FDE 變熱門，代表企業終於承認的一件事

最近 FDE（Forward Deployed Engineer）突然變得很熱門。Accenture 與 Google Cloud 今年甚至宣布建立 1,000 人的 FDE 團隊，目的就是把 AI 從實驗帶進企業流程與 Production。

這件事真正值得注意的，不是「又多了一個 AI 職稱」，而是企業開始承認一件事：

AI 最難的，從來不是把功能做出來，而是把問題真正做掉。

以前企業缺的是什麼

以前企業比較缺的是：

• 把產品導進來的人。
• API 怎麼接。
• 系統怎麼整合。
• 技術問題怎麼排除。

這也是 FAE（Field Application Engineer）很重要的地方：把既有產品用好、接好、跑順。產品本身是確定的，挑戰在於讓它在客戶的環境裡正常運作。

這套模式在過去很有效，因為大部分企業軟體解決的問題相對清楚：ERP 管帳、CRM 管客戶、WMS 管倉儲。導入的難度在技術，而不在定義問題。

AI 進企業後，問題變了

但 AI 進企業後，情況不一樣了。

同一個 Model、同一套 Agent Framework，放進兩家公司，結果可能完全不同。因為真正影響成效的，通常是：

• 原本流程怎麼跑。
• 資料散在哪裡。
• 哪些規則不能碰。
• AI 可以做到哪一步。
• 最後誰真的會用。

這些東西沒有一個寫在產品文件裡，也沒辦法在導入前用一份需求規格書講清楚。它們只能在現場，和真正做事的人一起挖出來。

我現在的第一個問題

所以現在收到一個 AI 需求，我越來越少先問：「這個怎麼做？」反而會先問：「你到底想解決什麼問題？」

有時候問到最後，會發現原本的功能根本不用做。有時候要先改流程，再談 AI。

說實話，以前的我比較急。需求來了，先想技術方案，因為那是我比較擅長、也比較有成就感的部分。但做了幾個 AI 專案之後才發現，最貴的錯誤很少是技術選錯，而是一開始就把問題定義錯了。

FAE 和 FDE 的差別

這就是我理解 FDE 跟傳統技術導入最大的差別：

• FAE：把 Product 帶進企業。
• FDE：走進企業，再把 Business Problem 變成 Product。

方向剛好相反。FAE 從產品出發，找適合的場景；FDE 從問題出發，決定該做出什麼。

所以 FDE 往往要同時站在 Business × Process × Data × AI × Engineering 中間。他要聽得懂業務在抱怨什麼，看得出流程哪裡卡住，知道資料在哪裡、品質如何，判斷 AI 能做到哪一步，最後還要能動手把東西做出來。

這種人很難找，也很難養，因為他要的不是把一個領域鑽得很深，而是能在幾個領域之間來回翻譯。

便宜的是功能，昂貴的是做錯問題

AI 越強、Coding 越快，「把功能做出來」只會越來越便宜。真正昂貴的是：

做了一個技術上完全正確的東西，最後卻沒有解決任何人的問題。

所以我不覺得 FDE 的崛起只是職稱變化。它反映的是企業 AI 正在從 Technology Adoption 走向 Business Transformation。

前者問的是「我們有沒有用 AI」，後者問的是「AI 有沒有改變我們做生意的方式」。

最後

缺的不是會做 AI 的人，而是能把一個模糊的業務問題，一路帶到有結果的人。

不管這個角色叫 FDE、叫 PM，還是叫別的名字，我覺得都值得每個在企業裡做 AI 的人，拿來檢查自己：我現在花最多時間的，是在把功能做出來，還是在把問題做掉？