当 AI 圈疯抢 FDE,学绩效改进的人该笑了

最近，AI 圈在疯抢一个“新”工种。

它叫 FDE，Forward Deployed Engineer，前线部署工程师。

据 Indeed Hiring Lab 的分析及《金融时报》的报道，2025 年 1 月至 9 月，FDE 相关岗位发布量增长超过 800%。

OpenAI、Anthropic 等公司也在持续招聘这类岗位。

一、FDE 到底是什么

一句话：深入客户业务现场，为真实业务结果端到端负责的工程师。

他会陪客户从识别问题、确定范围、设计方案、开发原型，一直到生产上线，最后用实际采用率和业务结果验收。写代码，只是其中一段工作。

这类角色并非新发明。Palantir 早期服务政府、情报机构时，就是这么干的：

数据出不了安全环境，需求又写不清楚，工程师只能驻进现场，边理解业务边做工具。

为什么这两年突然走红？

企业 AI 正在撞上“从演示到结果”的鸿沟。

2025 年，MIT NANDA 的一份初步研究发现，在其考察的企业生成式 AI 项目中，约 95% 尚未产生可衡量的损益影响。

这个数字，不能直接读成“95% 的 AI 技术失败”。报告衡量的是损益影响。

常见的障碍是：

▪ 工具没有进入工作流程；

▪ 数据和流程没有理顺；

▪ 系统难以学习企业的具体语境；

▪ 演示做得很漂亮，却没人对业务结果负责。

FDE 重新走红，正是这个变化的结果。

二、学绩效改进的人，为什么越看越眼熟

FDE 和绩效改进并非同一职业，但有三组相似的工作逻辑。

第一，都带着真问题进场。

Palantir 的 AIP Bootcamp（AI 平台实战营），客户带着真实数据和场景来，与工程师一起，五天内做出初始用例。

绩效改进工作坊也一样：学员带着真实课题进场，现场诊断、还原工作、寻找关键控制点。

关键差别在交付深度。

很多传统工作坊止于方案和共识，FDE 会继续把方案做成可运行原型，甚至推入生产环境。

第二，都先把业务还原清楚。

FDE 通过 Ontology（业务本体模型），把业务对象、关系、规则和动作组织成可运行的业务模型；

绩效改进通过价值链、工作画布等工具，把结果、行为和数据显性化。

两者的技术实现差异很大，但共同点是：都要先把模糊的业务问题，还原成可分析、可干预、可验证的结构。

这一步没有做对，AI 跑得越快，偏得也越快。

第三，都优先改变环境，少把问题归咎于个人。

绩效改进强调“先技控，再人控”：先检查数据、要求、反馈、资源、流程、工具和后果。

FDE 会把其中适合工程化的部分写进系统：把要求变成规则，把流程做成工作流，把反馈变成持续改进的闭环。

图1 AI 进入真实业务，需要把两类能力接起来

三、从一张表，到一个能跑的系统

这条路径，“技控”实践已经走了一遍。

第一届中国企业技控大赛的金奖案例中，已经出现了存量房税费计算器、销售品速查手册这类工具。

到了第七届，深圳市机场股份有限公司用小程序把国内出港航班逾重行李平均收费时长从 371 秒缩短到 33 秒。

在去年第八届中，广东电信佛山分公司将点检人员单次点检动作耗时从 10 分钟压缩到 1 分钟；

上汽大众则让系统自动采集、比对1.5万多个焊点的数据，参数巡检1秒完成，并结合智能算法和设备健康度模型，全年降低焊装车间运维费用192万元。

AI 让“技控”第一次拥有如此强的工程实现能力，也在推动绩效改进形成新的交付物。

图2 技控工具从规则载体走向智能系统

四、先别急着说：绩效改进者就是 FDE

FDE 归根到底是工程角色，需要界定技术范围、设计系统、编写代码、完成集成并推动生产上线。

大多数绩效改进从业者不写生产级代码，也没有必要把自己变成程序员。

绩效改进者通常更熟悉另一类能力：业务诊断和结果验证。

客户描述的是真问题，还是表面现象？应先改哪些数据、标准、流程、工具？哪些问题仍需通过人员能力提升解决？这个场景是否适合使用AI？上线后又该用什么指标验证效果？

这些问题正是绩效改进者长期训练的内容。

五、FDE 走红，给我们的三个信号

1.诊断能力没有过时，反而更值钱。

AI 让“知道”越来越便宜，几秒钟就能生成一份方案。

但方案能不能使用、关键指标是否改变，需要结合现场、数据和评价设计来判断。给答案越来越便宜，定义好问题越来越昂贵。

2.只会诊断已经不够。

工作停在“一张方案纸”，价值也会停在那里。

我们可以自己学习低代码、智能体和自动化工具，也可以与有工程能力的人组成混编小队，把诊断结果翻译成可开发、可测试的工程需求。

3.培训的交付物正在改变。

Josh Bersin 的研究估算，企业每年在学习、培训内容、技术平台、培训师和咨询服务上的投入接近 4000 亿美元。

客户不会再只看满意度，还会继续追问：学完以后，工作发生了什么变化？业务结果改变了吗？

写在最后

学绩效改进的人确实可以笑，但别笑得太早。

FDE 走红说明，市场正在重新重视三种能力：诊断真实问题、改造工作环境、交付业务结果。

我们不必改名叫 FDE，但要补上 AI 工程化这一半。所以你现在更强的是哪一半？最想补的是哪一半？欢迎在评论区聊聊。

参考资料

1. Salesforce：Forward Deployed Engineers Are Proving AI Makes Tech Jobs More Human（援引 Indeed 与《金融时报》分析）

2. OpenAI Careers：Forward Deployed Engineer

3. Palantir：Q4 2023 Business Update，AIP Bootcamps

4. Palantir 官方文档：Introductory Concepts，Ontology

5. MIT NANDA：The GenAI Divide: State of AI in Business 2025

6. Josh Bersin：How AI Transforms $400 Billion of Corporate Learning

7. 中国企业技控大赛案例资料：深圳市机场股份有限公司、广东电信佛山分公司、上汽大众汽车有限公司等案例。