# 客户问“自建还是采购”，答案常常是两者都要

> 四项检验帮 FDE 把系统分层，给出诚实结论，哪怕结论不利于自家产品。

原文: https://fdetimes.net/zh/guides/build-or-buy-ai-advice-for-fdes/

总会有那么一次会议，客户方有人直视着你问：这套东西他们应该自己做，还是直接从你们公司买？你是供应商的工程师，在场每个人都猜得到你会怎么回答。正因如此，你接下来的回答决定了他们还会信任你多少。

最省事的本能反应是替自家产品辩护。第二种反应同样不对：说一句“看你们自己”，然后转移话题。还有第三条路：用四项检验，逐层过一遍系统，即使结论对自家产品不利，也把它说出来。

## 为什么替产品辩护会让你失去客户

客户付钱不是为了让你坐在他们旁边，而是为了结果。Substack 上 Enterprise Context Management 的一篇分析认为，如果贴身支持能让客户更快获得价值，客户会接受它，但不会把这种支持误当成结果本身。

以产品为中心、而不是以结果为中心的前线部署工程师（FDE），很快就会被看穿。

数据也不支持凭直觉自建。据 Fortune 报道，MIT NANDA 在 2025 年的一项研究发现，从专业供应商采购 AI 工具或与其合作，成功率约为 67%；内部自建的成功率只有前者的三分之一左右。

这并不意味着采购永远正确。同一篇 Substack 分析提醒了一个 FDE 应当主动提出的风险：嵌入客户的工程团队可能逐渐变成常驻的实施部门，悄无声息地成为客户日常运转的一部分。

坦诚说出这个风险，哪怕它涉及你自己，是让客户相信你其他话的最快方式。

## 正确的问题是哪些层采购、哪些层自建

据 TechTarget 上的《Build vs. buy AI: A CIO's decision matrix》，真正的问题很少是在两者之间二选一，而是 AI 技术栈中哪些部分采购、哪些部分自建，才能保住差异化优势。

HatchWorks 描述了最常见的混合模式：采购平台，再在其上自建客户的定制部分和专有 AI。

所以听到这个问题，第一件事不是马上回答，而是把系统画成若干层，通常是模型平台、数据处理层、业务逻辑层和用户界面，然后对每一层做四项检验。

## 四项检验，按顺序来

**差异化。** EY 的一位高管建议：如果某项能力与客户所在行业紧密相关，正是它让客户领先于竞争对手，那么默认应自建数据和专有 AI。HatchWorks 给出了一个快速检验：客户的竞争对手也能买到的东西，很难成为客户的竞争优势。

**速度。** TechTarget 那篇文章指出，当速度起决定作用时，采购几乎总是胜出。但 HatchWorks 提醒，快速做出的演示可能误导决策者。该问的是多久能在客户的真实数据上跑起来，而不是多久能有演示。

**总成本。** 采购有自己的成本曲线，因为许可费和订阅费会随规模上涨。自建则要承担维护，HatchWorks 强调，维护不是次要问题，它本身就是拥有软件的代价。只有把两类成本都算进去，比较才公平。

**准备度。** Capgemini 的 Darshan Naik 认为，人员、业务方的准备程度和数据是决定成败的最大因素，而且常常被低估。即使某一层值得自建，如果客户没有人来维护，现在也不值得做。

**要点:** 客户的竞争对手也能买到的东西，不会成为客户的优势。

## 套用到一个具体案例

假设一家保险公司想用 AI 处理理赔，问你是否应该整套自建。你把系统拆成四层，逐项检验：

| 层 | 是否带来差异化？ | 速度 | 需要细看的成本 | 建议 |
|---|---|---|---|---|
| 模型平台 | 否，竞争对手也能买到 | 采购即可立刻使用 | 许可费随理赔量上涨 | 采购 |
| 文档抽取 | 低 | 采购更快 | 按文档计费 | 采购，用真实理赔单测试 |
| 理赔规则与数据 | 高，行业特有 | 较慢但值得 | 维护由客户承担 | 自建 |
| 员工界面 | 中 | 取决于团队 | 维护较轻 | 先用现成方案，逐步定制 |

