本文来自微信公众号： ToB老人家 ，作者：王戴明
终于，FDE也要烂大街了。
类似的事情，其实已经发生过很多次。
当SaaS是资本宠儿的时候，所有软件公司都摇身一变，成了SaaS公司。收费模式还是一次性买断？不要紧。让客户把本来一次付清的钱，分5年付清，然后就可以包装成“按年收费”。这么操作还有一个好处：续费率高达100%。
当AI成为世界潮流的时候，所有SaaS公司又摇身一变，成了AI应用公司。没有能打的AI产品？也不要紧。先赶紧发布一个demo，再套上几个高大上的名词，比如“中国的Palantir”，然后把传统软件收入全部改成AI收入。一家高纯度的AI公司，就这么诞生了。
好了，现在终于轮到FDE了。
似乎在一夜之间，一大批传统实施顾问消失了。与此同时，市面上突然多出来一大堆FDE。
当然，软件公司这么做，也不是完全没有道理。毕竟，FDE这个头衔天然和AI项目绑定。对客户来说，它听起来也比“实施顾问”更像一个能解决AI落地问题的人。
但问题是，当客户对所谓的FDE满怀期待时，很可能很快就会发现：这个高大上的FDE，似乎和原来的实施顾问没什么区别，甚至可能还不如一个资深实施顾问。
当所有人都开始把实施顾问、解决方案顾问包装成FDE时，我们其实犯了一个严重错误：把岗位名，当成了能力建设。
先简单解释一下，什么是FDE。
FDE，也就是前线部署工程师，最早是Palantir带火的一个角色。Palantir创业早期，其实也不知道客户到底要什么。所以它派FDE去客户现场，一边理解客户需求，一边把系统部署起来，一边把现场经验反哺回产品。
换句话说，FDE不是单纯交付项目的人，他还要从项目里提炼出产品能力。
进入AI时代以后，FDE再次变得重要，是因为大部分情况下，软件公司和客户都不知道AI到底能做什么，也不知道AI应该怎么落地。尤其是企业AI项目，很多时候不是客户提一个明确需求，厂商做一个功能这么简单。
它更像是双方一起摸索：这个场景到底有没有价值？数据能不能拿到？最后能不能产生业务效果？
所以你会看到，OpenAI、Anthropic这些AI公司，都在招FDE。因为企业AI落地，不是卖一个模型就结束了。模型只是能力底座，真正难的是把模型放进企业的业务现场。
这也是为什么我觉得，不管是从0到1的AI项目，还是已经进入规模化阶段的AI项目，FDE都会直接关系到项目成败。
但是，优秀的FDE非常稀缺。
我认识一位AI产品团队负责人。他从2023年就开始做企业AI落地，现在管理一个不小的团队。他负责的商业化Agent，在细分赛道也处在头部位置。
但他跟我说了一句很实在的话：自己整个团队，真正称得上优秀FDE的，其实也就2、3个人。
这不是一个刚入局AI的人在抱怨人才难招。而是一个已经做了几年企业AI落地、团队规模不小、产品也跑到细分赛道头部的人，在承认这个岗位真的很难。
那FDE到底难在哪里？
很多人会说，FDE要求太综合了。既要懂业务，又要懂AI，还要懂IT。这句话当然没错。但我觉得它说得还不够深。
因为对于很多企业AI项目来说，AI技术和IT能力，其实不是最难的部分。在AI落地的过程中，AI能力其实主要是提示词。IT能力主要是接口和系统集成。这些东西当然有门槛，但它们至少是可以被培训。
尤其现在很多软件公司招FDE，招的都是学习能力很强的年轻人，甚至是名校毕业生、硕士毕业生。只要愿意学，AI和IT能力都不是最大门槛。
真正难的，是懂业务。
这里有一个很大的误解：在软件公司里，很多人都觉得自己懂业务。
实施顾问觉得自己懂业务，因为他知道客户流程怎么走，字段怎么填，权限怎么配。产品经理觉得自己懂业务，因为他画过流程图，写过PRD，参加过需求调研。咨询顾问觉得自己懂业务，因为他能给客户讲方法论，能搭框架，能做汇报。
但这些都不一定是真正的懂业务。
业务其实可以分成三层。
最浅的一层，是流程和表单。
比如，一个CRM项目里，培育成熟的线索需要转成商机。填写商机信息时，需要录入预估金额、商机阶段、预计成交时间、客户联系人等字段。
这一层，很多传统实施顾问都懂。因为传统软件交付大量工作，就是把这些流程、字段、权限、审批和报表配置出来。
再深一层，是策略和机制。
