昨晚围观了一场关于 FDE(Forward Deployed Engineer,前线部署工程师)的线上吐槽大会(还不知道「FDE」概念的朋友,可以去参考我这本免费开源书,大概就是讲的就是「企业如何落地 AI」)。
这是一场发生在我的 FDE 社群的、群友自发组织的多人连线会议(原本下周三我会在群里做直播授课,没想到这场活动先将群里的气氛提前搞起来了)。
参与者的背景组成:有研发、售前、咨询、HR,也有人已经在给传统企业做 AI 落地,还有长期服务政府和大型企业的 To B 从业者。
聊了两个多小时,大家对 FDE 这个时下火爆的概念各抒己见。
- 有人认为它是「六边形战士」;
- 有人认为它就是 AI 时代的售前 + 交付;
- 有人认为它本质上还是驻场开发;
- 也有人觉得,FDE 根本不应该被理解成一个职业,而应该理解成一种新的企业服务方式。
但恰恰是这种分歧,让我觉得这场讨论非常有价值。
因为一个新概念刚刚出现时,真正值得看的往往不是它的官方定义,而是:
为什么这么多人突然需要这个概念?
以及:
每个人试图用这个概念解决什么问题?
聊完之后,我对 FDE 有几个越来越明确、同时也可能不那么主流的判断。以下是脱敏整理后的一部分群聊精华。
(对本社群感兴趣的朋友,可访问 FDE4.ai 或点击左下角「原文链接」查看入口)
一、FDE 的爆火,未必首先来自需求爆发
最容易形成的叙事是:
「AI 正在进入千行百业,所以企业需要大量懂 AI、懂业务、又能落地的人,因此 FDE 会成为未来几年非常热门的职业。」
这个逻辑当然成立一部分。
但还有另一半经常被忽略:
FDE 的供给端,也正在发生剧烈变化。
过去几年,软件研发尤其是普通开发岗位的供需关系已经发生明显变化。
一方面,互联网增量减少;
另一方面,AI Coding 正在快速提高单个研发人员的产出。
原来需要前端、后端、测试、产品共同完成的一些工作,现在一个能力较强的人借助 AI,就可能完成相当大一部分。
结果不是「所有程序员都会消失」,而是:
完成同样数量的软件项目,越来越不需要那么多人了。
这意味着大量原本处于企业后端的技术人员,会被迫寻找一个更靠近客户、更靠近业务、更难被标准化的位置。
FDE 恰好提供了这样一个新叙事。
所以我更愿意把现在的 FDE 热潮理解成两个力量的叠加:
企业确实产生了 AI 转型需求;与此同时,大量技术供给正在寻找新的价值锚点。
这两件事情同时发生,才造就了今天的热度。
这也意味着一个需要警惕的问题:
FDE 的供给增长速度,有可能远远快于真正愿意付费的企业需求增长速度。
「越来越多人讨论 FDE」,并不自动意味着「越来越多人靠 FDE 赚到了钱」。
这是两个完全不同的指标。
二、FDE 最大的问题:事情变复杂了,但客户并不想多付钱
传统软件外包有一个非常重要的前提:
客户通常大致知道自己想要什么。
- 我要一个 CRM。
- 我要一个订单系统。
- 我要一个审批流程…
需求经过产品经理拆解,就可以进入研发。
但 AI 项目经常不是这样。
老板可能只会告诉你一句:
「我们公司也要 AI 化。」
接下来所有问题都落到了服务方身上:
- 到底哪个部门值得先改?
- 什么流程适合 AI?
- 数据有没有准备好?
- 准确率多少才算能上线?
- 出了错谁负责?
- 模型应该用哪一个?
- Token 成本怎么算?
- 员工会不会用?
- 上线以后谁维护?
甚至更麻烦的是:
客户自己可能都不知道自己的问题到底在哪里。
于是 FDE 开始承担过去多个角色的工作:
咨询、需求分析、产品经理、售前、研发、交付、培训,有时还得处理组织关系。
从工作复杂度来看,它显然比普通外包更重。
但问题来了:
客户会因此愿意付更多钱吗?
答案很可能恰恰相反。
很多企业老板的第一反应会是:
「现在都有 AI 了,不应该做得更快、更便宜吗?」
这形成了一个非常危险的剪刀差:
乙方承担的不确定性越来越高,甲方对价格的预期却越来越低。
如果没有解决这个问题,所谓 FDE 很容易变成:
一个人干过去三四个人的活,最后只比普通工程师贵一点点。
那不是产业升级,而是高级牛马的新包装。
三、企业老板的「AI 焦虑」,不等于真实需求
这是我认为今天 AI To B 市场里最容易误判的一件事。
你去接触传统企业老板,会发现他们对 AI 的热情可能比技术圈想象中高得多。
ChatGPT、Agent、数字员工、知识库、GEO……
什么火,他们都可能听说过。
尤其是在经营压力比较大的行业里,老板普遍有一种焦虑:
- 别人是不是已经开始用了?
- 我的公司会不会落后?
- AI 能不能帮我少招几个人?
- 能不能提高利润?
这种焦虑是真实的。
但它和有效需求是两回事。
至少要区分三层:
- 第一层:老板愿意听 AI。
- 第二层:老板愿意拿一笔钱试试。
- 第三层:企业确实存在一个可以量化、重复、持续产生价值的问题。
前两层现在很多。
第三层远没有想象中那么多。
有些企业甚至连最基础的信息化、数据沉淀、流程标准化都没有做好,却已经开始思考 AI Agent。
这种情况下,FDE 进去之后才会发现:
自己名义上是在做 AI,实际干的是数字化改造、流程咨询甚至管理咨询。
所以未来做企业 AI 服务,一个非常重要的能力不是「发现需求」,而是:
判断一个需求究竟是真的业务问题,还是老板焦虑的投射。
这两个东西,价格完全不一样。
四、真正适合 FDE 的企业,可能不是最传统的企业
一个很有意思的问题是:
什么样的公司最适合做 AI 改造?
直觉上,大家容易想到那些特别传统、几乎没怎么数字化的公司。
因为「改造空间大」。
但实际做起来,这类客户可能反而最难。
如果一家企业:
- 没有数据沉淀;
- 没有统一系统;
- 流程高度依赖人工;
- 员工电脑使用水平有限;
- 大量知识存在于微信…