山姆·奥特曼为什么说 OpenAI 要派工程师去给企业 CEO 服务？

FDE 爆火的背后，是企业 AI 的最后一公里战争。

大家好，欢迎收听老范讲故事的 YouTube 频道。今天咱们来讲一讲 FDE 的故事，这是一个最新爆火的职位。

Customers Bank：OpenAI 工程师进入银行核心流程

先讲一个案例：一家银行把贷款、开户、支付交给 OpenAI 来改造。这家银行叫 Customers Bank，是美国宾夕法尼亚州的区域商业银行。OpenAI 向他们提供服务，也就是山姆·奥特曼所说的：直接给 CEO 派工程师。

这家银行宣布跟 OpenAI 建立战略合作，要把 AI 放进商业银行的核心流程里。注意，这不是一个 AI 客服，也不是让员工用 OpenAI 写邮件，而是三条银行血管。

第一，贷款生命周期

审批一笔贷款，并不是人家请你吃顿饭就能批。银行要评估企业资质、原来的还款情况、可以贷多少钱、贷多长时间、定什么样的利率相对合适。原来贷款评估的过程非常漫长，有了 OpenAI 以后，这个过程就极大地提升了。

第二，存款和开户生命周期

大家不要用中国银行的存款开户速度去思考问题，因为咱们是所有人都实名制的，而且所有人的账目都是公开透明的。在这样的情况下，银行可以快速开户、快速存款。而且中国的银行把你的钱丢了，它是不负责任的，所以他们可以很开心地来做这件事情。

如果有在外资银行开户、存款经验的朋友，应该了解，你跑到一个外资银行去开户存款，这个过程是挺痛苦的，有的可能需要一两个小时才可以把事情搞定。现在他们把这一块也交给 OpenAI 了。因为填表格、问问题、个人评估这些事情，AI 处理起来要比人快很多。

第三，支付生命周期

支付相关的生命周期，也交给 OpenAI 了。

这家银行资产规模接近 260 亿美金，也不是一个特别大的银行。银行要改造的不是边缘业务，而是银行怎么赚钱、怎么拿资金、怎么处理交易的一些核心问题。

媒体报道里有一个非常具体的目标：商业贷款关闭周期从原来的 30 到 45 天压缩到 7 天。还有一个目标：复杂商业客户的开户从超过一天压缩到 20 分钟。原来真的是需要一天的时间，大量文件需要你去读，读完了签字。其实我们在银行里读的很多文件，真的读过吗？反正我自己是没有太读明白过，就是告诉你签字吧，我就去签了。这个过程非常形式主义，但确实很慢。

这说明什么？说明 AI 已经从聊天窗口进入了企业的血管里面。过去企业买软件是买一个工具，现在企业买 AI，是要重写工作方式，也就是整个工作过程要改变。

于是问题就来了：谁来把 AI 放进贷款流程里？谁来处理银行的权限、数据、合规和审计这些问题？以前很多人说，AI 能不能代替会计？会计出来说，它能替我坐牢吗？现在就告诉你：你怎么能够在承担风险、继续坐牢的情况下，让 AI 大量代替你的工作。

这就是今天咱们要讲的事情：谁来面对业务部门、IT、法务、财务和老板？今天的答案，就是 FDE 这样的一个新职位，由它来面对这些接口。

FDE 是什么：不是前端，而是前沿部署工程师

FDE 叫 Forward Deployed Engineer，中文可以叫前沿部署工程师。它不是写前端的。一般中国人听到有“前”这个词，就以为他们是写前端的、写网页的，不是。他们是要到顾客现场去的，这么一个“前沿”。当然，他们也不是普通的售前工程师，而是从 AI 时代进入企业现场的野战工程兵。

讲到工程兵，待会儿咱们讲讲这个职位是怎么来的，这个还是跟战争稍微有那么一丢丢关系。

企业 AI 的问题：不是没钱，而是钱花了没有结果

其实发展到今天，你说有多少企业坚决不用 AI，谁敢用 AI 就把他开了？这样的企业也不能说完全没有，但现在应该已经占很小比例了。所有企业都想上 AI，但是在每一次 Anthropic 升级的时候，这些企业的股价还是稀里哗啦一泻千里。

