AI 正在提高统一通信供应商锁定风险

IT 领导者早已熟知 SaaS 锁定带来的种种弊端。过度依赖单一供应商会导致变更成本高昂且操作繁琐，进而引发合同、软件集成和数据迁移等方面的问题。

如今，AI 正在改变格局。对于科技高管及其所在企业而言，避免被供应商锁定不再仅仅关乎数据存储在哪里，还关乎工作如何开展。

过去，平台切换通常意味着系统迁移，但随着 AI 日益融入现代企业赖以生存的统一通信平台，如今切换平台可能意味着运营智能的丧失。这给 IT 领导者带来了战略风险，他们不仅要考虑成本，还要考虑潜在的敏捷性损失。受供应商锁定影响的企业可能会继续使用次优供应商，或者为了避免摩擦而推迟创新。更广泛地说，供应商锁定与企业在合规性和数据主权等方面的考量息息相关。

AI 正在改变供应商锁定问题，使其从一个合同和技术问题演变为一个运营和组织层面的问题。而且，AI 在组织中嵌入得越深，就越难改变方向。

统一通信领域的厂商锁定问题是怎样的？

AI 正越来越多地嵌入到 UC 技术栈中，通过 AI 赋能的功能，例如行动项生成、自动会议摘要、通过数据分析获得客户洞察以及 AI 代理助手或 copilot。

Presidio 数据中心解决方案架构副总裁 Michael Byrne 表示，这些工具日益普及带来的一个风险是“AI债务”。“这是一种技术债务，当企业在未考虑长期战略的情况下匆忙部署人工智能时就会产生。” Byrne 指出，在没有战略的情况下选择 AI 供应商会加剧 AI 债务，尤其是在与无法满足企业需求的供应商合作时。

供应商锁定是任何软件都必须考虑的问题。在某种程度上，更换组织运营平台总会带来一些复杂情况。但当平台包含这些人工智能功能时，供应商锁定的影响就远不止数据存储和应用程序接口（API）那么简单了。

UiPath 孵化器总监 Druv Patel 解释说，锁定效应存在于多个层面。首先是模型层，其 API 和 SDK 与供应商绑定；其次是工具层，其集成方式为专有集成；最后是内存/上下文层，其存储的上下文不可移植。“LLM（生命周期管理）引入了新的架构，需要仔细审查这些架构是否存在潜在的锁定效应，”帕特尔说道。

对于支持 AI 的统一通信平台而言，供应商锁定可能带来的潜在后果包括：支撑这些功能高效运行的上下文信息（例如信息历史记录、工作模式、业务决策）可能无法无缝迁移到新平台。工作流集成对于确保 AI 平台不仅有效，而且对组织及其员工有用至关重要，但这些集成可能需要重新建立，并且可能无法在新平台上得到相同的支持。此外，如果平台发生变更，组织成员在使用并不断完善 AI 平台过程中积累的模型训练数据可能会丢失，从而影响组织内部各种 AI 模型的响应方式。

例如，考虑使用 AI 工具从录制的会议音频中生成摘要。这项技术不仅能生成有用的会议记录，还能学习贵组织如何定义优先级、人员角色、组织内部人员的沟通方式、讨论工作时常用的术语等等。锁定效应意味着，更换供应商时，所有这些背景信息以及它们为其他 AI 工具带来的生产力提升所做的工作都可能受到损害，甚至丢失。

为什么更换供应商的成本比以前更高

企业 IT 领导者早已熟悉 SaaS 锁定风险，例如合同限制、数据迁移限制、用户重新培训以及集成复杂性。然而，尽管 AI 赋能的统一通信平台所面临的供应商锁定风险可能不太明显，但这些风险却更加根深蒂固。这些新风险使得该问题的成本远超 SaaS 锁定的通常预期。

平台变更可能带来的最显著且最难量化的影响之一是机构背景的丧失。历史记录、生成的摘要、AI 辅助决策以及其他与 AI 功能相关的输出可能无法从一个供应商无缝迁移到另一个供应商。无论正式与否，这些功能都是基于组织模式进行训练的。随着时间的推移，它们会积累更多信息，从而生成更完善的输出。因此，切换到新的统一通信平台可能意味着从零开始，甚至几乎从零开始。

Patel 表示：“AI 让系统切换不再仅仅是简单的迁移，而是对智能和可靠性的重建。”这种重建包括及时重写和重新调优、应对运行风险和性能下降，以及重建评估系统、内存和安全防护机制。

