不要做找標案的平台，
要做幫老闆少踩坑的系統。

2024 年我在一家 IT 顧問公司，常被叫去支援投標。每次都同樣的劇本：

業務早上 9 點傳 LINE：「老闆叫你看這個案子能不能投！」 我打開政府電子採購網 → 翻 50 頁規格書 → 比對歷年得標 → 評估競爭 → 寫個簡單的「能投 / 不能投 / 風險」摘要回去。

每一個案子，平均花 1-2 個小時做這件事。

後來發現，全台灣可能有上萬家中小企業每天都在做這件「重複、機械、低槓桿」的事。更慘的是，有些公司沒人會做，就只能憑感覺投，結果寫了三天的標書才發現是內定陪標 — 三天的人事成本，可能就是 9 萬元打水漂。

那時我就想：「這明明是 AI 該做的事啊。」

規則明確（採購法、招標公告格式都標準化）、資料公開（政府開放資料）、判斷可拆解（七大維度）、結果可驗證（得標廠商歷史一翻就有），這是 AI 最擅長的場景。

從顧問腦補到產品上線，我做了三件事

1. 先把判斷流程拆解透：跟 20 位實際在投標的廠商、3 位前公部門採購人員聊，把「投或不投」這個動作拆成 7 個維度。
2. 規則 + LLM 混合：用規則跑客觀指標（速度快、成本低、可驗證），LLM 抓微妙語意（例如規格書裡的「指定品牌」）。
3. 不賣資料，賣判斷：市面上 90% 的標案網都是換個介面包裝政府採購網。我們做的不是資料聚合，是決策支援。

產品設計三原則

• 會員制：所有具體標案內容都要登入才看得到，避免資料外流給匿名爬蟲，這也是保護會員的一環。
• 透明評分：每一分都有扣分原因。「為什麼是 87 不是 95？」可以逐項追問。AI 不是黑盒子。
• 不誇大：我們是輔助決策工具，不是投標保證。AI 評分高的案子也可能沒中（價格、業務關係、執行力都會影響），但 AI 能讓你避開明顯不該投的案。

為什麼是現在

三個 timing 對齊：

1. 政府開放資料夠完整：標案、得標、廠商、預算決算都已公開。
2. LLM 成本掉到能做 SaaS：大型語言模型的 token 成本大幅下降，已讓「低成本 AI 標案評分」變成可商業化。
3. 中小企業數位化壓力：景氣、缺工、成本上升，廠商需要把「人手判斷」自動化才有空間做更難的事。

所以才有了標案雷達。

我們不會做的事

• 不爬非公開頁面：所有資料來源合法、可追溯。
• 不做匿名公開：標案資料只給登入會員看。
• 不指控特定廠商陪標：陪標警示是「這些訊號值得你注意」，不是「這家在陪標」。
• 不會幫你做違反採購法的事：所有顧問建議都在採購法範圍內。