用 AI 做供应商评估：别只比功能和报价，还要验证数据、服务与退出成本

供应商演示时，功能都很顺：数据一键导入、AI 自动分析、客服随叫随到。签约三个月后，团队才发现历史数据导不全、关键功能只在高级套餐、接口限额很低，想退出还拿不到完整数据。

AI 可以整理方案、对齐问题、比较条款和分析试用记录，但供应商评估不能变成“让模型给四家公司打分”。真正要做的是：先定义自己的工作与风险，用相同证据验证每个候选，并把长期成本和退出能力算进去。

选择供应商不是选演示最漂亮的一家，而是选择在真实约束下能持续交付、风险可控且可以退出的合作关系。

先定义采购问题，不从厂商名单开始

写清当前痛点、使用人群、任务量、数据类型、必须改善的结果和不能突破的边界。若连问题都没有量化，评估很容易被最新功能带偏。

把要求分成三层

权重在看报价前确定，避免因为喜欢某家再调整标准。AI 可把访谈和需求文档归类，但“必须”与“想要”由业务、技术、安全、财务和使用者共同确认。

评分标准必须可验证

“易用、稳定、服务好”太模糊。改写为真实任务：新用户在无帮助下完成设置的成功率；高峰负载下响应和错误；严重问题首次响应与恢复；数据导出是否包含完整字段和关系。

所有候选使用同一案例

提供相同、脱敏的场景、数据和输出要求，让供应商现场完成，而不是只播放预录演示。记录需要多少配置、人工补救和专业服务。无法现场验证的承诺标记为待证据，不自动计满分。

评估的不只是产品功能

• 产品：核心任务、边界、错误处理和路线图。
• 技术：接口、性能、兼容、监控和变更通知。
• 数据：所有权、位置、加密、导出、删除和模型训练用途。
• 安全：身份、权限、日志、漏洞管理和事件响应。
• 服务：实施、培训、支持、升级和责任边界。
• 商业：价格结构、涨价、超额费用和合同期限。
• 退出：迁移格式、协助、删除证明和业务连续性。

AI 产品要多问一层

模型由谁提供，客户数据是否用于训练，是否能关闭，输出如何追踪，模型更新是否通知，错误如何申诉？“不保留数据”和“不用于训练”不是同一个承诺。高风险用途需要人工复核、性能分群、公平性与失败处置。

验证安全材料，不只收一堆证书

审计报告和认证要看范围、日期、例外和整改状态。确认分包商、数据流、访问权限、备份、恢复目标和事件通知期限。涉及敏感数据时由安全、隐私和法务专业人员审查，不能把材料交给公共模型直接总结。

总拥有成本比标价更真实

按一到三年、正常与高增长场景估算，并写明价格假设。AI 可帮助计算情景，但输入与合同条款必须人工核对。

合同把演示承诺变成可执行责任

将关键性能、支持、数据用途、安全通知、变更、导出、删除和退出协助写入合同或附件。销售口头承诺若不落文，不能作为风险控制。明确服务不达标的补救、终止权和数据返还。

试点要验证最危险的假设

不要只选最容易成功的团队。用真实规模和边界案例，测试导入、权限、故障、批量、导出与支持。试点前定义成功、护栏和停止条件，保留旧流程，避免试点本身造成锁定。

防止评分表制造虚假客观

总分会掩盖致命门槛。先检查淘汰项，再看分项和敏感性：权重变化时赢家是否改变？把事实证据、判断和未知分开。AI 不能替团队把缺失证据填成平均分。

客户背调要问相似场景，不只听成功故事

要求供应商提供规模、行业、地区和使用方式相近的参考客户，并在获得许可后核实。不要只问“满意吗”，而要问实施比预期多花多久、最严重故障怎样处理、支持升级是否有效、哪些承诺没有兑现、续约后价格如何变化，以及如果重选会做什么不同。

案例研究通常经过营销筛选，参考客户也可能只代表最佳情况。将背调作为一类证据，与试点、合同和技术验证交叉使用。AI 可以整理访谈主题和矛盾点，但不能根据语气给客户可信度打分。

评估供应商集中度与经营连续性

关键流程若依赖单一供应商、单一区域或同一家基础模型，上游故障可能同时影响多个业务。检查财务稳定性、关键人员、分包商、基础设施区域、灾备和被收购后的条款变化。对高关键度服务准备替代路线、离线能力或最低业务模式。

续约不是行政动作，而是重新评估

在自动续约和涨价通知前设置提醒，复查实际使用率、未解决问题、SLA、费用、产品路线和退出可行性。用真实数据谈判席位、用量阶梯、价格上限、服务补救和迁移支持。不要等合同只剩几天才第一次测试数据导出。

每年至少完成一次小规模退出演练：导出关键数据、重建一个核心流程、确认账号与删除程序。退出计划越可行，合作谈判越有底气，也能发现平时被供应商隐藏承担的工作。

持续管理比一次选型更重要

指定业务与技术所有者，定期检查使用、成本、SLA、安全、子处理商和路线图变化。保留数据导出测试和替代方案。关键供应商出现收购、涨价或服务变化时，重新评估集中风险。

一套 AI 辅助流程

1. 定义业务结果、范围、门槛和风险护栏。
2. 将资料脱敏后，让 AI 建立统一问题与证据表。
3. 所有供应商用同一案例、数据和评分标准验证。
4. 专业团队审查技术、数据、安全、法务和财务。
5. 试点验证高风险假设、操作成本和退出能力。
6. 把关键承诺写入合同，并设置持续监控。

提示词模板

“你是供应商评估助手。根据编号需求和候选材料，建立门槛项、比较项和护栏项。每项给出验证任务、所需证据、负责人和评分规则。只能引用材料，不得推断缺失能力。再列出功能、技术、数据、安全、服务、商业和退出风险，指出营销表述与可验证承诺的差距，并生成同一场景试用脚本。”

签约前检查

• 标准是否在看报价和演示前确定？
• 是否用真实同一案例验证，而非看演示？
• 数据用途、导出、删除和子处理商是否清楚？
• 总成本是否包含实施、运营和退出？
• 关键承诺是否进入合同与 SLA？
• 试点、持续管理和替代方案是否有人负责？

AI 能减少资料整理和比较成本，但供应商选择最终是责任与风险的分配。证据比宣传重要，退出能力和长期运营与功能同样重要。

本文为读懂 AI 原创内容。采购、安全、隐私和合同决策应由组织授权的业务与专业人员共同完成。