選 AI 工具不能只比價格：Anthropic 事件後企業必看的廠商紅線與國別風險評估

選 AI 工具如果只比效能跟價格，2026 年 5 月之後你會踩雷。

三個月前一場美國國防部跟 Anthropic 的合約破局，把整個企業 AI 採購圈的評估邏輯往前推了一大步。事件本身是 Claude 被踢出五角大廈採購名單（如果你還沒看過時間軸完整版，建議先看那篇）；但對台灣中小企業真正的衝擊，不在那場合約本身，而是它揭露了一個過去被嚴重低估的採購變數——廠商的「紅線」與「國別風險」，會直接決定你能不能合法用、還能用多久。

Gartner 在 2025 年的 AI Trust, Risk, and Security Management 報告 已經點名：到 2026 年，沒有把廠商 Acceptable Use Policy（AUP）跟司法管轄風險（jurisdiction risk）寫進採購流程的企業，會多花 30% 預算在合約終止後的緊急轉換成本。Anthropic 事件只是讓這個預測提早發生在現實裡。

這篇是 Claude 五角大廈時間軸那篇 的姊妹篇，定位完全不同：A 篇談發生了什麼、為什麼 Anthropic 願意賠錢守住紅線；這篇談你的公司在 2026 年該怎麼把這件事翻譯成「採購評估表上多出來的三欄」，附五大廠商紅線比較、三個產業情境分析、十三題 RFP 清單、以及為什麼老闆會說「我們公司不大不需要看這個」剛好是最危險的迷思。

一句話結論：採購評估表該加上的三欄是什麼

Anthropic 事件之後，企業 AI 採購評估表必須在原本的「效能 / 價格 / 整合難度」之外，加上三欄：廠商紅線（Acceptable Use Policy 是否包含你的使用情境）、司法管轄風險（廠商所在國能否片面斷供你）、替代供應商備援（是否有不同地區、不同 AUP 的第二家可以一週內切換）。這三欄已經是 2026 年合約風險管理的最低門檻，遠遠超過錦上添花的層級。

下表先給你完整的決策架構，這篇文章接下來八個段落會逐項拆解。

為什麼「廠商紅線」突然變成採購要素？三個轉折點

把時間倒回 2024 年，企業採購 AI 工具基本上不看 AUP。理由很簡單：那時候 AUP 寫的東西大部分是「不能拿去做兒童色情、不能拿去做仇恨言論」這類沒人會反對的紅線。但過去十二個月有三件事改變了局面。

轉折一：AUP 從法律附件變成業務決策

Anthropic 的 Usage Policies 在 2025 年明確列出：禁止用 Claude 開發「會自主選擇並攻擊目標的武器系統」、禁止「對個人或群體進行未授權的監控」。這兩條看似只跟軍工業有關，但 Anthropic 在 2026 年 2 月選擇拒絕五角大廈無限制條款的時候，等於告訴所有客戶：我會為了這條紅線拒絕政府的訂單。

對企業客戶來說，這是好消息也是壞消息。好消息是 Anthropic 不會半夜把你的合約偷偷修掉；壞消息是如果你的使用場景剛好擦邊，Anthropic 會比你預期更快地把你切斷。台灣有保全業者、刑事鑑識顧問公司、政府承包商，過去用 Claude 處理影像分析、行為預測，這些案例都需要重新評估是否落在 AUP 紅區。

轉折二：監管行業 AUP 違規等於合規違規

金管會 2025 年底對金融業的 生成式 AI 應用指引 要求業者揭露所使用 AI 服務的供應鏈、限制條款與資料處理流程。這代表如果你公司用的 AI 工具，AUP 寫的禁止項目跟你實際使用的方式有衝突，這已經不只是廠商可能斷你服務——而是你會直接違反金管會的揭露義務。

醫療業更敏感。FDA 在 2025 年針對 AI 醫療輔助工具的指引明確：所使用 AI 服務的 AUP 必須跟醫材分類等級相容。如果 AUP 寫了「不得用於診斷」，但你用它做臨床決策輔助，FDA 會把這當作未授權使用——責任在使用方，不在廠商。

轉折三：地緣政治讓「美國廠商最穩」這句話不再成立

過去評估雲端服務或 AI 服務，「跟美國廠商簽就對了」是台灣中小企業的默認選項。Anthropic 事件第一次證明這個假設不對——美國政府能用一紙行政命令封殺一家美國本土 AI 公司，他們也能對任何其他廠商做同樣的事。

這不是抽象的擔憂。Microsoft 在 2024 年因為出口管制限制把部分 Azure AI 服務從中東客戶名單移除；OpenAI 在 2024 年 7 月限制中國大陸區域使用；Google 在 2025 年因為歐盟 AI Act 對部分模型在歐盟區延後上線。每一次政策轉彎，都是某些客戶的合約突然失效。

