沒有 fallback plan，enterprise 不會真的上 AI agent
這兩週看 AI 圈在吵 open weight 跟 frontier labs 的公開信，我的 take 是，enterprise team 真正在意的根本不是誰的立場比較漂亮，而是如果明天供應商政策一改、價格一跳、或 compliance review 沒過，你有沒有 second path 可以走。
我上季剛陪一個內部 workflow automation pilot 過一次 vendor review。功能 demo 其實很順，stakeholder 也買單，最後卡住的不是 model quality，是 procurement 問了三個很 boring 但很致命的問題。
第一，你們是不是把核心流程綁死在單一 provider。
第二，prompt、tool outputs、decision logs 誰有 ownership。
第三，如果法務兩週後說這家暫時不能用，多久可以切去別的 stack。
這三題答不出來，再強的 model 都只是 demo。
所以我看到 Simon 整理那篇文，裡面一邊是 235 家公司支持 open weights，另一邊是 1,324 位 frontier AI 公司員工呼籲 pace the frontier，我其實沒有想先站隊。比較有感的是，兩邊都在證明同一件事，模型正在變成基礎設施，不再只是工具選型。
一旦是基礎設施，single point of failure 就會直接變成營運問題。Claude Code 已經吃掉 Anthropic 80% 的 code，OpenAI 把 serving cost 壓了 20%，Kimi K3 甚至開始幫自家 nano model 設計 chip。這些數字都很猛，但站在 buyer 這邊，訊號其實是另一種意思，供應鏈正在快速垂直整合，議價權只會越來越集中。
這個 use case 在 enterprise 場景蠻 make sense 的地方，也剛好在這裡。你今天不是只買 inference，你是在買一整串 dependency，包含 logging、safety review、data retention、incident handling，還有出事時誰半夜要被叫起來。
我自己現在看 AI agent 專案，會先要求兩件事。第一，任何 production flow 都要有 provider abstraction，不一定要做到一鍵切換，但至少關鍵 prompt、tool contract、eval set 不能綁死。第二，PoC 階段就把 traceability 做起來，不要等真的要 audit 才回頭補。很多 team 前 4 週都在追求 task completion rate，結果第 5 週被問 decision 是怎麼做出來的，整個沒資料。
坦白說，open weight 或 closed model 我都沒那麼執著。ROI 算得過，risk 能 explain，ownership 有人接，這案子就有機會往下走。反過來說，如果 fallback plan 是空的，再好的 agent demo 也很難從 innovation budget 走到正式採購吧。
作者：Vivian L