好文集ChatGPT Plus¥119

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。

文章配图

赶时间的可以直接跳:

  1. FDE 到底是什么,值不值得做?

  2. 怎么看一个 FDE 团队行不行?

  3. 什么样的企业适合做 FDE?自己做还是找外面的团队?

  4. FDE 包含什么?提效和 SEO、GEO、获客什么关系?

  5. FDE 的单子到底怎么签,流程是什么?

  6. 一个 FDE 项目到底要花多少钱,ROI 怎么算?

  7. 要不要买硬件做私有化部署?

  8. 既然 FDE 能提效,培训到底要不要做?

  9. 对于普通人来说,做 FDE 的门槛到底在哪?

  10. 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。

文章配图

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。

文章配图

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。

文章配图

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。

文章配图

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。

文章配图

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。

文章配图

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。

文章配图

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。

文章配图

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。

文章配图

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。

文章配图

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。

文章配图


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

文章配图

全文完
查看原文

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。

AI 岗位与求职AI 时代的新岗位与求职:FDE、Agent 工程师、AI 产品经理的能力要求和面试准备。