FDE 大家最关心的 10 个问题,一次性讲清楚
文章目录
这篇文章,我只想表达一个事情:FDE 不是伪概念。
首先一个共识:AI 终究是要落地的,总得有人进到企业里去干,这也是为什么前段时间 FDE 火得一塌糊涂。
但是最近风向好像变了,质疑的人越来越多。问题出在哪里呢?大家真干起来的时候,做着做着发现全是坑,最后都变成了搞培训、做自媒体。
我收集了客户、粉丝、合作方问我最多的 10 个问题,一个一个来回答,都是我们自己做项目的真实体会。
全文口喷,由 Fable 5.2 优化,请放心食用。
赶时间的可以直接跳:
-
FDE 到底是什么,值不值得做?
-
怎么看一个 FDE 团队行不行?
-
什么样的企业适合做 FDE?自己做还是找外面的团队?
-
FDE 包含什么?提效和 SEO、GEO、获客什么关系?
-
FDE 的单子到底怎么签,流程是什么?
-
一个 FDE 项目到底要花多少钱,ROI 怎么算?
-
要不要买硬件做私有化部署?
-
既然 FDE 能提效,培训到底要不要做?
-
对于普通人来说,做 FDE 的门槛到底在哪?
-
普通人怎么入行 FDE,用什么工具?
一、FDE 到底是什么,值不值得做?
一句话:FDE 就是进到企业里,把 AI 接进真实业务,并且对结果负责的人。值得做,但现在市面上大部分叫 FDE 的,不是这个东西。
先看几个场景,你就知道为什么需要这种人。
一家工厂的销售用 AI 写报价单,原来一小时,现在五分钟。老板很高兴。但整个报价周期还是三天。因为销售要找技术确认规格,找采购问材料价,找财务确认利润,最后等审批。写文档那一小时,其实从来不是瓶颈。
再比如知识库。把制度文件传上去,接个大模型,演示的时候问什么答什么。一上线就出事:同一份制度有三个版本,AI 答出来的是去年作废的那版,慢慢系统就没人用了。
我们做过一个教育集团。校长要一个数,各部门导表、汇总、核对,一两天才交得上来。数据其实都在系统里,只是没人把它们接起来。
这几个场景里,AI 的能力都是够的。缺的是有人进现场,搞清楚卡在哪,再把 AI 接进去。所以这件事值得做。
那为什么被骂?看看现在市面上的 FDE 都是怎么来的。
第一种,企业在外面招不到 FDE,就在内部抽几个人自己组一个团队。这条路走得通,但不是每家企业都适合,第三个问题细说。
第二种,直接把以前合作的外包团队拉进来,名字换成 FDE。
第三种,先办 FDE 培训班,培训完把学员拉出去接单。
后两种,跟以前的程序员外包没有任何区别。东西能不能做出来?能。问题是时间。一个需求来回沟通几轮,排期排到下个月,做三个月才见到第一版。
真正的 FDE 只有一个核心:效率至上。
一个二三十万的提效项目,我们的要求是短则两周,长则三周完成交付。这才是 FDE 的玩法。
这不光是为了客户。时间一拖长,FDE 团队自己就亏了。一个二三十万的单子拖成三四个月,三四个人的团队,摊下来几个月就赚四五万。那还不如找个班上。
所以快不是卖点,是这门生意成立的前提。
二、怎么看一个 FDE 团队行不行?
别看他办过多少场培训,看他有多快,看他交付过什么。
办公提效这种项目,对方开口就说要两三个月,大概率就是上面说的外包,换了个说法。
真正的 FDE 是什么速度?你把需求讲清楚,一两天之内,他能拿出一个完成度六七成的 Demo 给你看。现在有 AI 写代码,这个速度做得到。
剩下的时间花在哪?花在你企业内部。找人访谈,搞清楚每个环节到底怎么干的,谁手上有什么数据。沟通才是最花时间的。
我们自己也踩过坑。有一个项目刚启动,有一阵我们在等对方给正式接口,干等了好几天,光在改文档。后来换了思路,先用现成能通的通道把数据拉出来,一天之内就有了能演示的版本,正式接口到了再换。从那以后我们定了规矩:卡住超过半天,就换一条路。
除了速度,再问他三个问题:
-
结果有没有拿我们的真实数据一条一条核对过?
