FDE · BUSINESS TRANSLATION
客户说出来的是明线,真正决定AI能不能落地的,往往藏在那条暗线里。
最近,FDE这个岗位一下子火了。OpenAI的招聘页面上,从旧金山、纽约、西雅图,到伦敦、东京、新加坡,都能看到Forward Deployed Engineer的职位。
我看到这些讨论时,感觉还挺奇妙。因为大家最近才开始给这份工作起名字,而我已经在企业现场干了一年多。
这一年多,我给央企、外贸、连锁餐饮和出海企业交付过AI项目。从第一次开需求会,到拆业务、整理资料、搭系统、培训员工,再到项目上线后的反复调整,我几乎把FDE这条路从头到尾走了一遍。
所以我很确定,这个岗位会越来越值钱。但真正值钱的地方,跟很多人理解的不太一样。它不在于你能写多少代码,也不在于你一晚上能搭多少个Agent。
技术当然重要,官方岗位说明甚至明确要求FDE能够参与生产级代码和完整系统交付。可技术更像门票,真正拉开差距的是另一种能力,你能不能钻进一家企业,把客户自己都说不清楚的问题挖出来,再翻译成AI可以执行的工作。
我把这件事分成两条线。客户说出口的是明线,真正决定项目成败的是暗线。
先说结论
客户说出口的是明线,真正决定AI能不能落地的,往往藏在那条暗线里。
01
WHAT IS FDE
FDE干的不是技术外包,而是把AI送进业务现场
FDE的全称是Forward Deployed Engineer。这个名字听起来很技术,简单理解,就是不只坐在模型公司里研究能力,而是直接进入客户的业务现场,和客户一起把AI做成能运行的系统。
OpenAI对这个岗位的描述很完整。FDE要负责需求发现、技术范围界定、系统设计、开发和生产上线,还要用真实采用率、工作流影响和评测反馈来衡量结果。代码只占其中一部分,前面要听懂业务,后面还要推动真正使用。
所以我不太愿意把FDE理解成一个更高级的程序员,也不觉得它只是售前、顾问或者项目经理换了一个新名字。它站在业务和技术中间,两边的话都要听懂,两边的责任也都躲不开。
客户说想要一个智能体,你不能只问用哪个模型。你还得知道谁会使用、资料从哪里来、什么情况算答对、出了错谁负责、接进原有系统以后会不会有人真的打开。FDE交付的不是一个演示,而是一项可以持续运行的工作。
▲ OpenAI官方岗位说明同时强调需求发现、系统交付和业务结果
02
THE BRIGHT LINE
客户说出口的需求,通常只是明线
这一年多,我听过很多企业表达AI需求。想做知识库,想搭智能客服,想让AI写内容,想让员工学会豆包和DeepSeek,想把周报、表格和客户资料自动处理。
这些话都没有错,只是它们经常已经带着一个现成答案。客户还没有把真正的问题讲清楚,就先决定了要做知识库、智能体或者自动化。FDE如果照着这句话直接开工,很容易把客户的方案当成客户的需求。
我把这类能在会议上直接说出来、也能写进项目清单里的东西叫做明线。它有名称、有交付物,看起来很清楚,双方也最容易围绕它讨论功能、时间和价格。
麻烦就出在这里。明线越具体,项目团队越容易产生一种错觉,觉得需求已经清楚了。于是大家开始选模型、画架构、搭页面,等到系统做出来才发现,员工不用、数据不对、结果没人敢签字。
很多AI项目不是做不出来,而是从一开始就做错了问题。
KEY POINT
很多AI项目不是做不出来,而是从一开始就做错了问题。
▲ 客户说出口的明线,只是完整需求的一部分
03
THE DARK LINE
真正决定项目成败的,是藏在下面的暗线
明线下面,通常还压着一条暗线。它不是客户故意不说,而是很多业务规则已经变成了习惯,连客户自己都很难一次讲清楚。
客户说想做知识库,明线是把资料放进去,让员工可以提问。暗线可能是同一件事不同部门有…