原因其实很简单，就是他们所谓的上 AI，其实是假的。整个企业内部的工作流程、组织架构不进行调整，大家就是每人得到一个聊天窗口，每人订一个套餐，然后用 OpenAI、用 Anthropic 去写邮件、写报告，就做这样的事情。你这个还不如不用呢。

你不要说，我用了提高点效率有什么不好？不好的地方就在于，你确实提高效率了，它写邮件写得很快，写报告写得很快，但是报告里到底写了什么，有多少人看呢？原来我们自己写报告的时候，我们知道我们写了什么，我们知道企业在发生什么事情。现在告诉 AI 去把报告写了，给我写一个周报、日报，到底发生什么了，我们是不知道的。所以很多企业用了 AI 以后，反而比原来更差。

这也就是为什么 OpenAI 要派工程师进企业。它在这点上跟 Anthropic 是不一样的。Anthropic 就是我升级，升级完了以后你们死吧。它的 CEO 阿姆迪就出来说，我们在 2026 年到 2027 年要让一半的白领工作直接消失掉。山姆·奥特曼说，我们不干这活，我们派工程师到企业里去，我们要帮助企业渡过这个关口，怎么能够继续往前走。这是两个不同的玩法。

企业 AI 的最后一公里

企业用 AI 最大的问题，不是模型够不够强，而是落不了地。MIT 专门做了一个企业使用 AI 的调查报告，有一个被大量引用的数字：企业投入 300 到 400 亿美金到生成式 AI，约 95% 的组织没有获得可衡量的回报，只有约 5% 的企业使用 AI 以后创造了百万美金以上的可衡量价值。

这个数字要谨慎理解。它不是说 AI 没用，而是说大多数企业没有把 AI 变成可衡量的经营成果。企业最容易做的是什么？我上了 AI 以后，我裁员了，我如何降低我的支出了。这个事是比较容易衡量的。其实很多企业裁员跟 AI 也没什么关系，只是生意不好了而已。但是你说一个企业上了 AI 以后增加了多少收入，这就很难很难了。所以 MIT 的报告就说，只有 5% 的企业增加了收入。

企业为什么会失败？不是因为员工不会问 ChatGPT 问题，而是因为真实企业里有一堆麻烦：

• 数据分散在 CRM、ERP、邮件、飞书、Slack、Excel、网盘和老板的脑袋里面；
• 权限没人敢开；
• 审计没人敢签；
• 法务只会说有风险；
• IT 又怕出事故；
• 业务部门怕被替代；
• 老板想要 ROI，就是希望有投入产出比，但是又不想改流程。

Demo 能跑，生产环境根本跑不起来。这是大多数企业遇到的问题。所以这就是咱们今天要讲的企业 AI 的最后一公里。很多公司买了模型，买了套餐，做了 Demo，开了发布会，最后什么也没改变。

所以 AI 时代真正稀缺的人，不是发明新模型的人了。更稀缺的是能够进入企业现场、看懂业务流程、接通旧系统、设计权限和评估，把 AI 从 Demo 推进生产环境的人。这就是 FDE 爆火的根本原因。

FDE 的源头：Palantir 的旧方法在 AI 新战场复活

FDE 不是一个新发明，这东西是 Palantir 很早很早就发明的。所以我说这个玩意跟战争还是稍微有一点点关系的。

Palantir 成立于 2003 年，服务于政府、军方、情报、金融、能源、医疗、制造等复杂客户。这些客户有几个共同点：

• 第一，数据很脏，就是各种各样的数据放在不同的地方。
• 第二，系统很乱，不同的时期上了不同的系统，管不同的事情。
• 第三，权限很复杂。像政府、军队，权限一定是非常复杂的，而且他们设计这套权限系统的时候，也是考虑到各种法律法规的相互制约。
• 第四，业务不能停。你不能说咱们停下来，不打仗了，咱们研究一下怎么去改变一下这个架构吧，这个是不行的。
• 第五，出错代价极高。打仗、政府，肯定是出错代价很高的。

