AI 能力怎么拿：自建、采购、合作三条路的边界与验收

先分清要的是「一个场景」还是「一项能力」

企业在谈 AI 时，常常从一个愿望开始：我们也要有 AI 能力。把这句话拆开看，真正要解决的问题往往很小——某个环节判断慢、重复劳动多、经验只装在几个老员工脑子里。问题越小，越不该用大工程去解。

有一个简单的分界：这项需求未来一年会不会被反复用在三个以上环节？如果只用在一个环节、频率也不高，采购现成工具就够了；如果要在多个环节反复使用、还要嵌进自己的流程和数据，才谈得上自建。

还有一个更硬的判据：你手上的东西，是不是别人拿不到的。如果喂给模型的全是公开资料，谁都能做，自建就没有壁垒，投入也很难说清楚；如果用的是多年积累的业务记录、工艺参数、客户往来细节，那才构成别人不易复制的部分。这个判据先过一遍，能省掉大量无效投入。

三条路各自解决什么问题

自建解决的是「必须长在自己身上」的能力。它要求三件事同时成立：数据是自己的、需求会持续变化、有人能长期维护。三者缺一，自建就容易变成一笔没人接手的投入。常见的失误是立项时热热闹闹，上线后发现没有一个岗位能持续改它。

采购解决的是标准问题。行业里已有成熟做法、需求变化快、替换成本不高的场景，买比建划算。需要提前看清两件事：数据出去之后还能不能完整拿回来，以及换一家要重做多少。

合作解决的是「场景独有但队伍还没长出来」的阶段。它的问题通常不在技术，而在边界：成果归谁、数据归谁、能不能对外复制、什么时候能独立运行。这些不写清楚，合作两三年之后往往变成谁也说不清。

三条路不是选一次就不能改。多数企业走的是同一条路：先采购跑通一个场景，看清数据和流程的真实样子；再通过合作把关键环节沉淀下来；才在真正核心的地方自建。顺序反过来，投入很容易打水漂。

验收不看参数，看四件事

方案汇报里常听到准确率、响应速度、参数量。这些指标不是没用，但它们回答不了一个问题：这套东西接进业务之后，你敢不敢让它直接出结果。验收要看的是另外四件事。

口径要一致。同样一批输入，人判断的结果和系统判断的结果要对得上。做法不复杂：先准备几十到上百条自己的真实业务样本，人工标好答案，再让系统跑一遍，对不上的逐条看原因，是样本本身有歧义，还是系统理解偏了。

边界要清楚。什么情况下它会答错、答错时会不会给出提示、不确定的时候是沉默还是硬答。宁可少答、不可乱答，这一条要在验收时明确提出，而不是等上线后再纠正。

可迁移、责任可追。数据能不能导出、接口是不是标准、换一家要重做多少；出现错误输出时，谁复核、谁签字、留痕存在哪里。四项都过了，再谈上线范围，比在会议室里争论方案更省时间。

合同里必须写清的三类条款

数据条款。服务方能不能用你的数据训练模型、合作结束后数据多久删除、有没有可能被拿去改进别家的模型。这三问要在签约前拿到书面回答，口头承诺在换人的时候不作数。

输出条款。错误输出造成的影响怎么划分责任、服务中断时的响应时限、有没有可核查的运行记录。这一条写得越具体，后续争议越少，也越容易在内部过审。

退出条款。终止合作后数据以什么格式带走、过渡期多久、原系统还能不能继续运行一段时间。退出条款往往被忽略，而它恰恰是在换供应商时决定代价的那一条。

还要留意一种笼统表述：技术方保留一切改进成果。这类条款看似常规，实际会把你在合作中积累的东西一并带走。谈的时候要具体到哪一部分、在什么条件下、你自己能不能继续用。

什么时候该换一条路

采购转自建的信号通常有三个：年度费用已经超过自己做的总成本（人要算进去）；使用范围从一个环节扩到多个环节，调用量成倍增长；供应商的路线调整让关键功能被改动或下线。

自建退回采购的信号也很明确：连续两个考核周期没有进入核心流程，或者维护它的人已经换过两轮、没人愿意接。这种情况下继续投入，只是把已经花掉的钱变成更大的包袱。

一条纪律：无论走哪条路，立项文件里都要写清退出条件与迁移预案——数据放在哪、以什么格式、多久能搬完。这个动作在顺利的时候看不出价值，在需要转身的时候决定代价。观潮智库在服务企业做科技类议题策划时，也常把这三条路的边界与验收清单作为前置讨论，具体安排以实际邀约沟通及最终确认为准。

核心要点

• 先判场景还是能力：单点、低频、标准化的需求优先采购，不要为了「有 AI 能力」而立项自建。
• 自建看数据是否独有与迭代频率，采购看标准度与替代成本，合作看边界写得清不清。
• 验收四项：口径一致、边界清楚、可迁移、责任可追，且要写进合同附件。
• 合同三类条款不能省：数据归属与使用、错误输出责任、退出与迁移安排。
• 每条路都要预置退出条件与迁移预案，立项时就写进文件。