五家主流 AI 廠商的紅線比較表

下表整理 2026 年 5 月當前的 AUP 重點。請注意 AUP 會隨時間調整，建議在採購會議當天從廠商官網重新確認最新版本。

看這張表你會發現一個關鍵差異：Anthropic 在五家裡面紅線最硬、最不允許客製化條款。對你的意義是雙面的——如果你的使用場景在它的綠區，Anthropic 是最不會半路臨時抽手的合作夥伴；如果你在邊緣地帶，它也是最會直接拒絕的那家。

對應到台灣產業，ChatGPT、Claude、Gemini 三大 AI 助理比較 講的是「能做什麼」，這篇講的是「不能做什麼」。兩者要一起看，採購評估才完整。

三個實際採購情境分析（金融 / 醫療 / 教育出版）

抽象原則沒用，看真實情境才有畫面。下面三個是業界 AI 工具採購諮詢中最常出現的典型場景，把名字隱去之後濃縮成三個情境。

情境一：中型壽險公司——理賠審核 AI 化

公司規模 1500 人，想用 AI 把理賠初審從平均 7 天壓到 2 天。最初的選擇傾向 OpenAI（因為團隊熟）。

在第二、三層評估介入後問題冒出來：金管會生成式 AI 指引要求「保留可解釋性紀錄、不得對個資進行跨境傳輸」。OpenAI 的標準商用版資料會經過美國伺服器處理，需要簽 BAA 等級的特殊合約才能符合金管會要求；同時保險業 AUP 條款比較複雜，OpenAI 的標準 AUP 沒有明確說「保險理賠輔助」是否屬於「重大決策（high-stakes decision）」紅區。

最後的選擇：主用 Anthropic Claude（資料處理選 EU 區域、明確不做最終決策、AI 只做候選排序）+ 備援 Mistral Large（地緣分散、符合金管會跨境條款）。價格比原本貴 18%，但合規風險降到可接受範圍。

情境二：連鎖診所——病歷摘要與衛教生成

30 家分院的連鎖診所，想用 AI 自動產生看診後的衛教單張、藥物提醒、慢病追蹤訊息。最初考慮 ChatGPT Team（CP 值高）。

FDA 對 AI 醫療工具的態度是「即使你說只是衛教，只要醫師會根據它做臨床判斷，就視同醫材輔助」。OpenAI 的 AUP 寫了「醫療資訊不得作為診斷依據」，但實務上院方使用時很難明確切割。如果某次衛教文字暗示了某種診斷傾向，責任在使用方。

最後的選擇：Claude（紅線寫得最清楚，跟醫師責任分界明確）+ 加上人類醫師複核流程，每張衛教單張需主治醫師簽核才能寄出。AI 從原本想取代人，變成放大醫師的時間槓桿。

情境三：教育出版商——數位教材 AI 個人化

傳統教科書出版社想做 AI 個人化練習題。學生輸入學習狀況，AI 生成適合的題目和解析。最初打算找 Google Gemini（Google for Education 折扣）。

問題在著作權跟兒少資料保護。Gemini 在 EU 區域有 EU AI Act 對「教育用 AI」的高風險分類規範，台灣雖然不直接適用 EU 法規，但出版社的歐洲學生客戶會直接受影響。同時 AI 風險、個資、著作權該知道的事 這篇有提到，台灣 2025 年的個資法修訂對未滿 14 歲學生資料有更嚴格要求。

最後的選擇：Mistral（符合 EU AI Act）為主，搭配 OpenAI 做老師端工具（AUP 對教育更寬鬆）。雙廠商策略讓學生資料跟老師資料完全分離、地理區域分離，事件級的監管變動只會影響其中一邊。

為什麼至少要兩家不同地區的廠商備援

Deloitte 在 2025 年針對全球 1500 家企業的 Generative AI Resilience Survey 顯示：64% 的受訪企業在過去十二個月經歷過至少一次 AI 服務「非預期斷供」（合約終止、區域限制、AUP 修改、政策斷供等），其中 41% 沒有備援機制，平均業務中斷時間 11.3 天。

11.3 天聽起來不長，但對重度依賴 AI 的工作流（客服自動回應、文件審核、風險偵測）來說，等於業務癱瘓。這不是賭概率的問題——有沒有第二家可以無痛切換，是 2026 年企業 AI 採購的標準配備，不是奢侈品。

對台灣中小企業最務實的「第二家備援」配對通常是：主用 Anthropic 或 OpenAI（性能優、生態完整），備援 Mistral 或本地化部署的開源模型（地緣不同、AUP 不同）。中國廠商的紅利雖然在價格，但對台灣企業有政策跟資料合規的雙重風險，除非業務只在中國境內，否則不建議當主或備援。

廠商評估清單：13 題該寫進你的 RFP 的問題

下面這份 RFP 清單是把上面的三層架構翻譯成具體的問題。建議在採購會議發給每家候選廠商，請他們書面回覆——口頭回答不算數，必須有業務代表簽字的書面文件，才有合約成立的證據力。

