مناقصات زیر ذره‌بین هوش‌مصنوعی

مناقصات زیر ذره بین هوش مصنوعی

  وقتی میلیارد‌ها تومان و شاید صد‌ها میلیارد بودجه عمومی روی میز مناقصات قرار می‌گیرد، یک اشتباه کوچک می‌تواند به فاجعه‌ای بزرگ تبدیل شود. سال‌هاست که تبانی‌ها، رانت‌های پنهان و ابهامات، نفس رقابت سالم را در این بازار تنگ کرده‌اند. با اینکه یکی از اهداف قوانین مناقصات افزایش شفافیت در قراردادهای دولتی است، اما حالا […]

 

وقتی میلیارد‌ها تومان و شاید صد‌ها میلیارد بودجه عمومی روی میز مناقصات قرار می‌گیرد، یک اشتباه کوچک می‌تواند به فاجعه‌ای بزرگ تبدیل شود. سال‌هاست که تبانی‌ها، رانت‌های پنهان و ابهامات، نفس رقابت سالم را در این بازار تنگ کرده‌اند. با اینکه یکی از اهداف قوانین مناقصات افزایش شفافیت در قراردادهای دولتی است، اما حالا «هوش‌مصنوعی» با چشمانی تیزبین‌تر از هر کارشناس و حسابرس، وارد میدان شده است. الگوریتم‌هایی که می‌توانند هزاران داده را در چند ثانیه زیر و رو کنند، فساد را ردیابی و حتی پیش‌بینی کنند. آیا این آغاز عصر شفافیت مطلق در مناقصات است؟

این روز‌ها در بسیاری از محافل از هوش‌مصنوعی و مزایا و معایب آن سخن می‌گویند. با اینکه این پدیده تأثیرات بسیار سودمندی دارد و کمک بسیار زیادی به انسان می‌کند، اما معایبی هم دارد. ما در این نوشتار به دنبال استفاده از مزایای این تکنولوژی در مناقصات هستیم.

مناقصات به‌عنوان یکی از حساس‌‌ترین سازوکارهای تخصیص منابع عمومی، همواره در معرض آسیب‌هایی چون تبانی ساختاری، قیمت‌گذاری صوری و توزیع ناعادلانه فرصت‌‌ها قرار داشته‌اند. این چالش‌‌ها نه‌تنها بهره‌وری اقتصادی را تضعیف می‌کنند، بلکه سرمایه اجتماعی را نیز با ایجاد حس بی‌اعتمادی در میان پیمانکاران و افکار عمومی فرسایش می‌دهند. در چنین بستری، هوش‌مصنوعی با ظرفیت تحلیل کلان‌داده‌ها و کشف الگوهای رفتاری پیچیده، به‌عنوان ابزاری تحول‌زا ظهور کرده است. توانایی الگوریتم‌های یادگیری ماشین در شناسایی روندهای غیرمعمول، پیش‌بینی انحرافات احتمالی و ارزیابی دقیق معیارهای رقابتی، امکان طراحی سامانه‌های هوشمندی را فراهم کرده که می‌توانند در نقش یک داور بی‌طرف، مناقصات را از فضای تصمیم‌گیری سلیقه‌ای و فسادزا خارج کنند. با این حال، ورود هوش‌مصنوعی به این حوزه تنها یک پیشرفت تکنولوژیک نیست؛ بلکه آغاز تغییری ساختاری در منطق حکمرانی اقتصادی است که نیازمند بازتعریف قوانین، فرآیندهای نظارتی و حتی فرهنگ مشارکت در مناقصات خواهد بود. در ادامه این نوشتار مزایای و معایب هوش‌مصنوعی در شفاف‌سازی مناقصات را بررسی خواهیم کرد.

