收益：
- 通过构建核心差异化能力和采购标准能力，做出正确的自制/外购决策
- 能够根据数据安全性、合规性、退出难易程度以及价格之外的总成本标准来评估供应商
- 通过预重大合同试点防止供应商锁定并证明价值
大多数组织将大部分人工智能人才外包：现成的模型、平台、软件服务、咨询。这些采购决策会产生大量预算、长期合同和永久依赖；如果做错了，回头的代价是昂贵的。在本单元中，您将了解高级管理人员如何智能地购买人工智能解决方案、决定是否构建或外包人才以及如何管理供应商。目的不是选择最便宜或最华丽的工具，而是选择最适合组织的需求、风险和战略的工具。
自制还是购买？
关键决策：应该内部培养人工智能人才还是外包？规则很简单，但经常被违反：使核心能力为组织所独有，从而创造竞争优势；购买标准的、通用的、无差别的技能。用自己的客户数据做一个竞争对手做不到的预测模型是核心；文本摘要工具是标准配置，可供购买。
标准
建造
买
差异化
高、核心
低、标准
速度
慢
快
成本
前期投资高
可预测的订阅
控制
满
有限
成瘾
低
高
提示：“如果没有这个能力，我能否将自己与对手区分开来？”问。如果答案是“是”，则购买；如果“不，这就是我的不同”，请认真考虑这样做。外包核心人才意味着从长远来看聘用有竞争力的人才。
供应商选择标准
仅根据价格和功能来选择人工智能供应商是危险的。经理还应该询问这些标准：
- 数据安全和隐私：我们的数据在教育中在哪里处理、存储和使用？
- 合规性：供应商是否支持 KVKK/EU 人工智能法要求？
- 透明度：该模型如何运作，有哪些限制，是否经过独立审核？
- 集成：它与我们现有系统的连接有多容易？
- 易于退出：如果我们离开，我们可以移动我们的数据和工作流程吗？
- 可持续性：供应商财务状况是否良好，明天会消失吗？
- 总拥有成本：许可证+集成+培训+监督（第5单元）。
供应商锁定风险
一个关键概念：供应商锁定变得如此依赖于供应商，以至于离开实际上是不可能的（由于高成本、数据可移植性、集成复杂性）。这会让您面临价格上涨、服务质量差和创新损失的风险。为了缓解这种情况：将数据可移植性纳入合同，选择开放标准，如果可能的话与多个供应商合作，并准备退出计划。
逐步：购买流程
1. 明确需求。哪个业务问题，哪个指标？ （单元4-5）
2. 做出自制/购买决定。核心还是标准？
3. 使用一系列标准评估供应商。除了价格、安全性、合规性、退出、TCO 之外。
4. 与飞行员一起尝试。在签订大合同之前，通过小型、可衡量的试验来证明这一点。
5、与门卫签订合同。数据所有权、隐私、退出、服务级别 (SLA) 条款。
三个迷你箱子
情况 1 — 型芯弹出错误。一家物流公司将其最大的竞争优势——路线优化完全委托给外部供应商。两年后，供应商将价格提高了一倍；该公司被锁定，没有自己的数据和模型。他最终不得不使用昂贵的开关将其安装在室内。核心人才不应该被购买。
案例 2 — 隐私问题改变了购买行为。在医疗保健公司购买人工智能工具之前，它会问“我们的数据是否用于培训？”他问道。答案是“是的，默认情况下”；这对于患者数据来说是不可接受的。该公司转向了另一种替代方案，即不在教育中使用数据并在国内进行处理。一个正确的问题避免了严重的合规违规行为。
案例 3 — 飞行员的储蓄。一家零售商即将签署一份为期 3 年、价值 400 万里拉的合同，购买一个精美的人工智能平台。首先，他进行了为期 8 周的带薪试播；该平台不适合销售团队的实际工作流程，采用率仍然很低。主要合同被取消，数百万英镑的资金和多年的僵局得以避免。 Pilot 是最便宜的保险。
