2026 年,Agent 爆发, FDE大热。随着模型能力越来越强,FDE会被取代吗?我做企业 AI 落地这些年,看到的是完全相反的结论:模型能力越强,最后一公里越难走,FDE 不是贬值,是在重新定价。这篇讲讲为什么,以及这个角色正在变成什么样。
上个月,一个客户的 CTO 当面问我:"现在 Agent 都能自己跑任务了,你们是不是不用再派人来现场了?"
这是个好问题,也是个错的问题。
对,错。我这两年的体感恰恰相反——Agent 越强,我们派去现场的人越贵,待得越久,干的活越复杂。这篇文章就是想把这个反直觉的事讲明白。
一、先纠正一个普遍的误解
行业里流行一种说法:AI 产品会越来越"开箱即用",集成成本会趋近于零,FDE 这种"搬砖角色"迟早被自动化掉。
这个判断错在哪?错在它假设了"企业需求是标准的"。
但企业需求从来不是标准的,而且模型越强,非标性暴露得越彻底。
举个例子。两年前,大模型只能做点文本摘要、简单问答,客户的需求也简单——"帮我把这份报告缩短一点"。那时候 FDE 的工作确实偏"搬运":接个 API,套个 prompt,交付。
现在 Agent 能自己规划任务、调用工具、多步推理了。客户的胃口立刻就上来了:"那能不能让它自己读完我们十年的合同库,自动识别风险条款,生成审核意见,还能跟我们的法务系统打通,把结果回写到审批流里?"
看到区别了吗?
能力上去了,客户的期望值跟着上去,场景复杂度指数级上去。两年前你交付的是"一个功能",现在你交付的是"一个会自己干活的人的数字替身"。后者的落地难度,比前者高一个数量级。
所以 FDE 不是被淘汰,是被升级了。升级的方向,是从"集成工程师"变成"AI 工作的编排者"。
二、模型变强,数据问题不是消失了,是更尖锐了
有一种天真想法:模型这么强,脏数据也能直接喂。
大错。
模型变强,对数据质量的敏感度反而更高。为什么?因为强模型会在脏数据上"自信地犯错"——它有能力把错误信息包装得天衣无缝,让你根本看不出哪里出了问题。弱模型的错是明显的,强模型的错是隐蔽的,后者危险一万倍。
我最近做的一个项目,客户用上了最新的推理模型,让它自动分析供应链风险。模型给出的报告漂亮极了,逻辑链完整,引用的数据看起来都有据可查。直到有一天,有人发现报告里引用的一个核心数据——某供应商的交付周期——是错的,而这个错误的数据来自他们 ERP 系统里一个三年没更新的脏字段。
模型没有错,它准确地"理解"了喂给它的数据。错的是数据,但这个错被模型的强大能力放大了、美化了、传播了。
这种问题谁来发现、谁来修?还是 FDE。
而且这个 FDE 得比以前更懂业务——他得知道"三年没更新的交付周期字段"本身是不合理的,他得知道供应链的真实状态应该从哪个系统取。这是模型替代不了的判断力。
强模型时代,数据治理的价值不降反升。FDE 的第一战场,永远是数据。
三、Agent 不是 FDE 的敌人,是 FDE 的新武器
很多人把 Agent 和 FDE 对立起来,好像 Agent 强了,FDE 就没…