AI 类别战略：市场证据、情景与人工判断
基于内部需求、市场结构、供应商经济性、风险和明确的人类选择来构建类别战略。
AI 类别战略：市场证据、情景与人工判断
AI 类别战略是一种生命周期决策系统，用于连接内部需求、市场结构、供应商经济性、风险以及明确的人类选择。它应当指导发现、寻源、签约、部署、监控、续约和退出——而不只是在人们发起 RFP 时对供应商进行排序。
其实际目标是区分组织已知的内容、模型估算的内容，以及由承担责任的人所做出的决定。这种区分会形成一种采购团队可以测试、谈判、批准并随着需求和技术变化而修订的战略。
快速回答
围绕工作负载层级的需求、完整的供应生态系统、基于情景的经济性以及明确的审批关卡来构建 AI 类别战略。将每一项重要结论归类为观察到的证据、模型推断或人工判断，然后在整个生命周期中持续复核。
围绕结果而非供应商标签来定义类别
一个 AI 类别可能包括应用、基础模型、云服务、加速器、数据、实施合作伙伴、安全、评估、监控和治理。若将其中每一项都视为彼此孤立的支出，可能会掩盖依赖关系——例如，一个看似有吸引力的模型价格，可能需要昂贵的云容量、数据迁移或专业支持。
首先将业务结果映射到工作负载，再将工作负载映射到供应商。这与更广泛的采购流程相契合，但类别战略提供的是持久性的选择，而具体的单次寻源活动则负责执行这些选择。
必需的内部数据输入
按用例和工作负载收集以下输入：
- 业务负责人、用户、流程、预期结果和绩效基线
- 系统是提供建议、生成内容、自主行动，还是对决策产生实质性影响
- 席位数、交易量、token 数、API 调用量、存储、计算小时数和峰值需求
- 所需的质量、延迟、可用性、吞吐量和地理覆盖范围
- 预期价值以及衡量已实现价值的方法
- 数据分类、保留要求、处理地点和知识产权暴露
- 人工复核要求以及错误输出的后果
- 合同承诺、额度、折扣、续约日期和实际利用率
- 集成、微调资产、专有配置和迁移工作量
- 评估结果、事件、投诉和人工覆盖率
将需求区分为已承诺、较可能和实验性。实验性用例不应在不知不觉中变成不可取消容量的基准情景。
必需的外部数据输入
建立一份外部证据档案，涵盖：
- 涉及模型、云、芯片、数据和服务的供应商及关键次级供应商
- 公开价格、计价单位、支持费用、网络费用和预留结构
- 与相关工作负载对应的评估，而非通用排行榜结果
- 托管式、开放权重、托管管理式和内部运营的替代方案
- 地理可用性、容量约束和交付周期
- 供应商披露文件中关于投资、承诺、集中度和依赖关系的信息
- 安全、隐私、来源、分包商和事件披露
- 按用例、角色和司法辖区适用的监管要求
- 并购、产品退市、价格变化和修订后的使用条款
美国 GAO 对 AI 采购的审查指出，相关官员在理解成本以及获取评估提案所需专业知识方面遇到了困难。这使得独立的技术和商业验证成为一项重要的类别控制措施。
将证据、推断和判断分开
使用可见的证据台账，而不是给出一个没有解释的“AI 推荐”。
| 分类 | 示例 | 必需记录 |
|---|---|---|
| 观察到的证据 | 发票显示，上季度购买的 1,000 个席位中有 620 个处于活跃状态。 | 来源、日期、负责人和质量检查 |
| 模型推断 | 如果两个已批准的工作流上线，消耗量可能翻倍。 | 假设、区间、敏感性和置信度 |
| 人工判断 | 尽管成本更高，仍保留两家模型提供商。 | 决策者、理由和复核日期 |
这种区分很重要，因为优化无法决定何种依赖程度或伦理使用是可接受的。NIST 生成式 AI 概况将风险管理视为一个生命周期问题，而GAO 问责框架则强调治理、数据、绩效和监控。
在选择商业模式之前先构建情景
在拟议合同期限内至少使用三种情景：
- 受控采用： 只有已批准的生产工作负载增长。优先考虑有上限的试点、较短承诺期和可移植性。
- 加速扩张： 使用量和工作负载强度超出计划。测试容量、阶梯定价、扩容速率和交付补救措施。
- 中断或替代： 某个模型变得不可用、不可接受、过时、受监管限制或失去竞争力。估算迁移、重新评估、导出和双轨运行成本。
测试利用率、token 组合、模型路由、需求延迟、支持费用、数据迁移、价格侵蚀和迁移频率的敏感性。大规模基础设施投资并不会形成单一且可预测的价格方向：某一时期的稀缺性可能增强供应商议价能力，而后续新增产能或竞争则可能带来价格压力。应将两者都视为情景，而不是预测。
具体谈判情景
某买方预测每年需要 1.2 亿个推理单位，但其中只有 7,000 万与已批准的生产用途相关。另有 3,000 万取决于较可能上线的项目，2,000 万属于实验性需求。供应商报价为：每单位 $0.009，年度最低采购量 1 亿单位；或者每单位 $0.011，但无最低采购量。
按预测消耗量看，承诺方案似乎更便宜：108 万美元对 132 万美元。但如果使用量维持在 7,000 万，最低采购量方案仍需支付 90 万美元，而灵活方案则为 77 万美元。
