FDE：AI落地最火的岗位，也可能是最短暂的岗位

技术领域总有一些岗位会突然爆红，FDE（Forward Deployed Engineer，前沿部署工程师）就是当下AI圈最炙手可热的职位之一。OpenAI、Anthropic等大模型厂商都在大规模扩招这个岗位，招聘页面上密密麻麻的FDE岗位需求，似乎在印证着这个职位的火爆程度。这个角色的定义也很典型：深入客户现场，理解真实问题，从技术方案设计到系统架构搭建，再到生产环境部署，最后将发现的问题反馈给产品和模型团队。在AI从实验室走向千行百业的当下，FDE似乎成为了连接技术与商业的关键桥梁。

概述

FDE的岗位需求并非凭空出现。当大模型Demo惊艳全场之后，真正的挑战才刚刚开始。模型能力虽强，但高度概率性的输出与企业需要的高确定性执行之间存在巨大鸿沟。企业运行了二十年的复杂系统、有数百年历史的业务流程、沉淀在ERP和Excel里的数据资产，都是AI落地必须面对的现实。FDE就站在这个Gap里，他们既懂模型，又会写代码，还能和业务人员沟通，帮助客户把跑不起来的Demo真正塞进生产环境。这种复合能力，恰恰是当前市场稀缺的。

为什么这个岗位让我想起二十年前的咨询顾问

在IBM工作的那些年里，咨询顾问是一个非常值钱的职业。当时企业正在快速信息化，但真正经历过全球化IT建设的人凤毛麟角。大型集团的ERP如何规划、全球IT架构如何设计、项目管理怎么做、数据体系怎么建——这些Know-how在每个国家都非常稀缺。企业表面上买的是Consultant，实际上买的是一种巨大的知识差：你知道，而我不知道；你在全球几十家公司见过，而我第一次做。但后来发生了什么？企业自己的CIO、CTO和IT团队越来越成熟，大家做过SAP，建过数据仓库，踩过无数坑。过去只有少数国际咨询公司掌握的方法论，逐渐变成整个行业的常识。大量工作从Consulting变成Implementation，再从Implementation变成Outsourcing。

三股力量正在压缩FDE的价值空间

今天的FDE正好处在三股力量的夹击之中。第一股力量来自模型本身。今天很多FDE的价值，是因为大模型还不够聪明，需要工程师写代码、调Prompt、做RAG、Debug Agent。但过去几年大模型进步最快的恰恰就是这些领域——Coding Agent已经能完成大量代码工作，模型开始自己管理Context，逐渐具备Evaluation和Debug能力。模型每升级一次，都在吃掉一部分FDE的技术优势。第二股力量来自软件本身的变革。今天为什么需要人深入客户现场改那么多东西？因为传统SaaS的逻辑是产品先行、客户适配，而下一代软件很可能是“核心越来越硬、外围越来越软”——Security和Governance必须确定，但Workflow和Business Logic可以由Agent根据企业Context动态生成。当Agent Stack越来越成熟，今天由FDE手工完成的大量Glue Code和Integration工作，会逐渐变成软件产品的内建能力。第三股力量来自企业自身。当企业逐渐完成Data Governance、Ontology和Workflow的整理后，过去掌握在外部FDE手中的Know

企业真正缺的，可能根本不是更多FDE

很多CIO面对AI落地困难，很容易得出一个结论：是不是我的AI工程师不够？是不是应该找更厉害的FDE进来？但做过真正企业项目的人都知道，很多问题根本不是技术问题。假设明天给一家企业派来十个全世界最优秀的FDE，他们首先还是得问：库存数据哪个系统才是准的？采购超过多少钱需要审批？什么样的结果才算Agent把事情做对了？如果这些问题企业自己都回答不清楚，再好的大模型也没用，再贵的FDE也只能陪着企业一起猜。所以企业真正应该为AI做的准备，其实是“一图、一表、一流程”：“一张图”是把企业真正的业务世界画出来，告诉AI你的企业长什么样；“一张表”是把数据真正讲清楚，指标怎么定义、哪个系统是Source of Truth；“一条流程”是把事情怎么完成讲清楚，从输入到判断到执行到审批到异常处理。只有把这些梳理出来，Agent才可能从“会聊天”进入“会干活”。

如有侵权，请联系删除。