专业知识服务提供商
杂志订阅
投稿咨询

人工智能助力公共采购的应用场景及实现路径(下)

2021年06月07日 作者:孟晔 刘贺羽 打印 收藏

  三、人工智能助力公共采购的应用实践

  在公共采购领域,人工智能的应用没有止步于理论分析,韩国、英国和澳大利亚等国家已经进行了积极探索和实践。公共管理部门利用人工智能和机器学习技术转换或改善其公共采购流程和功能,为人工智能助力公共采购积累了经验,奠定了基础。

  (一)分析和评估

  在分析和评估的应用方面,2017年,韩国公共采购服务局实施了一个试点项目,使用深度学习解决方案和流程创新进行改进,以提高管理工作的效率并提高公共机构采购需求预测的准确性。该项目投入资金约为11万美元,人力资源为3名工作人员。

  一是项目背景。韩国公共采购服务局是韩国政府的中央采购机构,负责韩国电子采购平台的运营以及商品、财产管理。公共采购服务局的产品管理系统用于监控和存储政府从购买到使用整个生命周期的商品数据。中央公共组织利用产品管理系统的购买商品历史数据,基于预算项目表和财产调查预测下一年对新商品或替代商品的总体需求。公共采购服务局从系统中收集这些物料需求计划并报告给经济和财政部。但是,公共采购服务局发现,在过去的五年中,预测的准确性下降了160%至200%,预期商品需求与实际需求之间的差距越来越大。为提高采购计划的准确性,使编制的采购预算更能反映政府需求,将计划外的政府支出降至最低,公共采购服务局决定试行深度学习解决方案来更加准确地预测公共机构的采购需求。这个试点项目的范围仅限于预测在四个公共组织中购买的5种商品的需求。

  二是应用过程。深度学习解决方案是由外部IT咨询公司根据产品管理系统的1053万个历史采购数据开发的,深度学习工具能够自动识别影响组织对特定商品需求的关键事件和因素,并基于此预测未来的购买需求。深度学习用于检测数据中的趋势和模式,从而减少对人工识别统计模型关键变量的依赖。公共采购服务局对深度学习解决方案的开发采取了循序渐进的方法。它于2017年与IT顾问公司签约了期限为3个月的试点项目,就产品管理系统的当前问题进行研究并提出改进建议。该研究建议是通过深度学习方法来提高年度物料需求计划的准确性,同时还要对政府采购的政策及现有体系进行一定的改善。用于改善政策以提高预测准确性的模型于2018年实施,基于深度学习以提高预测准确性的模型于2019年实施。

  三是实施效果。该试点项目的结果好坏参半,虽然对某些商品的需求预测准确性很高,但是对于另一些类别,预测的准确性则远不如预期。深度学习解决方案通常对于定期和频繁购买模式的商品表现更好,因为有大量可用数据。对于购买频率较低(即每5到10年购买一次)的商品,可以使用的数据非常少,数据的相对缺乏说明了所生成预测的准确性相对较低。公共采购服务局认为,有了更多数据,并使用更高级的算法,深度学习解决方案的准确性将得到提高。

  (二)政府支出分类

  在政府支出分类的应用方面,澳大利亚新南威尔士州采购局开发了一种人工智能工具,可根据提取的数据自动对不同类型的采购支出进行分类。该项目投入资金约为20.5万美元,人力资源为3名工作人员。

  一是项目背景。新南威尔士州采购局为州政府机构提供采购服务和解决方案,它管理的分析团队负责分析整个州的公共采购数据,包括收集采购数据,提供分析平台以及利用数据来开发解决方案等。根据新南威尔士州所有政府采购分类法,分析团队必须每个季度对200万笔采购交易进行分类。人工进行支出数据分类是一项非常耗时且艰巨的任务,总分类账数据不是用于采购分析的标准化分类法,需要员工手动浏览数据集中的每个条目进行重新分类,每年需要耗时160个工作日。在此过程中,由于人为错误分类,准确率仅有70%。为了节省时间,提高准确率,该团队一直研究通过应用人工智能将数据分类改进为自动化领域。

