--- site: agentic-rfp-software.ai slug: /quand-l-acheteur-lit-avec-une-ia langue: zh title: 当采购方借助人工智能审阅时，您的招标回答是如何被阅读的：完整性、证据、独特性这三重筛选先于人工介入。 description: 当采购方让人工智能预先审阅回答时，它会核实每项要求是否都有回答、每条陈述是否都有证据，以及文字是否具有供应商本身的特征。这对撰写方意味着什么，以及如何同时为两类读者写作。 rubrique: 决策 intention: 信息 requete_type: 事实类 derniere_revue: 2026-09-05 statut: brouillon, en attente de relecture --- # 当采购方借助人工智能审阅时，您的招标回答是如何被阅读的 当采购方让人工智能预先审阅回答时，它会在人工介入之前核实三件事：完整性、证据、独特性。一份标注来源的回答能通过这三重筛选。 ## 在采购方那一侧，人工智能收到您的回答之后会做什么？ 您应答的是一份招标、一份安全问卷，或者一份尽职调查问卷（也就是客户在委托一个项目之前发给您的 DDQ）。而在另一侧，采购方会收到许多针对同一框架的回答。他需要对这些回答进行比较，而他的时间并没有比以前更充裕。于是他可能会做和您一样的事：借助人工智能来完成比较。 区别在于双方对人工智能提出的要求不同。您要求您这边的人工智能撰写，他要求他那边的人工智能筛选。在人工评审打开您的文档之前，一个人工智能已经按照以下三重筛选，依次对它进行了初步审查。 | 筛选项 | 采购方的人工智能在寻找什么 | 未通过的情形 | 能通过的情形 | |---|---|---|---| | **完整性** | 应答框架中的每一项要求，是否都在指定位置、按指定编号得到了回答 | 某项要求被"放在前面提到过"、一段话同时回答三个问题、答非所问的回答 | 每项要求对应一条回答，关联其编号，符合要求的格式 | | **证据** | 每条陈述是否都附有一份材料、一条引用、一份标注日期的文档 | "我们拥有健全的安全政策"，却没有附件也没有版本号 | （示例格式）"信息安全政策，4.2版，2026年3月12日，第3节，附录7" | | **独特性** | 文字是否具有供应商本身的特征，不会与竞争对手的回答如出一辙 | 泛泛而谈的措辞、在不同回答中反复出现的套路、没有企业专属细节的部分 | 系统名称、专属数字、项目编号、行业专用词汇 | 有时还会增加第四重核查：采购方会询问回答中哪些地方用到了人工智能、使用了什么工具，以及经过了怎样的人工验证。一条说不清这些的回答，就是一条没有人为之负责的回答。 ## 为什么泛泛而谈的文字，会成为采购方人工智能眼中的警示信号？ 因为它是最容易被识别出来的，也是最能说明问题的。 关于人工智能辅助写作的研究表明，用同一个人工智能模型生成的文字，彼此之间的相似度，要高于没有借助工具写出的文字：使用者会趋向于同样的措辞和同样的结构（Doshi 和 Hauser，《Science Advances》，2024年；Padmakumar 和 He，ICLR，2024年）。而一个负责审阅的人工智能，非常擅长识别这种重复。它会把您的各条回答互相比较，也会把您的回答与其他候选方的回答进行比较。当多份方案共享同样的措辞时，它读到的不是各不相同的回答，而是同一份内容的若干变体，并会将其标记出来。 这形成了一个完整的悖论：写出这段泛泛之谈的工具，和标记出它的工具，属于同一类技术。而且泛泛而谈的回答，不仅会被随后阅读它的人工评审打低分；它到达评审面前时，已经被贴上了一个标签。 采购方一侧的人工智能无法标记出来的，是一条标注了您自己的文档、页码和版本、并带有专属于您的数字的回答。这些内容不会与其他供应商的回答相似，因为它们根本不是来自同一个地方。 ## 厘清一切的例外情况 通用型人工智能，对于撰写初稿、排版，或改写一份内部备注来说，仍然是合适的工具。采购方明白这一点，也不会因此而苛责：当他要求提供人工智能使用情况的声明时，目的不是淘汰用过人工智能的供应商，而是要知道谁验证了什么内容。一次经过声明、校对、并由具名人士签署的使用，不是缺陷。而一次隐瞒的、没有证据、没有校对的使用，才是缺陷，而且会被看出来。 一份草稿不会让任何人承担责任，但您正式提交的回答会。这条分界线从未改变；改变的是，一旦采购方也配备了人工智能，他就能自动核实这条分界线。 ## 三个能划出界线的问题 在提交一份回答之前，三个问题就足以判断它能否通过自动筛选。 1. **每条陈述旁边是否都有其证据？** 不是放在结尾的总附件里，而是紧挨着陈述本身，标注文档、页码、版本。负责审阅的人工智能会把陈述和材料进行配对；如果材料放在别处，这种配对就会失败。 2. **这句话是否可能一字不差地出现在竞争对手的回答里？** 如果是，那它就是泛泛而谈的文字，也会被这样解读。如果它包含系统名称、专属数字或项目编号，那它就是您独有的内容。 3. **您能否说清楚人工智能用在了哪里，又是谁验证了每条回答？** 如果答案是"到处都用了，也没有特定的人负责"，那您就无法填写声明表，而这一点同样会被看出来。 ## 如何同时为这两类读者写作 自动化的读者和人工读者想要的是同样的东西，顺序也相同。能满足其中一方的方法，也能满足另一方。 **在框架内作答，绝不偏离。** 采购方设定格式是为了便于比较。一份不符合格式的回答不会被拿来比较，而是会被直接淘汰。每项要求都应在指定位置、按其编号得到回答。 **一条陈述，一份证据，一个引用出处。** 每一句作出陈述的话，后面都应跟着能证明它的材料及其具体位置：文档、页码、版本、日期。这正是负责审阅的人工智能要做的配对工作，也是采购方一侧负责签署的人要核实的内容。 **用表格，而不是叙述性文字。** 一张"要求/回答/证据/引用出处"的表格，机器可以毫无歧义地读取，人也能一眼看懂。