公司

随着人工智能的普及，FDE这一职位逐渐受到关注，许多企业已经开始招聘FDE，或要求其入驻现场。

职位名称听起来颇具专业感，但实际工作内容非常接地气：前往客户现场、了解业务流程、接入数据、构建原型、调试系统、陪同上线。

关键区别在于：责任归属在哪里。

如果项目交付的终点仅仅是“演示能运行”，那仍然只是一次展示。如果FDE离开后，系统无人使用、无人敢修改，出现问题只能依赖原班人马回来处理，那么这个项目尚未完成。

我理解的FDE，是一个连接业务现场、技术实现和产品沉淀的角色。他不仅要构建系统，还要确保系统真正融入实际工作。

一、首先观察客户如何运作

AI需求通常不会清晰列在需求文档中，等待被发现。

业务人员可能会说：“我们想要一个知识库”“希望AI自动汇总”“最好能帮忙写报告”——这些是用户期望，而非产品方案。

有价值的信息往往隐藏在他的电脑中：

二十多个部门使用同一份Excel报送，每月需要手动合并。

一份年鉴包含文字、图片和扫描件，查找一句话需要翻阅很久。

同一指标在不同报告中口径各异，撰写材料的人必须记住哪个版本可用。

用户说“汇总”，实际需要的是按固定栏目合并、保留来源、生成可继续修改的初稿。

因此，FDE进入现场后，不是先绘制架构图，而是让业务人员打开正在处理的文件和系统，完整演示一遍。

然后，通过追问以下问题：

这项工作多久执行一次，由谁负责？

输入材料来自何处，格式是否一致？

哪一步最耗时，哪一步最依赖经验？

什么结果可直接使用，什么结果需要复核？

出错后谁承担责任，如何补救？

将问题与实际结合，才能把“AI帮我处理材料”拆解成可执行的任务。

例如，资料汇总可以分解为文件识别、字段映射、内容合并、来源标记、格式输出和人工校对。前两步可能需要模型，字段合并依赖规则，最终交付还需保留人工修改。没有这种拆解，项目很容易从小样板膨胀成“企业知识管理平台”。

二、FDE的工作流程

一个成熟的FDE项目，通常经历七个阶段：

1. 发现真实任务

访谈不是问“你想要什么AI功能”，而是观察用户如何完成工作。要获取真实文件、真实输入、真实异常和真实产出。

2. 划定最小场景

企业通常有一长串需求，但第一期不能全部承接。优先选择高频、数据相对可得、结果可检查、错误有退路的场景。

比如先做“查询正式材料并返回出处”，而不是一上来做“自动完成全部材料生产”。先让一个部门真实使用，再决定是否扩展。

3. 确认数据和权限

FDE需要弄清楚资料由谁负责、哪些版本有效、谁能查看、哪些字段不能提供给外部模型。数据接入不是简单把文件拖进知识库，而是要确认来源、格式、更新和责任人。

企业的权限往往比技术文档复杂。同一份资料，对总部、分公司、项目组和外部供应商的可见范围可能完全不同。能查到不等于应该展示。

4. 快速做出最小原型

原型不是为了令会议室里的人惊叹，而是为了尽早暴露问题。第一版可以只覆盖一个部门、一批真实资料和几类真实任务，但必须让业务人员上手。

这时最重要的反馈不是“回答像不像人”，而是“这次结果能不能接着干活”。

5. 接入真实系统

原型可以用上传文件，生产系统不能永远依赖手工上传。FDE要参与账号、网络、接口、日志、数据同步、异常重试和环境隔离的设计。

很多AI项目到了这一步才发现，客户系统没有可用接口，字段没有统一口径，测试环境又与生产环境不一致。FDE要把这些阻塞提前暴露出来，不能等到上线前才发现。

6. 和真实用户一起验证

用户测试不是让客户看一遍演示，而是让他用自身任务操作。要专门测试资料缺失、版本冲突、权限不足、接口超时和答案不存在的情况。

一个能在正常问题上回答得很好的助手，如果遇到无答案仍然编造，就不能算完成。

7. 上线、采用和回流

上线只是开始。FDE要跟踪用户是否真的使用、哪些环节仍回到人工、哪些问题反复发生。重复出现的现场问题，要判断是补数据、改流程、做通用能力，还是将其明确排除在产品范围外。

这一步决定FDE是在交付一次性项目，还是在帮助产品长出下一项能力。

三、FDE和其他岗位如何协作

FDE不是“什么都做的人”。如果没有明确接口，最后往往变成谁都找FDE救火。

在团队中，FDE与其他岗位的协作如下：

产品经理不应该把现场方案全部丢给FDE。哪些问题值得做成通用能力、哪些只是客户特例，需要产品经理做判断。

核心工程也不应把FDE当成外包开发。现场写出的代码如果要进入长期产品，必须经过架构、测试、安全和维护责任的审查。

客户IT不是只负责开账号。它要把数据、网络、身份和审计要求说清楚；客户业务负责人则要确认系统改变了哪一步工作，谁来承担最终责任。

四、FDE项目的验收标准

最好的FDE项目，允许FDE离场。

FDE真正的价值，不是让客户永远依赖一个人。

如果每个新客户都要从清洗文件、搭建接口、解释权限开始，说明经验还停留在人身上。成熟的做法，是把现场经验沉淀成模板、组件、规则、测试样例和操作手册，让下一次交付更快、更稳。

一个项目结束时，我会要求留下几类东西：

场景说明：解决谁的什么问题，不解决什么问题。

数据台账：资料来源、版本、责任人和更新方式。

权限清单：谁能看、谁能改、谁能审批。

评估集：正常、边界、无答案和高风险样例。

运维手册：故障如何定位，什么时候转人工。

复用组件：接口、提示模板、流程节点和行业规则。

交接记录：内部团队能否独立修改和发布。

FDE离场后，如果系统仍然有人使用，内部团队能够独立维护，供应商下一次交付不必从头再来，这个项目才算真正完成。

FDE不是把客户需求翻译成代码的人，也不是把售前承诺兜底的人。它更像是一个结果岗位：把现场的模糊问题变成可验证的任务，把一次性方案变成可运行的系统，再把现场经验带回产品。

AI项目最后拼的不是谁能最快做出一个Demo，而是谁能让业务在没有人盯着的情况下，继续把事情做下去。

本文来自微信公众号“人人都是产品经理”（ID：woshipm），作者：半杯丿清茶，36氪经授权发布。