企业软件采购一直伴随着实施风险。2026 年的变化在于，买方开始明确地为这种风险定价，一些供应商因此丢单。
这一转变体现在 CIO 和 CTO 重组与供应商对话的方式上。功能评估并未消失，但在经历过 AI 部署失败的组织中，它已不再是首要筛选标准。在这些对话中，分量越来越重的问题是：供应商能否真正在复杂的企业环境中完成部署。一个精美的演示本身已不足以促成交易。
当演示成功而部署失败时
关于企业 AI 部署失败的数据早已广为人知，但在大多数供应商评估流程中，其背后的财务代价却被低估了。
RAND Corporation 的研究基于对 65 位资深数据科学家和工程师的访谈，发现超过 80% 的 AI 项目失败，大约是传统 IT 项目失败率的两倍。失败的原因始终如一：为受控环境构建的模型在生产数据面前失效、无法支持部署的基础设施，以及从未被妥善界定范围的集成工作。Gartner 在其 2026 年 4 月对 782 位 I&O 负责人的调查中证实了类似结果，发现只有 28% 的 AI 基础设施项目实现了承诺的回报。
业务影响不止于个别部署。S&P Global Market Intelligence 对 1000 多家企业的调查发现，42% 的公司在 2025 年放弃了大部分 AI 计划，高于前一年的 17%。普通组织在概念验证项目进入生产环境之前，就砍掉了其中 46%。
其后果远超最初的账面损失。一次失败的部署会推迟业务最初批准的 ROI 时间线，通常推迟十二到十八个月。它会触发用于修复或更换供应商的额外支出。它还会专门削弱高管层对技术部门的信心，从而拖慢后续 AI 计划的审批，即使这些计划本身界定得当。曾批准过一个失败 AI 项目的董事会，往往会更加仔细地审视下一个申请，有时甚至比项目本身应得的更为苛刻。组织内部声誉上的损失比财务上的损失持续得更久。
这些并不是模型意义上的软件失败。模型在受控环境中的表现与宣传一致。部署之所以失败，是因为从成功的演示过渡到生产环境，比大多数采购流程所预估的要困难得多。许多赢得合同的供应商，并不具备弥合“可运行的演示”与“在传统企业技术栈中可运行的集成”之间差距的能力。
改变对话的那个数据点
关于买方行为如何转变，最直接的证据来自我们在 Christian & Timbers 开展的自身研究。
我们发现，许多目前在使用 Palantir 的大型企业表示，他们更感兴趣的是留住或聘用 Palantir 的前沿部署工程师，而不是维持其 Palantir 软件合同。
买方告诉我们，人才对他们来说比产品许可证更有价值。这些组织认识到，Palantir 的部署成功记录并非源于其软件，而是源于那些一直驻留在客户环境中直到系统正常运行的工程师。软件只是载体，前沿部署工程师才是系统真正落地投产的原因。
这一观察如今正通过采购对话传播到 Palantir 客户之外的更广泛范围。经历过一次失败部署的 CIO 们开始向供应商提出一个他们从未问过的问题：谁将在我们的环境中构建这套系统，他们的生产落地记录如何？
为什么采购团队更早引入技术利益相关者
采购职能无法像评估 ERP 或 CRM 供应商那样独立评估 AI 供应商。风险状况不同，而决定一次部署能否成功的问题需要采购传统职责范围之外的技术判断。
安全、数据工程、基础设施和运维团队现在更早地参与到供应商评估流程中。在一些组织中，技术尽职调查在商业谈判开始之前进行，而不是与之并行。顺序之所以颠倒，是因为买方已经认识到，在确认集成可行性之前先敲定价格，会在日后造成代价高昂的问题。
在 Christian & Timbers 于 2026 年参与的搜寻和供应商对话中，评估流程越来越像一次架构评审，而非一次软件采购。摆在桌面上的问题包括：供应商的系统能否通过组织身份提供商的身份验证，数据能否在不违反数据驻留或合规要求的前提下跨越所需边界流动，当上游数据源发生变化时系统表现如何，以及初始构建完成后由谁维护集成。
采购团队无法独自回答这些问题。将这些完全交给采购的组织，会面临选中一家部署能力未经充分评估的供应商的风险。
技术利益相关者越早进入评估流程，组织就越能在投入预算之前准确评估部署风险。这代表着与过去二十年企业软件采购方式相比的一次真正的结构性变化。
