夜雨聆风从 FDE 这个岗位，看企业真正缺的不是会用 AI 的人，而是能把流程重做一遍的人。
我最怕看到一种公司：
老板说公司要全面 AI 化。
工具买了，账号开了，培训也做了。群里每天都有人转发各种 AI 用法，今天是销售话术，明天是周报模板，后天是智能体搭建教程。
看起来挺热闹。
但你真往业务里看，会发现很多动作还是原来的动作。
销售还是把客户信息散落在微信、表格和 CRM 里。
HR 还是一边用 AI 筛简历，一边靠人工反复对齐岗位画像。
运营还是让 AI 写了一堆内容，最后再手动复制、改格式、发群、催反馈。
管理者看了一圈，感觉大家都在用 AI，但公司好像也没快到哪里去。
这时候问题就出来了。
企业缺的不是 AI 工具。
也不是“会打开 AI 问两句话的人”。
真正缺的是一个能把业务流程拆开，再用 AI 重新接起来的人。
最近市场上开始频繁出现一个岗位，叫 FDE。
别把 FDE 写低了
FDE，一般叫 Forward Deployed Engineer，中文常翻译成前沿部署工程师。
但我觉得“部署工程师”这个翻译，很容易把岗位 level 写低。
如果只是部署，那它就是交付。
客户要接模型，他去接。
客户要做 Agent，他去搭。
客户要上线，他去配权限、调接口、测效果。
上线以后效果不好，他再改 Prompt、补文档、做培训。
这类人有价值，但它更像 AI 交付工程师、解决方案工程师、技术实施顾问。
它解决的是：AI 项目能不能上线。
但企业 AI 落地真正卡住的地方，经常不在上线。
上线只是第一步。
更麻烦的是，上线之后没人改流程。
工具有了，部门还是原来的分工。
模型接了，数据还是散的。
Agent 做了，团队还是不习惯用。
Prompt 写了，经验还是没有进入系统。
培训做完，过两周大家又回到老办法。
所以我理解里真正高阶的 FDE，不该只是“把 AI 部署好的人”。
更准确地说，它应该是：从 AI 应用视角，拆解公司业务节点、重构工作流程、连接系统和数据，并对组织效率提升负责的人。
这句话听起来有点重。
但这个岗位本来就不轻。
它要碰的不是工具，是流程
很多企业上 AI，一开始都会从工具入手。
这很正常。
因为工具最容易买，培训最容易做，内部也最容易看到动作。
但真正有价值的 FDE，不会停在“大家用哪个工具”这层。
他会先问：
这个部门每天最重复的动作是什么？
信息断在哪个节点？
判断靠谁的经验？
哪些动作可以交给 AI 先处理？
哪些地方必须人工复核？
这个流程改完以后，谁负责结果？
数据最后能不能回流，变成下一次优化的材料？
比如招聘团队说想用 AI 筛简历。
低配一点的做法，是让 AI 根据 JD 判断候选人是否匹配。
这能提效，但很容易做浅。
因为真正的问题可能不是简历太多，而是岗位画像本身没拆清楚。客户到底要的是“做过类似产品的人”，还是能把业务节点往前推的人？这个岗位给不给权限？直属上级是什么风格？团队现在缺执行，还是缺判断？
这些东西没说清楚，AI 筛得再快，也只是更快地跑偏。
再比如销售团队说想要 AI 销售助手。
表面看是写邮件、写跟进话术、整理客户信息。
但往深处看，问题可能在客户分层、商机判断、跟进节奏、成交概率评估。AI 如果只是帮销售写得更快，未必能让销售转化更好。
FDE 真正要做的是判断：AI 应该放在哪个节点，流程应该怎么改，人应该在什么地方做判断。
这才是难点。
会用工具的人很多。
敢碰流程的人很少。
所以同样叫 FDE，薪资会差很多
这也是为什么 FDE 的市场薪资差异很大。
因为市场上同一个岗位名，背后可能是三种完全不同的需求。
第一种，是交付型 FDE。
它偏客户项目交付、系统部署、Agent 搭建、接口配置、上线支持。国内公开样本里，能看到 20-40K 的区间，也能看到一些更偏交付/实施的岗位落在更低区间。
第二种，是部门级 FDE。
它不一定负责全公司，但能把一个部门的 AI 工作流跑起来。比如招聘、销售、客服、运营、财务、人力。这个人既懂部门业务，也亲手搭过工具、Prompt、Skill、Agent 或自动化流程。
这种岗位在国内通常会更接近中高端应用落地/业务流程改造岗位的定价，具体看公司平台、业务复杂度和授权。
第三种，是公司级 FDE。
这类人已经不是普通交付了。