  二是应用过程。新南威尔士州采购局与州数据分析中心合作,分两个阶段开发了机器学习工具CAITY:第一阶段,2017年8月,州数据分析中心开发了概念证明,并针对随机样本进行了测试。CAITY支持自然语言处理,可根据供应商名称、供应商分类和澳大利亚业务编号、总分类账分类和说明等信息自动对不同类型的采购支出进行分类。数据分析中心通过访问之前的4500万种分类用作训练数据以提高采购分类的准确性。第二阶段,2018年2月,新南威尔士州采购局的分析团队开发了完整的CAITY正式版本,该版本可以独立执行季度支出分类。为扩大概念验证而实施的更改包括:将代码从外部服务器迁移到本地Linux服务器以节省成本、优化代码以节省时间、开发系统便于进行数据传输等。针对新供应商采购分类准确性较低的问题,通过购买有关供应商附加信息的方法丰富了培训数据。自2019年4月起,新南威尔士州采购局就开始使用机器学习应用程序,新的自动化程序现已完全取代了旧的手动过程。

  三是实施效果。新南威尔士州采购局开发的CAITY项目取得了成功。在准确性方面,该工具将支出数据分类的准确性提高了大约20个百分点,即从70%到90%。同时,CAITY也可将以前被归类为“其他”的支出重新进行准确分类,这可能会对各种政府目标产生影响。在效率方面,该工具替代了员工每个季度手动进行支出分类的工作,每年可节省160个工作日。这使员工可以将时间花在具有更高价值的数据分析任务上,而不是花费在耗时的数据分类上。采购局因其在CAITY项目的工作获得了澳大利亚技术创新奖。

  除了澳大利亚的实践外,芬兰中央采购机构也试行了一种机器学习解决方案,根据联合国标准产品和服务代码对电子发票数据重新分类,其目的是将易于访问和分析的数据上传到“探索州支出”网站以提升国家支出的透明度。该项目投入资金约为9.9万美元,人力资源为4名工作人员。由于缺乏机器学习技术方面的经验和专业知识,中央采购机构采取了逐步推广的方法:首先要求多家公司提供概念验证,然后针对试验版本进行招标,2017年完成该项目的试验阶段。在此阶段,中标公司对该算法进行了开发和完善,完成4万行测试数据的训练并将其与中央采购机构的IT环境集成在一起。由于缺乏机器训练数据,分类解决方案的整体准确性仅为51%。到目前为止,该组织尚未选择进行必要的投资,以推出更精确的试运行版本。

  (三)聊天机器人

  在聊天机器人的应用方面,2017年美国埃尔帕索市议会采购和战略采购部门(以下简称PSS)开发了“询问劳拉”项目,通过聊天机器人为潜在供应商提供咨询服务。该项目投入的初始资金约为2万美元,每年订购费用约为1万美元(包括维护成本、系统升级、软件帮助和故障排除),人力资源为2名工作人员。

  一是项目背景。PSS负责为所有市政部门提供采购服务,管理电子采购事务以及监督年度合同等。该部门每年服务大约4千个注册供应商,其网站平均有4.3万次访问。理事会内部重组后,合并了公共采购和建设部门,供应商的咨询电话数量有所增加,供应商希望弄清这些重组变化将会如何影响他们与理事会的互动和业务。据估计,员工每周花费5-6个小时来回答常见和重复的问题。于是,埃尔帕索市议会开发了聊天机器人项目“询问劳拉”,为潜在供应商提供“客户服务”类型的咨询。该项目的主要目的是提高网站的客户回复效率,以节省员工的时间,并确保供应商能及时收到针对其询问的个性化回复。

  二是应用过程。法国公司Cantoche根据市议会需求量身定制了聊天机器人,并根据软件即服务模型进行了交付,实现了从开源算法中提取的自然语言处理功能以解释和处理问题。“询问劳拉”由提供用户界面的化身和文本输入框,知识库和分析平台组成,使理事会团队能够监控和响应用户行为。用户在机器人的问题框中键入“如何注册为供应商”“如何通过特殊计划开展业务”“哪里可以找到出价”等常见问题,“询问劳拉”会以书面答案和音频旁白对相关问题作出回应。用户还可以使用标签和类别工具进行搜索,而“询问劳拉”可以用英语和西班牙语处理并回答问题,从而帮助其更好地服务于双语人群。除此之外,市议会可以查看分析平台以确定聊天机器人在哪些方面无法提供答案,并相应地更新知识库。