這 13 題裡，Q5、Q6、Q11 在 2024 年幾乎沒人問。Q5 跟 Q6 直接針對「AUP 突然修改」的風險，Q11 是出口管制斷供時的資料逃生通道。如果廠商業務代表回答含糊或拒答，這本身就是有用的訊號——代表他們內部沒有準備好這個情境，跟他們簽長約你會吃虧。

三大常見迷思破解（這三句話聽起來都很合理但都錯）

迷思一：「我們公司不大不需要看這個」

這句話聽起來最合理，但剛好相反——公司越小，廠商風險的衝擊越大。理由很簡單：大公司有法務、有 IT 部門、有第二供應商；中小企業出事的時候沒有人能在 24 小時內把流程切換到備援。

我們服務過一家 80 人的會計事務所，把報稅季的文件分類完全交給 ChatGPT Plus 的某個 GPTs。某次 OpenAI 在沒有事先通知的情況下調整了 GPTs 對檔案處理的限制，事務所的工作流當天直接停擺，影響到 200 多家客戶的申報進度。事後檢討發現問題不在 OpenAI 違反什麼承諾，而是事務所從來沒看過 AUP，也沒備援。

迷思二：「便宜的就是好用的」

中小企業看 AI 工具報價最直覺的反應是「美金 20 跟美金 30 差很多」。但廠商風險的算法不是月費——是「合約失效後找替代方案的隱藏成本」。

Forrester 的 Total Economic Impact of Enterprise AI 估算：一次非預期 AI 廠商切換對中型企業的隱藏成本是 8-15 萬美元（重新訓練、流程重寫、員工重新適應、整合測試）。月費差個 10 美元每月每用戶，一年帳面省 1200 美元；但如果這是因為廠商太便宜所以不在乎你而省下來的錢，第一次出事的代價可能是 100 倍。

迷思三：「美國廠商最穩」

Anthropic 事件之後，這句話需要重新定義。準確的說法是：『美國廠商在大多數情況下最穩，但被自己政府制裁的風險不為零，且當這風險發生時，沒有國際法可申訴』。

理性的策略真正的重點是「主用美國廠商，但備援不能也是美國廠商」，而不是「不選美國廠商」。地緣政治分散是 2026 年新的最佳實踐。

買 AI 工具之前，先做的內部體質檢查

這篇會拆解三件事：你的使用場景落在哪些紅線可能踩到的區塊、你公司能承受多長的服務中斷、你的法遵基線是什麼。做這三件事不需要花錢，只需要把採購會議延後一週。

Anthropic 事件留下的更深層教訓：AI 廠商選擇不再是技術問題

2024 年以前選 AI 工具，主要問 IT 部門。2026 年以後選 AI 工具，必須找 IT、法務、業務、合規四個部門一起坐下來談。因為決策的影響面已經超出技術部門能單獨負責的範圍。

Anthropic 願意賠掉政府訂單也要守住 AUP，反向證明了一件事：AUP 的本質是廠商真的會執行的合約條款，遠不只是廠商的行銷文案。這是壞消息也是好消息。壞消息是廠商會說斷就斷；好消息是 AUP 寫的東西可以拿來當合約依據。

如果你的公司剛好在重新評估 AI 採購策略，老闆 AI 採購完整指南 提供了從預算規劃到員工培訓的完整流程；這篇是把它的「廠商評估」章節獨立深化成完整的風險管理框架。兩篇可以一起服用。

另外如果你想理解廠商的 AI 安全分級制度，Anthropic RSP 3.0 與 ASL 安全分級 那篇講的是廠商內部的技術風險分級，跟這篇的採購風險評估剛好是兩個互補的視角——一個從廠商出發，一個從客戶出發。

如果你公司還在問「ChatGPT 退訂潮是不是該換家了」，ChatGPT 退訂潮分析 那篇從產品角度切入，這篇從廠商風險角度切入，兩篇邏輯差不多但結論可能不同——產品難用換掉就好，廠商風險換掉成本會更高。

常見問題（FAQ）

結論：把廠商紅線寫進採購評估，從下次會議開始

Anthropic 跟五角大廈的事件之後，企業 AI 採購評估表多出三欄不是錦上添花的選配——是 2026 年合約管理的最低門檻。這三欄分別是：廠商紅線（AUP）、司法管轄風險、備援能力。

做法不複雜：把本文的 13 題 RFP 印出來、把五家廠商的紅線比較表抄一份、把內部體質檢查 5 題答完。三件事加起來不會超過一個下午，但能讓你的採購決策從「賭一把」升級成「有依據的選擇」。

同樣的邏輯不只適用 AI 工具——廠商評估是所有重要 SaaS 採購都該做的功課。如果你想把這套方法套用到 ERP、CRM、報價系統等更廣泛的軟體採購，可以聊聊 foreverwebs 的 AI 諮詢與採購顧問服務，我們協助過超過 100 家台灣中小企業把廠商風險評估正式寫進採購流程。