四个可复制模板
1）自制/外购分析：
您的角色：技术采购顾问。分析以下 AI 人才的自制或外购决策：[人才]。从差异化、速度、成本、控制和依赖性方面进行评估；质疑这对我们来说是否是核心或标准，并提出建议。
2）供应商评价标准清单：
制作一份清单来评估供应商是否购买以下人工智能解决方案：数据安全/隐私、合规性（KVKK/欧盟人工智能法）、透明度、集成、退出便利性、可持续性、总成本。对于每个标准，写一个明确的问题来询问供应商。解决方案：[正文]
3）合同保护条款：
列出我希望在人工智能供应商合同中包含的保护条款：数据所有权、不在教育中使用数据、保密性、服务级别 (SLA)、选择退出和数据可移植性、责任。对于每个条款，用一句话解释为什么它很重要。
4）试点设计：
在签订大合同之前设计一个为期 6-8 周的试点来测试这个人工智能工具：什么标准、什么用户组、成功门槛是什么、我将根据什么结果做出什么决定（签署/取消）？工具：[文字]
弱提示/强提示
弱者：“我应该购买哪种人工智能工具？”
结果：没有上下文的肤浅答案，忽略了安全性和依赖性，可能暗示“什么是流行的”。
Güçlü：“我们是一家处理患者数据的医疗保健公司，我们受到 KVKK 的约束。我们正在评估一种人工智能解决方案，该解决方案将总结临床记录。分析这对我们来说是否是核心或标准；如果我们要购买，确定关键问题，我将向供应商询问数据安全、教育数据使用、国内处理、退出便利性和总成本；还在大合同之前设计一个试点。”
结果：对环境、监管和风险敏感；制造/购买，一种同时考虑标准和试点的采购方法。
常见错误
- 购买核心人才。从长远来看，出租你的竞争优势会造成昂贵的依赖。
- 只看价格和功能。如果忽视安全性、合规性、出口和总成本，廉价车辆就会变得昂贵。
- 不询问数据如何使用。 “我们的数据用于教育吗？”问题从一开始就捕获了大多数合规风险。
- 没有飞行员的主要合同。在没有通过小试验证明这一点的情况下被锁定多年是一个很大的风险。
- 签署时没有退出计划。无法摆脱的供应商会让您在价格和服务方面处于弱势。
注意：人工智能可以生成采购分析或供应商标准列表；但合同条款、数据安全承诺和法律条款必须经过法律和安全团队的审查。经理还有责任独立验证（试点、参考、审核）供应商关于其产品的声明；营销承诺不是证据。
总之
大多数人工智能人才都是从外部购买的，这些决策规模庞大、永久性且成本高昂。基本原则：打造核心，差异化能力；买标准的。供应商不仅被价格和功能所吸引，而且还被价格和功能所吸引。评估数据安全性、合规性、透明度、集成性、退出难易程度、可持续性和总成本。通过数据可移植性、开放标准和退出计划防止供应商锁定。一定要在签订大合同之前向飞行员证明这一点。在下一个也是最后一个单元中，我们将介绍变革管理，它将整个策略转化为真正的采用。
应用任务
选择一个 AI 功能并使用模板 1 执行自制/外购分析，以确定它是核心还是标准。创建您将使用第二个模板向供应商询问您决定购买的解决方案的关键问题（确保包括数据安全性和退出便利性）。最后，在一段中描述重大合同试点前的标准、持续时间和决策门槛。
清单
- [ ] 我决定该技能是核心技能还是标准技能。
- [ ] 我证明了自制/外购决定的合理性。
- [ ] 我以价格以外的标准来评估供应商。
- [ ]“我们的数据用于教育吗？”我问了这个问题。
- [ ] 我评估了退出的难易程度和供应商依赖性。
- [ ] 我在大合同之前设计了一个试点。
- [ ] 我计划对合同和数据条款进行法律/安全审查。