如今，CIO们面临着快速且有效地推进AI应用的巨大压力。

德勤的首份AI基础设施调查报告显示，企业面临的业务挑战(48%)、监管压力(48%)和人才缺口(40%)是阻碍企业AI计划推进的主要障碍。AI愿景与执行之间的差距巨大，而核心决策在于，是在企业内部开发定制化AI程序，还是购买现有的供应商平台。

这一选择决定了AI人才的配置方式、谁将掌控核心业务逻辑，以及企业能否持续应用所部署的技术。错误的开发决策会使AI人才被束缚在基础设施工作上，而这些工作供应商已能大规模提供。错误的购买决策则意味着将核心业务逻辑的控制权交给了供应商的产品路线图，使企业受制于他人的优先级安排。

安永美洲区技术、媒体和电信AI业务负责人瓦姆西·杜夫里(Vamsi Duvvuri)表示：“AI转型很少因缺乏愿景而失败，而是因缺乏跨工作流程、人员和系统的架构与协同而失败。”

理解“开发”选项

并非所有AI能力都需要从供应商处购买，对于某些企业而言，内部开发是实现差异化竞争的正确途径。

何时选择开发

定制化AI开发最有说服力的理由是，现有解决方案无法满足特定的业务需求，现成的AI产品在设计上具有通用性，它们必须适用于众多公司，这意味着它们会牺牲专业化、工作流程的细微差别或专有数据逻辑，而这些正是创造竞争优势的关键。

安永科技咨询公司董事总经理奥斯卡·马林(Oscar Marin)表示：“CIO应该思考：我们是在购买智能，还是在购买标准化产品，而我们的业务实际上需要的是专业化?”

拥有内部AI人才和技术专长的企业也能获得长期战略控制权，杜夫里将这些能力称为行业原生能力。拥有这些数据和智能层，而非租赁它们，能够保持差异化优势，这是使用相同打包程序的竞争对手无法复制的。

挑战与考量

开发时间和前期成本往往高于大多数企业的预期，持续的维护、模型更新、人才招聘与留用，使得投资远超初始开发阶段，企业常常低估的是人的因素。

凯捷美洲技术首席增长官达尔尚·奈克(Darshan Naik)表示：“人才、业务准备度和数据是决定成功与否的最大因素，且往往被低估。”

理解“购买”选项

对于很大一部分企业用例而言，购买现有的AI平台是正确的选择，而对于其他用例则不然。

何时选择购买

当速度和经过验证的能力是项目的主要需求时，购买AI服务最为合理。对于内部AI专业知识或资源有限的企业而言，购买能够获得模型性能，这是少数企业能够内部复制的。对于标准用例，供应商市场提供了可快速部署的选项，使团队能够专注于核心业务，而非技术开发。

马林表示：“如果成功取决于能否获得最前沿的模型性能，那么通常意味着应该选择购买。”

挑战与考量

购买AI程序的风险包括依赖性、定制化限制和数据控制。Zapier的一项调查发现，近75%的受访者表示，失去主要的AI来源将对日常运营产生负面影响，只有6%的受访者表示能够不受干扰地继续运营。供应商程序旨在通用，这可能迫使企业采用更通用的运营模式，持续的许可和订阅成本也将随着规模扩大而增加，数据安全和合规性担忧也带来了进一步的风险。

杜夫里表示：“关键信号和工作流程被困在专有平台内，限制了数据在不同用例间的重用，并缩小了未来的架构选择范围。”

CIO的决策矩阵

大多数失败的“开发还是购买”决策都始于同样的错误。

奈克表示：“最常见的错误之一是将‘开发还是购买’视为纯粹的技术决策。”

请考虑以下标准：

• 战略契合度。如果某种能力决定了公司的竞争方式，那么购买它会使所有能够访问同一平台的竞争对手都获得优势。“如果它是行业原生能力且对差异化至关重要，那么默认做法是开发数据和智能层，然后购买并激活商品化层以加快速度。”杜夫里表示。

• 技术复杂度。AI越需要嵌入专有工作流程、特定领域数据或独特决策逻辑，打包程序就越难以满足需求。马林表示：“如果成功取决于AI如何嵌入特定工作流程、运营模式或数据环境，那么更倾向于选择开发。”

• 资源可用性。奈克表示，组织成熟度、人才和数据准备度是预测成功与否的最可靠指标。如果没有这些，开发路径在交付价值之前就会失败。

• 上市时间。当速度成为决定性因素时，购买几乎总是获胜。德勤咨询公司负责人兼美国AI业务主管吉姆·罗文(Jim Rowan)指出，根据德勤的AI基础设施调查，无论选择哪种路径，仍有75%的企业未能从概念验证扩展到企业规模。

• 总拥有成本。逐个评估用例会掩盖经济性。杜夫里表示：“逐个决定用例会掩盖组合层面的重用经济性，而最大的成本和速度优势通常存在于组合层面。”

