問題。從主觀層面看，評審結果高度依賴專家的專業程度與自身素質，標準難統一，結果不確定性大；從客觀層面看，部分采購項目評分項設置復雜，技術參數多，人工評審效率低且易生誤差。生成式人工智能可助力政府采購從人工評審向智能評審轉型，實現評審模式的再造。一是識別虛假響應。其可借助大型語言模型迅速準確識別大量數據間交集，通過數據分析形成完整證據鏈，對供應商投標文件響應情況作出科學判斷，對虛假響應提供預警。二是統一評審標準。其可在對既有同類項目數據比較學習的基礎上，分析評審邏輯，生成評審報告，增強評審結果穩定性。三是優化評審結果。因其具備自我診斷和批判分析能力，可超越傳統智慧，避免供應商歧視和偏見，使得評審結果更為科學公正。
（三）生成式人工智能賦能智慧監管
政府采購作為財政制度的重要組成部分，是市場經濟條件下政府履行職能的重要宏觀調控工具。借助生成式人工智能技術及工具，政府采購可以更好地發揮其調控監管作用。
1.輔助政府預算編制
預算與需求不匹配是引發供應商“價格戰”的重要原因，其后果是產品技術配置和服務質量受輕視，導致資源配置不當。生成式人工智能利用大數據分析和機器學習等技術,有能力對具體項目的市場價格進行預測建模，提高財政預算決策的科學性和編制的精確性，有效緩解政府采購中競爭不充分和虛假競爭現象。
2.推動政策規范制定
一方面，生成式人工智能將顯著提升各類數據互聯互通能力，有助于形成“預算—需求—采購—履約—綜合評價”的閉環，加深政府采購多主體間的交流協作和實時監督，優化資源配置。另一方面，通過對海量歷史交易數據的學習與研判，準確識別實踐中的疑難問題，為打造粒度更細的規范文件提供依據，促進政府采購管理迭代更新。
三、生成式人工智能應用于政府采購的法律風險
如上文所述，生成式人工智能以海量數據大模型為技術底座，通過龐大的算力和精妙的算法，實現“類人化”智能生產方式，助推政府采購效率提升和技術創新。不過，與該技術伴生的潛在法律風險也不容小覷。
（一）數據權屬不明引發數據合規問題
如上文所述，生成式人工智能技術依賴于對龐大既有數據的分析與學習。當前，雖然國務院辦公廳已在《要素市場化配置綜合改革試點總體方案》和《中共中央 國務院關于構建數據基礎制度更好發揮數據要素作用的意見》（下文簡稱《數據二十條》）中對數據確權授權方式作出框架性規定，初步確立了數據要素市場流通規則，但該規則并不能有效回應政府采購領域的具體問題。
1.公域與私域數據界限不明晰
《數據二十條》以行為論而非主體論對公共數據作出規定，將“依法履職或提供公共服務過程中產生的數據”視為公共數據。政府采購雖屬公共服務范疇，但其所涉數據類型多元，除了政府采購活動產生的數據，還包括外部市場供需數據，前者由政府采購的參與主體供給，后者則從同行業其他市場主體收集。因此，政府采購數據同時涉及公共數據與企業數據，非為現有規范所囊括。數據權屬分配不明將引發侵犯企業知識產權、商業秘密等一系列問題。
2.公共數據使用方式不明確
依據《數據二十條》，推動用于公共治理、公益事業的公共數據有條件無償使用，探索用于產業發展、行業發展的公共數據有條件有償使用。因政府采購是一項兼具公益性與市場性的行為，即便將部分數據納入公共數據范疇，也難以據此概括出普遍原則。
（二）算法黑箱問題挑戰公開透明原則
公開透明是政府采購首要原則，要求采購全流程從預算編制、需求公開、結果公告直至履約驗收，均應面向社會公開。這一方面為公眾監督提供渠道，防范腐敗事件發生；另一方面有利于營造充分競爭的市場環境，促進公共資源合理配置。