供应商评估正在如何变化
严肃的买家已在标准的功能评审之外增加了第二条评估轨道，专门针对部署基础设施。
比过去更重要的问题
如今出现在供应商洽谈中的问题，反映出企业软件采购已经发生了多大变化：
- 上线后由谁负责部署？该团队的生产环境业绩记录如何？
- 供应商以往的实施是由哪些工程师完成的？这些工程师是否会参与本次合作？
- 供应商在与我们类似的环境中（包括遗留认证系统或受监管的工作流程）完成了多少个生产环境实施项目？
- 上线六个月后，当业务需求和模型不可避免地发生变化时，系统的维护和更新计划是什么？
这些问题没有一个能在产品演示中得到解答。它们需要与供应商现有客户的工程负责人和运营相关方进行参考访谈。围绕这些参考访谈建立评估流程的组织，正在做出更好的供应商决策。而仍然止步于演示的组织，正在承担他们尚未定价的风险。
根据 Ramp 2026 年 5 月的 AI 指数，2026 年 4 月，Anthropic 在美国企业采用率上首次超越 OpenAI，达到 34.4%，而 OpenAI 为 32.3%。
部署能力究竟是什么样的
在评估供应商实际提供的服务时，前沿部署工程师与实施顾问之间的区别至关重要。
顾问交付项目后即离场，他们积累的知识要么留在供应商那里，要么逐渐流失。而前沿部署工程师会持续嵌入客户的环境中，参加运营会议，培训将要维护系统的团队，并不断迭代，直到系统在业务实际运行的条件下正常工作。合作结束时，这些组织性知识会留在企业内部。
成熟的部署组织所做的远不止上述比较。在编写任何代码之前，他们会与数据工程团队合作连接碎片化的企业数据源，因为基于干净的演示数据训练的 AI 系统，在遇到任何需求文档都无法准确描述的生产数据时，表现会截然不同。在医疗行业，部署团队往往要花费数周时间解决数据互操作性问题，模型才能在临床工作流程中获得信任。在制造业，他们可能会花同样的时间重新设计检测流程，而不是在现有流程上添加 AI，因为自动化一个有缺陷的工作流程只会产出一个更快但有缺陷的工作流程。
他们还会在构建早期就引入法务和合规团队。系统建成后再进行修改的成本远高于设计阶段的修改，而在受监管行业中，这可能需要完全重建核心组件。
上线之后，工作仍在继续。前沿部署工程师会监控用户是真正依赖该系统还是在绕开它使用，为工作流程被系统改变的团队提供再培训，并利用运营反馈持续改进系统。这种持续的责任感，正是真正具备部署能力的供应商与那些以上线即视为成功、随后便转身离开的供应商之间的区别所在。
AI 供应商的应对方式
在 Christian & Timbers 过去十二个月为部署工程职位开展的搜寻中，这些团队的招聘速度持续超过同一批供应商在销售和客户管理岗位上的增员速度。以往侧重于关系维护的客户成功岗位正在围绕技术能力被重新定义，供应商开始为这些岗位招聘工程师，而非客户经理。一些供应商开始提供与生产成果挂钩的实施承诺，而非以交付里程碑为准，这与软件合同以往的撰写方式相比是一次有意义的结构性变化。
从买方角度来看，最有价值的变化是：对于拥有出色部署业绩的供应商而言，生产环境案例正开始取代精心打磨的演示，成为首要的销售工具。愿意让潜在客户直接与现有客户的基础设施或运营负责人交流、且不事先为该案例做准备的供应商，是在传递其部署成效的真实信号。而将所有案例沟通都经由客户管理团队安排的供应商，传递的则是另一种信号。
未能适应变化的供应商正日益将订单输给实施业绩更强的竞争对手。只要 AI 部署失败率维持现状，这种选择压力就会持续存在。
内部 FDE 能力及其对采购方式的改变
对于正在建设自身内部前沿部署工程师能力的组织而言，供应商评估的格局将进一步发生变化。
许多大型企业正在积极组建或规划 2026 年的内部 FDE 团队。最有效的内部 FDE 通常被嵌入到他们所支持的业务部门中，而不是集中在 IT 部门，从而使部署决策贴近实际运营流程。拥有内部 FDE 的企业在评估外部软件供应商时，所依据的标准与完全依赖供应商部署支持的企业不同。他们可以在签订合同前自行评估集成复杂度，较少依赖供应商的实施团队来确认可行性，并能更快地判断一项软件投资何时在创造价值、何时没有。
