选择企业 AI 供应商，先问清楚“以后怎么退出”

01 / 为什么要在采购之前讨论退出

企业选择 AI 产品时，注意力通常集中在模型效果、功能数量、实施周期和价格。供应商演示越流畅，团队越容易把“尽快上线”作为主要目标。等系统进入知识、客户和工作流之后，才发现数据难以导出、规则无法迁移、接口只掌握在少数人手中，更换成本已经很高。

讨论退出并不是不信任合作方，而是在合作开始前明确长期责任。模型、供应商和业务需求都会变化，企业需要知道当某项服务停止、价格调整或能力不再匹配时，核心业务能否继续运行。

一条清楚的退出路径，也会反过来检验系统架构是否透明、交付文档是否完整、企业是否真正拥有自己的数字资产。

02 / 先确认哪些数据能够完整带走

企业投入的不只有原始文件，还包括整理后的知识、标签、任务记录、人工修改、评测样本和流程运行结果。采购前要逐项确认这些数据的归属、导出格式、导出频率和保留方式。

只提供页面截图或最终报告不算可迁移。导出内容应尽量保持结构、对象关系、时间记录和来源信息，使企业能够在其他系统中继续使用。对于模型生成的中间结果，也要区分哪些是临时缓存，哪些已经成为业务记录。

同时明确服务结束后的数据处理方式：企业需要保留什么，供应商需要删除什么，备份在多长时间内完成处理。具体要求应结合业务敏感程度和组织制度确定。

• 01原始数据、加工数据和运行日志分别如何导出
• 02导出文件是否包含字段说明与对象关系
• 03人工修改和确认记录能否一并保留
• 04服务结束后如何确认数据已按约定处理

03 / 模型可以更换，业务流程不能被锁死

企业 AI 系统往往由模型、知识、提示与规则、工具接口和人工节点共同组成。模型只是其中一层。如果所有流程逻辑都被封装在不可见的平台内部，企业即使拿回数据，也很难恢复原来的工作方式。

需要确认模型是否可以按场景替换，提示与规则能否导出，工具接口是否有清楚文档，流程配置是否存在可读版本。对关键任务，企业还应保留降级方案：模型不可用时，能否切换到其他能力，或者回到明确的人工流程。

可替换不意味着频繁更换，而是避免把业务连续性建立在单一技术节点上。

04 / 交付必须能被企业或新团队接管

一个系统如果长期依赖某位实施人员的口头经验，就不具备真正的可接管性。上线交付应包括业务对象说明、流程图、权限清单、接口文档、配置记录、评测方法、异常处理和日常运维方式。

企业内部也要指定业务负责人和技术接口人，参与规则确认与版本复盘。完全把系统交给外部团队，短期看起来省事，长期会失去判断问题和管理变化的能力。

可以在验收时安排一次接管演练：由未参与实施的人按照文档完成常见配置、查看运行状态、处理一个异常，并恢复一份备份。演练暴露的问题，比文档数量更能说明交付质量。

05 / 把退出能力写进验收标准

退出条件不应只在合作终止时临时协商。采购和项目启动阶段就可以确认数据导出、配置归属、迁移支持、服务连续、账号权限和交接责任，并在验收中实际验证。

对于关键流程，还要判断如果供应服务短暂停止，企业能维持多久、哪些任务会受影响、如何切换到人工。业务连续方案越具体，企业越能理性选择自动化范围。

供应商也会从清楚边界中受益：什么属于标准服务，什么属于迁移协助，双方可以更早形成一致预期。健康的合作不是用锁定提高续费，而是用持续价值赢得续费。

选择 AI 供应商时，入口决定上线速度，出口决定企业最终留下多少能力。