夜雨聆风学习资料网

ARTICLE · 1177779

银行不设 FDE 岗,但政策已经把事儿说明白了

银行不设 FDE 岗,但政策已经把事儿说明白了

本文看点

01

政策里那十二个字的人才标准,怎么用

02

FDE 为什么偏偏现在火

03

对银行人的三个判断与一分钟自评

8 月 31 日,工信部办公厅发了一份文件。你在行里刷手机刷到过,大概率划走了——标题里是“人工智能应用服务商培育专项行动”,看着像给科技公司定的规矩。

但里面有一句话,我认为每个银行人都该停下来看一眼:

REFERENCE

“鼓励服务商搭建前线部署工程师(FDE)团队,扎根用户现场,保障场景落地。”(工信厅科函〔2026〕414 号原文)

FDE,前线部署工程师。这个词第一次写进部委政策。

它跟银行人有什么关系?结论先放这里:

政策说的不是让银行设 FDE 岗位,而是给“懂业务的人”标了价。中小银行大概率永远不会招聘 FDE,但这种岗位背后的工作方式,你可以先培养出来。

AI 时代银行缺的从来不是技术,是把技术和业务缝起来的人。这份文件,缝的就是这一针。

下面分三段讲。

01

THE STANDARD

文件里那十二个字,是给 AI 时代的人定了个标准

先看这份文件到底在干什么。工信部要建全国服务商资源池,2026 年底要装进 2000 家服务商,2027 年底 3000 家——国家在把“帮你用 AI”这件事当基础设施来铺。

文件里除了 FDE,还有一句容易被划过去的话:批量培养“懂业务、通模型、知安全、能交付”的复合型应用人才。

十二个字,四个维度。

注意,这不是我概括的,是政策原文的表述。部委文件措辞向来克制,能把人才标准写得这么具体,说明一件事:AI 落地卡住的从来不是技术,是“既懂业务、又懂模型、还知道安全边界”的人太少。

这四个维度怎么用?文末给你一个自评方法,一分钟出结果。

02

WHAT IS FDE

FDE 是什么:一个二十年前就有的老故事

FDE 不是新造词。二十年前,Palantir 把复杂软件卖给政府客户时发现,“卖张光盘让客户自己装”根本行不通,只能把工程师直接派到客户现场,把软件真正跑起来。这就是 FDE 的前身。

那为什么偏偏现在火?因为大模型把这段路的重要性放大了。

现成的大模型是通用的,但企业要的是把它接进自己的数据、流程、权限、合规要求里,调成稳定可用的样子。这段路,远程交付做不到,客户自己短期也搞不定,必须有人驻场走完“最后一公里”。

有个“6 比 1 法则”可以感受下量级:企业每花 1 块钱买软件,差不多要花 6 块钱请人把它用好。以前科技公司只赚那 1 块,现在那 6 块也盯上了。

巨头用真金白银投了票。OpenAI 单独立起约 40 亿美元的企业级 AI 部署业务线;微软宣布招6000 名 FDE,AWS 招3000 名。国内,字节、阿里云也把 FDE 服务做成了产品上架。

我的判断就一句:

模型不难买,落地难做。

难的那部分,全在“懂业务的人”和“懂模型的人”中间那段空档里。政策点名的,就是这个空档。

03

THREE JUDGMENTS

对银行人意味着什么:三个判断

判断一:别等行里设岗

政策原文说的是“鼓励服务商搭建 FDE 团队”。服务商,是给银行做方案的那帮公司,不是银行自己。指望哪天行里给你一个“FDE”的头衔,大概率等不到。

你可能也见过这种场景:行里上线一个 AI 系统,通知发了、培训做了,三个月后一线还在用 Excel。系统不缺,缺的是把它焊进业务流程的那个人。

判断二:中小行请不起驻场,所以更得自己培养

行业里讨论 FDE,默认画面是科技公司派工程师进驻大客户。但现实约束明明白白:国内 AI 项目客单价低、客户不愿为服务付费,服务商做一单常常亏一单。中小银行根本排不进服务商的客户名单。

这不是坏事。最后一公里反正在你自己脚下,别人替你走不了。

大行可以买服务,小行的“业技融合”,只能落在行里那几个本来就懂业务的人身上。

判断三:先干后认

“多数中国公司不是研究 Palantir 后照搬,而是 AI 项目落地后发现旧组织接不住结果,才长出 FDE 工作方式。”

名字都是后来才有的,活早就有人干了。回想你身边:谁是那个既懂业务、又自己动手折腾工具、还敢对结果签字的人?那就是FDE 式的工作方式,跟头衔无关。

所以这句话我才愿意原样搬过来:FDE 不是岗位,是一段结果责任。

我自己就走过一遍这个“先干后认”。

我的预测:三年内,中小行也不会有 FDE 这个头衔,但每个行里都会冒出几个“什么都自己捣鼓”的人——组织说不清他们是什么岗,但什么都绕不开他们。

2024 年,行里刚组织过 AI 专题培训,我听完就上手了。当时正给行领导写发言稿,我打开网页版豆包,把要求说完,稿子瞬间出来了。要知道以前一篇初稿,前前后后至少磨一天。那一刻我是真觉得眼前一亮。

然后呢?然后我弃用了大半年。原因很朴素:AI 写的始终不是领导想要的风格,改来改去不如自己写,这件事又退回了手写模式。

直到 2026 年换上了“龙虾”——一个开源的 AI 智能体平台 OpenClaw,因为吉祥物是只红色太空龙虾,圈内都这么叫。它能记住我的偏好,按领导的风格行文,稿子越来越像“我写的”,质量稳定下来,这事才算真正焊进我的流程。

你看,中间隔的那大半年,卡住我的不是技术,恰恰是十二个字里的第一项——懂业务。AI 不懂领导的风格,就出不了能用的稿子。这一项,工具替你补不了,得你自己培养。

∞

ACTION

今天能做的动作

打开那十二个字的标准,给自己打个分,每项 1–5 分:

懂业务

你知道数据在哪、谁担责、一线真用不用吗?

通模型

你判断得了 AI 给的输出可不可信吗?

知安全

你知道哪类数据不能碰、哪些动作要留痕吗?

能交付

你做的东西真的在跑,还是停在演示?

四项里分数最低的那项,就是你接下来三个月该补的。政策把人才标准定好了,剩下的事,一个人也能开始。

这是我“FDE 系列”的第一篇。下一篇讲:中小行没有空降兵,怎么自己培养出一个 FDE。

END

我是烨问,银行 13 年、12 个岗位,

如果你觉得今天这篇有收获,欢迎点赞、在看、转发,转给那个“正在自己折腾工具”的同事,我们下篇见。

#FDE #银行人 #AI落地 #人工智能 #银行业 #职业发展 #工信部 #AI工具 #职场干货

相关学习资料