即刻App年轻人的同好社区
下载
App内打开
徐邦睿
745关注4k被关注21夸夸
中医
之前在字节、一堂做增长
到此方见本来面目
徐邦睿
2天前
徐邦睿
2天前
杭州的朋友们可以去，值得。
20
徐邦睿
3天前
知道了，充分地体验了，选择便发生。
00
徐邦睿
6天前
值得看。

范冰_XDash: 一场「企业如何落地 AI」的私密群聊，没想到搞成了最懂行情的吐槽大会？ 事情是这样。我昨晚围观了一场关于 FDE（Forward Deployed Engineer，前线部署工程师）的线上吐槽大会。 这是一场发生在我的 FDE 社群的、群友自发组织的多人连线会议。原本下周三我会在群里做直播授课，没想到这场活动先把群里的气氛提前搞起来了。 （还不知道「FDE」概念的朋友，可以先看我这本免费开源书，主要讲「企业如何落地 AI」：https://fde4.ai） 参与者的背景组成：有研发、售前、咨询、HR，也有人已经在给传统企业做 AI 落地，还有长期服务政府和大型企业的 To B 从业者。 聊了两个多小时，大家对 FDE 这个时下火爆的概念各抒己见： • 有人认为它是「六边形战士」； • 有人认为它就是 AI 时代的售前 + 交付； • 有人认为它本质上还是驻场开发； • 也有人觉得，FDE 根本不应该被理解成一个职业，而应该理解成一种新的企业服务方式。 但恰恰是这种分歧，让我觉得这场讨论非常有价值。 因为一个新概念刚刚出现时，真正值得看的往往不是它的官方定义，而是： 为什么这么多人突然需要这个概念？ 以及： 每个人试图用这个概念解决什么问题？ 聊完之后，我对 FDE 有几个越来越明确、同时也可能不那么主流的判断。以下是脱敏整理后的一部分群聊精华。 ——— 【一、FDE 的爆火，未必首先来自需求爆发】 最容易形成的叙事是： 「AI 正在进入千行百业，所以企业需要大量懂 AI、懂业务、又能落地的人，因此 FDE 会成为未来几年非常热门的职业。」 这个逻辑当然成立一部分。 但还有另一半经常被忽略： ▌FDE 的供给端，也正在发生剧烈变化。 过去几年，软件研发尤其是普通开发岗位的供需关系已经发生明显变化。 一方面，互联网增量减少； 另一方面，AI Coding 正在快速提高单个研发人员的产出。 原来需要前端、后端、测试、产品共同完成的一些工作，现在一个能力较强的人借助 AI，就可能完成相当大一部分。 结果不是「所有程序员都会消失」，而是： 完成同样数量的软件项目，越来越不需要那么多人了。 这意味着大量原本处于企业后端的技术人员，会被迫寻找一个更靠近客户、更靠近业务、更难被标准化的位置。 ▌FDE 恰好提供了这样一个新叙事。 所以我更愿意把现在的 FDE 热潮理解成两个力量的叠加： ▌企业确实产生了 AI 转型需求；与此同时，大量技术供给正在寻找新的价值锚点。 这两件事情同时发生，才造就了今天的热度。 这也意味着一个需要警惕的问题： FDE 的供给增长速度，有可能远远快于真正愿意付费的企业需求增长速度。 「越来越多人讨论 FDE」，并不自动意味着「越来越多人靠 FDE 赚到了钱」。 这是两个完全不同的指标。 ——— 【二、FDE 最大的问题：事情变复杂了，但客户并不想多付钱】 传统软件外包有一个非常重要的前提： 客户通常大致知道自己想要什么。 • 我要一个 CRM。 • 我要一个订单系统。 • 我要一个审批流程…… 需求经过产品经理拆解，就可以进入研发。 但 AI 项目经常不是这样。 老板可能只会告诉你一句： 「我们公司也要 AI 化。」 接下来所有问题都落到了服务方身上： • 到底哪个部门值得先改？ • 什么流程适合 AI？ • 数据有没有准备好？ • 准确率多少才算能上线？ • 出了错谁负责？ • 模型应该用哪一个？ • Token 成本怎么算？ • 员工会不会用？ • 上线以后谁维护？ 甚至更麻烦的是： ▌客户自己可能都不知道自己的问题到底在哪里。 