AI 平台若能与工作流程有效整合，便可提升工作场所的生产力和效率；因此，平台的变更也必然会扰乱这些工作流程。AI 的输出结果正越来越多地通过软件集成和流程嵌入到项目管理、工单系统和客户关系管理（CRM）更新等关键业务运营中。然而，使 AI 能够在生产环境中使用的系统，包括提示、工具、评估层和内存通常与特定供应商紧密耦合，难以在其他地方复制。

Patel 说：“任何不便携带的东西都会大幅增加转换成本。”

任何影响这些工作流程集成的供应商变更，如果处理不当，都可能对各种业务活动造成负面影响。必须确保更换供应商不会破坏下游自动化流程，并且新供应商能够支持那些使现有工作流程成功运行的集成和自动化功能。“在更换供应商后，如果 AI 驱动的工作流程首次出现故障，企业通常会转而采用人工流程，而重建这种信心需要数月时间，”Patel 说道。

此外，还必须考虑支撑这些工作流程及其输出效率的模型和系统。驱动统一通信平台的AI模型会随着时间的推移，利用组织日常工作中提供的数据进行训练。更换平台（以及随之而来的AI模型）不仅意味着重新训练这些模型，还意味着需要调查和重新配置相关的集成、防护措施和治理策略。

Byrne 指出，缺乏应对这些技术考量的适当策略会导致 AI 债务的累积，进而增加供应商锁定成本。“当企业优先考虑短期速度或便利性而非长期稳健性、可解释性或问责性时，AI 债务就会不断累积。”他说道。如果企业在选择 AI 供应商时，只关注短期效益或担心落后于时代，而没有充分考虑长期基础设施，就会出现问题。在实践中，这可能表现为解决方案脱节、工具泛滥，以及随着时间的推移，现有平台与不断发展的企业战略之间的不兼容性。

最后，供应商变更对员工自身的影响也不容忽视。成功采用新平台需要时间，也需要培训和员工教育。员工在使用特定统一通信平台的过程中，会逐渐适应其内部特性、安全信任级别以及提示方式和偏好。无论新供应商的平台对业务运营多么重要，引入新平台都可能导致员工的抵触和困惑，从而造成生产力下降。但通过适当的培训和教育，并结合员工的反馈，这种生产力下降通常是暂时的。

如何降低 AI 锁定风险

幸运的是，SaaS 锁定的一些经验教训可以帮助 IT 领导者了解如何应对 AI 驱动的统一通信平台，从而避免供应商锁定。避免人工智能锁定的目标不仅仅是互操作性，更重要的是将人工智能与工作流程解耦，即将流程与人工智能组件分离。“你正在标准化一个受控的编排层，它允许你随着时间的推移使用和更改任何模型、自动化或代理，而无需重写业务流程，”Patel 说道。

首先，领导者在选择供应商时应优先考虑互操作性。寻找开放的 API，避免使用过于专有的 AI 层。这既能降低被供应商锁定的风险，又能提高所选供应商产品协同工作的可能性。

此外，尽可能通过维护独立的数据存储库将数据层与智能层分离也很重要。这可以防止“黑箱”知识积累，并有助于确保在更换供应商时数据不会丢失。

虽然平台可以很好地管理工作流程，但将这些工作流程记录下来并导出到软件之外仍然非常重要，并且需要绘制出 AI 输出之后（而不仅仅是输出之前）的工作流程。如果工作流程仅存在于 AI 工具内部，那么在更换平台时可能难以复制。

对于拥有高层级供应商特定合同的大型机构（例如大学）来说，这可能比较困难，但如果条件允许，请为您的平台采取模块化或多供应商策略。将所有 AI 功能都放在一个平台上，可能会使您容易受到其模型特性、在您所在国家/地区的法律或合规状态，甚至其业务可行性的影响。如果这些供应商倒闭，您可能会失去大量宝贵的业务信息。

最后，从一开始就要做好数据治理和退出计划的有效准备。在签署或续签供应商合同时，务必询问如果决定终止协议会发生什么，并了解您可以带走哪些数据以及如何操作。无论您对某个供应商或平台多么满意，都应将退出策略纳入采购和续约流程中。

最好的办法或许是预防。“设计混合型 AI 环境，减少对专有工具的依赖，并实现工作负载的可移植性，”Byrne 说道。他表示，通过优先考虑互操作性和模块化策略，从一开始就选择合适的合作伙伴，并将 AI 战略与业务成果保持一致，就能更容易地避免 AI 债务和锁定效应。