隨著生成式 AI 演進為 Agentic AI，「自建或採購」的決策變得日益複雜，取決於企業規模、使用情境及策略優先順序等多重因素。

大型企業與中小型企業（SMB）長期面臨一個根本性問題：究竟該在內部自行建置 AI 能力，還是向供應商採購。這一決策不僅影響組織的技術採用方式，也直接關係到其成本效益。

大約四年前，當 OpenAI 首次推出 ChatGPT、各企業開始嘗試生成式 AI 時，前進的方向看似清晰明瞭。向 OpenAI 或 Anthropic 採購大型語言模型，或運用 Meta 的開源模型，對不想落後的組織而言似乎是穩妥之舉。

然而，隨著生成式 AI 趨於成熟、Agentic AI 的採用日益廣泛，「自建或採購」的兩難變得更加細緻。不同於回應單一提示詞的生成式 AI 工具，Agentic AI 系統的設計目的是規劃並自主執行多步驟任務——與外部工具、資料庫及 API 互動，以完成理賠處理、庫存管理或排程等工作流程。這種從內容生成到自主行動的轉變，引入了早期 AI 部署所不需要的可靠性、監控及系統整合等新需求。如今的關鍵考量因素包括企業規模、具體應用場景，以及企業或 SMB 所認定的「護城河」——即將自己與競爭對手區隔並加以保護的核心價值主張。

專注與彈性

對 Home Depot 而言，客戶體驗（CX）是業務中最關鍵的要素之一。該零售商的技術資深副總裁 Ningyu Chen 在拉斯維加斯舉行的 Ai4 2026 大會上的一場會議中強調了這一點。

「我們絕不會將這一環節外包給他人，」Chen 表示。

儘管如此，Home Depot 仍與 Anthropic、OpenAI、Google 和 Microsoft 等知名 AI 技術供應商保持合作關係，並積極將其技術整合到自身營運中。

Chen 建議在衡量「自建或採購」問題時，企業應優先找出正確的使用情境，並對合作夥伴及供應商選擇保持彈性。

「我會讓合作關係保持非常開放的狀態，」他在接受 AI Business 採訪時表示。「我們仍處於早期階段，可能發生的事情很多。看看 OpenAI，它曾經獨占鰲頭，現在已不復如此。」

自 ChatGPT 問世以來，模型供應商的市場格局確實已大幅多元化。Anthropic 的 Claude、Google 的 Gemini、Meta 的開源 Llama 系列、法國的 Mistral，以及中國的 DeepSeek 和 Moonshot AI，都是目前在不同效能等級與價格區間競爭的替代方案，為買方提供了比以往任何時期更多的選擇——同時也帶來更多複雜性。

「你必須建構一個抽象層，來保護自己免受這些變化的影響，」他補充道。

顧問公司 Future Propel 的執行長兼首席 AI 策略長 Santhi Ramesh 指出，有意自建 AI 能力的企業應審慎評估其計畫投入於將生成式或 Agentic AI 整合到平台上的時間與人力。

Ramesh 過去曾在 The Hershey Company 及義大利巧克力公司 Ferrero 等組織主導 AI 轉型專案。她表示，這項決策也取決於企業的核心競爭力。

「如果你的核心競爭力不在技術領域，那麼合作與採購會是更好的選擇，」她在受訪時表示。「如果你擁有大量資料、安全需求、龐大的資料量，且需要客製化解決方案，那麼你必須自行建置。這兩種方式我都做過。」

在醫療保健、金融服務及保險等受監管產業中，這些資料與安全考量尤為重要，因為資料駐留、可稽核性及合規性等義務可能限制第三方 AI 平台的使用。

對於需要更大彈性的企業和 SMB，Ramesh 建議先進行測試、學習，然後在可退出合作關係的條款下採購平台或與供應商結盟——例如在 Beta 試用之後。

採購或自建的成本

採購可能導致營運負債，Cardinal Group Companies（一家物業管理與房地產機構）的資料與創新副總裁 Rachel Ibarra 警告道。Cardinal Group 採取混合策略，部署了一套名為 Stan 的內部 AI Agent。

