AI 的「不确定性」写在合同里了吗:服务级协议的五个空白

📅 2026/4/26 ✍️ 小文 📖 约 1 分钟

和传统软件不同,大模型服务无法承诺确定性输出。采购和法务团队常按 SaaS 模板签合同,留下响应时间、可用性、模型变更、数据使用的空白。本文列出五个必须谈的条款。

采购模板的错配

企业买 SaaS 有一套成熟模板:99.9% 可用性、工单响应时限、数据加密、审计报告。这套模板搬到生成式 AI 上会失效,因为它的核心假设是”同样的输入得到同样的输出”,而大模型服务恰恰不保证这一点。

结果是一批合同里写着”99.9% 可用”,但业务高峰期大量 429;写着”服务稳定”,但厂商悄悄换了背后模型;写着”数据不用于训练”,但没有覆盖人工审阅。

下面五条,是近两年企业采购 AI 时最容易留白的地方。

空白一:可用性的定义

传统可用性按”请求是否成功返回”算。AI 服务的失败有三种:

  1. 硬失败:5xx、超时。
  2. 软失败:返回 200 但被内容安全策略拦截,或返回空字符串。
  3. 降级:请求被路由到更小/更旧的模型,能答但质量下降。

多数 SLA 只算第一种。你需要补充:软失败算不算不可用?降级是否需要告知?如果厂商在高峰期自动把请求切到小模型,这对你的业务可能比直接报错更糟糕,因为错误是可见的,降级是隐形的。

谈判落点:要求提供降级事件的统计口径,并在合同中约定”显著降级需 24 小时内通知”。

空白二:限流不是”故障”

几乎所有 API 都有 RPM/TPM 限制,而限流产生的 429 通常不写入可用性统计。也就是说,厂商可以一边给你 99.9% 的报表,一边每天限你几十次。

谈判落点:把”约定吞吐量”单列,而不是只谈最大峰值。写明”在已购买的配额内,429 率不超过 X%“,并约定超额时的排队策略(是立即拒绝还是排队多久)。

空白三:模型变更

这是最实质的一条。厂商升级模型是常态,但对你的业务是行为变更:提示词可能需要重调,输出格式可能偏移,之前压下去的边缘案例可能复发。

合同里要写清三件事:

  • 变更通知期:至少提前 30 天,并说明变更范围(参数、上下文长度、定价)。
  • 旧版本保留期:能不能继续调旧模型,保留多久(很多厂商给 3–6 个月的弃用窗口)。
  • 变更后的回归责任:新版本导致你的评测集通过率下降时,是否可申请退款或回滚。

如果你做的是高风险场景(合同审查、医疗、金融),“能不能钉版本”比”模型多强”重要得多。

空白四:数据的完整生命周期

“不用于训练”只是其中一句。要确认的还有:

  • 是否用于人工标注审阅?很多条款把”服务改进”写得很宽,人工查看日志就包含在内。
  • 日志保留多久?能否关闭日志留存(zero data retention)?
  • 是否跨境传输?你的数据落在哪个区域?
  • 删除请求的时效?删除后备份里还有没有?

谈判落点:要求一份数据流图,而不是只有一句声明。对涉及个人信息的场景,zero retention 选项通常是必须项。

空白五:责任边界

模型给出了错误建议导致损失,谁负责?多数合同把它划给客户。这合理,但需要明确边界:

  • 厂商对”模型输出内容”不担责,但对”服务未按其承诺运行”担责——这两个要分开写。
  • 内容安全误拦截导致业务中断,算不算服务缺陷?
  • 如果厂商的模型更新引入了已知缺陷(如在特定语言上退化),通知义务如何界定?

一份可复用的检查清单

条款要问的问题
可用性软失败、降级是否计入?口径是什么?
吞吐配额内 429 率上限?超额排队还是拒绝?
变更通知期多久?旧版保留多久?
数据是否人工审阅?可 zero retention 吗?区域?删除时效?
责任输出内容与服务运行的边界如何划分?
退出迁移时能否导出历史数据与配置?

一个务实的建议

如果对方不接受逐条修改(大厂 API 通常如此),至少把关键预期写进你自己的架构里:钉住模型版本、做多供应商冗余、把评测集做成上线门槛、日志自己留一份。

合同是兜底,架构才是第一道防线。当你无法通过条款获得确定性时,就只能通过设计获得可替换性。

📤 分享到