Palantir 很早就发现了，传统 SaaS 模式没法为这种客户服务。不能只说给你一个账号，你自己去研究，这事是搞不定的。必须派工程师进入客户现场。

Palantir 在内部把传统的软件工程师叫 Dev，叫开发；把 FDE，他们叫 FDSE，也就是软件的前沿部署工程师，叫做 Delta。Delta 就是增长的意思。

官方博客里面有一个非常典型的区分：Dev 关注的是我怎么能够开发一个模块为大家服务；而 Delta 关注的是，我有这么多模块和功能，怎么能够为一个客户服务，让他把这些东西用起来。FDE 为一个客户组合很多能力，把问题现场解决掉。

这个角色不是售前，不是客服，也不是普通的外包。他是会写代码的业务顾问，也是懂业务的工程师。

Palantir 的模式为什么在 AI 时代重新爆火？因为 AI Agent 进入企业以后，碰到的也是同样的问题：数据不干净，旧系统难接，员工不配合，合规要求高，业务流程没人说得清楚。

所以 FDE 不是新瓶装旧酒，而是一个旧方法在新战场上的复活。以前 FDE 把 Palantir 的系统装进了复杂的组织，今天 FDE 把 AI Agent 装进各种复杂的公司里。

OpenAI 要卖的不是模型，而是落地结果

OpenAI 不是要干掉客户，而是要逼客户先干掉旧流程。你想让公司 AI 化，一定要打破原来的组织架构，打破原来的流程。如果不打破，神仙来了也救不了。

OpenAI 为什么现在要做这件事？因为只靠模型打不赢企业市场了。个人用户买 ChatGPT 很简单，20 美金一个月，好用就订，不好用就拉倒。企业客户是不一样的。企业客户会问：

• 我的数据能不能接？
• 我的权限能不能管？
• 我的审计能不能留痕？
• 出了事谁担责任？
• 出了事谁去坐牢？
• 我投入这个钱以后，怎么能把这钱收回来？

你不能说我投入以后就只能裁员，这事也稍微有些悲观了吧。所以 OpenAI 必须从卖模型走向卖落地结果。

2026 年 2 月 23 号，OpenAI 宣布 Frontier Alliance，要去给人接。合作伙伴是 BCG、麦肯锡，还有其他几个咨询公司，目标是帮助企业从使用 AI 助理走向生产级的、安全可扩展的 Agent 部署。

路透社报道提到，OpenAI 的 FDE 会和咨询公司协作，帮助企业把 AI 嵌入销售、客服、软件开发等核心运营环节。这个动作非常关键。它不是说我自己的工程师就直接上人家公司上班去了，而是它的工程师跟麦肯锡这些人一块到客户那里去，然后把这个东西整个用起来。

因为麦肯锡那帮人相对来说比较了解客户业务，甚至很多客户的业务就是由麦肯锡他们来规划的。现在有工程师进来了，说我现在有这个能力了，有那个能力了，咱们怎么再进行大刀阔斧的调整。

这说明 OpenAI 已经意识到了：模型公司自己不懂所有行业，咨询公司懂客户和组织，系统集成商懂旧系统，FDE 懂 AI 落地。它要把这几个能力结合在一起，才能够推动企业 AI 化。

所以未来企业 AI 的交付，不是一家公司单打独斗，而是一个新的联盟：

• 咨询公司负责改脑子；
• 系统集成商负责改管道；
• OpenAI、Palantir、Salesforce 这些平台公司负责 AI 能力的接入；
• FDE 负责把 AI 放进血管里。

这里还有一层更残酷的逻辑：OpenAI 不能一上来就把客户干掉。你不能像 Anthropic 似的，我这起来以后，你那边的股价就暴跌，很多公司就开始倒闭，这事不行。它必须让客户成功，因为企业客户是它的大市场。但是客户如果真想成功，就必须干掉自己旧的工作方式和组织架构。