Ibarra 表示，在內部開發與外部採購之間做選擇的企業，必須思考「一個有凝聚力的系統是什麼樣子」。

「這不僅僅是技術生態系統，」她在會議演講中表示。「這是組織運作方式的生態系統。」

對於資料能帶來實質競爭優勢的企業，自建可能是更理想的路徑，Ibarra 說。她還建議，當組織只有局部需求時，也可以考慮自建。

「也就是說，你只需要某個相對小型方案的一部分，而且它主要用於內部、能為你帶來大量內部優勢，」她在受訪時表示。「這就是我認為更適合自建的情境，尤其是對那些不一定有資源聘僱龐大工程團隊的非技術公司而言。」

基礎設施是另一個關鍵考量，Smartsheet 專業服務賦能總監 Markus McKay-Fleisch 指出。

「對我來說，真正的問題是：你覺得自己是否有合適的基礎設施來自行建置？」他在受訪時表示。「這是一個由業務人員進行開發的公民開發計畫嗎？如果是的話，你會設定哪些護欄？」

企業還必須確保擁有穩健的託管基礎設施，以及在 AI Agent 或系統故障或變更時能加以維護的能力。主要雲端服務商——AWS、Google Cloud 及 Microsoft Azure——都已推出託管式 Agent 平台，旨在減輕這一負擔，提供預建的編排與部署工具，成為完全客製化開發與現成產品之間的中間選項。

此外，建置 AI Agent 或系統還需要在不同使用情境中選擇最合適的 AI 模型，而這其中涉及許多細節。

Phenom 是一家人力資源技術與應用 AI 公司，專門開發軟體協助組織招募人才與培養技能。該公司採用多種模型，包括 Mistral 的開源模型以及中國供應商 Moonshot AI 的低成本 Kimi 模型。

Phenom 執行長 Mahe Bayireddi 表示，建置 AI Agent 或基於 Agent 的系統的組織，有時需要根據適當的使用情境切換模型——某些模型適合人力資源應用，另一些則更適合財務應用。

企業「並不理解如何在不同使用情境之間切換的細微差別，這不是在公司層面，而是在產業層面，」Bayireddi 說。「你的模型會即時切換。」

Just a Bite Better

Steve Toy 是 AI 營養應用程式 Just a Bite Better 的創辦人暨開發者，他選擇直接在自己的應用程式中建置 AI Agent，而非採購外部系統來實現相關功能。該應用程式運用多個協同運作的 Agent，為消費者提供全面的營養概覽。

「我們不使用任何單一供應商或單一模型，」Toy 在受訪時表示。「可以說我們打造了自己的模型花園，簡單來說就是一段可存取所有這些 API 的程式碼。」

對 Toy 而言，選擇自建而非採購或依賴 Google、AWS 或 Microsoft 的模型花園，是出於他的技術知識和業務應用的特定需求。

「我不需要處理大量資金往來的問題，」他說，並指出消費者透過 Apple、Google 或 Stripe 為應用程式付費。此外，消費者可以刪除任何個人識別資訊，且其資料經過編碼，不會指向特定個人。

「在很多方面我們的風險較低，而 IBM 和 PayPal 需要關注的是不同的問題，」Toy 表示。

對於仍在評估自建或採購的企業，Toy 建議首先精確了解自己需要採購什麼，尤其是在一個充斥著 AI 供應商、產品與服務的市場中。

「要弄清楚如何採購，你需要知道自己想解決什麼問題，並記住每個業務都是由各個部分組成的，」他說。「當你採購時，你是在解決一個問題、業務的一個環節。」

自建也能有助於控制成本，Toy 補充道。對於 Just a Bite Better，他實施了一套系統，對每個模型每月可使用的 Token 數量或成本設定硬性上限。儘管自 2023 年以來，主流模型的每次推論 Token 成本已大幅下降，但隨著使用量增長，變動式 API 定價仍然難以預測——這使得像 Toy 這樣的成本控制措施對各種規模的組織都日益重要。

「這就是你避免災難的方式，而這點非常重要，因為很容易一覺醒來就收到一張 50,000 美元的帳單，」Toy 說。