FDE 不是新岗位——AI时代真正稀缺的是这四种能力
最近这段时间很多人都在讨论 AI 的一个新的就业岗位，叫 FDE。讲的越来越玄乎，今天我结合最近服务大量企业的经验，想和大家聊一下我的看法。
先说FDE的本质是什么？和传统岗位有什么样的区别？
其实这个词很早就有了，中文可以叫前线部署工程师，简单来说就是你想在客户那里落地你的 AI 方案或者产品，但是客户的问题和解决思路都还没有完全确定，就要派一个 FDE 深入客户现场，通过快速的工程验证，边试边干，最后把方案落地。
但这里的关键点在于FDE要解决的其实是两个问题，一个是客户的需求，而另一侧是相对通用的解决方案。
为什么？因为 FDE 必须同时产生两种交付。
一种是客户能感知的业务结果。虽然现在企业老板普遍都很焦虑，觉得没有 AI 就可能要被时代抛弃，但他实质上要的不是 AI，也不是 Agent，他要的是最后有业务结果。
另一种是公司能复用的产品。哪些能力应该进产品，哪些不应该进产品，怎么样让这一次沉淀下来的能力下一次可以复用，让交付成本降低。
所以FDE不是新岗位，上个时代叫售前、项目经理、实施顾问、客户成功。现在 AI 把后端交付成本降低了，但前端的判断和信任建立，还是需要人在现场。
其实以前我们做产品，也是在市场上找到没有被满足的需求，通过产品手段把它构建出来，变成相对可复用、边际成本递减的东西。所以 FDE 并不是一个新的岗位，它只是把原来的这些岗位揉在了一起。
接下来我们来说说 FDE 的实践怎么做。
很多人觉得 FDE 就是一个很非标的东西，但其实大致可以分为5个步骤。第一步是排优先级；第二步是提取隐性知识；第三步是做最小闭环；第四步是进生产环境；最后是沉淀资产。
这几个词什么意思呢，我们以跨境电商为例来说一下，假如你做跨境电商，要在亚马逊上投流。
那提取隐性知识就是提取这个投流团队一号位的知识。因为这个一号位已经代表他们的最佳实践。
提取他的隐性知识就是把比如说他怎么判断一个词最近一段时间投流表现好不好等等，把这些东西沉淀下来。
那构建最小闭环是什么呢？就是能让你的方案真正转起来。比如投流的核心问题是每个投流人员的能力不太一样，所以要通过刚才的运行知识让所有人拉齐到同一个最低水位线。
比如借助你设计的 AI 智能体给大家一个基本的判断，比如这个词要不要砍掉、要不要把预算换到别的地方去。这样最小闭环就出来了。
完成循环以后，我们要观察效果，比如双周或者一个月之后的投流质量确实变高了，我们就认为收敛了，可以开始进入真正的生产环境。
最后把这些东西沉淀下来，就是我们接近产品化的资产。
所以听起来 FDE 的本质有点像咨询加交付，但拆解开来，至少是四项能力。
第一，要有业务诊断，并且会做取舍。不是所有事情都做。即使能力上都能做，也要判断什么先做、什么后做、什么不做。
第二要有工程验证，具备交付后的验证能力。
第三，是部署和组织推动。为什么还要加一个组织推动？因为大家面对的团队不是一个人、两个人，可能是上千人、上万人的团队，可能在一个部门，也可能横跨多个部门。
最后才是产品化和商业判断。
很多人会觉得 FDE 本质上就是外包。其实关键是要看在产品这一侧能不能收敛，如果可以，那它就不是外包，而变成了资产。如果都是一次性的，那其实就是外包。
那我对 FDE 这个行业的看法是什么呢，如果你经常刷短视频你会发现动不动很多人就说“月入百万”“两个月就把 ERP 干掉了”之类的话。让大家对 FDE 的预期被以极低的成本拉高了。
其实大家也都理解，做这些内容是为了流量和博眼球，其实是为了获客，所以内容上这样设计很正常。
但实际上这样是在污名化 FDE 这个词和相关的从业者。
但其实今天真正能做到既有核心认知，又有组织落地能力，又能形成交付闭环，同时使用 AI 足够 native 的人，很大一部分还没有出来在自由市场上流通。也就是说，FDE 的人才其实非常难找。
我自己因为在给很多企业做 AI 的咨询和落地，其实这一点感受非常深，你想找一个真正既能和用户聊天又能做 AI 落地方案还能快速产品化的人，现在市面上其实几乎没有，这不是几天培训就能解决的，需要长期的打磨和经验。
能力是有边界的，不可能因为 AI，我们就变成万能的。我们也要帮助老板建立这样的正确观点。
AI只是工具，而商业的底色从未改变。在任何阶段，把事做到客户认可、让人看到价值，建立信任，路就不会走偏。