所以 OpenAI 不是温柔地卖软件，它是在告诉企业：你不改，别人会改；你不重构流程，AI 原生小公司会用更少的人干掉你；你不让 FDE 进来，以后可能连改造的机会都没有了。

山姆·奥特曼曾经跟人打过赌，说一人十亿美元独角兽很快就会出现了。但其实他那个声音有点灰色。不过山姆·奥特曼说，现在 10 个人的独角兽，也就是这公司只有 10 个人，但是估值已经到 10 亿美金以上，也马上要来了。

如果这些大企业不去进行调整，不去请 FDE 进来改掉自己的组织架构和传统流程，可能这些 10 人独角兽就是你们的掘墓人。所以这是一种恐吓式的销售：你不干，别人干掉你。

Shopify：先用 AI，再谈招人

Shopify 已经把先用 AI 再招人写进制度里了。如果说前面讲的 Customers Bank 是银行流程被 AI 改造，那么 Shopify 是公司管理制度被 AI 改造。

2025 年 4 月 7 日左右，Shopify 的 CEO 在 X 上确认并公开了一条内部备忘录，大意就是：AI 使用已经成为底线要求。任何团队要招人，你先问问，你这个团队 AI 是不是已经彻底用好了。如果没有用好，继续用 AI，不要招人。至少还没说裁人，我觉得还算是做得不错的一个 CEO。

所以在他们公司，不能说活太多，所以我要招人；而是你要先证明 AI 已经干到冒烟了，AI 干不了了，你才能再跟我提要求去招人。它是这样的一个运作模式。它还把 AI 使用纳入了绩效考核和评估里。

这不是技术部门自嗨，这是 CEO 把 AI 写进了公司制度。过去老板会问，你为什么没完成？未来老板会问，你有没有先让 AI 做一遍？过去团队申请加人说活太多了，未来团队申请加人要先解释，这些活为什么不能由 AI Agent 来处理。

那这跟 FDE 有什么关系？FDE 进入企业以后，真正改变的不是一个工具，而是企业组织对于工作的定义：哪些工作必须由人来做，哪些工作可以由 AI 来做，哪些岗位还要补人，哪些流程应该重写。这就是 AI 从效率工具变成组织制度的一个标志。

FDE 到底做什么：不是培训 ChatGPT，而是接管流程改造

这里我们正式定义一下 FDE：前沿部署工程师。

他不是普通售前。售前叫 Sales Engineer，老范做过售前。售前通常是做 Demo、讲方案、配合销售的。FDE 也不是传统咨询，咨询更偏重于访谈、框架、报告、路线图，最后交付的是一大堆报告，交完了就完了。至于你看不看、用不用，他其实不管。

FDE 是一个混合角色：会写代码，会听业务，会接系统，会做流程，会处理权限、日志和审计，会推动组织采用，会把客户反馈带回产品团队去。

他的工作通常分为五步。

第一步，诊断真实业务

客户不会给你一个清晰的需求文档，客户给你的通常是抱怨：这个审批实在太慢了，客服回答不一致，销售跟进太慢了，合同看不过来，报表每天要手工做，新员工培训太久了。FDE 要把这些抱怨翻译成可以部署的 AI 场景。

第二步，选择可衡量的场景

不是上来说，我整个都给你改掉，你给我签一个什么样的服务协议，我就给你规划一套完整的新流程。这是原来咨询公司干的活，FDE 不干这个活。

好的 AI 落地场景通常有几个特点：

• 第一，高频，经常要发生。
• 第二，重复。如果每次都不一样，这个事对于 AI 来说也是很痛苦的。
• 第三，要有数据。这个事情完全没有数据、完全靠人，搞不定。
• 第四，要有规则。事是办完没办完，办到什么样算结束，办得好不好，你必须要有一个规则来评判。如果完全主观，就不适合进行 AI 改造。
• 第五，风险可控。如果发现改完以后马上就有巨大风险，可以往后排。
• 第六，结果可以衡量。改造以后，速度提升了，人员减少了，收益上升了，这个必须可衡量。