مزایای استفاده از هوش‌مصنوعی در شفاف‌سازی مناقصات

هوش‌مصنوعی با توانایی خارق‌العاده در پردازش و تحلیل حجم عظیمی از داده‌ها، می‌تواند مناقصات را از یک فرآیند سنتی و زمان‌بر به سیستمی دقیق، شفاف و قابل اعتماد تبدیل کند. نخستین مزیت مهم آن، کاهش خطاهای انسانی و حذف قضاوت‌های سلیقه‌ای است؛ زیرا الگوریتم‌های یادگیری ماشین می‌توانند با بررسی همه‌جانبه معیار‌ها و مقایسه پیشنهادهای پیمانکاران براساس شاخص‌های دقیق، تصمیم‌گیری را مبتنی بر داده‌ها انجام دهند. چنین فرآیندی از ایجاد فسادهای احتمالی مانند تبانی و رانت‌جویی جلوگیری می‌کند و رقابتی سالم‌تر میان شرکت‌کنندگان شکل می‌دهد. علاوه بر این، هوش‌مصنوعی قادر است الگوهای مشکوک یا تکراری را که به‌سادگی از چشم کارشناسان انسانی پنهان می‌ماند، شناسایی کند. برای مثال، می‌تواند در کوتاه‌‌ترین زمان، ارتباطات پنهان میان شرکت‌های ظاهراً مستقل اما دارای سهامداران مشترک را کشف کرده و هشدار دهد. همچنین این فناوری توانایی پیش‌بینی دارد؛ یعنی می‌تواند براساس تحلیل مناقصات گذشته، قیمت‌های غیرواقعی یا پیشنهادهای مشکوک را قبل از وقوع تشخیص دهد. یکی دیگر از مزایای هوش‌مصنوعی، افزایش سرعت و بهره‌وری در فرایند مناقصه است؛ کاری که در گذشته به بررسی دستی و روز‌ها یا حتی هفته‌ها زمان نیاز داشت، اکنون در چند ساعت با دقت بسیار بالاتر انجام می‌شود. این کاهش زمان، هم باعث کاهش هزینه‌های اداری می‌شود و هم امکان برگزاری تعداد بیشتری مناقصه را در یک بازه زمانی محدود فراهم می‌کند.

افزون بر این، هوش‌مصنوعی می‌تواند سطح شفافیت اطلاعاتی را برای همه ذی‌نفعان افزایش دهد. این فناوری با ایجاد داشبوردهای تحلیلی پیشرفته، داده‌های خام مناقصات را به گزارش‌هایی قابل فهم برای مدیران، پیمانکاران و نهادهای نظارتی تبدیل می‌کند. این موضوع نه‌تنها دسترسی به اطلاعات را تسهیل می‌کند، بلکه باعث افزایش اعتماد عمومی به صحت و عدالت فرآیند‌ها می‌شود. از منظر بین‌المللی نیز، سامانه‌های مناقصه‌ای که از هوش‌مصنوعی بهره می‌برند، جذابیت بیشتری برای سرمایه‌گذاران خارجی خواهند داشت، زیرا شفافیت و استانداردسازی، ریسک‌های مشارکت در پروژه‌های دولتی یا خصوصی را کاهش می‌دهد. علاوه بر این، الگوریتم‌های هوش‌مصنوعی قابلیت تحلیل متنی و زبانی دارند و می‌توانند در بررسی اسناد حجیم مناقصه، خطاهای حقوقی، تناقض‌‌ها یا بندهای ابهام‌آمیز را کشف و اصلاح کنند؛ کاری که به‌طور سنتی نیازمند تیم‌های بزرگ کارشناسی است. این فناوری حتی قادر است پیشنهادهای برنده بالقوه را براساس تطابق معیارهای کیفی، سابقه اجرایی و توان مالی، به‌طور دقیق و بدون جانبداری شناسایی کند. از سوی دیگر، کاربرد هوش‌مصنوعی در ایجاد سامانه‌های هوشمند پرسش‌وپاسخ برای پیمانکاران، سرعت پاسخگویی به سوالات رایج و رفع ابهامات را افزایش می‌دهد و هزینه‌های پشتیبانی را به حداقل می‌رساند. در نهایت، هوش‌مصنوعی از طریق جمع‌آوری داده‌ها و یادگیری از تجربه‌های گذشته، به‌مرور زمان عملکرد خود را بهبود داده و فرآیندهای مناقصه را هوشمندتر، کارآمدتر و عادلانه‌تر می‌کند.

چالش‌های استفاده از هوش‌مصنوعی در شفاف‌سازی مناقصات

کمبود داده‌های باکیفیت و ساختارمند

یکی از نخستین موانع در به‌کارگیری هوش‌مصنوعی، دسترسی به داده‌های جامع، دقیق و استاندارد از مناقصات گذشته است. داده‌های ناقص یا ناهماهنگ، خروجی الگوریتم‌‌ها را مخدوش می‌کند و منجر به تحلیل‌های غیرقابل اعتماد می‌شود.

مقاومت نهادی و فرهنگی

یکی از موانع جدی در مسیر استفاده از هوش‌مصنوعی در مناقصات، مقاومت نهادی و فرهنگی است که ریشه در ترس از تغییر و بی‌اعتمادی نسبت به فناوری‌های نوین دارد. بسیاری از کارکنان و مدیران دولتی یا شرکت‌های خصوصی، سال‌‌ها با روش‌های سنتی کار کرده‌اند و ورود یک سیستم هوشمند که می‌تواند تمام فرآیند‌ها را زیر ذره‌بین قرار دهد، برایشان تهدیدآمیز به نظر می‌رسد. این مقاومت گاهی ناشی از نگرانی از شفافیت بیش از حد است، زیرا برخی افراد ترجیح می‌دهند نقاط ضعف یا خطاهای گذشته آشکار نشود.

