今年，AI 业务的卖法变了。成交的不再是一次定制开发，而是一套组装好的平台：智能体运行时、治理层、预制组件市场，外加一支团队，把这一切接进您现有的系统。服务商登门时，带的是现成的软件，而不只是一群等着替您写代码的工程师。
我们也在往这个方向走，并且认为走得对。编排、日志、访问控制、生命周期管理，都是早有定解、可以跨客户复用的问题，每个项目重造一遍，向来就是浪费。我们自己的智能层 bearingbridge intelligence 正为此而建：它从多个来源汇集数据、内容和文档，免得每接一个项目都从零开始。
另一半，至今谁也没能做成产品。所以，采购要回答的问题比推销辞令窄得多：哪些能买，哪些无论请谁来做，都始终是您自己的事。
什么能买，什么买不到
| 平台自带 | 始终是您的事 |
|---|---|
| 智能体运行时与编排 | 源数据处于什么状态 |
| 日志、访问控制、可观测性 | 真实的规则有没有写下来 |
| 常见职能的预制组件 | 答错了由谁担责 |
| 多云、多模型的底层对接 | 到什么程度就叫停 |
| 受监管环境下的部署模式 | 您宣称它带动的那个数字 |
无论签下哪份合同，每一项落在哪一栏都不会变。
左栏是货真价实的工程，买下来通常是明智之举。AI 项目真正栽跟头的地方，在右栏。没有哪一次采购，能把任何一项从右栏挪到左栏。
把风险挪走的承诺
如今最常听到的卖点，是在数据库、文档库和事件流之上铺一层受治理的语义层，且无需先做数据整合。智能体不必先熬过十八个月的迁移，就能看到一幅结构化的企业全景。
这个承诺很诱人，在技术上也站得住。谁见过数据整合项目在第九个月无疾而终，谁就明白它为何好卖。
然而风险只是换了地方，并没有消失。在前后不一的数据上套一层受治理的视图，只会更快地给出前后不一的答案，还把每一条都记入日志。同一位客户若以两种拼写分散在三个系统里，知识图谱只会原样继承，不会替您理清。产品层级若在 2023 年改过，而一半文档仍沿用旧版，智能体就会两套都读，并把两者都当作现行版本。治理能告诉您智能体读了什么，却说不出哪个版本才是真的。
治理能告诉您智能体读了什么，却说不出哪个版本才是真的。
我们常挂在嘴边的那句话由此而来：上下文决定一切，而上下文来自数据。它源于一个快消品试点：输出很差，客户认定是模型的错。其实不然。参考资料单薄，有些已经过时，有些自相矛盾。换了模型，没有任何可衡量的变化；修好源材料，结果才真正改变。
组装好的平台不会替谁省掉这项工作，我们的平台也不例外。它改变的只是您何时发现这项工作躲不掉；等到部署之后才发现，代价更高。
四类数字
平台推介离不开数字，四类性质迥异的数字，却用同样笃定的口吻端上桌。从发布公告到第四页幻灯片，“预计可达”悄然变成了“已经实现”。没有谁刻意为之，它只是在演示文稿的某个角落发生了；等到有人察觉，这个数字已经写进了预算。
声明台账。点开每一行，看它能证明什么、该追问什么。得分：1/4，四类之中只有一类能一锤定音。
| 声明 | 结论 | 能证明什么 | 该追问什么 |
|---|---|---|---|
| 部署数量 | 曾在某处上线 | 曾在某处上线过 | 谁在用、用来做什么、用了多久 |
| 自报的效率提升 | 一种印象 | 一种印象，未经审计 | 基线、方法、由谁测量 |
| 预计节省 | 一个模型 | 对未来的推演，而非结果 | 背后的假设，以及谁来签字担保 |
| 实测结果 | 一锤定音 | 唯一能一锤定音的一类 | 前后数据各一组，均标明日期 |
能一锤定音的：实测结果。还要追问的：部署数量、自报的效率提升、预计节省。
第二行尤其可疑，因为恰好有人认真检验过这类数字。
一项随机对照试验发现，资深开发者获准使用 AI 工具后，完成真实任务反而多花了 19% 的时间；可他们事后估计，工具让自己快了 20%。
来源：METR，2025 年 7 月 · 16 名开发者，246 项任务
同一批开发者，同一批任务：
- 自我估计：快了 20%
- 实际测量：多花 19% 的时间
两者相差 39 个百分点，而且偏向让自己脸上有光的一边。
METR 后来用更新的工具重做了试验，并在自家页面上把原结果标为过时。引用这项研究的人，大多连这一点都没留意。