然而，該原則將受到生成式人工智能“算法黑箱”的高度挑戰。算法黑箱是人工智能時代的新問題，用于描述供求雙方基于技術壁壘產生的信息鴻溝。由于深度依賴算法，由機器抓取、處理并輸出數據，人工智能的輸出內容受制于編程者主觀偏差、技術偏差等因素，其演算邏輯難以為普通用戶所理解。生成式人工智能因具有更強的自我創造力和學習衍生力，其生成的內容將遠超編程者控制，這進一步激化了算法黑箱矛盾，使得“少部分人算法黑箱”成為“人類共同的算法黑箱”。在此情形下，政府采購參與主體將難以在過程端發現問題并及時修正結果，公開透明的政府采購環境受到挑戰，既有行業秩序受到沖擊。
（三）多元責任主體突破現有問責機制
依據《政府采購法》第十四條，政府采購當事人在政府采購中享有權利和承擔義務，對政府采購負有法律責任。其中，采購人和集采機構（招標代理機構）作為質疑與投訴的相對方，對政府采購各階段的實質性和程序性事項的合法合規均負保證義務，是政府采購法律責任的主要承擔主體。而生成式人工智能的應用將引發權利義務的重新分配，打破以采購人和集采機構為中心的問責機制。
一方面，技術平臺的介入將突破當前責任范式。機器可替代采購人和集中采購機構部分工作，如需求擬定與文件編寫等，完成質量則有賴于數字產品的穩定性與安全性。作為生成式人工智能研發主體，技術平臺對此負有保證義務，成為政府采購法律責任承擔的新興主體。
另一方面，有觀點認為生成式人工智能應當作為獨立主體承擔法律責任。理由是，決策式人工智能是以算法“可解釋”作為確定責任主體的基本邏輯，其實質是由算法研發者和提供者承擔人工智能法律責任，而生成式人工智能因其已具備“類人”思維和一定行為能力，其生成內容有可能超出研發者預期。如在人機互動中，盡管算法已回避隱私數據，但機器仍能憑借龐大數據集和強大算力抓取用戶隱私數據，導致侵權責任。此責任若依然由研發者承擔確實有失公允。如此一來，責任監管難度加大，問責機制將陷入困頓。
四、生成式人工智能應用于政府采購的規制對策
面對生成式人工智能帶來的上述風險，應堅持發展與安全并重、鼓勵創新與依法治理相結合的原則，從以下三個層面予以規制。
（一）細化數據分類，確立使用規則
1.細化數據分類，厘清數據權屬
因政府采購同時涉及公域與私域數據，須嚴守公共數據和企業數據的界限。公共數據的本質是“由提供公共服務產生”且具有“公共價值”。企業數據則往往面向特定主體，體現顯著的商業性。如上文所述，政府采購數據包括政府采購活動產生的數據和外部市場的供需數據。前者又可細分為從業人員行使職權產生的數據和投標供應商提供的數據。因政府采購屬于公共服務，從業人員行使職權產生的數據應屬公共數據；外部市場供需數據因具有鮮明的商業性，應作為企業數據。爭議主要集中于投標供應商提供的“非公開”數據應如何歸類，雖然該數據屬于政府采購必要組成部分，但供應商并不承擔公共服務職能。從勞動價值論出發，考慮到該數據通常包括項目實施方案等內容，與供應商投標策略和商業機密息息相關，應將其歸為企業數據。
2.制定差異化規則，規范數據收集與使用
對于公共數據，應在以“國家所有、授權運營”為原則的基礎上，建立補償機制。該原則下，政府在公共數據支配中占主導地位，有利于統籌數據管理，達成數據開放共享和安全合規之間的平衡。鑒于當前全國多地公共資源交易中心已完成“事改企”改革，改制后企業以公共資源交易為主營業務，兼具公益性、功能性和市場性，政府采購數據是其市場競爭力重要體現，故應對從此類非行政事業單位所收集的公共數據給予相應補償。對于企業數據，應在明確其數據用益權的基礎上推行數據利他主義。一是確立企業數據用益權，將企業授權作為數據收集的前提。從本質上看，《數據二十條》提出的數據三權分置理念是數據用益權在數據生成和利用不同階段的具體實現形式，故可將數據用益權視為數據三權分置理念在法律層面的規范表達。數據用益權將所有權與實際控制權分離，為企業行使積極權能提供依據。二是推行數據利他主義。該概念最早由歐盟提出，本文語境下是指企業自愿以無償的方式基于一般利益，如改善公共服務，向政府共享其數據。為激勵更多企業參與政府采購數據共享，可參考歐盟做法，采取稅收獎勵、建庫資源共享等方式提升企業積極性。