از سوی دیگر، فرهنگ سازمانی بسته یا بوروکراسی سنگین، پذیرش فناوری‌های پیشرفته را دشوارتر می‌کند. در برخی نهادها، هوش‌مصنوعی به‌عنوان جایگزینی برای نیروی انسانی تلقی می‌شود و این نگرانی وجود دارد که نقش‌‌ها و مشاغل سنتی بی‌ارزش شوند. حتی در برخی موارد، عدم آگاهی یا درک درست از قابلیت‌های هوش‌مصنوعی باعث می‌شود تصمیم‌گیران، به‌جای بهره‌گیری از آن، در برابرش مقاومت کنند.

این چالش زمانی پیچیده‌تر می‌شود که شفافیت ایجادشده توسط هوش‌مصنوعی ممکن است منافع گروه‌هایی را که از عدم شفافیت بهره می‌برند، به خطر بیندازد. همین گروه‌ها می‌توانند مانع جدی در مسیر اجرای پروژه‌های دیجیتال و هوشمند شوند. برای غلبه بر این مانع، نیاز به آموزش گسترده، تغییر فرهنگ سازمانی، و ایجاد اعتماد متقابل میان فناوری و نیروی انسانی وجود دارد.

پیچیدگی الگوریتم‌‌ها و مسئله شفافیت (Black Box):

یکی از چالش‌های مهم هوش‌مصنوعی در مناقصات، پیچیدگی الگوریتم‌‌ها و پدیده «جعبه سیاه» (Black Box) است. اصطلاح «جعبه سیاه» به حالتی اشاره دارد که در آن حتی توسعه‌دهندگان نمی‌توانند به‌طور دقیق توضیح دهند که الگوریتم چگونه به یک تصمیم خاص رسیده است. این عدم شفافیت، به‌ویژه در فرآیندهای حساس مثل انتخاب برنده مناقصه، می‌تواند مشکل‌ساز شود. اگر یک شرکت مدعی شود که هوش‌مصنوعی در ارزیابی پیشنهاد‌ها اشتباه کرده، نهاد برگزارکننده باید توانایی توضیح کامل فرآیند را داشته باشد، در غیر این صورت اعتماد عمومی خدشه‌دار می‌شود. از سوی دیگر، مدل‌های پیچیده یادگیری عمیق (Deep Learning) به دلیل ماهیت غیرخطی خود، به‌سختی قابل‌توضیح هستند. همین موضوع باعث می‌شود که شفافیت، که هدف اصلی استفاده از فناوری است، زیر سؤال برود. راهکار این مشکل، استفاده از مدل‌های قابل‌توضیح (Explainable AI) و ترکیب نظارت انسانی با الگوریتم‌هاست.

خطر دستکاری و نفوذ در داده‌ها

اگر داده‌های ورودی سیستم‌های هوش‌مصنوعی دچار خطا یا دستکاری عمدی شوند، خروجی‌‌ها نیز گمراه‌کننده خواهند بود. این مسئله می‌تواند خود نوعی فساد فناورانه ایجاد کند.

هزینه‌های بالای پیاده‌سازی و نگهداری

طراحی سامانه‌های هوش‌مصنوعی پیشرفته برای مناقصات، نیازمند سرمایه‌گذاری سنگین در زیرساخت، آموزش و توسعه نرم‌افزار است که ممکن است برای برخی نهاد‌ها غیرقابل تأمین باشد.

نبود قوانین و چارچوب‌های حقوقی مشخص

یکی از مهم‌‌ترین چالش‌های به‌کارگیری هوش‌مصنوعی در مناقصات، فقدان قوانین و چارچوب‌های حقوقی جامع و مشخص است. بسیاری از کشور‌ها هنوز در حال تدوین یا آزمایش قوانین اولیه برای تنظیم استفاده از هوش‌مصنوعی هستند و این تأخیر موجب می‌شود که مسئولیت‌های حقوقی در قبال خطاهای الگوریتمی یا تبعیض‌های احتمالی مشخص نباشد. برای مثال، اگر یک سیستم هوشمند به‌اشتباه پیشنهاد یک شرکت را رد کند یا مناقصه‌ای را به شکل ناعادلانه ارزیابی کند، تعیین مقصر و جبران خسارت دشوار خواهد بود.

