有一个六维度评核框架，能将那些真正带来企业 ROI 的 AI 供应商，与那些只擅长演示、签约三个月后便消失的供应商区分开来。以下就是这个框架，你可以立即套用在下一份 RFP 上。
根据 MIT NANDA 于 2025 年发表的《Generative AI Pilots》研究，全球企业在生成式 AI 上投入了 300 亿至 400 亿美元，但 95% 的试点计划带来的可量度回报为零。BCG 于 2026 年发表的《Build for the Future》报告进一步指出，失败模式高度集中：由供应商主导部署的成功率为 67%，而企业自建项目的成功率仅约三分之一。供应商选择并非采购流程上的形式步骤，而是整个 AI 计划中杠杆最高的一个决策。
什么是 AI 供应商评核框架？
AI 供应商评核框架是一张结构化记分卡，针对相同的加权维度为各家竞争供应商评分，将主观偏好转化为可被质疑的数字比较。它取代了那种看完精美 demo 后凭直觉拍板的决策方式，产出采购、信息安全、财务和业务团队都能在签约前共同检视的证据。
对香港企业而言，框架需要多加一层大多数通用模板都会跳过的内容：司法管辖区契合度。金管局 2025 年 11 月有关银行业生成式 AI 的通函、个人资料隐私专员公署的《人工智能个人资料保障模范框架》，以及生产力局推出的「AI 治理与安全评估服务」，共同界定了在香港市场上「可接受的供应商行为」实际是什么意思。
为何 AI 采购不能用 SaaS 那一套框架？
AI 采购不是普通的 SaaS 采购，因为 AI 供应商卖的不是固定产品。他们卖的是一个系统，其行为取决于你的数据、你的提示、你的工作流整合，以及模型不断演进的训练。转换成本更高、可观察的缺陷出现得更晚，而监管覆盖面比典型 CRM 或 ERP 采购宽得多。
根据 Forrester 2026 年的《Total Economic Impact》研究，使用与 SaaS 相同的采购范本来签订 AI 合约，第一年内出现的变更指令多 2.4 倍，平均成本超支达合约价格的 37%。真正影响成果的变量是采购框架本身，而不是谈判技巧。
每张 AI 供应商记分卡必须涵盖哪六个维度？
每张 AI 供应商记分卡必须涵盖六个维度：技术契合度、数据与整合、治理与安全、运营模式、商务条款、可衡量的业务成效。每个维度以 1 至 5 分评分，并按你机构的优先次序加权，最后为每家入围供应商产出一个可比较的总分。
以下逐一拆解每个维度在实务上应检视什么。
维度 1：技术契合度，模型与架构是否符合你的问题？
技术契合度检视供应商的模型类别、上下文窗口、延迟表现及工具调用架构，是否与你的具体用例匹配。在文件摘要上表现出色的供应商，未必适合需要在 50 步流程中可靠调用函数的代理式工作流。
实务上有三个必问问题。第一，供应商能否在你提供的代表性数据样本上展示准确率，而非在他们自家的市场 demo 上？第二，在你预计的并发量下，p95 延迟是多少？第三，架构是否支持你需要的整合模式，例如 REST API、专属 VPC，或为敏感工作负载提供本地部署？
维度 2：数据与整合，数据存放在哪里，如何流动？
数据与整合涵盖客户数据存放位置、在供应商管线中如何流转、哪些步骤有审计记录，以及系统与你现有核心系统连接的难易度。对香港金融服务业及专业服务业而言，这个维度承载的监管权重最高。
根据个人资料隐私专员公署于 2025 年 3 月发布的《员工使用生成式 AI 清单》，所有处理个人资料的 AI 系统，机构必须绘制数据流向图。可被检验的供应商答案应包括：书面数据存放地承诺、管线中每一个分包处理者的清单，以及书面化的保留与删除流程。无法以书面提供这些内容的供应商，不应出现在你的入围名单上。
维度 3：治理与安全，什么控制措施在保护你的业务？
治理与安全涵盖身份与访问管理、模型审计记录、提示注入防御、内容过滤，以及供应商的事故应对往绩。根据 IBM 2025 年《Cost of a Data Breach Report》，环境中存在影子 AI 的机构，每宗数据外泄平均比有受治理 AI 部署的机构多支付 67 万美元。