它更像 AI 应用落地负责人、业务工程化架构师，甚至某种 Field CTO / AI Product Architect。
他要站在公司视角，看获客、转化、交付、服务、协同、管理和数据回流，然后判断哪些流程该重做，哪些节点该系统化，哪些经验该沉淀成内部工具。
海外这个岗位的价值已经更明显。
Rung 在 2026 年 7 月的公开样本里统计到 292 个 FDE 或相邻岗位，披露薪资的岗位中位薪资带大约在 19.7 万到 29.4 万美元之间，高位样本能到 39 万美元以上。OpenAI 旧金山 FDE 岗位公开 base 薪资在 16.2 万到 28 万美元之间。
这组数据不能直接套到国内。
但它能说明一件事：企业开始愿意为“AI 进入生产流程”付钱。
不是为会用工具付钱。
是为能把模型能力变成业务结果的人付钱。
什么人适合做 FDE
如果我从招聘角度看这个岗位，我不会先问他会多少 AI 工具。
工具会变。
今天是这个平台，明天是另一个平台。模型也会变，产品也会变。
我会先看三件事。
第一，他有没有真实业务现场。
只懂 AI，不懂业务现场，很容易做出漂亮但没人用的东西。
FDE 必须知道一个部门每天到底怎么干活。谁输入信息，谁处理信息，谁做判断，谁承担结果，哪里最慢，哪里最容易错。
第二，他有没有动手搭过东西。
只会讲流程，不会动手，也不够。
这个岗位不能只停在咨询建议。至少要能把想法落到工具、系统、表单、自动化、Agent、数据结构里。哪怕不是顶级程序员，也要有把方案做出来的能力。
第三，他有没有推动别人改变习惯的能力。
这是最容易被低估的。
AI 落地最大的阻力，经常不是技术不行，而是人不愿意用。
员工担心被替代，部门担心工作量增加，管理者想要结果但不愿意改机制。FDE 如果只懂技术，不懂组织推动，最后会很痛苦。
真正好的人选，应该能从一个真实业务问题出发，拆流程，选工具，搭系统，推使用，看结果。
这条链路走完，才算有 FDE 的雏形。
再低一档，也得能改一个部门
如果公司级 FDE 现在太稀缺，我觉得退一步也可以。
至少找部门级的人。
比如一个招聘团队里，有人很懂顾问每天怎么工作，也自己做过行业信息检索、简历格式统一、岗位拆解、候选人沟通问题生成、面试反馈整理这些 AI 工具。
这类人不一定能马上重构全公司。
但他能先把一个部门跑起来。
这已经很值钱了。
因为多数公司的 AI 应用，不是死在模型能力上，而是死在“没人知道第一个流程该怎么改”。
部门级 FDE 的价值，就是先在一个场景里跑出样板。
跑通以后，再复制到别的部门。
这比一上来喊“全面 AI 化”靠谱得多。
FDE 和普通 AI 使用者差在哪
普通 AI 使用者解决的是个人效率。
FDE 要解决的是组织效率。
一个人用 AI 写日报，省半小时，这是个人提效。
一个顾问用 AI 整理简历，从 30 分钟变成 5 分钟，这是单点提效。
一个团队把简历整理、行业检索、岗位拆解、候选人沟通、客户反馈、周报复盘串成流程，才开始接近组织提效。
区别就在这里。
个人提效很容易让人兴奋。
但组织提效很难。
因为它一定会碰流程、权限、协同、数据和责任。
这也是 FDE 这个岗位真正有价值的地方。
它不是帮公司多买几个 AI 工具。
它是让 AI 进入公司的工作方式。
最后
我觉得 FDE 这个岗位未来不一定一直叫 FDE。
有些公司会叫 AI 应用负责人。
有些公司会叫解决方案架构师。
有些公司会叫数字化转型负责人。
有些公司可能根本不给它一个新名字，只是让某个业务骨干把这件事扛起来。
名字不是最重要的。
重要的是，AI 进入企业以后，用人标准会变。
以前企业要的是会执行的人。
后来企业要的是会管理的人。
现在，企业会越来越需要一种人：能看懂业务现场，能理解 AI 能力，能拆流程，也能推动一群人把新的工作方式跑起来。
这种人，不一定最会讲概念。
但他能让公司真的变快。
这才是 FDE 背后最值得看的东西。
数据说明
文中岗位和薪资参考截至 2026 年 7 月下旬的公开招聘样本。国内岗位名称和薪资波动较大，只作为公开样本参考，不代表全市场统计。
PS：我们这个公众号会持续记录和分享 AI 使用、招聘现场、顾问工作方法里的真实观察。如果你觉得有启发，欢迎点赞、关注，也欢迎在评论区聊聊你的看法。