经济效益也印证了运营层面的理由。Christian & Timbers 的研究表明，雇佣三到五名内部 FDE 的组织，可以通过减少对外部部署服务的依赖，在 18 个月内收回这笔投资。
工作到第二年的内部前沿部署工程师，已经积累了对该环境中集成通常在哪些环节出问题的模式识别能力。他们了解审批流程在实际中如何展开，以及哪些系统需要最多的持续关注。这些经验使后续每一次部署都更快，并降低了与新供应商合作时的评估风险。
构建这种能力的组织，正在建立一个针对供应商实施风险的永久性内部制衡机制，而且内部团队运营的时间越长，其价值就越大。
为什么这超越了 AI 的范畴
围绕 AI 形成的采购规范，已经开始延伸到相邻的软件类别。
2026 年，Agentic 系统正进入企业采购讨论，其实施复杂度超过了当前的 AI 系统。它们的失效模式更难预测，运营面也更广。数据平台一直都需要大量的集成工作，但供应商部署能力薄弱的后果，在 AI 领域比在早期基础设施领域暴露得更快。连接核心业务流程的自动化软件，同样高度依赖部署质量。
任何“可用的演示”与“可用的生产集成”之间差距巨大的软件类别，都将面临 AI 供应商如今正在应对的同样的买方问题。通过 AI 项目培养出严格部署评估实践的买方，在转向下一个采购决策时，不会把这些实践抛在门外。
技术领导者应从中得到什么启示
企业软件历来以产品能力为评估标准。AI 正在将这一平衡转向执行能力。那些持续成功落地生产的组织，正在改变他们向供应商提出的问题、在评估过程中衡量的指标，以及参与采购决策的人员。
对于负责重大软件决策的 CIO、CTO、工程副总裁和 AI 副总裁而言，尽职调查现在需要超越产品评估本身。部署团队、其经过验证的过往业绩，以及合同签署后合作方式的安排，都是决策中的重要变量。
买错软件总是可以挽回的。而买了无法在业务预期的时间线内部署到自身环境中的软件，则是另一种性质的失败——它会出现在董事会的讨论中，并影响技术部门的公信力。这一转变很可能会超越当前的 AI 周期而持续存在，因为它反映了企业评估技术风险方式的更广泛变化。
正在重新评估如何考察技术执行能力的组织，往往会发现自己还需要不同的技术领导力。Christian & Timbers 在正式开展寻聘之前，提供一份保密的市场评估，内容涵盖前沿部署工程师的招聘需求、人才供应情况以及薪酬基准。该公司在 2025 年和 2026 年期间成功完成了 200 多个前沿部署工程师的安置，涉及机器人、制造、航空航天和企业 AI 等领域，因此非常有能力帮助组织识别并锁定顶尖的 FDE 人才。
常见问题
- 为什么部署能力正在成为供应商选择的标准？
大多数经历过 AI 部署失败的组织，都会把失败追溯到同一个地方：供应商所演示的内容与其环境实际所能支持的内容之间的差距。经历过这种遭遇的买方，在下一次评估供应商时会提出不同的问题。部署基础设施之所以被提上议程，正是因为差距总是出现在这里。
- 采购团队应该就供应商的部署方式提出哪些问题？
最有用的问题聚焦于生产环境证据。要求供应商描述在类似遗留基础设施环境中的具体实施案例，说出主导这些工作的工程师的名字，并提供亲眼见证过这些工作的技术和运营干系人的推荐。无法具体回答这些问题的供应商，其生产环境业绩记录如何，销售材料是不会告诉你的。
- 内部 FDE 能力如何改变供应商谈判？
拥有内部前沿部署工程师团队的组织，在进入供应商谈判时对集成复杂性有独立的判断。他们对供应商提供的部署支持依赖更少，这改变了他们在合同谈判中对实施服务权重的考量。他们的决策速度也更快，因为不必等待供应商团队来确认其环境中的可行性。
- 供应商的部署模式会影响产品评估吗？
对于企业级 AI 而言，这两者无法截然分开。一个技术上出色的产品，如果缺乏将其集成到生产环境所需的工程基础设施，其结果与一个较弱的产品被糟糕地部署是一样的。将两者割裂评估的买家，忽视了决定投资能否奏效的关键依赖关系。
- Christian & Timbers 认为这一趋势将走向何方？
拥有真正生产环境实绩的供应商——通过与实际观察过其工作的技术干系人进行背景访谈加以验证——正在企业评估中逐渐形成差异化优势。而仍主要以功能深度来评估 AI 供应商的组织，其评估流程并未覆盖风险真正所在之处。