比如，如何促进销售人员及时跟进商机？这可能会涉及线索回收机制。一条线索如果一段时间没有跟进行为，就会被回收到公海池，再分配给其他销售。这背后就开始有一些行业Know-how了。
比如，线索多长时间没有跟进，才应该回收？这个问题的背后，可能是不同类型客户的拜访周期，以及销售人员每天的合理拜访量。这些问题，已经不是单纯的字段配置，而是业务策略。
但只懂到这一层，我觉得仍然不够。
因为Agent和传统软件最大的区别在于，传统软件更多是承载流程，而Agent开始参与判断和行动。传统软件交付的是工具。Agent交付的是结果。
所以在AI时代，真正的懂业务，必须进入第三层：业务SOP层。
举个例子。如果一个销售人员面对潜在客户，他应该提供什么样的方案，才能提高赢单率？这个判断并不简单。你首先要知道，应该收集哪些信息。然后要从这些信息里找出关键变量。最后还要基于这些变量，给出具体判断。
比如，销售人员面对一个零部件加工客户时，可以主动收集一个信息：这个客户一年中，因为设备故障导致的非计划停机频率是多少？如果停机超过一定次数，那么销售人员就可以重点推荐“设备预测性维护”方案。
这就是业务SOP。
它不是一句“建议针对客户痛点提供解决方案”。它是具体到：收集什么信息，判断什么条件，触发什么动作，推荐什么方案。Agent真正需要的，就是这些东西。
否则你让AI去辅助销售，它最后很可能只会输出一堆正确的废话：建议深入了解客户需求，建议针对性提供解决方案，建议持续跟进客户反馈。这些话当然没错。但它们对业务结果毫无帮助。
所以，如果不能把业务SOP拆出来，AI就很难给出真正能改变业务结果的建议。而这个重任，很多时候就落在FDE身上。
那既然FDE要求这么专业，能不能从咨询专家或者业务专家里找？
当然可以。但这又会遇到新的问题。咨询专家和业务专家的问题，是容易停留在宏观层面。他们可能很懂行业，知道客户大方向上应该怎么做，也擅长方案构建。但他们不一定懂接口、系统边界和交付约束。他们能讲清楚“应该怎么变好”，但未必能把这件事变成一个Agent可执行、可测试、可上线的能力。
更现实的是，很多咨询专家不愿意转FDE。因为FDE是脏活累活。你要和客户大量沟通，要处理现场各种不确定性，要背交付结果，要面对项目压力。很多做咨询的人，并不愿意跳进交付现场。
人才难找的背后，还有一个深层次问题：国内企业AI项目的金额普遍不高。
我接触过一些AI项目，即使已经算相对不小，金额也很难支撑一个高成本FDE团队长期投入。
同样复杂度的项目，在海外市场可能对应更高的预算。但在国内，项目金额一低，FDE成本一高，公司就很容易陷入尴尬：不配强FDE，项目效果不好；配强FDE，项目又不赚钱。
所以短期内，国内很难像硅谷那样，靠高薪快速堆出一批优秀FDE。
更现实的路径，还是自己培养。
招有责任心、学习能力强、愿意下现场的年轻人，让他们进入真实项目，从交付闭环里长出来。年轻人学习能力强，冲劲足，薪资要求也相对没那么高。
可是他们最大的问题，往往是业务理解弱。他们很容易以为系统上线了，项目就交付完成了。
但Agent项目不是这样。Agent交付的是结果。系统上线只是开始。后面还要看客户怎么用，业务效果怎么样，知识怎么补，SOP怎么改。
所以培养FDE，最关键的不是让年轻人学习技术，而是让他们持续跟踪客户的真实使用情况。
持续看客户上线以后发生了什么。持续看哪些建议有用，哪些建议没用。持续看哪些SOP可以复用，哪些只是单个客户的特殊情况。
最后，把这些项目经验沉淀成公司资产。
所以回到开头，FDE这个词肯定会烂大街。接下来你会看到越来越多公司，把实施顾问叫FDE。
这并不奇怪。每一个新概念进入中国软件行业以后，大概率都会经历一轮包装、滥用和泡沫化。
但名词会烂大街，能力不会。
真正的FDE，仍然会非常稀缺。因为它要求一个人进入客户现场，理解真实业务，拆出业务SOP，推动客户接口ready，完成交付闭环，最后还要把项目经验反哺成产品资产。这不是把职位名称改一下就能解决的。
中国AI应用公司如果真的想走FDE这条路，最后一定会回到几件很朴素的事情：
有没有人愿意下现场，有没有人能真正理解业务，有没有人能把业务经验拆成Agent可执行的SOP，有没有机制把每个项目里的经验沉淀成公司资产。
这条路肯定不好走，但大概率是绕不开的路。