理赔规则与数据这一层，才是客户真正能胜过竞争对手的地方。这家保险公司处理理赔的经验是竞争对手买不到的，所以这一层值得投入人力和时间。但第四项检验还逼出一个问题：你离开之后，客户方由谁来维护这些规则？

## 盈亏平衡点比今天的价格更重要

文档抽取这一层的账需要仔细算。以下数字完全是假设，仅用于说明方法。假设采购的服务每份文档 0.20 美元，客户每月处理 10,000 件理赔，即每月 2,000 美元。

自建方案同样是假设：前期开发成本 60,000 美元，另加每月 6,000 美元的维护和基础设施费用。把开发成本分摊到 24 个月的使用期，每月再增加 2,500 美元。因此自建的总成本约为每月 8,500 美元，几乎不随理赔量变化。

盈亏平衡点是 0.20 美元乘以理赔件数等于 8,500 美元，约为每月 42,500 件。在 10,000 件时，采购的成本还不到自建的四分之一。

如果客户在全公司推广，理赔量达到 100,000 件，采购服务每月要 20,000 美元，是自建成本的两倍多。

所以正确的建议既不是“采购”，也不是“自建”，而是：现在采购，等月理赔量超过约 40,000 件时重新评估，前提是届时客户已有人能负责维护。你给客户的是一个需要盯住的阈值，而不是一个观点。

## 会上的话术

客户发问时，把问题引向结果：“在讨论采购还是自建之前，这个季度你们必须拿到什么结果？”这能让你知道速度有多重要。

接着问：“如果你们的竞争对手也有一模一样的工具，你们还能在哪里领先？”这能揭示哪一层真正带来差异化。

后两个问题针对成本和准备度：“业务量增长十倍时，增加的费用由谁承担？”以及“供应商的工程师撤出后，你们团队谁来维护自建的部分？”最后，主动提出依赖供应商工程团队的风险，包括你自己的团队。

## 常见错误

第一个错误是用一个词回答整个系统：“采购”或“自建”。第二个错误是让演示做决定，而不是用真实数据测试。第三个错误是拿许可价格和前期开发成本比较，却忘了维护；或者反过来，忘了许可费会随规模增长。

最难察觉的错误，是建议客户自建一个真正带来差异化的层，而客户还没有相应的人和数据。战略上对、时机上错，结果仍然是错。

## 求职时把它变成优势

参加 FDE 面试前，准备一个故事：你曾把客户的结果放在自家产品的短期利益之前。一张你实际用过的四项检验表，附上每一层的建议和盈亏平衡点，能把这个故事变成证据。

在简历上用结果来写，例如：“建议客户采购平台、自建业务规则层，并制定计划把维护工作移交给客户团队。”

本周练习：找一个你熟悉的项目，拆成若干层，填好四项检验表，再请一位同事扮演难缠的客户，试着为表里的每一格辩护。

一个曾经说过“这部分你们应该从别人那里买”的 FDE，在建议其余部分交给自己团队时，会更容易被信任。

**本周动手试试:**

- 挑一个你正在服务的客户或项目，把系统拆成 3-5 层，为每一层填写四项检验表
- 找一个目前按用量计费采购的层，算出许可费用与“自建加维护”成本之间的盈亏平衡点
- 写一条简历要点，描述你曾建议客户选择对自家产品最不利的方案

## 信源

- [MIT report: 95% of generative AI pilots at companies are failing (Fortune via Yahoo Finance)](https://finance.yahoo.com/news/mit-report-95-generative-ai-105412686.html)

- [Build vs. buy AI: A CIO's decision matrix](https://www.techtarget.com/it-strategy/feature/Build-vs-buy-AI-A-CIOs-decision-matrix)

- [The Build vs Buy Framework in the Age of AI](https://hatchworks.com/blog/gen-ai/build-vs-buy-framework/)

- [From Forward Deployed Engineers to Forward Deployed Software](https://enterprisecontextmanagement.substack.com/p/from-forward-deployed-engineers-to)