نبود استانداردهای مشترک باعث می‌شود هر نهاد یا سازمان، قواعد و دستورالعمل‌های متفاوتی وضع کند که خود موجب ناهمگونی و بی‌اعتمادی می‌شود. حتی در اتحادیه اروپا که پیشتاز قانون‌گذاری هوش‌مصنوعی است، «قانون هوش‌مصنوعی» (Artificial Intelligence Act) هنوز در مراحل تکمیل و اجراست. این وضعیت باعث می‌شود که مناقصات بین‌المللی با چالش‌های حقوقی بیشتری روبه‌رو شوند. در کنار این، مسائل اخلاقی مانند حریم خصوصی داده‌ها یا تعصب الگوریتمی نیز بدون قانون‌گذاری دقیق قابل کنترل نیستند.

از سوی دیگر، کشورهای در حال توسعه بیشتر با کمبود قوانین بومی مواجه‌اند، زیرا چارچوب‌های بین‌المللی غالباً متناسب با واقعیت‌های بومی طراحی نشده‌اند. نتیجه این است که فرآیندهای مناقصه ممکن است یا فاقد شفافیت قانونی باشند یا در برابر شکایات و اعتراضات، مبنای محکمی نداشته باشند. تدوین دستورالعمل‌های حقوقی شفاف، یکی از پیش‌نیازهای اساسی برای موفقیت هوش‌مصنوعی در این حوزه محسوب می‌شود.

در کشور ما، تاکنون قانون یا آیین‌نامه مشخصی برای تنظیم استفاده از هوش‌مصنوعی در فرآیندهای مناقصه تدوین نشده است. مقررات عمومی مانند «قانون برگزاری مناقصات» یا «قانون تجارت الکترونیکی» به‌صورت غیرمستقیم برخی اصول را پوشش می‌دهند، اما پاسخگوی پیچیدگی‌های تصمیم‌گیری الگوریتمی نیستند. همچنین نبود دستورالعمل‌های حقوقی و فنی مشخص، خطر بروز سوءاستفاده یا اعتراض‌های حقوقی را افزایش می‌دهد. برای رفع این شکاف، نیاز به قانون‌گذاری هدفمند و تخصصی در این حوزه وجود دارد.

وابستگی بیش از حد به فناوری

اگر تصمیم‌گیری کاملاً به هوش‌مصنوعی سپرده شود، خطاهای احتمالی سیستم می‌توانند بدون نظارت انسانی به فاجعه اقتصادی منجر شوند. توازن بین هوش‌مصنوعی و کنترل انسانی یک چالش اساسی است.

مسئله تبعیض الگوریتمی

تبعیض الگوریتمی یکی از مهم‌‌ترین خطرات پنهان در استفاده از هوش‌مصنوعی در مناقصات است. این مشکل زمانی رخ می‌دهد که داده‌های ورودی سیستم حاوی سوگیری‌های تاریخی یا نادرست باشند و الگوریتم، همان تعصب‌‌ها را در تصمیم‌گیری تکرار یا حتی تشدید کند. برای مثال، اگر داده‌های گذشته نشان دهد برخی شرکت‌ها بیشتر برنده شده‌اند، سیستم ممکن است به‌طور ناخودآگاه همان الگو را ادامه دهد و رقبا را نادیده بگیرد. این تبعیض می‌تواند منجر به ناعادلانه شدن فرآیند انتخاب برندگان شود و اعتماد به سیستم را کاهش دهد.

مشکل اصلی این است که چنین تبعیضی ممکن است در لایه‌های پیچیده تصمیم‌گیری الگوریتمی پنهان بماند و حتی کارشناسان هم نتوانند به‌راحتی آن را کشف کنند. راهکار مقابله با این چالش، استفاده از داده‌های پاک‌سازی‌شده، الگوریتم‌های قابل‌توضیح و نظارت انسانی مستمر بر خروجی‌های سیستم است.

کمبود متخصصان بین‌رشته‌ای

برای طراحی یک سیستم مؤثر، هم دانش فنی هوش‌مصنوعی و هم آشنایی عمیق با قوانین و سازوکارهای مناقصات لازم است. این ترکیب مهارت هنوز در بسیاری از کشور‌ها کمیاب است.

اعتماد عمومی و پذیرش اجتماعی

حتی اگر هوش‌مصنوعی دقیق‌تر و عادلانه‌تر از انسان تصمیم‌گیری کند، جلب اعتماد شرکت‌ها، پیمانکاران و افکار عمومی نیازمند زمان، شفاف‌سازی و فرهنگ‌سازی گسترده است.

