为什么 78% 的企业 AI 采购决策仍然走错方向？
根据 HFS Research 2025 年企业 AI 采购研究，78% 失败的 AI 试点，根源都可以追溯到由示范印象主导、而非有系统评估的采购决策。模式始终一致：精致的示范赢得了会议室，合约随即签下，而真正的生产落差几个月后才浮现，那时预算已经承诺，回头已晚。
反直觉的事实是，无论模型多么先进，如果供应商不能在签约之前用文字回答六条具体采购问题，那项技术都与你无关。
本文为香港企业领袖提供一套针对本地市场校准的六维度供应商评估框架。每一个维度都附带可以索取的具体证据、需要警觉的红旗，以及 2026 年资深企业买家实际采用的评分权重。
什么是 AI 供应商评估框架？
AI 供应商评估框架是一份结构化的评分表，用同一套加权维度比较竞争中的 AI 供应商。重点不是孤立比较功能，而是让供应商示范与其在你具体资料、整合、合规条件下能真正交付的成果之间的差距浮现出来。
框架繁简不一。本文采用的六维度版本参考 Dunnixer 2026 年企业 AI 评估分析，并针对香港企业实况作出调整，涵盖预测 90% 采购失败结果的关键失败模式。
六个维度分别是技术配合、资料与整合、治理与安全、运营模式、商业条款、可量度的业务价值。每个维度有加权分数，最终驱动采购决策的是加权总分，不是示范印象。
维度一：技术配合，供应商的 AI 真的符合你的工作流程吗？
技术配合衡量供应商的 AI 能力是否真正匹配你想要部署的工作流程。大部分企业 AI 失败都在这里发生，因为示范鲜少用买家的真实文件、查询、边缘案例做测试。
三项具体证据能把能够交付的供应商，从不能交付的供应商区分出来。第一，用你真实数据（而非他们的示范数据）进行的概念验证，并在事前同意可量度的准确度目标。第二，书面披露系统使用的基础模型，以及处理模型更新的方法。第三，透明披露哪些功能属于平台核心，哪些依赖第三方 API（这些 API 可能随时变更定价或可用性）。
根据 Gartner 2025 年企业生成式 AI 平台关键能力报告，拒绝在买家数据上做结构化概念验证的供应商，试点失败率高达 65%。完成结构化 POC 并同意准确度门槛的供应商，失败率只有 22%。
维度二：数据与整合，供应商能接通你的现实吗？
数据与整合衡量供应商的 AI 是否能真正消化你企业实际运行的数据来源、业务系统、身份验证提供者。这个维度隐藏着最大的成本超支，因为整合工作正是企业 AI 采购中最被低估的项目。
对一家具备典型中型市场技术栈的香港企业而言，整合问题很具体。供应商是否有原生连接 Microsoft 365 且支援权限继承的连接器？系统如何处理繁体中文与简体中文的扫描 PDF？能否从香港中小企财务、物流仍常见的旧式 ERP 系统取入数据？50,000 份文件索引的文件化延迟时间是多少？
Deloitte AI Institute 2025 年香港调查发现，47% 的本地企业 AI 部署，整合预算超支幅度超过 80%，几乎全部都是因为采购阶段省略了数据层尽职调查。
维度三：治理与安全，供应商能通过你的合规审查吗？
治理与安全衡量供应商的架构是否能通过约束你所属产业的合规、数据留存、审计要求。2026 年对大部分香港企业而言，合规风险已经超越实验风险，这令这个维度成为决胜点。
企业买家普遍要求的最低证据清单一致。数据留存确认，包括处理是否在香港、新加坡，或其他司法管辖区。SOC 2 Type II 审计报告。ISO 27001 认证。可细粒度对应到你身份验证提供者的角色权限控制。具备保留控制的完整提示与回应审计记录。文件化的事故回应程序。
对香港的金融服务、专业服务、医疗行政而言，个人资料条例（PDPO）的合规文件必须具体。根据个人资料私隐专员公署 2024 年关于职场 AI 的指引，供应商必须支援数据最小化、目的限制、明确同意收集，而非笼统声称合规。
维度四：运营模式，上线之后供应商能撑住你吗？
运营模式衡量供应商是否具备实施纪律、支援基础设施、以及上线后的运营能力，能让 AI 在首阶段部署完成后持续运作。这个维度是纯软件供应商与真正企业伙伴差距最明显的地方。
三项具体证据至关重要。第一，书面的 30-60-90 日实施计划，附明确里程碑、内部专家每周需要投入的时间、以及试点成功与失败的明文定义。第二，附文件化香港办公时间回应 SLA 的支援级别。第三，MLOps 成熟度，包括模型漂移监控、再训练触发条件、以及 AI 表现衰退时供应商的回应机制。
