標書截止前七日，團隊收到新的 addendum。

補遺修改了部分圖紙、交付時間和測試要求，也加入了幾頁合約澄清。估價部正忙於更新數量，技術團隊需要重新檢查施工方案，商務部則擔心付款條款和延誤責任是否同時改變。

每個部門都在看同一套標書，卻從不同角度尋找不同風險。

當文件數量愈來愈多，最大的問題未必是沒有人閱讀，而是沒有人能夠在短時間內確定哪些改動會同時影響價格、工期、設計責任和現金流。

這正是 AI 可以提供第一層協助的地方。

AI 的第一個任務不是寫報價，而是拆出項目承諾

一份標書包含大量不同性質的承諾。

工作範圍、排除項目、暫定金額、指定供應商、設計責任、測試和移交要求、付款條件、保留款、延誤賠償、保險、保證和文件提交期限，都可能分散在不同章節。

人工審閱經常按部門分工：估價看數量與價格，工程看技術要求，商務看條款，財務看現金流。

問題是，某一條款可能同時影響多個部門。

例如某項設備由承建商負責深化設計，意味着它不只是採購項目，也涉及設計資源、專業責任、批核時間和接口風險。付款條款以完成某個測試為里程碑，便會同時影響施工計劃、文件準備和現金流。

AI 可以先把這些要求抽取並標記，建立一張由條款連接到項目影響的初步地圖。

它不是替團隊判斷風險，而是減少某項責任只被其中一個部門看見的機會。

Extraction、Comparison、Escalation 是三件不同的事

AI 投標審閱最容易被過度簡化成「自動抽取合約條款」。

抽取只是第一層。

系統需要找出付款期限、保留款、工期、LD、通知時限、設計責任和特殊要求，並保留原始位置。

第二層是比較。

這些條款與公司標準風險偏好有甚麼差異？付款期是否較一般項目長？保留款是否較高？設計責任是否超出公司慣常承擔範圍？測試和保證要求是否異常？

第三層才是升級。

哪些差異需要商務部處理，哪些需要技術團隊估算，哪些必須由管理層決定是否接受？

如果系統只抽取內容，企業得到的是一張更快完成的摘要；如果加入比較和升級，才開始形成管理工具。

但公司要先定義自己的標準和紅線。AI 不可能憑空知道一間企業願意承擔多少風險。

Addendum 是標書 AI 最容易犯錯的地方

投標文件很少在第一日後完全不變。

補遺可能修改數量、圖紙、技術要求和條款；某一項回答亦可能推翻早前的 tender clarification。若 AI 同時讀取所有文件，卻不知道哪份內容取代哪份內容，它可能把互相衝突的要求一同放入摘要。

這與工程文件 AI 的版本問題相似，但投標時間更緊，錯誤影響可能直接進入報價。

因此，系統應先建立文件時間線。

每份 addendum 發出日期是甚麼？修改哪些原文件？哪些條款仍然有效？某個數量是否已被新版本取代？

AI 生成風險地圖時，應清楚標示資料來源和版本，尤其是存在矛盾或替代關係的地方。

一個漂亮但混合新舊版本的投標摘要，比沒有摘要更危險。

商業風險最常藏在看似技術性的要求內

某些條款不會直接寫着「成本風險」，卻會改變項目商業結果。

例如承建商須在不影響完工日期的情況下配合其他承辦商；所有臨時工程均被視為已包含；現場尺寸由承建商自行核實；某些測試失敗後需要承擔重複測試及相關影響。

這些要求表面上屬於技術或施工管理，實際上可能形成大量未明確計價的責任。

AI 可以協助把語句對應到風險類型：成本不確定、工期不確定、設計責任、第三方依賴、現金流和文件義務。

但風險分類不等於風險定價。

系統可以指出某項責任不尋常，真正的估價和接受決定仍需要工程、商務及管理層根據公司能力處理。

AI 最有用的地方，是確保問題在報價前被看見，而不是在中標後才由項目團隊發現。

自動產生工程量或報價，必須保留假設

AI 和 computer vision 可以協助抽取數量、分類項目和對照過往價格，但任何自動估算都依賴假設。

圖紙是否完整？重複區域有沒有被計算兩次？文字規格是否加入圖紙未顯示的工作？最新 addendum 是否已納入？過往單價是否包含相同物流、夜班和工期條件？

如果系統只輸出一個總價，使用者可能看不到背後缺失。

較好的輸出應把確定數量、推算數量、缺失資料和主要假設分開。某個項目若依賴人工判斷或圖紙不清，應被標記為需要覆核，而不是由模型悄悄補齊。

投標 AI 不應消除不確定性，而應把不確定性顯示得更清楚。

第一版風險地圖的價值，是讓投標會議討論同一件事

投標會議常見的問題，是每個部門帶着自己的文件和觀察。

估價指出總價具競爭力，技術團隊擔心施工方法，財務關注前期資金，商務則發現幾項嚴格條款。討論很多，卻未必有一個共同視圖顯示這些風險如何互相影響。

AI 可以把標書要求初步整理成幾個維度：

哪些責任可能增加成本？哪些條件可能延遲認證和收款？哪些項目依賴未確認設計？哪些供應或測試要求控制工期？哪些條款超出公司慣常接受範圍？

這張地圖不需要在第一版完全正確。

它的作用，是令各部門可以針對同一組問題補充、修正和作出決定。

可由哪一個 pilot 開始？

選擇一份已經完成、結果已知的過往標書。

讓 AI 抽取十類明確資料：付款期、保留款、LD、設計責任、主要里程碑、長交期設備、測試要求、通知時限、暫定金額和排除項目。每項必須引用原文及頁碼。

再由商務、估價和項目團隊比較：系統找到甚麼、漏了甚麼、哪些分類有誤，以及哪些真正影響了項目結果。

第一個 pilot 不應追求自動報價，而應證明 AI 能否在有限範圍內，穩定地找出值得人類進一步判斷的風險。