جایگاه و اهمیت هوش‌مصنوعی در مناقصات عمومی اروپا

در چند سال گذشته، کشورهای اروپایی و اتحادیه اروپا به‌طور گسترده‌ای به بررسی و پیاده‌سازی فناوری‌های هوش‌مصنوعی در فرآیندهای مناقصات عمومی روی آورده‌اند؛ چرا که این فناوری‌‌ها پتانسیل بسیار بالایی در افزایش کارایی، دقت و شفافیت فرآیندهای خرید و تأمین دولت‌‌ها دارند. فرآیندهای مناقصه که به‌طور سنتی شامل مراحل پیچیده‌ای از جمع‌آوری پیشنهادات، ارزیابی فنی، تحلیل قیمت‌ها، و تصمیم‌گیری نهایی هستند، معمولاً به دلیل حجم زیاد داده‌ها، پیچیدگی معیار‌ها و وجود فاکتورهای انسانی دچار تأخیر، خطا و حتی فساد می‌شوند. در این زمینه، هوش‌مصنوعی و به ویژه الگوریتم‌های یادگیری ماشین قادرند با تحلیل همزمان حجم بالایی از اطلاعات ساختاریافته و غیرساختاریافته، به صورت اتوماتیک پیشنهاد‌ها را ارزیابی کنند، روند بررسی را به شدت تسریع نمایند و در عین حال دقت و عدالت را ارتقا بخشند. این امر موجب شده است که نهادهای دولتی در کشورهای اروپایی، به ویژه کشورهای پیشرو در حوزه فناوری مثل آلمان، فرانسه، هلند و اسپانیا، پروژه‌های متعددی را در قالب برنامه‌های تحول دیجیتال و هوشمندسازی مناقصات به اجرا بگذارند. براساس گزارش‌های رسمی کمیسیون اروپا، استفاده از هوش‌مصنوعی در مناقصات دولتی توانسته است نه‌تنها فرآیندهای اداری را ساده‌تر کند، بلکه با افزایش شفافیت و قابلیت پیگیری، مانع از بروز فساد و سوءاستفاده‌های مالی شود. این موضوع از دو جنبه اهمیت دارد؛ اول اینکه مناقصات بخش قابل توجهی از بودجه عمومی را به خود اختصاص می‌دهند و افزایش کارایی در این حوزه، تأثیر مستقیم بر بهبود هزینه‌های دولت‌‌ها دارد، دوم اینکه مناقصات به دلیل رقابت بین شرکت‌ها حساسیت‌های بالایی دارد و هرگونه بی‌عدالتی یا عدم شفافیت می‌تواند منجر به کاهش اعتماد عمومی و افت سرمایه اجتماعی شود. بنابراین، به کارگیری هوش‌مصنوعی در این حوزه به عنوان راهکاری برای افزایش شفافیت، عدالت و اثربخشی اقتصادی، در کانون توجه سیاست‌گذاران و کارشناسان اروپایی قرار گرفته است. علاوه بر این، با استفاده از فناوری‌های پردازش زبان طبیعی، سیستم‌های هوشمند می‌توانند مستندات پیچیده مناقصه را تحلیل کرده و نکات کلیدی را استخراج کنند که در شرایط سنتی از دید کارشناسان انسانی پنهان می‌ماند. این قابلیت به ویژه در تحلیل فنی و تطبیق دقیق مشخصات مناقصه با پیشنهادات ارائه شده اهمیت دارد. بدین ترتیب، هوش‌مصنوعی نه تنها به کاهش زمان و هزینه‌های فرآیند مناقصه کمک می‌کند، بلکه موجب افزایش دقت و کیفیت تصمیم‌گیری نیز می‌شود، به‌گونه‌ای که حتی در موارد پیچیده و دارای ابهام، سیستم‌‌ها می‌توانند گزینه‌های بهینه را پیشنهاد دهند و از خطاهای انسانی ناشی از خستگی، تعصب یا بی‌دقتی جلوگیری کنند.