-
你们走了以后,我们自己的人能不能维护?
-
之前做的项目,客户现在还在用吗?
答得含糊的,要小心。
三、什么样的企业适合做 FDE?自己做还是找外面的团队?
如果你引入 AI 只是为了裁员,我不建议你做。适合做的,再看自己是哪种公司,决定谁来做。
想靠 AI 裁员的企业,一般是业务没增量、预算也紧。钱花了,人减了几个,效果不会明显。
而且有个账很多人算错了。AI 每月帮员工省 100 小时,不等于你省了 100 小时的工资。人没走,工资照发,省下的时间只是挪去干别的。
适合做的是三种:
-
有业务增量的。单子接不过来,人招不够,AI 能让同样的人接更多的活。
-
现金流健康的。做 AI 是投入,撑得住才行。
-
老板想试一试的。拿几十万出来不心疼。这种反而容易做成,因为没有"必须三个月回本"的压力。
还有一个前提比钱重要:老板自己得认定这件事非做不可。只是听说 AI 很火、过来问问的,后面要数据没人给,要访谈没人配合,一定烂尾。
决定要做了,下一个问题就来了:从公司内部找懂业务、又会用 AI 的人自己做,还是找外面的团队?
这个很关键,但是没有统一答案,看三样东西。
第一,你是什么性质的公司。
互联网和科技公司,本来就有工程师,可以以内部为主,自己组团队。外面的人最多请来带一带方法。
制造、外贸、教育这类传统企业,内部没有技术团队。硬要自己组,就是找几个年轻人边学边做,半年过去还在摸索。这种更适合找外部团队来做,自己出人配合。
第二,老板对 AI 的接受程度。
老板自己天天在用、认定要做的,内部外部都推得动。
老板半信半疑的,先别急着组团队、签大单。组了团队他不给资源,签了大单他中途反悔。先做一个小的,让他亲眼看到东西再说。
第三,你的上下游是什么样。
这一点最容易被忽略。企业不是孤立的,很多环节一头连着供应商,一头连着客户。
采购对账,要看供应商给你的对账单是什么格式。接单报价,要看客户的询盘是怎么发过来的。上下游还在用 Excel 和微信,你内部改得再好,到了接口的地方还是要人工倒一手。
所以做方案的时候,上下游要一起考虑进去。哪些环节能跟着改,哪些只能自己适配,开工前就要想清楚。反过来,你自己跑通了,带着上下游一起改,粘性会比以前强得多。
我的建议是,对大多数传统企业,别二选一,两边配合着来:
-
一期找外部团队做,图的是快,两三周见到东西。
-
内部出一个懂业务的人全程跟着,他不用会写代码,但他要知道每个环节是怎么回事。
-
项目交付后,这个人接手日常维护,慢慢长成你自己的 AI 负责人。
只靠外部,团队一走你就接不住。只靠内部,大概率慢到老板失去耐心。
四、FDE 包含什么?提效和 SEO、GEO、获客什么关系?
GEO、获客是 FDE 能交付的其中一类场景,不是 FDE 本身。
我们理解的 FDE,交付的是一个行业的解决方案,不只是提效。最简单的分法是对内和对外。
对内,让企业自己转得更快:知识库、办公提效、流程自动化、数据分析,再深一点是排产、质检。
对外,帮企业拿到更多生意:找客户、处理询盘、出报价、做内容。SEO、GEO 就在这一块。GEO 说白了,就是别人问 AI 的时候,AI 能推荐到你。
只卖 GEO 的,是在卖一个工具。FDE 是先看你这家企业到底缺什么,再决定做哪一块。
不同行业重点不一样:
-
制造业:资料多、流程长、靠老师傅经验。先做工艺和设备知识库、图纸资料处理、智能报价。
-
外贸:痛点在获客和响应速度。找客户、读询盘、出报价草稿、记进 CRM,可以做成一条线。
-
教育:先做管理层和老师的办公提效,要数、汇总、写材料。
今年初八部门发了"人工智能+制造"的文件,到 2027 年要推 500 个典型场景、1000 个工业智能体。制造业这块,方向是定了的。
五、FDE 的单子到底怎么签,流程是什么?
