走进现场之后，FDE 真正交付什么？——从业务断点到组织采纳

一个零售企业想自动对账，最后发现的不只是工时节省；一个消费品团队想审核包装，真正困难的却是整理不同角色的判断标准；一款法律 AI 原本准备扩大案件类型，用户却不断要求把一个案件处理得更深。

讨论 AI 的重点正在从模型能力移向真实问题：演示之后谁来使用，怎样融入组织，发生问题谁负责？

FDE 成了这些问题汇集的地方。在真实的业务战壕里，这个角色到底意味着什么？

一、项目的价值，从选择做什么时就开始了

产品连接模型，向上提供运行能力和客户端，最外层才是进入企业的交付团队。之所以必须有这一层，是因为产品被采购和安装，并不等于员工真的会在日常工作中使用。

在很多企业客户中，AI 的使用高度集中在极少数人身上——“5% 的人消耗掉了 95% 的 token”。这说明：采购和账号分发只是起点，真正的商业价值必须在具体工位的工作流中闭环。

1. 对账没有炫技，却最容易建立信任

一家在商场经营多门店的零售企业，每个周期都要与商场对账。门店收银、商场支付和财务系统没有打通，营业员需要花大量时间核对，严重影响正常销售。

FDE 团队采用的技术并不复杂：提取商场账单，用 OCR 与结构化提取处理资料，按周期执行自动化核对，再把差异条目交给人确认和沟通。人没有消失，而是把精力集中在需要解释和协调的异常上。

客户此前还提出想做智能客服和全网竞品监控。为什么先做对账？

因为对账的反馈链路最短，结果最清楚，外部不可控变量最少。客服能否带来销售增长，受到季节、库存、门店选址和人工跟进等多重影响；而对账是否准、省了多少工时，几天就能见分晓。先做最容易验证价值的事，才能在客户组织内部快速建立交付信任。

2. 同时看两本账：业务改善与资产沉淀

FDE 在客户问题和产品方案都尚未完全确定时，通过现场工作和快速工程验证，让两边逐渐明确。因此，每一次交付应当产生两本账：

1. 第一本账：客户能感知的经营改善。客户是否持续使用？业务流程是否缩短？FDE 离开后系统能否继续运转？
2. 第二本账：下一次交付可以复用的产品资产。有没有沉淀出通用的行业 SOP、连接器配置、Skill 模板？下一次进场交付成本是否显著下降？

只算第一本账，FDE 就会沦为每次重新搬砖的低端外包；只算第二本账，就极容易陷入闭门造车、自嗨做出客户根本不用的功能。

二、企业在哪个阶段，决定了该交付什么

很多企业以为自己缺的是一个 Agent，深入现场后却发现，他们连最基本的数据资产都没理清。

一家企业同一份客户与订单 Excel 在微信群里反复传，十几个版本互相覆盖，字段含义和填报责任全都不清楚。这种情况下直接硬上大模型，只会把混乱进一步放大。

合格的 FDE 必须有一套客观的企业成熟度自查逻辑：

1. 数据与台账是否清晰？ 没有清晰的数据底座，先帮客户把业务流理顺、沉淀在多维表格或统一数据库中；
2. 流程断点在哪里？ 找出人工反复复制粘贴、多系统搬运数据的最高耗时环节；
3. 安全与权限边界是否明确？ 哪些字段涉及商业机密不能上云？哪些关键操作必须由主管在手机上点确认？

在基础未牢固之前，不要试图用高级算法掩盖流程的原始。

三、写在最后：从狂热演示走向现场深耕

社交媒体往往以极低成本制造“AI 马上替代一切”的狂热想象，却把兑现的真实阻力留给现场交付的人。

大模型不会自动消除物理世界的摩擦。一个合格的 FDE，每天都要在现场追问这四个最质朴的问题：

• 客户到底关心什么？
• 原本他们是怎么做的？
• 现在新的工作流怎么运转？
• 相比旧方案，新增的净商业价值到底是什么？

这些问题，比任何时髦的技术名词都更持久。