企业买了 AI 却用不起来，缺的不是模型，是 FDE

一家公司买了 AI 会员，给员工办了培训，大家都会写提示词了。三个月过去，复盘一看：AI 被用在了改周报、润色通知上，业务流程一点没变。

这不是员工不努力，也不是模型不够强。这篇先说一个判断：企业 AI 落地失败，多数时候不是技术问题，是缺了一个岗位该干的活。这个岗位，就叫 FDE。

一、没有 FDE 之前，企业卡在哪

工具买回来了，业务没动。核心业务还是靠人记、靠人口头传，AI 根本进不去。

缺的不是一个会用 AI 的人，缺的是把业务翻译成 AI 能干的活、再把经验固化成规则、最后让它在流程里真跑起来的人。没有这个人，再好的模型也只能在边缘打转。

二、打个比方：模型是烤箱，FDE 是写后厨标准的人

一家饭店买了全套进口烤箱，员工只会拿它热剩菜。问题不在烤箱，也不在员工肯不肯学，而在没人干三件事。

第一，没人把“顾客点了一道菜”拆成备菜、火候、上菜一步步流程。第二，没人把老师傅脑子里的火候、手感写成后厨标准。第三，没人盯着这套标准在真实营业里跑起来，跑偏了有人改、有人负责。

FDE 干的就是这三件事，只不过对象从饭店换成了企业业务。没有这个人，烤箱再贵，也只能热剩菜。

三、FDE 到底是什么：三个词就够了

FDE，全称 Forward Deployed Engineer，中文叫前线部署工程师。

一句话：坐在客户现场，把真实业务翻译成 AI 能执行的任务，再把老师傅脑子里的经验固化成规则和系统约束，让 AI 真正跑进业务流程的人。

就是三个词：翻译、结构、落地。

翻译，是把一句含糊的要求拆成一步步能执行、能检查、能兜底的任务。结构，是把靠人记、靠人口头传的经验变成规则、流程和机器关卡。落地，是东西真的在客户业务里跑起来、有人用、出了问题有人负责，而不是演示时跑通一次。

同样叫 FDE，实际上是两种岗位，入行前必须分清。一类是产品型：基于自家 Agent 产品，做某个垂直行业的能力，考核看产品在行业里的落地深度。另一类是定制型：从 0 到 1 给客户做定制开发，考核看这个客户的项目成败。

面试时主动问清三件事：这个岗位是产品型还是定制型；考核看交付数量、客户续费，还是产品沉淀；团队规模和模型能力的关系。有从业者说过一句很准的话，现场堆的人越多，恰恰说明产品和模型越不够用。

四、它是怎么运转的：一条闭环链，加一个诊断工具

FDE 的活不是一锤子买卖，是一条闭环链：

业务需求 → 拆成可执行任务 → 查规则（经验固化成的约束）→ 规则齐全就执行，规则缺失就转人工复核，不硬上 → 执行结果有人复核、有人签字 → 沉淀回产品，变成新规则。

状态就存在三个地方：任务拆解里，规则库里，复核与沉淀里。缺了任何一段，链就断了。只会翻译不会固化，项目换个人就塌；只会固化不会翻译，规则写出来也没人认；翻译和固化都做了却没落地，那就是一份漂亮的方案文档。

拿这条链去诊断企业卡在哪一层，一线实践者良竹的三层漏斗很好用。第一层操作层：买课、买会员、教员工写提示词，门槛最低，绝大多数公司停在这一层。第二层翻译层：把真实业务拆解成 AI 能执行的任务，需要既懂业务又懂模型能力边界的人。第三层结构层：把藏在老员工脑子里的隐性经验固化成规则、流程和系统约束，最难，也最值钱。

所以判断一家公司的 AI 到底在什么水平，别问它买了什么模型、办了几场培训，问它一句话：核心业务里，有哪一步已经从“靠人记”变成了“靠规则跑”？答不上来，它就在操作层。