چالش‌‌ها و رویکردهای توضیح‌پذیری و اعتمادسازی در سیستم‌های هوشمند

یکی از مسائل کلیدی در استفاده از هوش‌مصنوعی در مناقصات عمومی، موضوع «توضیح‌پذیری» یا Explainability است؛ چرا که تصمیم‌گیری‌های اتوماتیک براساس الگوریتم‌های پیچیده می‌تواند برای انسان‌‌ها مبهم و غیرشفاف باشد. در اروپا، تحقیقات فراوانی روی توسعه مدل‌های هوش‌مصنوعی قابل توضیح صورت گرفته است که هدف اصلی آن‌‌ها افزایش اعتماد کاربران، از جمله کارشناسان مناقصه، مدیران اجرایی و شرکت‌کنندگان است. مطالعات نشان می‌دهد که وقتی سامانه‌های هوش‌مصنوعی بتوانند نه تنها تصمیمات خود را اعلام کنند بلکه دلایل و معیارهای آن تصمیم‌گیری‌‌ها را به شکلی قابل فهم و قابل نقد برای انسان‌‌ها ارائه دهند، سطح پذیرش فناوری و رضایت ذی‌نفعان به‌طور چشمگیری افزایش می‌یابد. این رویکرد توضیح‌پذیری باعث می‌شود که مدیران بتوانند تصمیم‌های سیستم را بهتر ارزیابی کرده و در صورت لزوم اصلاحاتی اعمال کنند، همچنین امکان پیگیری و شفاف‌سازی در برابر نهادهای نظارتی فراهم گردد. در پروژه‌های آزمایشی متعددی در اتحادیه اروپا، از جمله در کشورهای اسکاندیناوی و حوزه دریای شمال، سامانه‌های مبتنی بر تکنولوژی‌های هوش‌مصنوعی توضیح‌پذیر به کار گرفته شده‌اند که توانسته‌اند تصمیمات خود را بر پایه داده‌ها و شاخص‌های معین و قابل اندازه‌گیری تبیین کنند. این سامانه‌ها معمولاً از ترکیب روش‌های یادگیری ماشین با مدل‌های فازی و تحلیل زبانی بهره می‌برند تا ابهامات و عدم قطعیت‌‌ها را مدیریت کنند و خروجی‌هایی ارائه دهند که نه تنها دقیق، بلکه قابل درک برای افراد غیرمتخصص نیز باشد. علاوه بر توضیح‌پذیری، موضوع امنیت و حریم‌خصوصی نیز اهمیت بالایی دارد؛ داده‌های مناقصه شامل اطلاعات حساس اقتصادی و تجاری هستند که باید به‌طور کامل محافظت شوند. به همین دلیل، چارچوب‌های قانونی و فنی در اتحادیه اروپا با تاکید بر حفاظت داده‌ها (مطابق مقررات GDPR) و استانداردهای ایمنی، سعی دارند تا ضمن بهره‌گیری از فناوری‌های نوین، از سوءاستفاده‌ها جلوگیری کنند. همچنین، سازوکارهایی برای مقابله با تعصب الگوریتمی یا Bias طراحی شده‌اند تا تضمین شود که سیستم‌های هوشمند به هیچ گروه یا شرکت خاصی برتری ندهند. در مجموع، این اقدامات موجب شده است که اعتمادسازی و شفافیت دو محور اصلی در توسعه و استقرار هوش‌مصنوعی در مناقصات اروپایی باشند که این امر به نوبه خود، پیش‌نیاز موفقیت و پذیرش گسترده این فناوری‌‌ها است.

چارچوب‌های قانونی و چشم‌انداز آینده هوش‌مصنوعی در مناقصات اروپا

در سطح سیاست‌گذاری، اتحادیه اروپا یکی از پیشرو‌ترین مناطق در تدوین قوانین و چارچوب‌های نظارتی مرتبط با استفاده از هوش‌مصنوعی در مناقصات عمومی است. قانون هوش‌مصنوعی اروپا (AI Act) که در سال‌های اخیر به مرحله نهایی تدوین رسیده، چارچوبی دقیق و جامع برای طبقه‌بندی و کنترل ریسک‌های ناشی از استفاده از سامانه‌های هوشمند ارائه می‌دهد. براساس این قانون، سیستم‌های AI که در حوزه‌های حساس مانند مناقصات عمومی به کار می‌روند، باید از استانداردهای سختگیرانه‌ای تبعیت کنند که شامل الزامات شفافیت، پاسخگویی، امنیت داده‌ها و مقابله با تبعیض است. علاوه بر این، اتحادیه اروپا مدل‌های قراردادی (Model Contractual Clauses for AI Procurement) را معرفی کرده که به سازمان‌های دولتی و بخش خصوصی راهنمایی می‌دهد چگونه قراردادهای تأمین هوش‌مصنوعی را به گونه‌ای تنظیم کنند که حقوق طرفین حفظ شده و ریسک‌های قانونی کاهش یابد. این مدل‌‌ها به ویژه در شرایطی که هوش‌مصنوعی ریسک بالایی دارد، اهمیت مضاعف می‌یابند و می‌توانند به عنوان الگوی قانونی در کشورهای دیگر نیز مورد استفاده قرار گیرند. همچنین، برنامه‌های پژوهشی و توسعه‌ای متعددی از جمله Horizon Europe، پروژه‌های نوآورانه‌ای را در زمینه به کارگیری AI در بخش‌های عمومی از جمله مناقصات حمایت می‌کنند که این امر نوید آینده‌ای روشن و نوآورانه را برای این حوزه رقم می‌زند. با توجه به روند فزاینده دیجیتال‌سازی و ضرورت افزایش شفافیت و کارایی در مدیریت مالی عمومی، انتظار می‌رود هوش‌مصنوعی در سال‌های آتی به عنوان یکی از ستون‌های اصلی تحول مناقصات دولتی در اروپا نقش‌آفرینی کند. اما این پیشرفت‌‌ها به همراه چالش‌هایی نظیر نیاز به نیروی متخصص، تغییرات فرهنگی در سازمان‌ها، و حفظ تعادل میان اتوماسیون و کنترل انسانی همراه خواهد بود. در نهایت، تجربه اروپا نشان می‌دهد که موفقیت در بهره‌گیری از هوش‌مصنوعی در مناقصات، نیازمند همگرایی فناوری، سیاست‌گذاری هوشمند و مشارکت ذی‌نفعان مختلف است تا فرآیند‌ها به شکل شفاف، عادلانه و اثربخش انجام شود و ضمن حفظ اعتماد عمومی، بهره‌وری سیستم‌های دولتی نیز بهبود یابد.