根据麦肯锡 2025 年 AI 现状报告，73% 的生产 AI 系统在缺乏漂移监控下，会在上线后 90 天内出现可量度的准确度衰退。无法描述漂移监控方法的供应商，应该从短名单中剔除。
维度五：商业条款，你买的是产品还是陷阱？
商业条款衡量合约结构是否与真实价值交付方式对齐，还是让你的企业暴露于隐性成本扩张、被锁定、单方面调价的风险之下。大部分企业买家对这个维度评估不足，因为采购与法务团队往往太迟才被引入。
2026 年企业 AI 合约关键检查点具体如下。按人头收费对比按用量收费，并对用量收费设上限。年度加价上限，通常封顶为 7% 或以下。数据所有权条款，确认你的数据不会用于训练共用模型。退出条款，要求 30 日内无额外费用的强制数据导出。SLA 违反的服务积分机制。
Forrester 2025 年企业 AI 采购分析显示，2024 年签署的企业 AI 合约中，41% 含有买家在签约时未标记出的单方面调价条款。在 18 个月内，这些合约中 28% 已触发超出初始预算假设的物质性加价。
维度六：可量度的业务价值，供应商会为数字背书吗？
可量度的业务价值衡量供应商是否愿意在合约中承诺你的财务总监可以在部署后核实的具体业务成果。拒绝做出这项承诺的供应商，本质上是出售有能力但无问责的产品，这也是企业 AI 采购失败最常见的模式。
需要索取的证据具体。部署前对目标工作流程的基线量度，并由双方共同确认。一个可量度门槛的目标成果，例如周期时间下降 30%，或首通电话解决率提升 15 个百分点。一个明确的量度时段，通常为上线后 90 至 180 天。错失目标的后果，可以是服务积分、范围调整、或商业弥补。
根据哈佛商业评论 2025 年对企业 AI 投资回报的分析，承诺以成果为基础条款的供应商，在 24 个月留存率上比拒绝承诺者高 2.4 倍。愿意承诺本身就是对底层能力具备信心的强烈指标。
六个维度如何按你的企业加权？
权重取决于应用场景及所属产业的风险档案。框架不是平面清单，每项采购都套用同一套权重本身就是采购错误。
对于高风险、面向客户、或受监管的工作流程，2026 年香港企业典型加权为治理与安全 25%、数据与整合 20%、运营模式 20%、技术配合 15%、可量度业务价值 15%、商业条款 5%。对于合规风险较低的内部生产力工作流程，技术配合与运营模式比重上升，治理权重相应下调。
纪律在于审阅第一家供应商之前就确定权重，而非之后。根据哪家供应商领先而调整权重，是最常见的采购偏差，会产生由关系而非配合驱动的决策。
能预测 78% 试点失败的采购红旗是什么？
2025 年 HFS Research 采购失败数据中重复出现三个红旗。供应商在结构化评估完成前推销时程急迫感。供应商抗拒按你的加权评分表受评，反而要求示范时间。供应商拒绝把准确度标杆、整合范围、业务价值目标写进合约。
任何一个红旗就足以把试点失败几率推高至 60% 以上。两个或三个同时出现，几率超过 90%。这个数据跨产业、跨交易规模都一致。
纪律是程序性的，而非技术性的。把同一份招标书同时发给每一家短名单供应商，限期两星期。在任何示范之前，先按已同意的加权评分表打分。示范只用来核实得分高的声称，不用来发现新能力。单是这套采购程序，根据同一份 HFS 数据，就能将试点失败率降低约 40 个百分点。
香港企业领袖的策略结语
2026 年的企业 AI 采购已不再是技术选型工作，而是结构化的风险转移工作，正确的框架能把失败几率由买家转到供应商头上，这也是它本该归属的位置。以这种纪律进行采购的领袖，将在 12 个月内让 AI 上线生产。仍凭示范印象采购的领袖，到 2028 年仍然在资助试点。
六个维度不是学术摆设。它们反映 2023 年以来数百个香港企业 AI 部署实际上演的失败模式。懂AI的冷，更懂你的难 — UD 同行28年，让科技成为有温度的陪伴。
与 UD 一起踏出下一步
掌握框架只是起点。真正困难的工作，是将权重校准到你所属产业、把评分表套用到实际供应商提案，并把结果转换成董事会可用的采购建议。UD 手把手带你完成每一步，先由免费的 AI 准备度检查开始，把你目前的供应商景观对应到六维度框架。