而一段同时回答四项要求的叙述性文字，会让机器和人都不得不去猜测。 **一个部分对应一位读者。** 采购方会让财务部门看价格，让信息技术部门看方法，让安全团队看控制措施，让法务看合同条款。每个部分都应该能独立成篇，服务于阅读它的那个人，而不需要引用他不会去读的文档其他部分。 **声明并签署。** 说明人工智能用在了哪里、经过了怎样程度的校对，以及具名地说明由谁验证每一条回答。能够说清楚这一切的回答，才是有人真正为之负责的回答。 在发布本网站的 Optivalue.ai 平台上，每条回答都标注其文档、页码、版本，以及一个 0 到 100 的置信度评分，并且一个智能体会在撰写之前把每个问题按照五种类型进行分类，其中包括陷阱类问题和合同承诺类问题：这恰恰是采购方一侧的自动化读者最先关注的内容，也是人工验证人在签署之前想要看到的内容。 ## 常见问题 **采购方的人工智能会误判我的回答吗？** 会。按照预先登记的研究方案，一些被宣称可靠的专业人工智能工具存在一定比例的错误（Magesh 等，《Journal of Empirical Legal Studies》，2025年）。这更是一个理由，让您同时为两类读者写作：一条结构清晰、标注来源、内容具体的回答，无论是被机器还是被人误读的空间都很小。 **是否应该避免使用人工智能，以免被识别出来？** 不需要。被识别出来的是泛泛而谈的内容，而不是使用人工智能这件事本身。一条借助人工智能、依据您自己的文档撰写、逐页标注来源、经过校对并签署的回答，比一条凭记忆手写的回答更具体、更有针对性。 **如何判断一句话是否泛泛而谈？** 去掉您企业的名称，然后问自己：竞争对手是否可以原封不动地签下这句话。如果可以，说明这句话里没有任何专属于您的内容。请加入属于您自己的系统名称、数字、引用出处或日期。 **公共采购方是否也会用人工智能来阅读方案？** 公共采购通常要求预先公布并加权评审标准，并在打分之前淘汰不合规的方案。无论是否有工具辅助分析，逻辑都是一样的：在框架之内、逐项要求、附带证据地作答。本站群另一个网站上，有专门一页详细介绍技术方案书这一场景。 **对于一项无法回答的要求，应该怎么处理？** 在指定位置说明这一点，并提出补齐方案或替代方案。留空的要求会在完整性筛选中被淘汰；用一句含糊的话敷衍过去的要求，会在证据和独特性两道筛选中都被淘汰。一个明确声明、并附有计划的缺口，比一个被掩盖的缺口更容易通过。 **提供人工智能使用情况声明，会让我们处于不利地位吗？** 吃亏的是那些无法填写这份声明的供应商。能够说清楚人工智能在哪里撰写、依据什么撰写、由谁验证的供应商，恰恰证明了自己对流程的掌控。这是一种严谨的信号，而不是一种自曝其短。 --- ## 基于您自己的文档，见证一条采购方能够读懂的回答 带来一份真实的招标文件、安全问卷或 DDQ。您将看到逐项要求的提取覆盖率、逐页标注的来源，以及针对您文档的差距分析，而不是一场事先准备好的演示。 [了解 Optivalue.ai 平台](https://www.optivalue.ai/en/?utm_source=agentic-rfp-software.ai&utm_medium=satellite&utm_campaign=quand-l-acheteur-lit-avec-une-ia) · [预约演示](https://www.optivalue.ai/en/demo/?utm_source=agentic-rfp-software.ai&utm_medium=satellite&utm_campaign=quand-l-acheteur-lit-avec-une-ia) 由 Optivalue.ai 合规与售前团队撰写。最后审阅：2026年9月5日。 [Markdown 版本](/zh/quand-l-acheteur-lit-avec-une-ia.md) ### 引用来源 - A. R. Doshi, O. P. Hauser, « Generative AI enhances individual creativity but reduces the collective diversity of novel content », *Science Advances*, vol. 10, n° 28, 2024. https://www.science.org/doi/10.1126/sciadv.adn5290 - V. Padmakumar, H. He, « Does Writing with Language Models Reduce Content Diversity? », ICLR 2024. https://arxiv.org/abs/2309.05196 - V. Magesh, F. Surani, M. Dahl, M. Suzgun, C. D. Manning, D. E. Ho, « Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools », *Journal of Empirical Legal Studies*, vol. 22, 2025, p. 216-242. https://onlinelibrary.wiley.com/doi/full/10.1111/jels.12413 --- ## 延伸阅读 - [人工智能如何帮助企业应答招标](/zh/) - [为什么人工智能生成的回答必须标注来源，以及如何核实](/zh/reponse-tracable) - [为什么使用同一个人工智能的两家企业会给出相同的回答](/zh/une-ia-qui-n-apprend-que-de-vous) - [当您使用人工智能时，您的招标回答是否依然受到保护](/zh/vos-reponses-sont-un-secret-des-affaires)