于是 FDE 开始承担过去多个角色的工作： ▌咨询、需求分析、产品经理、售前、研发、交付、培训，有时还得处理组织关系。 从工作复杂度来看，它显然比普通外包更重。 但问题来了： 客户会因此愿意付更多钱吗？ 答案很可能恰恰相反。 很多企业老板的第一反应会是： 「现在都有 AI 了，不应该做得更快、更便宜吗？」 ▌这形成了一个非常危险的剪刀差： ▌乙方承担的不确定性越来越高，甲方对价格的预期却越来越低。 如果没有解决这个问题，所谓 FDE 很容易变成： 一个人干过去三四个人的活，最后只比普通工程师贵一点点。 那不是产业升级，而是高级牛马的新包装。 ——— 【三、企业老板的「AI 焦虑」，不等于真实需求】 这是我认为今天 AI To B 市场里最容易误判的一件事。 你去接触传统企业老板，会发现他们对 AI 的热情可能比技术圈想象中高得多。 ChatGPT、Agent、数字员工、知识库、GEO…… 什么火，他们都可能听说过。 尤其是在经营压力比较大的行业里，老板普遍有一种焦虑： • 别人是不是已经开始用了？ • 我的公司会不会落后？ • AI 能不能帮我少招几个人？ • 能不能提高利润？ 这种焦虑是真实的。 但它和有效需求是两回事。 至少要区分三层： • 第一层：老板愿意听 AI。 • 第二层：老板愿意拿一笔钱试试。 • 第三层：企业确实存在一个可以量化、重复、持续产生价值的问题。 前两层现在很多。 第三层远没有想象中那么多。 ▌有些企业甚至连最基础的信息化、数据沉淀、流程标准化都没有做好，却已经开始思考 AI Agent。 这种情况下，FDE 进去之后才会发现： ▌自己名义上是在做 AI，实际干的是数字化改造、流程咨询甚至管理咨询。 所以未来做企业 AI 服务，一个非常重要的能力不是「发现需求」，而是： ▌判断一个需求究竟是真的业务问题，还是老板焦虑的投射。 这两个东西，价格完全不一样。 ——— 【四、真正适合 FDE 的企业，可能不是最传统的企业】 一个很有意思的问题是： 什么样的公司最适合做 AI 改造？ 直觉上，大家容易想到那些特别传统、几乎没怎么数字化的公司。 因为「改造空间大」。 但实际做起来，这类客户可能反而最难。 如果一家企业： • 没有数据沉淀； • 没有统一系统； • 流程高度依赖人工； • 员工电脑使用水平有限； • 大量知识存在于微信群、Excel、纸质文档和个人脑袋里…… 那么你想给它上 AI，第一步根本不是 Agent。 你得先帮它补过去十几年没补完的信息化课。 这个成本非常高。 而另一端，真正 AI Native、研发能力特别强的企业，又很可能不需要外部 FDE。 因此我反而觉得，最值得关注的是中间这一层—— ▌「半数字化企业」。 典型特征是： • 已经大量使用电脑办公； • 已经有 ERP、CRM、OA、企业微信、Excel 等工具； • 已经积累不少文档和数据； • 但系统彼此割裂； • 存在大量重复搬运、重复录入和人工判断； • 同时公司没有一支强研发团队。 这种企业的问题最有可能被 AI 快速击穿。 它们有数据，但数据不好用； 有系统，但系统互相不认识； 有流程，但大量节点依赖人肉传递。 AI 在这种环境里的价值往往不是「创造一个全新的系统」，而是： ▌把原来断裂的信息流重新连接起来。 ▌这里可能才是 FDE 最舒服的战场。 ——— 【五、真正困难的从来不是搞技术，而是搞人】 这是整场讨论里非常确定的一条共识。 做企业服务，最后一定会碰到组织问题。 因为所谓「AI 提效」这四个字，看起来非常中性，但落到企业内部，它经常意味着： • 某个岗位的重要性下降； • 某个部门失去一部分权力； • 某个人多年积累的信息壁垒被打破； • 原来需要五个人的事情，现在可能一个人完成； • 某些经验被抽取出来，沉淀成公司的公共资产。 所以员工为什么抵触 AI？ 很多时候并不是因为认知不够。 相反，他们可能非常清楚： ▌这个系统一旦真的成功，可能伤害的就是自己的议价能力。 