类别团队可以提出一个交易组合：
- 承诺 7,000 万单位，单价 $0.0105
- 预先谈定后续 3,000 万单位的单价为 $0.0085
- 允许承诺量在已批准模型之间转移
- 要求提供每月使用量导出和分配元数据
- 如果可比工作负载基准发生重大变化，则加入价格复核条款
- 在模型发生重大变更前要求通知并进行回归测试
当团队使用受控工作流来比较供应商提案、测试假设并准备有条件交换方案时，Negotiations.AI在这里是相关的——但它不应用于批准承诺。参见AI 谈判工作流以及关于数据驱动的供应商价格谈判：基准、问题与交易组合的实用指南。
机器学习、生成式 AI 和代理式工作流的适用位置
机器学习
机器学习可以预测消耗量、检测利用率异常、对工作负载进行聚类，并估算切换成本。它需要干净的历史数据、一致的计量单位、合同数据，以及诸如上线或退役等事件的标签。
其局限包括历史数据稀疏、概念漂移、重复计算的流程管道以及虚假的精确性。预测应以带有文档化敏感性的区间形式呈现——而不是自动生成承诺数量。
生成式 AI
生成式 AI 可以总结披露文件、比较定价结构、起草情景叙述、识别缺失证据并准备供应商问题。它需要经过授权的源文件、检索控制、引用和保密规则。
其输出可能遗漏限定条件、误读表格或生成缺乏依据的结论。必须由人工根据一手资料核实重要主张。更广泛的AI 采购工作流应定义允许使用的数据和审查标准。
代理式工作流
代理式工作流可以收集已批准的数据、刷新仪表板、路由异常，并跨多个系统组装谈判材料包。它们需要狭义权限、经过认证的来源、日志、停止条件和升级规则。
它们不应自主选择供应商、接受商业条款、更改生产模型或批准敏感用例。更多细节见采购谈判中的代理式 AI。
人工决策与审批关卡
以下事项必须由明确指定的人批准：
- 用例目的、禁止用途和受影响人群
- 风险分类和可接受的剩余风险
- 对敏感、个人、机密或受监管数据的处理
- 对就业、信贷、健康、安全、法律或类似决策的实质性自动化
- 生产发布，以及对模型、数据或自主性的重大变更
- 单一来源授标和结构性锁定
- 最低消费、预留容量和其他不可取消承诺
- 对审计、透明度、事件披露或问责的限制
- 在未独立验证收益和利用率的情况下续约
- 在重大事件发生后继续运行、迁移或退役
审批人通常包括采购、业务负责人、架构、安全、隐私、法务或合规，以及一名承担责任的 AI 风险负责人。升级路径取决于后果和组织政策。
类别战略模板
使用以下单页结构：
- 范围： 结果、工作负载、技术层和排除用途
- 需求： 已承诺、较可能和实验性规模
- 市场： 供应商地图、替代方案、容量和定价机制
- 经济性： 生命周期总成本、利用率区间和供应商成本驱动因素
- 风险： 集中度、数据、绩效、监管、连续性和锁定
- 情景： 受控采用、加速扩张和中断
- 供应商角色： 主要、次要、实验性和退出支持
- 谈判规则： 经济单位、承诺保护、变更控制和可移植性
- 审批关卡： 指定负责人、阈值和升级路径
- 生命周期复核： 部署、季度监控、续约和退出日期
可练习的 AI 提示词
- “将这份类别简报中的每条陈述归类为观察到的证据、模型推断或人工判断。识别缺失的来源。”
- “在 50%、80% 和 120% 利用率下对这份需求预测进行压力测试。展示搁浅承诺和扩容暴露。”
- “起草三个有条件的交易组合，仅在获得价格保护、可移植性或容量保障时交换承诺。”
- “列出会使推荐供应商分配失效的假设。”
除非已获授权，否则不要在 AI 工具中包含机密信息。
局限性
公开价格很少能揭示谈判后的费率或完整的供应商经济性。公司披露文件描述的是企业层面的情况，而不是某一具体交易的利润率。基准测试可能无法反映买方的语言、数据、提示词、延迟需求或风险环境。
需求预测容易受到过度乐观和重复计算的影响。模型可能在产品名称不变的情况下发生变化，从而使先前评估失效。总成本模型也可能遗漏集成、治理、事件响应、数据迁移和退出成本。监管要求和供应商条款也可能在多年期协议期间发生变化。最重要的是，分析模型无法决定某种 AI 用途在伦理或社会层面是否可接受。
来源
延伸阅读
常见问题
什么是 AI 类别战略？
它是一套成文的选择，用于管理采购生命周期中的 AI 需求、供应结构、经济性、寻源路径、风险、签约、监控、续约和退出。
AI 是否应该选择该类别的供应商？
不应该。AI 可以整理证据并建模情景，但供应商选择、重要用例、风险接受、锁定以及财务承诺应由承担责任的人批准。
该战略应多久更新一次？
应在定义好的生命周期关卡进行复核，并在需求、定价、监管、供应商可行性、模型性能或架构发生重大变化时更新。以季度证据刷新加事件驱动复核作为起步设计是务实的做法，具体仍应视组织需求而定。
最常见的需求规划错误是什么？
将较可能和实验性用例视为已承诺需求。这可能会把创新管道转化为搁浅的最低消费承诺。
免责声明：本文提供的是一般性采购信息，不构成法律、财务、安全或监管建议。