  三是实施效果。PSS将该聊天机器人集成到市议会的网站中,并为该网站的用户提供个性化帮助。“询问劳拉”项目减少了答复客户常见问题的工作时间,从而使工作人员有更多时间专注于部门内的其他工作项目,而且,客户支持服务扩展至工作时间以外。在运营的第一年,“询问劳拉”被使用了1500次。PSS用来衡量“询问劳拉”项目影响的主要指标是避免成本,即必须由员工处理的请求和问题由“询问劳拉”处理所节省的成本。到2019年底,该项目产生的“避免成本”总额约为2.2万美元。聊天机器人是一个比较简单的项目,可以相对较低的成本实现,并且在几年内获得投资回报。在PSS成功实施“询问劳拉”项目之后,市议会已在其他部门的网站上复制了此方法,扩展了该工具的用途。

未标题-1.jpg

  四、人工智能助力公共采购的实现路径

  我国公共采购处于深化制度改革的关键时期,对采购理念、采购流程和监督管理都提出了新要求,推动了公共采购电子化向技术化、数字化和智能化新阶段迈进。如今,人工智能技术处于蓬勃发展的阶段,将人工智能与公共采购结合起来,顺应了政策、市场、技术和实践要求。人工智能可以应用于公共采购的各个阶段,从预测采购需求到合同编制和管理,将在公共采购领域扮演越来越重要的角色。通过上述人工智能在公共采购领域的应用案例,可以看到从理论到实践存在一定的差距,人工智能真正落地实施还面临着一些问题和挑战。可喜的是,这些国家已经迈出了探索的步伐,无论是成功还是失败的案例都非常具有价值,为人工智能与公共采购的深度融合提供了有益的经验,也为人工智能助力公共采购指明了方向和实现路径。

  (一)提高项目开发水平以推动技术应用

  人工智能项目开发水平决定了人工智能技术在公共采购领域的影响力,是推动人工智能技术应用的关键因素之一。所谓项目开发水平主要是指该项目的进度和所处的阶段,包括开发、试验和全面部署三个层次,直接影响项目的整体质量、效益和应用。如果项目处于开发和试验的初级阶段,人工智能技术应用的范围和规模有限,就会限制其在公共采购领域的影响和实施;如果项目开发水平不断提高和深入,进入到全面部署的高级阶段,人工智能技术在公共采购领域的作用会越来越大。例如,在“分析和评估”案例中,韩国公共采购服务局开发的“人工智能产品管理”是一个试点项目,其范围仅限于预测4个公共组织采购的5种商品的需求,其对公共采购的影响有限。在“政府支出分类”案例中,新南威尔士州采购局实施的“机器学习分类”项目已完成部署,自动化解决方案取得了成功,提高了支出分类的准确性和效率。在“聊天机器人”案例中,美国埃尔帕索市议会实施的“询问劳拉”项目取得了成功,“聊天机器人”对于客户询问的响应速度越来越快,节约了成本并提升了客户服务。该部门计划进一步复制该机器人,并在其他政府部门扩展该软件的用途。

  公共采购领域应用新兴技术的动力源自公共部门解决采购实践问题的现实需要,新技术的开发和新项目的实施通常都是由公共部门主导和推进的。因此,人工智能项目开发水平的提高,有赖于政府部门的支持和资金的投入。如表1所示,公共采购人工智能项目的实施主体均为公共采购部门。为了推动人工智能项目的开发和应用,公共部门投入了必要的资金和人力。其中,资金投入方面,从3万到20.5万美元不等。这些项目的成本与正在开发的特定解决方案的范围和规模有关。通常而言,解决方案的范围和规模越大,所需投入的资金越多,其影响力也越大。因此,公共部门在开发项目时应估算项目所需的投资水平,并将其纳入预算以提供必要的支持。在“政府支出分类”案例中,芬兰中央采购机构开发的“电子发票数据分类”项目虽已试点完成,其后却没有投入资金来提供必要的训练数据,最终人工智能解决方案没有全面投入使用;在项目所需的人力资源方面,由于人工智能项目以外包为主,公共部门所需投入的人力不多,为2至4人左右。

