夜雨聆风/ AI 落地观察 · 01 /
零散的模型能力，只有接进数据、权限、判断与行动，才会成为一套运行中的系统。
约 5 分钟阅读
当模型能力不断迭代时，真正的难题在于将传统企业散落的文件以及零碎的需求与模型能力真实对接上。FDE就是来弥补这个断层。
从源头追溯，FDE并非横空出世的新概念。这个岗位最早由美国的Palantir规模化推广，核心模式是派驻工程师进驻政府、大企业客户现场，将标准化的数据分析产品嵌入客户已有的系统与工作流中。
FDE 的全称是 Forward Deployed Engineer，常译为前线部署工程师。比岗位名称更重要的是它的工作方式：让懂技术、也能理解业务的人进入现场，从一条高价值流程开始，把模型、数据、权限、评估、人工复核和持续维护接成一套每天有人依赖的系统，并对上线后的结果负责。
FDE 解决的不是教客户"学会用 AI"，而是让 AI 变成一套人敢用、愿意用、能够持续使用的工作系统。
一、从一条投后流程看，什么叫真正用起来
一家基金每个月都要收被投企业的财务表、经营简报和会议纪要。分析师从邮件、网盘和微信里找最新版本，把收入、现金、回款和重大事项抄进 Excel；缺数据就逐个追问；发现异常，再整理成一页材料发给负责人。
把一份报告扔给 ChatGPT，只能省掉部分阅读时间。它不知道哪份文件最新，现金低于多少需要预警，实控人变化时该通知谁，也不会把负责人的处理意见写回投后台账。答案生成了，流程仍然靠人搬运。
FDE 先跟着分析师把这件事完整做一遍，梳理数据来源、统计口径、风险阈值、查看权限和签字人，再把邮箱、网盘、表格和模型接起来。坦白说，FDE工程师在过完整套流程后，自己应该已经是走这套流程的专家。
在理解的基础上FDE工程师根据工作流进行AI方案设计和升级。改造后，分析师不再花大量时间找文件、复制数字和排版，负责人也不必从几十页材料里寻找异常。同样的团队可以覆盖更多项目，把时间留给真正需要判断的事。
FDE 的作用不是让 AI 多写一段话，而是让一件真实工作少用时间、少出错、跑得更快。这也接近 Palantir 和 Anthropic 对企业 AI 服务的共同指向：进入客户现场，从问题识别一直负责到生产上线和持续运行。
小步快跑ROI优先
第一条工作流通常按项目收费，目标是尽快做出一个可以使用、可以核算的版本。流程跑稳后，进入持续维护和优化；扩展到新的部门或场景时，再按新增模块收费。
客户真正购买的不是工程师工时，而是一项经营结果。一个项目是否值得启动，要先算清一笔账：预计节省的成本或新增产出，能不能覆盖交付费用。
举个便于理解的假设。6 名分析师每人每月用 3 天整理投后材料，合计是 18 个人日。接入系统后，人工主要检查异常，降到 6 个人日，一年就能少掉 144 个人日。项目能收多少，不靠讲故事，而看这笔节省与交付费用是否划算。
降本不一定意味着裁员。它也可以是同样的人覆盖更多项目，少做重复录入，少付外包费用。增效则是风险更早被看见，材料更快进入决策，原来做不了的事情现在能够做成。
好的 FDE 项目会从小范围交付开始，但不会永远停留在定制开发。数据连接、评估、监控和常见流程可以逐步沉淀成模块，让下一次交付更快，维护成本更低。
企业不会停下来等待一次彻底改造
企业每天仍要审批、交易、服务和赚钱。一次性推翻原有系统，就像让一架正在飞行的飞机拆下整台发动机，再换上一台新的。方案也许宏大，现实却承受不起。
FDE 更常见的做法，是先选择一个高价值场景，只接入必要的数据和权限，保留人工复核，尽快进入真实使用。发现误报就调整规则，发现权限不清就补上边界，流程稳定后再扩展到下一环。
每一步都能运行，也都能验收。机构不需要等待某个终极模型出现，今天建立的数据关系、权限边界和反馈机制，也不会因为明天的模型更强而失去价值。模型层可以更换，组织对自身工作方式的理解会留下来。
最稀缺的不是模型，而是把现实建模出来
Palantir 的 Ontology 把数据、业务对象、关系、行动和权限连接成一张可以操作的机构地图。它解决的不是"AI 会不会回答"，而是"某个数字属于什么资产，某条风险应该通知谁，一个建议在什么条件下可以变成行动"。
同样是投后监控，有的机构首先看流动性，有的更在意实控人变化，有的把产业协同放在估值之前。这些差异不在模型参数里，而是机构在长期承担后果的过程中形成的取舍顺序。
这里有一种经常被低估的能力，可以叫作"品味"。
品味不是知道更多工具，而是在信息不完整、没有标准答案时，仍能判断什么值得自动化，什么应该保留给人，哪些指标看似先进却没有经营意义。
真正好的方案往往显得克制。它不会为了展示 AI 而增加一个 Agent，也不会把所有判断都交给机器。它只是把最合适的能力，放到最需要的位置，并让人始终知道系统为什么这样做。
结语：做真正的Useful AI
工业时代自动化了一部分体力劳动，AI 开始自动化一部分脑力劳动。但模型提供的可能性，距离机构能够依赖的生产力，中间还隔着数据、权限、规则、检查和责任。
FDE 的价值，就是把这些环节接起来，让不稳定的智能逐步成为可控、可检查、可重复运行的业务闭环。让AI落地成为可能。