五、一段 12 行代码，把底线钉死

下面这段代码可以跳过，不影响理解。它只是一个最小闭环模型，用来把上面那条链钉死，不是生产代码，已经实测跑通过：

# 极简演示：FDE 的最小闭环，不是生产代码RULES = {"查库存": "库存<10 时先报警，不直接承诺发货"}defrun(task):# 1 翻译：任务拆成一步# 2 结构：查规则，缺规则不硬上if task notin RULES:return"规则缺失，转人工复核"# 3 落地：兜底有人负责returnf"按规则执行：{RULES[task]}"print(run("查库存"))    # 按规则执行：库存<10 时先报警，不直接承诺发货print(run("给客户打折"))  # 规则缺失，转人工复核

看懂它，就看懂了 FDE 的底线：规则齐全才执行，规则缺失不硬上，兜底永远有人负责。很多上线后出事的项目，恰恰是把这三行反过来写了：没规则也硬上，出了事没人负责。

六、四个最容易搞错的点

第一，FDE 不是 AI 培训讲师。 培训只是操作层的活。媒体深访里有从业者直言，眼下不少进企业的 FDE，做的事说白了就是培训，给客户办 AI 比赛、上 AI 课。如果你长期做的只是讲课和办比赛，你做的不是 FDE，是培训，哪怕工牌上写着 FDE。

第二，FDE 不是会写提示词的人。 提示词是工具，不是岗位。FDE 的产出不是一段写得漂亮的提示词，而是一套能在业务里跑的流程：任务怎么拆、数据从哪来、错了怎么办、谁来复核、谁来签字。

第三，FDE 不是外包驻场写代码。 驻场只是工作地点，不是工作性质。深访里有个判据很准：FDE 的真正目的，是把需求标准化地带回产品里。如果驻场只做一次性交付，做完就走，那和外包没有区别。FDE 的交付要能沉淀、能复用、能变成产品能力的一部分。

第四，FDE 不是售前或者销售。 FDE 确实要懂客户、要会沟通，但考核不一样。销售的终点是签单，FDE 的终点是跑起来、续费。深访里有个扎心的案例：某客户首年掏几十万买头部 AI 平台，第二年完全不续约。首年签约靠销售，次年续费靠真实效果。从第一个项目起就要想，第二年客户凭什么续。

七、它不是银弹：代价要先摊开说

第一，难规模化。翻译和固化都要进现场、摸人、摸老系统、摸脏数据，现场脏活干不干净，直接决定项目成败，换个客户就要重新摸一遍。

第二，容易被培训化、演示化。演示时跑通一次很容易，上线后没人用、第二年不续费，才是真实发生过的现场。从第一个项目起就要想，第二年客户凭什么续。

第三，容易错位。被当技术岗招进来、被当交付工种使用、最后被当销售考核，是这个行业最常见的错位。前面分清产品型还是定制型、问清考核口径，就是第一道护栏。

第四，别拿传闻里的高薪当入行承诺。传闻里的高薪数字是媒体观察口径、未核验，不能当成入行就能拿到的承诺。这行赚的是把脏活干干净的钱，冲着“听说很赚钱”进来的，第一个月就会发现三件事没有捷径：翻译、结构、落地。

说到底，记住一句话就够了：别问企业买了什么模型，问它核心业务里哪一步已经从“靠人记”变成了“靠规则跑”。

答得上来，它在往结构层走；答不上来，它还在操作层，AI 就只能继续改周报、润色通知。

最后留一个问题给你：你见过的那个企业 AI 项目，到底卡在哪一层？是任务没拆开，还是经验没固化？评论区说说你见过的例子，下篇我们再讲岗位画像与能力地图，招聘市场到底在招什么样的人。

素材来源：案例库 FDE-001 良竹三层漏斗、FDE-004《中国企业家》深访拼图（薪酬为媒体观察口径、未核验）；案例站内读：https://cwybruce.github.io/fde-casebook/^[1]

引用链接