1623046481(1).png

  (二)加强数据资源管理为成功奠定基础

  人工智能是系统正确解释外部数据,通过灵活的适应性来实现特定目标和任务的能力,其特点是需要大量数据以使其应用程序有效运行。人工智能、机器学习与大数据和数据分析密切相关。一方面,大数据集需要人工智能工具的辅助。因为筛选数据、分析数据在一些情况下是非常繁杂的工作,对于人工而言,工作量大且负担重。另一方面,人工智能的有效应用完全取决于数据。人工智能的发展是由深度学习算法的突破和海量数据形成所推动的,没有数据,人工智能寸步难行。人工智能在公共采购领域的实践经验也说明,人工智能项目的成功,成也数据,败也数据。例如,在“政府支出分类”案例中,新南威尔士州“机器学习分类”项目实现了预期的目标,从手动分类准确率的70%提升为人工智能分类的90%以上,成功的关键因素是其拥有高质量的数据,而且这些数据已经进行了预分类。该项目开发的一个主要需求是为机器学习工具提供分类培训数据,因此训练数据的可用性非常重要。新南威尔士州采购局的优势在于之前建立了手动分类程序,拥有庞大的分类数据库,可以对这些数据进行清理和验证,并使用供应商的“澳大利亚业务编号”等其他来源的数据进行充实。“机器学习分类”项目证明了拥有高质量训练数据的重要性。而芬兰“电子发票数据分类”项目没有投入使用,一个重要原因在于缺乏训练数据,无法达到所需的准确性。该项目也需要为人工智能算法提供分类训练数据,并以计算机可读和可分析的格式访问详细的发票数据。项目开发的试验版本的支出分类总体准确率只有51%,为了将解决方案扩展更准确,全面的解决方案将需要几百万行训练数据。中央采购机构最终没有应用该技术,很大程度上是因为训练数据的限制;在“分析和评估”案例中,“人工智能产品管理”项目之所以预测的准确性远不如预期,是因为有些类别缺乏标准化的历史采购行为数据集。公共采购服务局的产品管理系统对于购买频率比较高的商品可提供大量的数据供参考,但对于购买频率较低的商品可用数据不足。数据的相对缺乏导致了所生成预测的准确性较低,出现了手动预测比深度学习解决方案更准确的情况,反映了项目的局限性。

  时至今日,人工智能在算法、算力和技术方面基本达到阶段性成熟。数据作为人工智能技术的核心,是人工智能发展和应用的重要基石,我们需要重点关注数据资源的管理,构建更加精确的数据集。想要进一步优化人工智能在公共采购领域的应用,就要确保项目的高质量数据源,将数据管理作为人工智能技术的推动力。前述的人工智能应用案例也证明,良好的数据基础决定着人工智能技术在公共采购领域的落地程度,人工智能项目的成功重在收集、用好各类数据。因此,公共采购应用人工智能项目,需要在采集端大力度推进数据共享,扩大数据规模和丰富度,将非结构化的数据处理为可用于建模的结构化数据,让数据释放更多动力。

  (三)采取循序渐进开发方式降低不确定性风险

  人工智能项目在开发过程中,面临的一个主要风险就是不确定性,关键性问题就是没法保证最后的结果与预期的结果保持一致。如果直接进行大规模生产或应用,可能会带来很大损失。在“政府支出分类”案例中,新南威尔士州“机器学习分类”项目在实施过程中,为了降低不确定性风险,分两个阶段进行了开发。第一是数据中心通过概念证明开发了分类模型,并针对随机样本进行了测试;第二是采购分析团队将概念验证放大并开发为正式版本,全面投产。新南威尔士州采购局比较担心项目成本过高,出现超出预算的情况。该项目通过采取循序渐进地开发方式,先开发概念验证,后开发完整版本,使团队能够对可能的成本进行有根据的估算,实现了在投入资金和人力有限的情况下提高支出分类准确性和效率的目的。在“分析和评估”案例中,韩国公共采购服务局也采取了循序渐进的方法开发深度学习解决方案,以提高预测的准确性。它在2017年与IT咨询公司签约,对产品管理系统的当前问题进行研究并提出改进建议,试点项目的期限约为3个月。2018年,实施了用于改善政策以提高预测准确性的模型,直到2019年才实施深度学习模型以提高预测准确性。此外,公共采购服务局遇到的一个挑战是要获得内部利益相关者对深度学习项目的支持。该项目通过渐进开发和不断改进,使高层管理人员和员工相信其价值,更加理解项目目标和方法,也为试点项目赢得了必要的支持。