برآمد

هوش‌مصنوعی (Artificial Intelligence – AI) به‌عنوان یکی از مهم‌‌ترین فناوری‌های تحول‌آفرین قرن حاضر، نقش بی‌بدیلی در ارتقای شفافیت مناقصات ایفا می‌کند. در فرآیندهای سنتی مناقصات، عدم دسترسی به داده‌های تحلیلی جامع، خطاهای انسانی، تبانی‌های احتمالی و نبود نظارت دقیق، چالش‌های مهمی در مسیر عدالت و رقابت سالم بوده‌اند. اما ورود هوش‌مصنوعی به این حوزه، با قابلیت پردازش سریع و دقیق داده‌ها، الگوریتم‌های تحلیل پیشرفته و سیستم‌های پیش‌بینی، امکان شناسایی ناهنجاری‌ها، کشف رفتارهای مشکوک و جلوگیری از تخلفات احتمالی را به‌شکل چشمگیری افزایش داده است. این فناوری قادر است داده‌های مربوط به قیمت‌ها، سوابق پیمانکاران، کیفیت محصولات و حتی پیشینه عملکرد شرکت‌ها را در مقیاسی عظیم و در زمانی کوتاه تحلیل کرده و تصمیم‌سازی را شفاف‌تر و عادلانه‌تر کند.

هوش‌مصنوعی از طریق سیستم‌های پایش لحظه‌ای و تحلیل الگوریتمی می‌تواند فرآیند انتخاب پیمانکار را از هرگونه جانبداری یا خطای انسانی مبرا سازد. به‌عنوان مثال، الگوریتم‌های یادگیری ماشینی قادرند قیمت‌های پیشنهادی غیرمنطقی یا تبانی احتمالی میان پیمانکاران را شناسایی کنند، در حالی که بررسی چنین مواردی در روش‌های سنتی مستلزم صرف زمان و منابع انسانی فراوان است. این قابلیت‌‌ها به نهادهای برگزارکننده مناقصه اجازه می‌دهد تصمیم‌های خود را بر پایه داده‌های واقعی و بدون سوگیری اتخاذ کنند و از وقوع فساد مالی و تضاد منافع پیشگیری کنند.

از سوی دیگر، توضیح‌پذیری (Explainability) یکی از مهم‌‌ترین ویژگی‌های سیستم‌های هوش‌مصنوعی در حوزه شفافیت است. این ویژگی به مدیران و ناظران این امکان را می‌دهد که درک کنند هر تصمیم یا امتیازدهی بر چه مبنایی انجام شده است. این موضوع به‌ویژه در مناقصات بزرگ دولتی که حساسیت بالایی در مصرف بودجه عمومی دارند، اهمیت دوچندان می‌یابد. هوش‌مصنوعی می‌تواند گزارش‌های تحلیلی دقیقی ارائه دهد که نه‌تنها نتیجه را توضیح می‌دهد، بلکه روند رسیدن به آن نتیجه را نیز روشن می‌سازد. این شفافیت در فرآیند تصمیم‌گیری، به‌طور مستقیم موجب افزایش اعتماد عمومی و کاهش شکایات یا اعتراضات حقوقی می‌شود.

همچنین، سیستم‌های هوشمند تشخیص تقلب و تبانی که از فناوری‌های پیشرفته‌ای همچون هوش‌مصنوعی مولد (Generative AI) یا شبکه‌های عصبی استفاده می‌کنند، قادرند حتی الگوهای پیچیده و پنهانی را شناسایی کنند که انسان‌‌ها ممکن است از تشخیص آن‌‌ها عاجز باشند. به‌عنوان نمونه، وزارت دادگستری برخی کشورهای اروپایی با استفاده از سامانه‌های AI توانسته است مواردی از تبانی میان شرکت‌های بزرگ در فرآیند مناقصه را کشف کند. این موفقیت‌‌ها نشان می‌دهد که AI نه‌تنها به شفافیت کمک می‌کند، بلکه به یک ابزار قدرتمند برای مقابله با فساد سیستماتیک تبدیل شده است.

