AI服务中断后，企业采购如何重审SLA与灾备预案

生成摘要

AI 生成，仅供参考

当AI服务从实验性工具进入订单处理、客服、风控、代码生成等核心链路后，中断不再只是“模型暂时不可用”的技术问题，而可能转化为业务停滞、客户投诉与合规风险。近期大模型API和智能体平台的稳定性波动，让企业采购团队把评审重点从模型榜单、参数规模和单价，转向SLA口径、故障通知、灾备降级与人工接管边界。企业需要的不是一个永远不宕机的承诺，而是一套中断发生前可核验、发生时能执行、发生后可追责的可靠性体系。

从模型能力转向服务承诺

核验SLA：先问清“可用性”怎么算

企业采购中常见的“99.9%可用性”，按每月约30.42天粗算，对应约43.8分钟不可用时间；99.95%约为21.9分钟；99.99%约为4.38分钟。数字本身不是重点，重点在于供应商是否明确统计范围：计划内维护是否算入不可用、只统计模型推理还是包含API网关、排队与向量检索等完整链路，以及故障时长按分钟、按请求还是按业务影响计算。如果SLA只覆盖模型推理成功返回，而前置网关或限流故障被排除，实际可用性可能远低于合同表面数字。

故障通知与恢复承诺要写进条款

企业应要求供应商在采购阶段明确：故障分级标准、不同等级的通知时限、状态页更新频率、预计恢复时间，以及事故后是否提供可核验的复盘报告。通知不应只是事后公告，而应成为服务等级的一部分。对关键业务，还需约定RTO和RPO：恢复时间目标决定多久能切回，数据或会话状态目标决定切换后业务能否连续。两者若只停留在口头承诺中，正式合同里没有，一旦发生中断就很难追责。

灾备与降级：不把单一API当作唯一依赖

单一供应商无论SLA多高，都不能替代灾备设计。企业可按业务重要性分层：对核心交易链路，采用多供应商路由、本地小模型兜底、缓存常见响应或降级到规则模板；对非关键环节，可接受排队、重试和延迟。关键不是所有请求都必须实时回答，而是系统在AI不可用时仍能保持最小可用。灾备方案需要在正常时段演练，而不是等中断发生时临时拼凑。

人工接管与权限边界

AI代理在企业系统中的权限越大，中断或被操纵时的风险越高。写入、删除、付款、外发等高风险操作应默认人工复核或二次确认，自动执行范围要有明确边界。人工接管不是“所有任务转人工”，而是提前定义哪些流程可以暂停、哪些可以降级、哪些必须由授权人员介入。对供应商的权限设计、审计日志和操作回滚能力，也应纳入选型评估。

影响选型：合同条款与运营能力同等重要

采购团队过去更关注模型能力，现在需要法务、安全、运维和业务方共同评审可靠性条款。可以问供应商：是否公开历史可用性记录；是否提供故障复盘；赔付机制是否与实际业务损失匹配；在服务中断、模型下线或版本变更时，是否提前通知并提供迁移窗口。英博数科副总经理宋琛在行业会议上提到，AI基础设施的竞争重点正在从算力规模转向算力运营，客户关心的问题变得更具体。这一判断与采购端变化方向一致：企业不再只看供应商建了多少算力，更看它能否把服务承诺、故障响应和降级路径管理清楚。AI可靠性的评估因此从模型输出质量延伸为对服务全链路的治理能力。

后续观察：从一次性采购转向持续可靠性管理

未来一段时间，AI服务稳定性会继续面临模型迭代、算力调度和流量高峰的多重压力。企业可建立内部监控看板，记录各供应商实际可用性、故障次数、通知延迟和恢复时间，用真实运行数据替代供应商宣传。也值得观察行业是否会形成更统一的SLA审计标准，以及监管是否会对关键场景中的AI依赖提出更明确的连续性要求。在此之前，把“不可用之后怎么办”写进采购条款，比单纯比较模型分数更接近生产级决策。