企业 AI 助手选型:6 个维度、3 条路线、10 题自评表

选型难的不是比功能表,是先想清楚哪些约束是硬的、哪些只是听起来重要

2026-09-28 · Leo · 选型避坑 · 8 分钟阅读
TL;DR — 企业 AI 助手选型,先别急着比功能表。①先定硬约束(数据能不能出内网、要不要接现有 IM、谁来运维),硬约束会把候选砍到 1-2 条路线;②再用 6 个维度打分:接入方式、模型自由、数据边界、权限审计、运维成本、退出成本;③最后用 10 题自评表确认自己属于哪条路线。三条路线(自研、SaaS 托管、私有化平台)没有绝对优劣,只有和不和你的约束对上。
⚠️ 本文是通用选型方法论,不含具体客户案例与使用数据。文中对比为通用能力维度描述,不含厂商评测;具体产品能力请以各家官方文档为准。

先定硬约束,再谈功能

选型最常见的失败方式,是先看一圈功能表,然后发现最想要的那家过不了合规评审。顺序反了。

正确的顺序是先回答三个问题,它们和功能无关,但会直接砍掉大部分候选:

这三个问题答完,候选通常只剩一到两条路线。剩下的工作才是比功能。

6 个评估维度

下面 6 个维度,前 3 个是「能不能用」,后 3 个是「用起来贵不贵」。建议每个维度按 1-5 分打分,并给硬约束维度设一票否决。

维度 1:接入方式

问的是「员工在哪里用到它」。可选形态包括:独立网页/App、嵌入现有 IM、嵌入现有 OA/审批流、开放 API 供其他系统调用。

评估要点:接入现有 IM 通常需要平台侧的应用创建与回调配置权限,这部分权限往往不在 IT 手上,要提前确认谁能开。如果只支持独立网页,等于要求员工改工作习惯,这是最难的一步。

维度 2:模型自由

问的是「能不能换模型、能不能混用」。有三种典型形态:只能用它内置的模型;可以配置 API Key 接自己的模型;可以本地加载开源模型。

评估要点:模型迭代很快,今天最强的模型半年后可能不是。锁定单一模型的产品,半年后你可能要为它整个换掉。至少要确认「换模型要不要改业务代码」。

维度 3:数据边界

问的是「数据在哪里、经过谁」。要问清楚四件事:请求发往哪里;有没有留存;留存多久;能不能关闭留存。

评估要点:很多方案写「不用于训练」,但没说「留存多久」。这两件事是分开的。合规评审时,审计方通常要的是留存策略和删除机制,而不只是一句承诺。

维度 4:权限与审计

问的是「谁问了什么、能看什么」。企业场景和消费级场景最大的差别在这里:同一个知识库,销售和财务能看到的范围不一样。

评估要点:至少要确认三点——能不能按人/部门隔离知识范围;能不能记录谁在什么时候问了什么;日志能不能导出给审计。第三点经常被忽略,出事时才发现查不了。

维度 5:运维成本

问的是「上线之后谁在管」。包括:模型更新谁做、知识库更新谁做、坏了谁修、扩容谁买机器。

评估要点:把这三类成本分开算——一次性投入(部署/集成)、周期性投入(模型与知识库维护)、突发投入(故障与扩容)。SaaS 方案把前两项压得很低,但第三项(数据合规引发的整改)可能很高;私有化方案反过来。

维度 6:退出成本

问的是「不想用了怎么办」。这是最少被评估、事后最贵的一项。

评估要点:知识库能不能导出成通用格式;对话历史能不能导出;接入的 IM 应用能不能干净地下线;有没有数据被锁在对方格式里的风险。建议在合同里就写明导出格式和导出方式,而不是等要换的时候再谈。

三条路线对比

把上面 6 个维度套到三条常见路线上,大致是这样:

维度自研SaaS 托管私有化平台
接入方式完全自由,但要自己写通常只支持独立网页/App可接 IM / OA,需平台权限
模型自由完全自由基本锁定厂商模型可换、可混用、可本地
数据边界完全可控数据出内网,依赖厂商策略数据不出内网
权限与审计要自己实现按厂商提供的粒度可按组织架构自定义
运维成本最高,需专职团队最低,开箱即用中等,需基础运维能力
退出成本低(都是自己的)高(数据在对方格式里)中(可导出,但要迁移)
适合有研发团队、需求高度特殊无合规硬约束、要快速试用数据不能出内网、要接现有 IM

需要说明的是,「私有化平台」这一列写的是能力上限,实际能不能达到取决于产品实现。选型时要让厂商演示具体动作,而不是看宣传页:比如当场演示「换一个模型需要改几行配置」「导出一份知识库给我看看格式」。

10 题自评表

下面 10 个问题,答「是」的题号决定你的路线。建议拉上 IT、法务/合规、业务三方一起答——这三方对同一道题的答案经常不一致,不一致的地方就是选型风险点。

#问题答「是」的含义
1业务数据不允许出公司内网?排除纯 SaaS
2员工日常在飞书/企微/钉钉里工作?必须具备 IM 接入能力
3有审计或合规部门会定期检查?权限与日志导出是硬需求
4不同部门能看到的知识范围不同?需要按组织架构隔离
5半年内可能换模型?模型必须可替换
6IT 团队少于 3 人且不懂模型部署?私有化运维成本要额外评估
7希望 2 周内看到效果?倾向 SaaS 或托管式私有化
8有研发团队能持续投入?自研可行,但仍要算维护成本
9未来可能因为政策或成本换方案?退出成本必须写进合同
10知识库内容会频繁更新?更新流程要自动化,不能靠人肉

如果第 1、3、4 题都答「是」,基本可以确定要私有化或混合路线;如果只有第 7 题答「是」,先上 SaaS 试用是更省时间的做法。

5 个常见选型误区

误区 1:只比功能表,不比约束

功能表上每家都有「知识库」「多轮对话」「权限管理」。真正的差别在约束上:数据在哪、能不能导出、坏了谁修。

✅ 修法:把硬约束做成前置筛选,功能表只用来在同一条路线内部比较。
误区 2:把「能接 IM」当成一句话

「支持企业微信」可能只是「能把消息转发过去」,而不是「能在企微里完成问答、带权限、带审计」。

✅ 修法:要求当场演示完整链路——在 IM 里问一个问题,看答案是否带权限过滤、是否进日志。
误区 3:忽略知识库的更新成本

上线时导入 200 份文档很容易,难的是三个月后制度改了,谁去更新、多久更新一次。

✅ 修法:确认有没有增量更新机制(改一份文档只重算一份),以及更新是否需要停机。
误区 4:把「不用于训练」当成数据安全承诺

不用于训练 ≠ 不留存 ≠ 可删除。这三件事要分别确认,并写进合同。

✅ 修法:要求书面写明留存时长、留存位置、删除方式与删除时限。
误区 5:没有退出方案

选型时没人想「将来怎么换掉」,但真到要换的时候,数据导不出来是最贵的坑。

✅ 修法:签约前要求导出一份样例数据,确认格式是通用的、可再导入的。

写在最后

选型这件事,方法比结论重要。同一套约束在不同公司会指向不同路线,所以本文不给「哪家最好」的答案——那需要结合你们自己的数据边界、组织架构和 IT 能力。

如果只能记一句话:先用硬约束砍候选,再用维度打分,最后用自评表确认。顺序对了,选型会快很多。

💡 延伸阅读:私有化路线的硬件与网络细节见《AI 私有化部署方案:硬件清单、网络与安全、合规审计与常见坑》;如果已经确定要接 IM,实操步骤见《钉钉 AI 助手怎么接入?三条路线对比(附代码)》。