因此 AI 企业项目有一个非常典型的结构： • 老板很兴奋； • 中层谨慎； • 基层员工未必配合。 如果没有真正有权力的人推动，FDE 再强都没有意义。 这也是为什么优秀的企业服务人员，最后都不得不学习一件程序员普遍不喜欢的事情： ▌理解组织。 • 谁是真正的决策人？ • 谁控制预算？ • 谁能够协调业务部门？ • 谁会因为这个项目获益？ • 谁会因为这个项目受损？ • 项目成功以后是谁去汇报？ • 失败以后谁来背锅？ 这些问题，很多时候比你用 Claude、GPT 还是 Gemini 重要得多。 ——— 【六、企业购买供应商，有时候买的并不是技术】 讨论里有一个非常「甲方视角」的观点，我觉得特别真实。 企业为什么不自己做，而要找外部供应商？ 当然可能是没有研发能力。 但还有一个经常被忽略的原因： ▌风险转移。 如果一个创新项目完全由内部员工推动，最后失败了，那么责任非常清楚。 但如果引入了供应商： 项目失败，可以说供应商能力不够； 方案不行，可以换一家； 至少风险不会全部落在内部项目负责人身上。 ▌所以成熟的 To B 服务，交付的其实从来不只是软件。 还包括： • 专业背书； • 责任边界； • 可汇报的阶段成果； • 可验收的里程碑； • 组织内部的安全感。 ▌这也解释了为什么一些技术非常强的个人开发者进入 To B 后会非常痛苦。 他以为客户购买的是「最优技术方案」。 但客户购买的可能是： ▌一个出了问题之后仍然能够解释得过去的解决方案。 这两个目标完全不同。 ——— 【七、FDE 最值得关注的终局，可能不是「提效」，而是让组织变得可计算】 很多企业谈 AI，第一个词都是「降本增效」。 但如果继续往下推，会发现一个更深层的需求。 传统企业普遍存在一个问题： 组织运行过程大量存在于人的脑子里。 • 某个销售离职，客户关系跟着走； • 某个老员工离开，一个流程没人知道怎么跑； • 新人进来，没有完整培训体系； • 老板甚至不知道员工每天究竟在做什么。 AI 进入企业以后，有可能带来一个过去很难做到的效果： ▌把工作过程逐渐数字化。 • 员工每天处理了什么问题？ • 调用了什么知识？ • 做出了什么判断？ • 哪些流程频繁卡住？ • 高绩效员工是怎么处理某类问题的？ 这些东西一旦持续沉淀，就会形成一种新的组织资产。 所以从老板视角来看，AI 一个非常重要的潜在价值其实是： ▌让公司从「依赖某些人」，逐渐变成「依赖组织积累的系统」。 这比节约几十分钟工作时间重要得多。 它意味着组织可以变得： • 可观察； • 可衡量； • 可复制； • 可交接； • 最终也更加可替代。 某种意义上，AI 正在把过去 BI 只能看到的经营结果，继续向前推进到「工作过程本身」。 这可能是企业 AI 真正长期的价值之一。 ——— 【八、纯靠 FDE 项目费，可能不是一门特别好的生意】 这也是我听完整场讨论以后，一个非常强烈的感觉。 FDE 有几个天然缺陷： • 高度非标； • 前期售前重； • 项目周期不可预测； • 客户组织成本高； • 容易无限扩大 Scope； • 交付结束后收入停止。 如果收入完全依赖一单一单地驻场，那么它本质上仍然是一个重人力生意。 只不过以前卖的是「开发人天」，现在卖的是「AI 转型专家」。 真正更有意思的模型，反而是： ▌FDE 作为客户入口，后面连接持续收费的东西。 例如： • 模型调用； • 企业 AI 基础设施； • 运维托管； • 行业 SaaS； • 标准化工作流； • 数据服务； • 垂直 Agent； • 持续订阅。 这样整个经济模型就会发生变化。 FDE 不再是最终产品，而变成： ▌发现需求和进入客户的前台。 真正赚钱的是后面的可复用资产。 一个非常理想的路径可能是： 第一次进入某个行业，做高度定制化项目； 做到第二、第三家公司时，开始发现共性； 到第五、第十家公司时，80% 的东西已经可以复用； 最终把服务沉淀成产品。 如果每接一个客户都从零开始，那你其实没有积累资产。 