（二）加強流程治理，破解黑箱困境
1.在事前環節，建立規范法律語言庫
生成式人工智能算法黑箱難點在于人機交互的不確定性，易引發合規問題。為此，應聯合政府采購及其關聯領域專業人士編寫、建立統一的規范法律語言庫，從源頭控制輸入內容的合規性。同時加強采購單位及相關從業人員的培訓與治理，確保輸入內容合法、合規、可控。
2.在事后環節，重視算法和結果解釋
針對上述算法黑箱導致公開透明原則受限問題，算法研發者應在技術可行且不違規前提下，構建以用戶為中心的數據透明義務體系，提供政府采購相對人參與監督的機會，并通過對數據處理過程的解釋，增強算法的透明度和可視化；政府采購從業人員應配合結果解釋，對生成式人工智能輸出內容進行把關，對其中存有爭議和違規的內容及時修正糾偏，提高政府采購結果的公信力，維護過程的公開透明。
（三）明確責任主體，重塑責任矩陣
首先，需明確生成式人工智能的法律主體定位。當前學界就此問題存在分歧。肯定觀點認為，人工智能未來將成為“類人”智能，應賦予其權利能力和行為能力；否定觀點從工具論出發，認為人工智能僅為人類達成某種目的的手段，不具備獨立作出認識、判斷、選擇之能力。本文認為，不應賦予生成式人工智能法律主體地位。一方面，從法律擬制角度看，法律主體是法律權利與義務的人格化。生成式人工智能的自判力和創造力以人工搭建的算法模型為基礎，無法自主決定開展某項工作，在內容生成方面擁有的所謂“權利”與“義務”均建立在人的選擇之下。另一方面，作為法律主體意味著要承擔相應法律責任，生成式人工智能顯然無法獨立對自己的行為作出應答，將其視為責任主體將致使既有問責秩序愈發失控。
為進一步規制生成式人工智能在政府采購中的應用，應構建以人為本的多元主體責任矩陣。具體言之，生成式人工智能服務提供者可比照生產者產品責任，對生成式人工智能的系統風險承擔無過錯責任，其應保證技術產品具有安全性、穩定性和可解釋性，并持續監控系統性風險。生成式人工智能服務使用者應對輸入內容承擔過錯責任。其中，政府采購從業人員對人工智能輸出內容負有評估核查義務，并協助服務提供者對其進行解釋。采購人則應嚴格依照規范法律語言庫的要求確保輸入內容合規有效。
五、結語
隨著ChatGPT等技術的規模化應用、人工智能技術的迭代升級及政府采購產業智能化升級的需要，生成式人工智能運用于政府采購領域指日可待。誠然，該技術能夠助力政府采購從電子化向數智化發展，提升決策的標準化、科學性和前瞻性，為政府采購帶來新的機遇，但同時也將引發規范層面新的難題。生成式人工智能高度的數據聚合性、創造性和人機互動性將增加數據合規難度，且對政府采購公開透明原則和現有問責機制造成挑戰。鑒于此，應在明確公共數據和企業數據分類的基礎上，制定差異化規制規范數據收集與使用；加強政府采購全流程監管，建立規范法律語言庫并重視算法和結果解釋；構建以人為本的多元主體責任矩陣，對生成式人工智能服務提供者和多方使用者分別附加不同的責任與義務。
本文首發于《招標采購管理》2023年第2期
作者：朱明珂 贠疆鵬
單位：深圳交易集團有限公司（深圳公共資源交易中心）