要不然的话，你上了半天，钱花了，最后没有结果，可能最后写个 PPT、开个报告就结束了，这不是一个好的场景。

第三步，接入真实系统

传统企业不可能说原来没有数字化过，都是数字化过的。原来可能有什么 ERP、CRM、OA、邮件、Slack、飞书、钉钉、企业微信，还有数据库、Excel、老旧的内部系统，一大堆这些东西。

FDE 需要处理这些 API、权限、单点登录、日志、审计、回滚、安全边界。谁可以看什么，不可以看什么，谁有什么样的权利，这个东西必须要梳理清楚。梳理不清楚，就没有办法前进。为什么很多人进到企业里给人家做新的项目部署，最后失败了？就是因为这些东西接不起来。FDE 他们要去接这些东西。

第四步，设计人机协作

高风险任务不能完全交给 AI，要设计人在里面的审批环节。比如 AI 可以做合同风险标注，但是最终签字的还得是法务，而且你要让法务可以快速看到你到底标了些什么，为什么这么标。你不用让法务把整个合同都看一遍，你要提高他的效率。

AI 可以整理贷款资料，但是最终审批还得是人。AI 可以生成客服回复，但是敏感问题还是得转人工。

第五步，推动组织采用

前面都做完了，组织得用起来。这一步往往是最痛苦、最难的。员工会害怕被取代，当然这个怕也没用，他最后还是会被取代的。部门负责人害怕失去权力，这应该也是不可避免的。IT 怕出安全事故，也肯定还是要出的，因为改了流程以后，特别是还有从上到下大家不愿意配合的主观因素在里面，所以出现一些磕磕碰碰是难以避免的。

法务也怕合规风险，财务要看 ROI，到底是怎么挣钱、怎么亏钱，投入产出比是什么样的。老板要快，这个是稍微有点痛苦。这都是组织应用 AI 过程中的各种拦路虎。

FDE 夹在所有这些人中间，所以它不是一个普通的工程岗位，它是一个沟通协调岗位，但是同时你还得会写程序。

中国企业里的 FDE：可能要先学会不背锅

中国企业可能会更难一点。FDE 可能要先学会不背锅。像在美国，他们可以说我们规划一个新的组织架构、新的流程，上面老板一拍板就开始动了。但在中国，毕马威、麦肯锡他们在中国其实最主要干的活，就是帮国企去做阶级斗争。FDE 现在进来以后，可能也会成为同样的角色。

但是你帮国企做阶级斗争，总有斗争成功、斗争失败的时候。如果斗争失败，可能就要背锅。所以在中国做这个事情会更痛苦一些。

国内企业内部有几个特点：

• 第一，老板意志极强。特别是一些相对成功的企业，基本上是一言堂。他说什么就要什么，一拍脑袋想什么就来什么，你必须照着做。
• 第二，部门的墙极厚。因为每一层部门都有各自的利益，咱还不说灰色的部分，就说明面上的利益，他也有自己的部门利益，是很难打破的。
• 第三，权限很模糊。虽然咱们讲究责任到人，这是对底下来说的。在上面这一层里，权限是非常模糊的。数据也非常不透明，很多数据是相对隔离、比较分散的。

我记得傅盛当时他们叫可牛影像跟金山合并的时候，坚决不使用金山已经开发好的 ERP 系统、CRM 系统，坚决不用。原因很简单，就是一旦用了，你的数据就打通了。所以猎豹移动在上市之前，我们整个内部的财务管理系统是用 Excel 来管理的。

当时是安永进来做上市辅导，看了一下都疯了，说这次收这点钱不够，我们没法给你做上市辅导，你这个都是 Excel。

Excel 跟数据库之间最大的差别，大家知道是什么吗？就是没有做数据一致性。这边改了以后，那边那个表是不会跟着动的，就可以有很多很多的账目在里面。当时安永也是费老鼻子劲，才算把这个事情推过去。