  人工智能作为新兴技术,其在公共采购领域的应用和落地不是一蹴而就的。为了有效规避人工智能项目开发过程中的风险,最好的策略之一就是循序渐进开发和实施。所谓的“循序渐进”是指按照“总体规划、分步实施、先易后难、关注试点、持续优化”的原则推进。在人工智能的应用场景中,聊天机器人技术属于相对容易且廉价的一种工具,可以帮助用户确定符合其需求的公共采购服务。该技术实施成本较低且足够有效,可以在几年内获得投资回报。因此,人工智能项目在公共采购领域的应用可以首先从“聊天机器人”项目开始,将此技术集成到Web应用程序中以改善用户体验。在此基础之上,公共部门可根据数据资源和需求再逐渐开发其他应用场景。在开发具体的人工智能项目时,为了降低不确定风险,应采取先进行试点,后全面实施的渐进开发方式。

  (四)共享人工智能概念和经验以加强合作

  如今,将人工智能应用于公共采购领域还在发展阶段。一方面,公众和专业人士对人工智能有着不同的认知。正是由于这一认知鸿沟的存在,大家谈论的人工智能有时并非同一概念,常常会导致无谓的争执和分歧。另一方面,虽然人工智能在如火如荼地进行,但都是在不断试错中前进,经验十分有限。因此,公共部门之间以及公共部门内部有必要对人工智能的概念和经验进行共享,加强合作。在“聊天机器人”案例中,“询问劳拉”项目面临的最大的挑战就是如何让对话更加自然。为了解决这个问题,可以让聊天机器人根据现实世界中的经验,自主地学习环境的物理属性。达到这个目的前提就是将概念和经验进行共享,从而让更多人了解并使用聊天机器人。

  公共采购领域共享人工智能概念和经验,可以通过举办沙龙、论坛、讲座和参观等方式,为公共部门之间交流提供机会和平台。在公共部门内部,可以在项目前期对人工智能技术应用于采购领域的概念及优势进行大量宣传,加强内部人员对人工智能技术的信任。在实际应用过程中,可以通过概念验证或进行试点使内部利益相关者相信人工智能技术的好处和可靠性,加强内部合作以推动项目顺利进行。

  (五)保护敏感数据防范隐私和安全风险

  公共采购涵盖的范围很广,涉及的公共部门和行业众多,有些采购数据和信息比较敏感或涉及国家安全,因此,公共采购部门非常重视采购数据和信息的保护。人工智能技术在应用于公共采购领域时,大部分工作采用的是外包方式,由此所引发的隐私和安全问题成为必须要考虑的风险。

  在推进人工智能项目开发和应用时,公共部门应注重保护敏感数据和保密数据,保持对数据源的控制,防范因人工智能项目引发隐私和安全风险。在前述公共采购应用人工智能的案例中,“人工智能产品管理”项目在执行过程中面临着敏感数据及个人隐私泄露的风险。为了将风险降到最小化,韩国公共采购服务局没有使用任何私人部门数据,并对所有敏感数据进行了编码,确保其符合政府安全标准。在此基础之上,公共采购服务局通过安全连接与咨询公司共享了其产品管理系统的加密数据。在“机器学习分类”项目中,因为需要提供大量数据供机器学习算法训练,新南威尔士州采购局面临着存储数据的隐私和安全问题。如在概念证明阶段,当数据存储在外部服务器上时,就存在这样的问题。该项目采取的解决方案是先确保外部服务器获得政府的安全认证,从而可以将政府数据存储在其服务器上。然后,在数据传输到外包服务器之前,将包括个人数据的一些总分类账数据匿名化,解决了在外部服务器上存储敏感数据可能引发的隐私和安全问题。人工智能的持续进步和广泛应用带来的好处毋庸置疑,但不能忽视对人工智能的价值引导、伦理调节以及风险规制。人工智能的发展将对个人隐私、社会伦理、市场竞争、网络安全、产业安全等各方面产生深远影响。很多政府非常重视人工智能技术引发的隐私和安全问题,采取了包括推动人工智能行业和企业自律,加强管理,加大对数据滥用、侵犯个人隐私、违背道德伦理行为的惩戒力度等措施。

  深入分析人工智能的实践案例可以发现,提高项目开发水平、加强数据资源管理、采取循序渐进开发方式、共享人工智能概念和经验、保护敏感数据是人工智能助力公共采购由理论走向应用的实现路径。人工智能技术可以大幅提升采购决策的效率和合理性,改善公共采购流程和功能,促进采购信息资源透明共享,使原有的公共采购管理模式更为科学高效,将成为引领公共采购变革、推动公共采购可持续发展的创新力量。

责编:罗帆
京ICP备16068661号-3 ©CopyRight 2018-2024 《中国招标》杂志社有限公司 版权所有