你只是在不断出售自己的时间。 ——— 【九、所以真正值得积累的，不是「FDE 技能」，而是行业资产】 如果让我重新定义这个机会，我不会说： 「未来 FDE 很有前景。」 我更愿意说： ▌未来，既懂某个垂直行业、又能够借助 AI 独立完成解决方案的人，会越来越有价值。 这两种表述差别很大。 因为第一种会让人去学一个新岗位； 第二种会让人思考： 我到底比别人多懂什么行业？ 比如你做了十年招聘。 你的壁垒不是会不会调用大模型，而是你知道招聘流程里哪些环节看起来简单、实际上极度反人性。 你做了十年建筑。 你知道工程项目里哪些信息传递节点最容易出错。 你做了多年跨境电商。 你知道广告、客服、供应链、订单、售后之间，到底有哪些只有真正操盘过的人才知道的坑。 AI 提供的是杠杆。 行业知识才决定这个杠杆应该撬哪里。 因此最值得做的事情，不一定是成为「通用 FDE」。 反而可能是： ▌选择一个自己真正理解的行业，把其中最昂贵、最重复、最容易犯错的问题，用 AI 重新做一遍。 然后不断复用。 ——— 【十、还有一个值得警惕的信号：行业标准可能比行业本身先成熟】 现在围绕 FDE 已经开始出现培训、课程、社群、认证、方法论。 这很正常。 每一个新职业概念出现以后，都会经历这个阶段。 但问题在于： 企业真正愿意为什么买单，目前还没有完全验证。 如果这个时候「如何成为 FDE」的培训市场迅速成熟，而真正靠 FDE 项目盈利的人仍然很少，就会出现一个非常熟悉的结构： 挖金子的人还没赚钱，卖铲子的人已经开始赚钱。 这不代表培训没有价值。 但至少应该追问几个非常具体的问题： • 一个典型项目投入多少人天？ • 获客成本是多少？ • 售前周期有多长？ • POC 转正式项目比例是多少？ • 客户第二年还会不会付钱？ • 扣除沟通、驻场、返工和售后之后，毛利到底多少？ 如果这些数字没人能回答，那么这个行业目前更准确的状态应该是： ▌一个正在形成中的机会，而不是已经被证明的商业模式。 ——— 【最后】 聊到最后，我越来越觉得： FDE 这个词本身可能并没有那么重要。 今天大家争论它是岗位、能力、交付方式还是创业机会，很大程度上是因为整个行业都还处在抢夺解释权的阶段。 每个人都在试图把这个概念往自己的能力和利益上靠。 • 技术公司说它是技术交付； • 咨询公司说它是咨询； • 开发者说它是六边形工程师； • 培训机构会把它定义成一种可以学习的职业； • 平台会希望把它标准化； • 企业老板可能只觉得：「你能不能帮我把 AI 真正用起来？」 但把所有概念拿掉之后，真正的商业问题其实非常古老： • 你能不能发现别人真正愿意付钱的问题？ • 你能不能比别人更低成本地解决它？ • 你能不能把一次性的服务，沉淀成可以重复出售的资产？ 如果这三件事情成立，你叫什么并不重要。 可以叫 FDE，可以叫顾问，可以叫 AI 工程师，也可以什么都不叫。 反过来，如果这三件事情都没有成立—— 那么再性感的新职业名称，也改变不了它最终仍然是一门不好做的生意。 所以相比「FDE 会不会火」，我现在更关心另一个问题： 当 AI 把技术能力快速商品化之后，未来真正稀缺的，到底会是什么？ 我目前的答案是： ▌客户入口、行业理解、组织信任，以及把非标问题不断沉淀成标准化资产的能力。 这些东西，可能比「会不会写代码」更难被 AI 商品化。 也可能正是下一轮真正的定价权所在。 ——— 对本社群感兴趣的朋友，可访问 FDE4.ai 查看付费内容与权益介绍，也可以先看看我的开源书： https://fde4.ai

00
徐邦睿
19天前
無心，柳成蔭。
00
徐邦睿
20天前
覺即鬆，不施功。
10
徐邦睿
2月前
鼠标手，这个动作可以缓解。

我自己也试了试，确实手腕这里整个都松掉了。

办公室一族的朋友们可以常练。
00:17
05
徐邦睿
2月前
做得太美好了。
30
徐邦睿
2月前
游子慢波波，五台礼土坡。
​文殊只这是，何必问弥陀。
00
徐邦睿
2月前
00