目录
- 隔壁桌的六个人
- FDE 是什么
- 谁会真正需要 FDE
- 中小企业的“非战略需求”
- 为什么一定是老板发起
- 把 AI 从工具变成方法
- 写在离店之后
摘要:一顿午饭的间隙,听见六个男人谈 AI 的销售、推广与落地。回到座位,我把那些碎片重新拼成一张更完整的地图。
我不是去“调研”的。只是中午出去吃饭,店里坐得满,服务员把我安排在靠走道的一张小桌。隔壁桌六个男的,说话声音不算大,但密度很高:一句话里能同时出现“海外”“CTO”“前线”“交付”“渠道”“老板”“替代焦虑”。你很难不被吸进去。
隔壁桌的六个人
他们点的是那种“都成式”的饭:碗里有主食,有几样配菜,吃起来快,聊起来更快。大概能分成两拨人:一拨像销售,一拨像技术。中间坐着两位“更像领导”的人,讲话节奏更慢,但每句话都在定方向。
技术那边先开场,带着一点“人物介绍”的味道:对面的男生是海外留学回来的,接触 AI 十多年;之前在某家大厂(他没说名字)做过 CTO;后来出来创业,现在做的是一款“图片设计”相关的工具。销售那边不急着反驳,只问了一个问题:“那你们现在最怕的是什么?”
技术笑了一下,说了三个“怕”:怕客户想得太大,落地太慢;怕员工一上来就抵触;怕到最后大家都在谈模型,没人去谈“谁来把模型真正送到前线”。
然后话题很自然地落到三个点上:一个热词 FDE(前线部署工程师) 到底是什么;AI 工具对中小企业“有需求但不算战略需求”到底意味着什么;以及为什么 AI 工具往往必须由老板发起才能推得动。
FDE 是什么
“FDE 前线部署工程师”这几个字,最近确实吵得很火。隔壁桌的技术把它说得很直白:它不是在办公室写方案的人,而是把方案带到客户现场、带到业务最前线,让它真实跑起来的人。
你可以把 FDE 想象成一种“工程化的翻译器”。他既要听得懂技术同事说的“模型、插件、RAG、Agent、权限、调用链”,也要听得懂一线同事说的“这个按钮到底能不能少点、这个流程能不能快点、这个结果能不能稳一点”。更重要的是,他要把两边的语言转换成可执行的动作:接哪套系统、改哪个流程、加什么权限、怎么灰度、出了问题谁背锅。
一句话定义
如果售前负责把“可能性”讲清楚,研发负责把“能力”做出来,那么 FDE 负责把“可能性”变成“习惯”:让一线的人每天都用、用得顺、用得放心。
为什么它突然火了
技术那边提到一个现象:过去企业买软件,买的是“系统”;现在企业买 AI,买的是“效果”。系统可以靠培训、靠制度推下去;效果推不下去就会立刻被质疑:为什么我们接了模型,还得手工复制粘贴?为什么每天同一类问题,答案忽好忽坏?为什么一旦换个部门就不能用?
AI 让“交付”变得更像一门工程:你要接数据、做权限、控风险、写提示词、迭代评测、处理异常、跟业务一起打磨。任何一个环节掉链子,业务感知到的就不是“差一点”,而是“完全没用”。当客户越来越在意“真实可用”,自然就需要一类更靠前的角色。
它到底做什么
隔壁桌的讨论里,FDE 的工作清单没有被写成条目,但我能把它归成三块:
第一块:部署与集成。把 AI 能力嵌进客户现有系统:知识库怎么取数、权限怎么继承、日志怎么留痕、调用链怎么追踪、敏感信息怎么脱敏。做得好的 FDE,会把“能跑”变成“可控地跑”。
第二块:场景与流程改造。很多企业不是缺一个模型,而是缺一段“用模型替换掉原流程”的设计:哪个环节让 AI 做初稿,哪个环节必须人工复核,哪个环节可以直接自动执行。FDE 经常要坐在业务旁边,看他们怎么点、怎么骂、怎么绕开系统,然后把这些“真实行为”变成改造方案。
第三块:效果评测与迭代。AI 的问题不总是“报错”,更多是“说得不对”。要建立评测集,定指标,做 A/B,定位失败样本,再回到提示词、知识库、工具调用、权限策略里去改。这类工作既不像纯研发那样做大功能,也不像纯运维那样盯资源,而是夹在中间,持续把效果拉上去。
它和售前、交付、运维有什么区别
如果你在 ToB 做过项目,会觉得这些角色听起来都很像:都要去客户现场、都要处理问题、都要“把事办成”。隔壁桌的技术给了一个很形象的区分:售前更像“把路讲清楚的人”,交付更像“把路铺平的人”,运维更像“确保路不断的人”,而 FDE 更像“陪客户走一段的人”。
陪走这段路的难点,是路上会不断出现“未被写进合同、未被写进需求”的问题:业务临时换流程、数据源突然不可用、权限体系比想象中复杂、某个部门突然不同意共享知识、领导想看一个“今天就能演示”的效果。FDE 不一定要把所有问题都亲手解决,但他必须能把问题拆开,能让研发、产品、售前各自接住自己那一段。
FDE 的价值往往体现在“减少摩擦”
AI 项目最消耗人的,不是一次性写代码,而是无数次小摩擦:每一次“权限不对”、每一次“接口不稳定”、每一次“一线宁愿手工也不愿点按钮”。FDE 做得好的时候,你很难在报表里直接看到他,但你会看到:投诉少了、返工少了、上线周期短了、续费更顺了。“我们最怕的是,客户以为自己买到了一个聪明同事,结果交付完发现只买到了一个会聊天的窗口。”
“我们最怕的是,客户以为自己买到了一个聪明同事,结果交付完发现只买到了一个会聊天的窗口。”
隔壁桌技术说完这句话,销售那边的人点头点得很快。
谁会真正需要 FDE
如果你把 FDE 理解成“高级实施”,那它听起来像是所有公司都需要。但事实上,它更像一种在特定阶段才会出现的岗位:当企业已经愿意把 AI 放进核心流程,却又不愿意把风险交给“黑盒”时,就会需要一个站在前线的人。
典型需求方
第一类:做 ToB AI 产品的公司。尤其是那些卖“能力”的,而不是卖“固定系统”的公司。能力需要被嵌入,嵌入需要现场,现场需要一个能扛住“第一天就要有结果”的人。很多团队会在售前、研发、交付之间来回拉扯,最后发现最缺的是一个能把所有东西串起来的人。
第二类:AI 改造强、系统复杂的甲方。比如有多套业务系统、数据源分散、权限体系严苛的单位。它们内部如果没有“懂业务又懂工程”的人,AI 项目会非常容易变成“演示很好、上线很难”。有些甲方会把这个岗位叫“AI 应用工程师”“智能化实施负责人”,本质都很接近。
第三类:强调合规与可追责的行业。当你必须解释“为什么给出这个答案”“这段内容从哪里来”“谁在什么时候触发了什么动作”,就需要把每一步都工程化:数据、权限、日志、回滚、灰度。FDE 既要懂技术,也要懂边界。
哪些人适合做 FDE
隔壁桌给出的画像很有意思:不是“最强的算法”,也不是“最会讲 PPT 的售前”,而是经历过一线挫败的人。
如果硬要总结,FDE 通常具备三种能力的组合:能写代码做集成(至少能独立…