中国企业还有什么特点？就是出了事没人担责任。成功了以后还要抢功，失败了以后要甩锅。所以 FDE 进到中国企业里，可能会遇到三种情况。

第一种，被老板当枪使

一进来以后，老板说咱们先别研究改系统了，先看看怎么能够帮我把那哥们干掉。原来麦肯锡他们在国内企业里经常就干这种活。

第二种，被部门当成预算工具

要上 AI 吧？买显卡呀。中国原来买了一堆垃圾，叫 DeepSeek 一体机。就在 DeepSeek R1 发布的时候，各个企业都去买这个东西。这个东西里应该是使用各种各样的算力卡，可能是 8 卡机或者几卡机，能够跑 DeepSeek R1，将就能跑。跑起来以后，其实也没有人用，就是当时大家都买，买完以后就都搁那儿落灰了。

当然，也有一些比较黑心的老板或者黑心的手下，他们会干嘛？用这种比较烂的机器，比如里面装了一个千问很小模型蒸馏出来的 DeepSeek R1。因为当时有 DeepSeek R1 什么 32B，就是拿千问模型蒸馏出来的这种版本，号称也是几百万，就把这钱花了。这种东西现在都搁在库房里躺着呢。

有一些强势部门遇到 FDE 以后说，我们还要再去搞一些这种事情，再买几台这种一体机给我放在仓库里。至于买一体机剩下的钱哪儿去了，就谁也不知道了。

第三种，项目失败以后成为背锅侠

你帮着这个老板把那个人干掉，结果那个人没干掉，这个老板自己塌房了，那么这个 FDE 可能也会在里面背锅。而且这种背锅，不是说你项目失败了，有可能会承担更重的一些责任，咱们就不展开讲了。

FDE 是长期职业，还是短期泡沫？

那么 FDE 是一个长期职业，还是短期泡沫？谁适合干这个活？因为我们看到 FDE 上来以后，帮人把公司改了，改完以后你就回去了，你就结束这个任务了。还有新的公司可以做吗？还是说做完这一批以后就废了？这是我们要研究一下的。

FDE 这个职位可能是分层的。低端的 FDE 最终可能会被工具所取代。比如你就会搭个 n8n，会接 API，会做知识库，或者会配一个简单的客服机器人，这类工作肯定会越来越便宜，最后会被 AI 取代。

高端的 FDE 会长期存在下去。因为高端 FDE 其实是行业的领域专家，你可能真的特别懂某一个特定行业，可能会比这些老板自己还要再懂，然后还很会用 AI，他们会一直存在下去。

什么人适合做 FDE？

第一类，早期创业公司的工程师

你说我是大厂工程师，这个其实不适合。为什么越大的厂，工程师就越螺丝钉，你可能除了自己这块东西做得特别好、特别精细之外，换一个地儿你就不知道怎么转了，或者说整个大厂的运作方式你是不理解的。这些人其实不适合做 FDE。

而且很多大厂工程师离开大厂以后，可能连软件都不会写。原因很简单，比如像百度、阿里这样的公司，它全套的底层代码库、底层软件库都是大公司整个重构过的，你离开原来的公司压根就没法转起来。

早期创业公司的工程师会比较习惯混乱，既会写代码，也能见客户，还会做产品，还能救火，所以他们会更适合一点。

第二类，解决方案架构师、云迁移工程师

他们通常会懂企业系统，也懂权限、数据、部署、稳定性和成本这些东西，算是跟企业 IT 部门有一定的共同语言。

第三类，有行业背景的技术人

比如你懂金融、懂医疗、懂制造、懂法律、懂教育、懂跨境电商，这一类人只要补上 AI 工程能力，还是非常有价值的。

第四类，懂自动化的业务专家

比如这些人会 n8n、Dify、Coze，或者是 MCP、OpenClaw 这些东西，能够快速做出工作流来。但是要从工具玩家升级到行业流程专家这一块，还是要付出一些努力的。

