花了80万买AI系统,上线那天才发现没人会用

这是「FDE：把模型带进责任链」连载的第一篇。这个系列会用 20 天，把一个正在从硅谷火到国内的岗位彻底讲明白——它是什么，为什么难，到底怎么做。今天先从一个花了 80 万的故事说起。

上个月，一个做教育的朋友跟我说了件事。

他公司花了80万买了一套AI智能体系统。供应商演示的时候效果惊艳：自动批改作业、自动生成学情报告、自动给家长写反馈。老板当场拍板。

结果上线那天，技术团队到现场部署，发现对不上。

客户的CRM系统和AI系统字段不一致，老师们的使用习惯和产品设计逻辑完全是两套语言。供应商那边折腾了三天，最后留下一句"你们的数据需要先清洗"，就走了。

系统搁在那里。到现在没人用。

我听完没说话，因为这种事我见过太多次了。

不是供应商不行，是中间少了一层

很多人听完这个故事，第一反应是骂供应商：技术烂、忽悠人、售后差。

但你如果做过B端AI交付，就会发现问题没这么简单。

供应商的技术大概率是好的。至少在他们的环境里、用他们准备好的数据、跑他们设计好的流程，那套系统是能惊艳的。问题在于——客户的环境不是供应商的环境。

客户的数据库字段是这几年堆出来的，乱的。客户的业务流程是各部门博弈后形成的，弯的。客户员工的使用习惯是十几年养成的，硬的。

这些"乱、弯、硬"的东西，供应商在远程开发的时候根本看不见，需求文档里也写不全。等到了现场，才发现每一样都得重新接。

那谁来接？

技术团队说我只负责把系统装上。业务团队说我又不会改系统。供应商说我的人不够用，远程支持可以，驻场没预算。

于是那个鸿沟就永远敞在那里。

AI系统真正出问题的地方，从来不是上线，是上线之后。 演示能惊艳，是因为用的是供应商准备好的理想数据。现实里没人帮你准备理想数据，没人帮你理顺流程，没人帮你把员工的旧习惯换成新习惯。

这中间，缺了一个人。

一个能在现场、看得懂业务、改得了系统、并且愿意对"用起来"这件事负责的人。

你可能觉得这就是个别供应商拉胯。我再讲一个我自己的经历。

今年上半年，我们给一家私募基金做AI投研智能体。系统开发得很顺，到部署阶段，如果按传统模式，就是技术团队去把系统装上、培训一下、走人。

但我们派了一个人驻场两周。

第一周，他什么"正事"都没干，就坐在研究员旁边看。看到一个研究员每天早上花40分钟，手动把各家券商的晨会纪要整理到Excel里。研究员自己觉得这活儿没什么，习惯了。但驻场的人看到的是一个可以被自动化的环节。

第二周，他现场写了一段代码，把券商晨会纪要的自动抓取、摘要、分类、入库做成了一个流程。研究员原来的40分钟变成了3分钟。

这些事情，没有一件写在最初的需求文档里。

我讲这两个故事，不是想说我们多厉害，而是想说明一件事：这种"现场才能发现的需求"和"现场才能填的鸿沟"，在每一个B端AI项目里都存在。 区别只在于，有没有人去填。

有人去填，系统就能用起来。没人去填，80万买来的系统就在那里吃灰。

而在中国，绝大多数AI项目，没有这个"填的人"。

这个缺的人，在美国有个名字，叫 FDE，Forward Deployed Engineer，前线部署工程师。

最早是Palantir发明的。他们给美国军方和情报机构做数据分析系统的时候，发现一个要命的问题：技术再强，如果没人到现场理解情报分析师到底怎么工作，系统根本用不起来。所以他们派工程师长期驻扎在客户现场，坐在分析师旁边，看他们怎么工作、用什么数据、卡在哪里，然后回到代码层面现场改、现场调。

这个模式被验证有效之后，硅谷的AI toB公司开始大规模复制。现在Palantir、Anduril、Scale AI，甚至OpenAI，FDE都是最大的岗位群体之一。

据Palantir 2024年报披露，他们的FDE团队超过800人，贡献了公司六成以上的收入增长。

你可能觉得这是美国的故事，跟你没关系。

但上个月有一条新闻：字节跳动开始招FDE，开出的月薪是3.5万到7万。 这还只是起步。从硅谷火到国内，这个岗位正在成为2026年大厂砸钱抢人的重点方向之一。

问题是，这个岗位到底是什么？它凭什么这么贵？它和传统实施工程师、售前、解决方案架构师到底有什么区别？以及，最关键的——它在中国能不能跑通？

接下来20天，我会用连载的方式，把FDE这件事彻底拆开。

不堆概念，不贩卖焦虑。我会用真实的案例和对话，每天讲透一个点：

如果你正在做AI转型，或者正在给B端客户做AI交付，这个系列你迟早用得上。

明天第二篇，我来讲Palantir靠这个岗位贡献了六成收入，它到底做对了什么。

最后更新：2026年7月本系列核心论点与案例为从业者口述。文中"80万""40分钟"等数据为具体项目数字，不作为行业普遍结论。