AI 系統自建 vs 採購顧問:決策框架、成本對照與踩雷點

上季我們去談一個製造業客戶。他們的技術長開口第一句話是：「我到底該自己招三個 AI 工程師,還是把這件事外包出去?」這問題他問了兩間顧問、一間獵頭,得到三個互相矛盾的答案。

我先反問他一件事:你要的是「有一套系統」,還是「這套系統三年後還在跑、還有人維護、還在產生價值」?他愣了一下。這兩件事,決定了你該自建還是採購。

AI 自建 vs 採購,先問對問題

「AI 自建 vs 採購」不是二選一的宗教戰爭,而是一個關於能力歸屬與風險承擔的資源配置決策。自建是把 AI 工程能力長成公司的器官;採購是把能力當成服務租進來。兩者都能上線,差別在誰扛失敗、誰留下經驗、誰在半夜三點修 production 的 bug。

多數人卡在錯的判準上。他們問「哪個比較便宜」,但真正該問的是三件事:這套系統是不是你的核心競爭力?你有沒有留得住人的環境?你能不能承受 6 到 12 個月的試錯期?這三題的答案,比任何報價單都準。

三種路徑,一張表看懂

嚴格說,選項不是兩個而是三個。純自建、純採購、以及中間那條最多人忽略卻最務實的路:顧問帶著你的人一起做,做完把能力留下。

面向	純自建(養團隊)	純採購(買現成產品/外包)	前進部署(顧問嵌入+能力轉移)
前期速度	慢,招募到產出常 6-9 個月	快,Demo 幾週內可看	快,工程師第一週就進場
首年現金成本	高(3 名資深 AI 工程師年薪常破 600 萬)	低到中(授權費或專案費)	中(顧問費,但無長期人事)
三年總持有成本	中(攤提後遞減,但含流動風險)	高(續約、客製、綁定費用累加)	中低(能力內化後自主維運)
知識沉澱	全留公司	幾乎不留,黑箱在供應商手上	高,做中學,交付含文件與訓練
上線採用率風險	自己扛,但不熟坑	供應商交付即抽身,採用是你家的事	顧問扛到上線與有人用為止
適合情境	AI 是核心護城河、規模夠大	需求標準化、非核心、要快	核心但團隊未成形、要邊做邊長能力
最大雷	招錯人、養不起、專案陣亡	4% 使用率、深度綁定、改不動	顧問選錯人、能力沒真的轉移

這張表可以直接回答九成的糾結。往下三段,是表格裝不下的真實教訓。

純採購最貴的不是授權費,是「別人的預設值」

採購最誘人的地方是速度。Demo 那天全場點頭,合約簽得很快。但我們反覆看到同一個結局:一套為「一般客戶」設計的產品,遇到哪裡都不一般的公司,上線後使用率個位數。錢花了,系統在,人不用。

採購真正的隱形成本有三層。一是客製化的無底洞——標準功能便宜,但你要的那 20% 差異化,報價往往是主約的數倍。二是供應商綁定,資料格式、prompt 邏輯、工作流都在對方手上,想搬家等於重做。三是採用斷點,多數供應商交付即抽身,而「讓員工真的每天用」這件最難的事,合約裡通常一個字都沒寫。

純自建最貴的不是薪水,是「試錯的時間」

自建的帳很多人算錯。他們算了薪水,卻沒算招募週期、沒算前半年產出趨近於零、沒算資深 AI 工程師在台灣的流動率,更沒算「第一版一定會做壞」的學費。一個資深 RAG 工程師從到職到交付第一個能用的知識系統,順利也要一季,踩坑就是兩季。

自建適合的情境其實很窄:AI 能力是你的核心護城河、業務規模撐得起持續投入、而且你有本事把人留住三年以上。如果這三個條件缺一,自建很容易變成一個燒錢、卡人、最後被默默關掉的專案。

中間那條路,才是多數企業的解

如果你的 AI 是核心、但團隊還沒成形——這是最常見的狀態——純自建太慢,純採購留不下能力。務實解是找工程師進場,和你的人並肩把系統推上生產線,同時把知識、文件、維運能力一起交到你手上。做完之後,系統是你的,會用系統的人也是你的。

這正是我們在 Tenten 做前進部署工程(FDE)的方式:我們不賣一套讓你自己想辦法的產品,而是派工程師嵌進你的現場,扛到上線、扛到有人真的在用,再把方向盤交回你手上。因為 Demo 很美不算數,上線且有人用,才算數。