模型替换易，工作流锁定难
模型替换正变得越来越容易，但围绕模型的操作、集成和治理机制却难以更换。近日，普华永道（PwC）宣布为 3 万名员工提供有关 Anthropic 公司 Claude 模型的培训和认证，并围绕该模型为银行、保险和医疗保健客户打造首席财务官办公室（Office of the CFO）业务。Anthropic 还向其合作伙伴网络投入了 1 亿美元。OpenAI 成立了 OpenAI Deployment Company（简称“DeployCo”），获超 40 亿美元初始投资，会派遣工程师到客户现场，将 GPT 模型嵌入客户工作流程。对于售卖数百万代币的公司来说，投资专业服务看似奇怪，但背后大有深意。
即便模型替换更易，但围绕模型的相关工作并非如此。开发者在 Claude Code、Codex、Gemini 和本地模型之间切换的门槛，比供应商期望的低。在 API 层面，模型替换也更容易，虽有成本但比更换模型周围的工作流机制容易得多，而企业买家可能低估了这一点。
开放标准、优质 API 以及提升的模型等效性削弱了一种锁定，却强化了另一种。模型调用替换容易，但周围的工作流、治理和运营模式并非如此，锁定效应只是转移了。
锁定效应的转移
Greyhound Research 的 Sanchit Vir Gogia 表示：“锁定效应不会消失，只是换了位置。在模型层面，替换变得更容易了。然而，在编排层面，替换仍然困难。一旦工作流、控制机制、身份层和治理结构围绕特定系统构建完成，更换该系统绝非易事。”这揭示了供应商投入数十亿美元进行工作流集成的原因：新 AI 技术无法与旧企业工作流完美融合，人力可以解决这个问题。
麻省理工学院（MIT）的 NANDA 倡议报告指出，95% 的企业生成式 AI 试点项目未能带来可衡量的商业影响。即便乐观解读，AI 投资与价值获取之间的差距也令人头疼。大多数失败并非源于模型能力不足，而是运营适配问题，工具无法融入工作流、通过审批流程和获得相应权限，即无法适应实际工作方式。这正是 DeployCo 成立的原因，OpenAI 是明白了企业需求，客户需要专业人员到现场完成模型融入工作流程的工作。
从这个角度看，锁定效应的转移并非真正的转移，它一直存在于更高层面，只是模型热潮掩盖了这一点。
模型上下文协议（Model Context Protocol）还不够
这引出了模型上下文协议（MCP）。MCP 有用，能降低将模型与工具和数据源连接的成本。但协议并非平台，MCP 可帮助代理与工具交互，却无法告知企业代理的批准人、可访问数据、操作记录方式以及人员离职后如何安全关闭等，也无法说明财富经理合规审查、承销商处理边缘案例、财务团队月末结账标准等本地化工作，这些工作只有人类能胜任。
同样，Kubernetes 未能消除云锁定，它使竞争转移到更高层面。MCP 对 AI 代理起到类似作用，降低了集成成本，但未消除使 AI 在运营上值得信赖的成本。
锁定效应的真正发生之处
在智能代理 AI 领域，战略问题是谁拥有控制平面，拥有者将对客户有最强话语权。目前出现三个竞争领域：
编排层：像 LangGraph 这样的框架是实用工具，但编排会产生粘性。LangChain 旗下的 LangGraph 有 Klarna、Replit、Elastic 和 Ally 等生产用户，若客户花时间在某个编排框架内编排代理行为等，不会轻易替换。模型易替换，但其上的编排并非如此。
供应商控制的工作流界面：Anthropic 通过 Claude Cowork 构建的就是这个。2026 年 2 月扩展版本推出私有插件市场等。企业 IT 管理者不希望大量随机代理添加到系统中，代理周围的管理界面成为产品。
服务层：AI 价值向实施环节转移的标志是 OpenAI、Anthropic、普华永道、埃森哲（Accenture）和德勤（Deloitte）培训人员从事绘制工作流等工作。普华永道和 Anthropic 称合作将网络安全事件响应时间从数小时缩短至数分钟，将承保周期从 10 周缩短至 10 天，成果来自顾问而非模型。想要改变顾问实施的工作流，AI 供应商需重新培训他们，谈何容易。
对买家的意义
如果你负责企业 IT，这情况有解放意义，可不再执着于单点解决方案，而关注更高层面。战略决策包括采用哪个编排框架、终端用户使用哪个工作流界面、哪个服务合作伙伴能融入运营使模型推荐有约束力，这些决策比模型测试更值得考量。
在 API 层面替换模型成本降低，但编排层面投入意味着数年代码重写，工作流界面改变涉及员工行为转变，服务合作关系是长期预算项目，这些决策需仔细审查，因其影响持久。
Anthropic 开源 Agent Skills 并坚持“你创建的技能不与 Claude 绑定”，对客户是正确的风险对冲策略，保留另一个前沿模型的选择权也是如此。更深入的做法是将工作流集成视为核心资产，将模型和合作伙伴视为可替换层面。学会将 AI 融入可重复工作的团队，将在能力商品化浪潮中占据优势。那么，企业该如何在这些复杂的决策中做出正确选择呢？