先咨询,再分期。一期只做简单、便宜、看得见的。
咨询这一步会筛掉不少人。有的老板自己都说不清想要什么,只说"我们想做个 AI"。这种硬推是推不动的,我们一般不接,或者只做诊断。
需求清楚了,分期做。一期尽量只做四样:
-
数据梳理
-
知识库搭建
-
员工的 AI 办公提效
-
组织流程梳理
为什么是这四样?好做,两三周能交付。价格不高,老板容易拍板。很多企业第一次做 AI,你上来报个大项目,他不敢签。先花小钱看到东西,觉得靠谱,再谈后面的。而且这四样是地基,数据没理清,后面做什么都是空的。
二期三期才做垂直的。制造业是辅助设计、排产、质检。学校是学生的个性化辅导、老师的个性化教学。这些价值大,但要数据基础,也要客户信你。
再说一个我们吃过亏的地方:范围要在开工前定死。做的过程中客户会不断冒新想法,"顺便把这个也加上吧"。全答应,项目就没有尽头,两三周就变成了两三个月。我们现在的规矩是,新增的需求要么放进下一期单独报价,要么换掉一个原有的。
六、一个 FDE 项目到底要花多少钱,ROI 怎么算?
一期的提效项目,二三十万。算 ROI 的时候,投入别漏项,回报别虚报。
投入最容易漏。除了给我们的项目费,还有:
-
模型调用费,或者硬件的钱
-
跟现有系统打通的费用
-
整理数据的人力
-
你自己员工配合项目花掉的时间
最后一项几乎没人算,但它是真成本。
回报分四种,算法不一样:
-
降本:少花了多少外包费、返工费。只算真正少花的现金,省下的工时不能直接折成钱。
-
增效:同样的人多接了多少活,一件事从几天变成几小时。
-
增收:多了多少有效线索,多成了多少单。销售额涨了不能全算 AI 的功劳,市场、产品、销售本人都有份。
-
降风险:少了多少次品,少停了多少次机。
公式很简单:
首年 ROI =(首年能归到 AI 头上的收益 − 首年总投入)÷ 首年总投入
举个假设的例子。一家工厂做智能报价,项目费 25 万,加上硬件和内部人力,首年总投入 40 万。报价周期从三天缩到半天,一年多接的订单带来 120 万毛利,保守按一半归给 AI,是 60 万。ROI 就是(60 − 40)÷ 40 = 50%。第二年没有项目费,回报才真正好看。
两个提醒。没上线之前,所有数字都是预估,谁拍胸脯跟你保证回报率,你要小心。上线跑一段时间后,用真实数据再算一遍。
七、要不要买硬件做私有化部署?
数据敏感、以后还想往上加东西的,尽量私有化。别为了省几十万,把企业最值钱的东西交出去。
这个问题我多说几句,因为太多企业在这里想错了。
现在企业的护城河,已经不是员工了,是数据。准确地说,是那些从来没传到网上的数据。
为什么?网上公开的东西,大模型基本都学过了。你用的模型,和你同行用的是同一批。你能问出来的,他也能问出来。这件事上大家是平等的。
不平等的只有一样:你自己的私有数据。十几年的图纸,每一单的报价和成本,工艺参数,客户往来记录,设备维修工单。这些没连过外网的数据,AI 没见过,同行拿不到。你和竞争对手的差距,就在这里。
想明白这一点,要不要私有化就好判断了。
有人担心本地的模型不行。两年前确实不行,现在不一样了。千问 27B 这个级别的开源模型,一台带显卡的工作站就能跑,做知识库问答、文档处理、资料整理,效果已经很不错。
再说钱。我不骗你说本地一定比云端便宜,用量不大的时候,按量调接口反而更省。但企业用 AI 不是用一两年,是一直用下去。自己的算力可以一块一块加,今天跑知识库,明天加报价,后天加质检。机器是你的,数据始终在你手里。何况显卡本身就紧缺。
也不是所有东西都要放本地。合理的做法是混着用:敏感数据和日常问答走本地,脱敏之后的复杂任务再调云端最强的模型。
图纸、报价底价、学生信息,这类东西出了内网就收不回来。
数据安全的底线要守住。
八、既然 FDE 能提效,培训到底要不要做?
