我们该怎么定义 FDE 呢?
过去一年,如果说有什么最接近 AI 落地的服务模式,FDE 绝对能算一个。可是很长一段时间里,我们对 FDE 的定义都并不统一。
有人把它理解成工程师驻场,有人强调懂业务,还有人把它解释成一种陪跑式服务。但是这些说法都很奇怪。
如果只是“人在客户现场”、“懂业务”,中国 20 年前就已经是 FDE 大国了。无论是售前、外包、部署实施都是现场作业,而我们从不缺行业专家。
我们之所以需要一套叫做 FDE 的方法论,并不是因为以前的人离客户太远,而是因为用以前的 to B 服务模式,很难把 AI 卖出价值和价钱。
传统 To B 服务通常是甲方提出需求,乙方负责实现。但 AI 最大的问题恰恰是,客户自己也不知道应该把 AI 用在哪里。如果还是等客户先把需求定义清楚,再交给供应商执行,AI 落地就变成在旧流程上增加几个新功能。
所以 FDE 真正需要改变的,不是工程师坐在哪里,而是谁来定义问题。
一个真正的 FDE 不应该只是更懂业务地执行需求,而应该能够进入业务现场以后重新判断需求。它的业务核心并不是驻场资格,而是问题定义权。
但我们看那些做 FDE 的,会发现小公司最后做成了外包,大厂做成了售前,咨询公司最后也做成了陪跑。为什么?
中国市场很难长出真正的 FDE。
对大多数小型 AI 公司来说,所谓 FDE 最大的问题不是不懂业务,而是没有议价权。方案一定,合同一签,团队进驻到现场,发现方案不对劲需要推倒重来,怎么办?凉拌,小公司的小团队既没有推翻客户需求的底气,也没有重新定义需求的能力。
所以小公司的 FDE 到最后只能做成外包,一堆人热热闹闹地用 AI 重新发明客户的需求。
大厂和咨询公司呢?
他们都有足够的议价能力,但对于大厂来说,部署自家的智能体、模型、云服务和各种办公套件,比帮客户解决真实问题更加重要。大厂的 FD…