• 可扩展性和灵活性。适用于团队或试点的工具往往成本效益低下，尤其是当治理开销呈非线性增长时。

• 风险承受能力。罗文表示，从第一天起就嵌入治理框架比部署后添加框架能带来更好的合规性和采用效果。

混合方法：中间地带

许多生产级AI部署结合了开发和购买，而非非此即彼的选择。

马林表示：“真正的问题并非仅仅是开发还是购买AI，而是应该购买AI堆栈的哪些部分，以及应该开发哪些部分以保持差异化。”

混合选项包括：

• 带有定制集成的供应商平台。通过以供应商平台为基础并添加定制编排，企业可以加速标准组件的开发，同时保持打包程序无法提供的竞争优势。

• 开源部署。开源AI模型使企业能够在不依赖供应商的情况下进行内部定制，从而获得架构控制权，并能够根据专有数据进行微调。

• 托管AI服务。第三方提供商比内部招聘更快地提供能力，在内部团队培养技能以接管之前填补空白。

• 咨询合作伙伴关系。外部专家帮助企业构建最终独立管理AI开发所需的基础设施和治理框架。

实施考量

构建内部AI能力需要以下三个流程，而企业常常低估这些流程的重要性：

• 招聘用于持续支持而非仅交付的AI人才。

• 建立规范的开发生命周期。

• 在部署前创建治理框架。

AI采购策略应被视为一种持续的运营规范，从一开始就应明确所有权、退出标准和定期供应商审查。

马林表示：“如今，企业能够比以往更快地构建AI赋能的能力，尤其是当它们采用规范的生命周期，并具备强大的架构、测试、治理和人工监督时。”

无论企业是选择开发还是购买，有两个实施步骤常常被忽视。

治理不能事后补救。在部署前而非部署后创建道德AI框架和安全蓝图是至关重要的基础。罗文表示：“那些事后添加安全措施的企业可能会阻碍采用并造成漏洞。”

供应商选择需要同样的严谨性。评估供应商信誉意味着评估其稳定性，而不仅仅是能力。Zapier的研究发现，超过三分之一的企业领导者担心与AI供应商关系中的单点故障，32%的人特别担心供应商完全关闭。44%的企业选择同时使用多个AI供应商以分散风险，42%的企业制定了应对价格变化或中断的应急计划。

Zapier的高级AI自动化工程师艾米丽·马比(Emily Mabie)表示，在管理供应商关系时，有几个问题需要回答。这些问题包括“谁真正拥有与供应商的关系?如果服务开始下滑，退出计划是什么?”

她还建议，合同和服务水平协议(SLA)谈判应包括明确的数据可移植性条款和退出规定。马比表示：“如果这个供应商破产、提价或被收购，我的运营会怎样?”

案例研究与实际案例

安永与AI原生软件开发公司8090的合作展示了在具备交付规范的情况下，开发方法的效果。他们共同开发了EY.ai PDLC，这是一种AI原生产品开发生命周期，结合了架构、治理、自动化测试和人工监督，该成果将传统上需要数月的时间压缩至数天或数周。

马林表示：“安永与8090的合作传递了一个重要信号：机会不仅在于更快的编码，还在于构建企业解决方案的更结构化的AI原生生命周期。”

每天为这些决策提供建议的从业者和分析师发现，双方都存在一致的失败模式。罗文表示：“不成功的投资通常表现为陷入困境的试点项目。”

开发失败模式在客户合作中屡见不鲜。

杜夫里表示：“一个常见的模式是努力过于分散，触及多个工作流程却未能彻底改造任何一个，而不是在一个端到端的用例中证明深度。企业低估了持续支持的需求：随着模型、数据和需求的变化，所需的持续工程、AI/机器学习运维(AI/MLOps)和治理。”

生产部署也常常暴露出试点中隐藏的问题。

马林表示：“失败的开发往往表现为早期兴奋后，在生产环境中遇到扩展、治理、集成和持续支持解决方案的问题。”

为您的企业做出正确选择

正确的决策取决于组织成熟度、竞争环境、数据准备度和风险承受能力，在基础未稳固之前就锁定长期承诺会带来不必要的风险。

奈克表示：“如果不将企业特定背景嵌入AI工具中，价值实现往往缓慢、碎片化，且成本远高于预期。”

持续评估是关键

AI技术和供应商能力发展迅速，今天的开发决策可能在一年内就有强大的替代方案。奈克表示：“同样重要的是保持方法的灵活性，因为AI技术和供应商能力将继续快速发展。”

决策是战略性的，而非技术性的

平衡创新与实际业务成果需要将“开发还是购买”视为一个持续的架构问题，而非一次性采购事件。

罗文表示：“关键在于避免将‘开发还是购买’仅仅视为技术决策。”

“相反，应将其视为一个战略决策和企业转型的投资，使人员、流程、安全和治理保持一致。”

企业网D1net(www.d1net.com)：

国内头部to B IT门户，旗下运营国内头部的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。旗下运营19个IT行业公众号(微信搜索D1net即可关注)。

版权声明：本文为企业网D1Net编译，转载需在文章开头注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。