要做。但培训是流量入口,不是产品。
大家骂 FDE 变成了搞培训,问题不在培训,在于很多人只有培训,后面没有交付。
培训做给谁听,结果差别非常大。
面向 C 端散客的,意义不大。来的人是想学技能的,成不了单,培训可以赚钱,但不是FDE。
面向企业基层和中层的,效果也一般。他们听完觉得挺好,但拍不了板,回去该怎样还怎样,而且 AI 就是革底层、中层的命。
真正有用的是面向老板和高层的。而且不靠广撒网,靠关系定向邀约。一场来十个企业主,比来上百个散客强得多。他们听完,认定 AI 一定要做,才会回头找你谈。
课程怎么设计也有讲究。别讲大模型原理,老板不关心。讲三样:同行已经做到哪一步了,放到他的企业里大概长什么样,第一步花多少钱、多久能看到东西。最好现场拿一个真实的 Demo 出来。紧迫感不用你去渲染,他看到同行已经在做,自己会着急。
还有一种是企业内训,给客户的员工讲。这种只讲增效,不讲降本。你站在台上讲 AI 能替代多少人,底下的人只会抵触,后面要他们配合访谈、交数据,没人理你。
九、对于普通人来说,做 FDE 的门槛到底在哪?
技术只是入场券。真正的门槛是上下游关系,和沉淀下来的通用方案。
关系不用多说,B 端的生意,信任排第一。
重点说通用方案。我们跑通一家企业之后发现,很多需求是共性的。财务报账,采购对账,仓库库存管理,销售报价,几乎家家都有,流程大同小异。真正每家不一样的地方,大概只占两成。
所以成熟的做法是:七八成用通用方案直接解决,剩下一两成,工程师驻场做定制。
两三周能交付,靠的就是这个。不是我们手快,是大部分东西已经做过了。
这也回应了开头那个质疑。批评 FDE 的人说的是:每到一家,同一批工程师从头再做一遍,那就是咨询,就是外包。能把做过的东西沉淀下来,下一家直接复用,越做越快,才是 FDE 该有的样子。
没有沉淀的团队,接十个单子累死十次。
十、普通人怎么入行 FDE,用什么工具?
大部分人更适合做 Echo,不是 Delta。工具只有一样是必须的:最好的模型。
FDE 里有两种人,叫法来自最早做这件事的 Palantir。
Delta 是工程师,负责把东西做出来。响应要极快,能写代码,能独立扛架构和交付。这个能力大多数人短期内练不出来,一般得有多年的工程经验打底,天赋特别好的另说。
Echo 是在前面摸需求的人。跟客户把需求聊透,把聊出来的东西变成需求文档和产品方案,再用 AI 很快做出一个能看的东西。
普通人的优势不在技术,在于懂某一个行业。你在工厂干过十年,知道采购对账是怎么回事,知道老板真正头疼什么,这是工程师不知道的。把这个用起来,比从头学架构现实得多。
再说工具。你得有 Claude 的账号,用最好的模型,这是底线。出 Demo、写需求文档、读客户发来的一堆资料,全靠它。用差一档的模型,速度和质量差的不是一点,两三周交付也就无从谈起。
其他的按需配:
-
访谈录音:飞书录音豆、钉钉 A1、Plaud 都行。客户用飞书就用录音豆,用钉钉就用 A1,录完直接变纪要,进他们的文档。
-
整理需求:录音转文字,交给 AI 出需求文档初稿,你再改。
-
做 Demo:AI 编程工具,Echo 也能上手。
和第七个问题对一下:我们自己干活,用云端最好的模型。客户的敏感数据,放在客户本地。两件事不冲突。
最后
FDE 被骂,是因为很多人只做了最容易的那一段,后面难的没人接。
难的是什么?进现场把需求聊透,两三周把东西交出来,把做过的沉淀下来给下一家用,帮企业把数据守在自己手里。
AI 的能力人人都能买到。企业自己的数据,和把这些数据快速用起来的能力,买不到。
我是 Miles,做 AI 算法研发、企业 AI 培训和 FDE 落地交付,
关注我 @miles_mazy ,也可以来我主页获取过往交付的案例资料:https://immilesma.com
如果你们有 FDE 改造的需求,欢迎联系咨询
沿着这个主题继续读
从一篇文章,找到相关的教程、经验和阅读路径。
