از منظر حقوقی نیز، استفاده از هوش‌مصنوعی در مناقصات، امکان ایجاد زنجیره‌ای شفاف از مدارک، تحلیل‌‌ها و تصمیم‌‌ها را فراهم می‌کند. تمام اقدامات، از بررسی صلاحیت پیمانکاران گرفته تا ارزیابی قیمت‌ها و کیفیت پیشنهادها، به‌صورت دیجیتالی ثبت و آرشیو می‌شوند. این امر نه‌تنها فرآیند نظارت را آسان‌تر می‌کند، بلکه به نهادهای نظارتی و قضایی اجازه می‌دهد در صورت نیاز، تمامی مراحل تصمیم‌گیری را با دقت بررسی کنند. این شفافیت، ابزار دفاعی قدرتمندی در برابر هرگونه اتهام فساد یا تبانی محسوب می‌شود.

در مجموع، نقش هوش‌مصنوعی در شفافیت مناقصات را می‌توان در سه سطح کلیدی خلاصه کرد: افزایش دقت و سرعت تحلیل داده‌ها، پیشگیری از فساد و تبانی، و ارتقای اعتماد عمومی. این فناوری با تغییر بنیادین در فرآیندهای مناقصه، نه‌تنها امکان مدیریت بهتر منابع مالی و انسانی را فراهم می‌کند، بلکه شرایط رقابت عادلانه و شفاف را برای تمامی شرکت‌کنندگان تضمین می‌نماید. در دنیای امروز که اعتماد عمومی و کارآمدی دولت‌‌ها به‌عنوان معیارهای اصلی توسعه محسوب می‌شوند، استفاده صحیح و حقوقی از هوش‌مصنوعی در مناقصات می‌تواند به یکی از ستون‌های اصلی موفقیت اقتصادی و اجتماعی کشور‌ها تبدیل شود.

منابع

  1. European Commission. (2021). Proposal for a Regulation of the European Parliament and of the Council Laying Down Harmonised Rules on Artificial Intelligence (Artificial Intelligence Act).
  2. European Commission.
  3. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A52021PC0206
  4. General Data Protection Regulation (GDPR). (2016). Regulation (EU) 2016/679 of the European Parliament and of the Council.
  5. Official Journal of the European Union.
  6. https://eur-lex.europa.eu/eli/reg/2016/679/oj
  7. Office of Management and Budget (OMB). (2023). Guidance for Regulation of Artificial Intelligence in the Federal Government.
  8. S. Government.
  9. https://www.whitehouse.gov/omb/information-regulatory-affairs/
  10. General Services Administration (GSA). (2023). AI Center of Excellence: Advancing AI in Federal Procurement.
  11. S. Government.
  12. https://www.gsa.gov/technology/government-it-initiatives/ai-center-of-excellence
  13. China National Development and Reform Commission (NDRC). (2023). Interim Measures for the Administration of Generative AI Services.
  14. Government of China.
  15. http://www.ndrc.gov.cn/
  16. Korean Ministry of Science and ICT. (2022). AI Framework Act and Implementation Guidelines.
  17. Republic of Korea.
  18. https://www.msit.go.kr/eng/
  19. Government e-Marketplace (GeM). (2023). About GeM: India’s Online Public Procurement Platform.
  20. Government of India.
  21. https://gem.gov.in/
  22. Floridi, L., & Cowls, J. (2019). A Unified Framework of Five Principles for AI in Society. Nature Machine Intelligence, 1(1), 15–۱۷.
  23. DOI: 10.1038/s42256-019-0008-2
  24. European Union Agency for Fundamental Rights (FRA). (2020). Artificial Intelligence and Fundamental Rights: Challenges and Opportunities.
  25. FRA Report.
  26. https://fra.europa.eu/en/publication/2020/artificial-intelligence-and-fundamental-rights
  27. (۲۰۲۱). Recommendation of the Council on Artificial Intelligence.
  28. Organisation for Economic Co-operation and Development.
  29. https://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449
  30. Kumar, A., & Saxena, S. (2022). Leveraging AI for Transparent Public Procurement: The Case of India’s GeM Platform. Journal of Public Procurement, 22(3), 310–۳۲۹.
  31. S. Department of Justice. (2022). Use of Artificial Intelligence for Fraud Detection in Public Procurement.
  32. DOJ Report.
  33. https://www.justice.gov/