第五类，能够转工程的顾问

比如原来麦肯锡的，以前只会做 PPT，这些人位置就比较危险了。如果他们能够掌握 API，掌握 RAG，掌握 Agent，掌握自动化和数据接口，他们也可以成为 FDE。

哪些公司适合提供 FDE 服务？

Palantir，这东西就是从他这儿来的。OpenAI 现在也正在干这个事情。像 Salesforce、SAP、Oracle、ServiceNow、Microsoft 这些 ERP、CRM、SaaS 公司，他们也会提供这种 FDE 服务。因为原来他给你做一个完整的项目，系统就搁那儿了。现在的话，他可能需要工程师到现场去，帮你改改业务流程。

还有就是原来那些咨询公司的人，他们也适合做这个事情。当然，还有一种是垂直行业的一人公司，就是他对这个行业很懂，但是他这公司很小，就一个人、两个人，他们也可以做这个事情。

我个人可能更看好的是 一人 FDE 公司。不是泛泛地给所有人做 AI 自动化，而是锚定一个行业，比如做牙科诊所、做小律所、做跨境电商、做汽车经销商、做中小银行、做教育培训机构、中小制造业企业，对某一个特别熟，那就可以去做这种 FDE，帮人做 AI 部署就完了。

一个客户可能你服务他十天半个月，就可以去下一个客户。而且随着这些 AI 工具的不断增强，AI 新工具的涌现，AI 新模型能力的涌现，你还可以不断跟你行业里的这些客户进行升级和服务。所以一人公司未来可能在这个方向是大有可为的。未来模板越来越多，部署越来越快，行业理解越来越深，这才是真正的一人 FDE 公司的复利时代。

FDE 会创造就业，也会加速岗位消失

最后，FDE 在创造就业，但是也会加速岗位的消失。这个稍微让大家听起来不太舒服。

FDE 会创造高薪就业吗？会的。而且 2025 年 1 月到 9 月，FDE 这个岗位的岗位数增加了 800%，很多企业都在开始招这个职位了。

但是注意，这个职位新人小白干不了。你一定是有行业经验的领域专家，你才能干这个活。它会创造一定的岗位，但是任何使用 FDE 的企业都会进行岗位压缩，这个事是避免不了的。

而 FDE 是一个高杠杆角色，可能一个 FDE 就业了，会有 10 个、20 个其他岗位消失。这可能是无法避免的事情。

而且企业使用 FDE 的过程中，那些初级法务、初级分析师、初级运营，大量会被 AI 替代。原来你可能还替代不了，现在 FDE 上来了以后，这个东西 AI 搞定了，那个东西 AI 搞定了，这些人就都没工作了。再想重新招聘这些人，基本上不现实了。

McKinsey 2023 年报告估计，生成式 AI 和其他技术有潜力自动化员工 60% 到 70% 的时间。这不是说 60% 到 70% 的人员马上会失业，而是说岗位内部大量的任务会被切走。所以 FDE 是机会，也是冲击。

给企业管理者、企业主和个人的建议

如果你是企业管理者，不要一上来就搞个大平台，找一个高频、痛苦、可衡量、风险可控的流程，找个靠谱的 FDE 直接做样板。

如果你是企业主，可能你也不太想去搞这个 AI，但是也可以利用 FDE 这种外部变量，突破原来内部搞不定的部门墙和流程桎梏。你说我想把谁谁谁干掉，但是搞不定，那就整个 FDE 过来把他搞定。

如果你是个人，有软件背景、AI 能力、行业经验，就应该开始准备向 FDE 这个行业迈进。你要提升自己的 FDE 服务能力，不要只学提示词，要学 API、数据、RAG、Agent、权限、评估、部署和行业流程。学好这些东西，个人就有可能成为一人 FDE 公司。

最后一句话

AI 不会自动改变公司，真正改变公司的是懂 AI、懂业务，又能把系统跑起来的人。FDE 就是 AI 进入企业现场的那把手术刀，也是企业 AI 化的最后一公里。

好，今天的故事就讲到这里。感谢大家收听，请帮忙点赞、点小铃铛，参加 Discord 讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

背景图片