对香港银行而言，金管局所订明的「董事会须对 AI 成果问责」原则，意味供应商的治理必须能被你的第二防线审计。SOC 2 Type II 是基本门槛；如有 ISO 42001 AI 管理体系认证，更能将认真的供应商与只是谈理想的供应商区分开来。
维度 4：运营模式，上线后由谁负责运行？
运营模式维度检视系统上线后，谁负责监控、模型更新、提示迭代和事故应对。常见的失败模式是：供应商售前支援很好，售后运营却很弱，把生产环境的问题甩给你的 IT 团队在没有运行手册的情况下自行排查。
三个实用检查可区分强弱运营模式。第一，合约是否明确列出指定的人员联络点及回应时间 SLA，而非只有一个工单入口？第二，当模型更新导致整合中断，谁负责处理成本，是供应商还是你？第三，是否有公开的季度节奏，定期检视模型效能与能力更新？
维度 5：商务条款，真正的总拥有成本是多少？
商务条款是大多数企业 AI 采购流失金钱的环节。标题价格往往不包含推理成本超支、整合工程、微调，以及将系统实际运作起来所需的顾问工时。FinOps Foundation 2026 年《State of FinOps》报告显示，73% 的企业第一年 AI 计划超支，平均超支幅度达 41%。
可被检验的商务记分卡会量化授权费、预计生产用量下的推理及代币成本、整合与专业服务、培训，以及持续的治理成本。对有强烈汇率对冲要求的香港企业而言，必须询问定价是港元还是美元，并理清在多年合约中谁承担汇率波动风险。
维度 6：可衡量的业务成效，哪一个 KPI 会动，动多少？
可衡量的业务成效是决定你能否在 12 个月检讨时向财务总监交代投资合理性的维度。每家 AI 供应商都会提出效率声称。框架的要求是具体：哪一个 KPI、目前基线是多少、目标是多少、量度方法是什么？
根据麦肯锡《State of AI 2025》报告，只有 6% 的企业可被归类为「AI 高效能者」，其 AI 投资对 EBIT 的贡献超过 5%。它们的共同模式是：在部署前订定一小组由业务主导的 KPI，而非在上线后堆出长长一串虚荣指标。将量度计划写入合约，必须在签约之前完成。
如何为你的机构为六个维度加权？
你应根据所属行业的监管特性、AI 计划的成熟度，以及该用例的策略角色为六个维度加权。受监管的银行会将治理与数据存放地的权重提高；追求效率的物流公司则会将运营模式与商务条款的权重提高。没有放诸四海皆准的加权方式。
对香港中型企业而言，一个实用的起点分配是：技术契合度 20%、数据与整合 20%、治理与安全 20%、运营模式 15%、商务条款 15%、可衡量成效 10%。针对你机构风险最高的维度向上调整，并由业务、IT、风险三位内部评核者分别评分后再整合，可大幅减少单一视角的盲点。
应用框架时最常见的陷阱是什么？
最常见的陷阱是让 demo 主导评分。供应商 demo 的设计，是在维度 1 与维度 4 上制造最大正面印象，同时遮蔽维度 2 与维度 3 的弱点。有纪律的评核需要证据：书面问题的书面答复、程序代码层面的整合测试，以及与已部署客户的真实参考通话，而非投影片。
第二个陷阱是跳过概念验证阶段。框架倾向奖励愿意以你的数据进行付费 POC、为期 4 周、并将成功标准写入合约的供应商。拒绝付费 POC 的供应商，几乎在系统进入生产后都会在维度 6 上得分偏低。
第三个陷阱是让采购单独运行框架，而业务与风险不在会议桌上。AI 供应商决策跨越五个机构边界：科技、数据、财务、法务，以及将实际操作系统的业务线。单一职能评核必然产出单一职能盲点。
对香港企业领袖的核心结论
MIT NANDA 报告的 95% AI 试点失败率，根本上不是技术问题，而是采购问题。采用结构化六维度框架、深思熟虑地加权、并由跨职能团队一同应用的机构，能从凭直觉选型走向董事会可被质疑与被辩护的证据型决策。
你选的供应商，将塑造未来三至五年你的 AI 计划。把它当成它本来该是的策略决策，而不是一项被推到下游的采购任务。懂AI，更懂你 — UD相伴，AI不冷。28 年来陪伴香港企业走过一个又一个科技周期，我们深知 AI ROI 与 AI 撇账之间的差异，很少在于模型本身，而几乎都在于你用来选择它的那套框架。
掌握了框架，下一步是找出最适合你机构的 AI 切入点。我们手把手带你完成每一步，从 AI 准备度评估、供应商记分卡计分，到一份董事会可呈交的采购备忘录，28 年香港企业科技经验，全程陪你走。