在再次参与的原研究开发者中，估计的提速为 18%；在新招募的开发者中，这一数字为 4%。
来源：METR，2026 年 2 月，针对 2025 年底的工具。上文 2025 年的数据已被原作者标为过时。
先把醒目的数字放到一边。剩下的事实是：第一次试验的参与者，对自身生产率的判断偏了 39 个百分点，而且偏向让自己脸上有光的一边。他们是经验丰富的专业人士，面对的是自己烂熟于心的代码。您的团队不会例外，我们也不会。
所以，供应商给出的生产率数字，包括我们自己的，都撑不起买方寄予它的分量。真正能一锤定音的数字是另一副模样：事前取一条基线，事后用同一方法再测一次，两次的日期都有记录。
主权是属性，不是口号
采购这一端，就说到这里。话题的另一半，是这一切能放在哪里。
这类平台如今无一例外，都把掌控权摆在最前面：您的数据、您的模型、您的决策，放在您想放的地方。面向欧洲买家，这样开场没错。但主权经得起检验，四个问题就能比任何架构图更快见分晓。
存放位置
先问上下文层实际放在哪里、归哪个司法辖区管。问的不是模型，而是上下文本身：知识图谱、向量嵌入，以及从您的流程中提炼出来的各种逻辑。这件产物浓缩了企业的运作方式，比喂给它的任何一份文档都更值钱。
谁能读取
再问谁能读取它。出故障时供应商的支持人员能看到，这是正常答案；只有从来没人问过，它才会成为问题。
数据外流
然后问推理时有什么会离开企业。一条携带客户记录、发往托管模型的提示词，就是一次数据传输，无论架构图给它起什么名字。
退出
第三年若要离开，会怎样。导出工作流定义不难；要导出上下文层、调优成果，以及对智能体行为方式的长期积累，就完全是另一回事了。“无锁定”是一项需要检验的声明，不是一项可以照单全收的功能；检验的时机在签约之前，趁您手里还有筹码。
我们会先做什么
这些都不是反对购买平台的理由，要讲的是先后顺序。拍板之前，先做四件事。
审计上下文，而非模型。
挑出第一个智能体真正会读的二十份文档和三个系统，查一查：是否最新，是否相互矛盾，近似重复的又有多少。先按最后修改日期排序。客服智能体要引用的政策文件，若最后一次修改停在 2021 年，而实际政策此后已改过两次，那么一个文件都不用打开，答案就已经摆在那里。这是几天的活，不是几个季度。
不成文的规则
接下来，摸清哪些规则至今没有成文。标准作业程序准确的地方，从中提取逻辑效果很好。可如果真正的规则只装在某位资深员工的脑子里，而文档多年来一直是错的，提取就会一丝不苟地把错误规则写进系统，还附上一份审计记录。
基线
上线任何东西之前，先给您打算推动的那个数字定好基线，前后两次用同一方法，并记下两次的日期。没有这一步，真实的节省，和一个大家早已不再追问的预测，您就无从分辨。
写下叫停标准。
一条质量底线、一条成本上限、一项交接测试，每一项都配上数字和日期，趁大家都还乐观时定下来。只有在那个时候，这些东西才会被老老实实地写下来。
这四件事，没有一件要花一个季度。合起来不过几周的工作，改变的是您买什么，而不是买不买。
跳过最后这一步，项目就会落进下面这个数字。它统计的是放弃，而非失败。两者不是一回事，放弃的代价更高。
放弃大部分 AI 项目的企业比例，一年之间从 17% 升至 42%；平均每家企业有 46% 的概念验证未能投产便遭废弃。
来源：标普全球市场财智（S&P Global Market Intelligence），《Voice of the Enterprise》，2025 年 10 月
放弃大部分 AI 项目的企业比例，一年间的升幅：
- 17%：放弃大部分 AI 项目
- 42%：仅隔一年
- 46%：平均每家企业投产前废弃的概念验证比例
最后这一步，就是 AZIMUTH 方法中的定方位（Bearing）阶段，详见“方法”页面，也是客户最抵触的一环。一次站得住脚的叫停，比慢慢拖到放弃更省钱；哪怕要叫停的是一个附带组件市场的平台项目，这笔账也照样成立。
所以，能产品化的那一半，就买下来。它的工程水准通常胜过团队自己动手的成果，花费也更低。只是心里要有数：另一半，也就是您的数据、您成文的规则，以及要为结果署名的那个人，不在合同之内，从来也不在。
