转向一｜从模型稀缺到场景稀缺
- 过去
- 更强的模型和算法本身就是主要壁垒
- 现在
- 基础模型可获得性提升，差异更多来自工作流、领域数据、集成和持续优化
- 启示
- “知道哪里值得用、如何真正用起来”变得更重要
01 · 一个岗位的信号
FDE并不新，
为什么偏偏在AI时代重新走红？
Palantir 很早就用 Forward Deployed Engineer 深入复杂客户现场；现在 OpenAI 设置 FDE 与 AI Deployment Engineer，Anthropic 大量招聘 Applied AI Architect，AI应用公司还出现了 Agent Product Manager 等角色。名称不同，方向高度一致。
过去的软件主叙事
造出标准产品，再规模化销售
产品与研发在后方完成能力，客户负责配置、采用和组织改变。
AI时代暴露的新矛盾
通用能力很强，但真实价值高度依赖现场
工作流、数据、系统、权限、评测、信任和改变方式共同决定结果。
岗位走红的底层原因：技术供给变强之后，“把技术变成结果”的能力反而更稀缺。
OpenAI 对 FDE 的成功标准不是完成 Demo，而是生产采用、可衡量的工作流影响，以及能够反馈到产品和模型路线图的评测信号。[3]
02 · AI行业四大转向
FDE热潮背后，
AI价值创造方式正在发生四个转向。
转向二｜从功能交付到结果闭环
- 过去
- 需求完成、功能上线、模型精度达标
- 现在
- 生产可靠、用户采用、工作流改变、业务结果可衡量
- 启示
- 完成定义向价值链后端延伸，角色必须跨过传统交接边界
转向三｜从人使用工具到人机共同工作
- 过去
- AI辅助单点任务，人仍按原流程工作
- 现在
- Agent进入流程，人开始分派、校验、协同和治理数字劳动
- 启示
- 组织设计对象从“岗位”扩展为“人—Agent—流程”系统
转向四｜从专业分段到能力组合
- 过去
- 产品、算法、开发、实施分段交付
- 现在
- 围绕问题快速组合业务、产品、技术、数据和变革能力
- 启示
- 专业深度仍重要，但价值越来越产生于接口处
微软把这种趋势概括为由“按需智能、人机团队和 Agent Boss”构成的 Frontier Firm；这是一家厂商提出的趋势框架，不是确定预言，但它提示管理者开始重新设计工作与组织，而不只是采购工具。[7]
03 · 底层价值逻辑
模型输出只是起点，
AI价值来自持续学习的生产回路。
01高价值问题真实决策与工作流
02方案与评测模型、规则、数据和护栏
03生产集成系统、权限、成本与可靠性
04采用改变用户信任、行为与流程重构
05结果反馈业务影响、错误与新问题
06能力复用产品、组件、评测与方法
AI系统之所以难，不是因为每个环节都必须由一个人完成，而是因为任何一个环节都不能无人负责，环节之间还必须形成短反馈。
价值飞轮
- 现场问题让产品与模型更真实
- 产品与平台让下一次落地更轻
- 生产反馈让评测和治理持续进化
- 复用收益反过来支持更难的新探索
真正的壁垒
- 不是堆更多模型，而是更快找到高价值问题
- 不是做更多定制，而是让定制持续减少
- 不是一次性交付，而是组织学习速度
- 不是个人英雄，而是完整系统能力
MIT NANDA 的初步研究将大量 GenAI 项目停滞归因于工作流脆弱、缺少情境学习以及与日常操作错位；其“95%”比例受样本与定义限制，只适合作为方向性警示。[8]
04 · 新角色正在涌现
FDE之外，
哪些连接技术与价值的复合角色正在出现？
AI机会与工作流设计
理解业务、用户和流程，判断哪里值得使用AI，重构人与Agent的分工。
应用AI构建与评测
组合模型、数据、Prompt、Agent和软件，建立业务与技术联合评测。
生产部署与采用
解决集成、权限、安全、可靠性和改变管理，让能力真正进入日常工作。
能力抽象与平台化
识别跨场景共性，沉淀组件、接口、评测、治理和自助能力。
| 市场上出现的名称 | 强调的价值 | 共同底层能力 |
|---|---|---|
| Forward Deployed Engineer | 深入现场、端到端构建、生产结果与产品反馈 | 业务理解 × AI技术 × 软件工程 × 评测 × 推进改变 × 知识复用 |
| AI Deployment Engineer | 从用例、架构和原型推进到可靠生产与规模采用 | |
| Applied AI Architect | 把通用模型能力转化为行业与企业解决方案 | |
| Agent Product Manager | 把Agent当成需要训练、评测和运营的数字成员 | |
| Agent Boss / Human-Agent Lead | 分派、协调、校验和治理人机团队 |
这些名称来自不同企业和趋势报告，边界并不统一。它们共同提示：问题发现、应用构建、生产采用与能力复用正在成为不可缺失的责任。
如果价值必须在真实场景中闭环，组织问题就会从“AI团队放在哪里”，转向“这些责任由谁承担、哪一环最弱、如何形成反馈”。
05 · 未来AI组织能力组合
未来的AI组织，
更像四种能力相互咬合。
① 面向结果的跨职能团队
- 负责
- 真实问题、快速验证、生产采用和业务结果
- 构成
- 业务、产品、算法/AI、开发、数据等稳定协作
- 关键
- 不把AI工作再次变成向专业团队提需求
② 面向复用的产品与平台能力
- 负责
- 跨场景模型、评测、数据、工具、接口与治理
- 目标
- 让新场景更快、更稳、更低成本地接入
- 关键
- 以采用和认知负荷下降衡量，而不是功能数量
③ 面向深度的专业共同体
- 负责
- 专业标准、技术深度、评审、导师与人才成长
- 保留
- 关键算法、工程、数据与安全等稀缺能力
- 关键
- 保护深度，但不重新变成资源池和排队中心
④ 面向变化的组合与治理
- 负责
- 价值排序、资源取舍、风险边界和停止决策
- 对象
- 不只管理项目，也管理AI能力和人机工作系统
- 关键
- 既避免野蛮自动化，也避免治理拖慢学习
组织的核心设计问题，从“AI团队放在哪里”变成“问题、能力、专业和治理如何形成闭环”。
06 · 人才转型路径
算法之外，
哪些专业正在成为AI价值闭环的一部分？
| 原专业 | 可带入的新价值 | 需要跨过的关键边界 | 可能成长方向 |
|---|---|---|---|
| 算法工程师 | 模型、数据、实验和技术边界 | 从离线指标走向业务问题、生产工程与采用 | 应用AI、评测、关键算法攻坚 |
| 开发工程师 | 架构、编码、集成、部署和可靠性 | 理解模型行为、业务语境和价值评测 | AI应用工程、Agent工程、AI部署 |
| 产品经理 | 用户、流程、需求与价值判断 | 补足AI与工程深度，能做技术取舍和快速原型 | AI产品发现、工作流设计、Agent产品 |
| 数据人员 | 数据口径、质量、分析、指标和管道 | 进入模型评测、应用构建和生产反馈 | AI评测、数据产品、智能决策系统 |
| 实施/解决方案 | 现场语境、沟通、项目推进和采用 | 补足生产级工程与产品反哺能力 | AI部署、应用架构、客户成功工程 |
| 业务专家 | 领域知识、判断标准、例外和真实约束 | 形成AI素养、流程设计与人机协作能力 | AI业务Owner、Agent运营与训练 |
共同底线
- 理解AI能做什么、不能做什么
- 围绕真实结果而不是技术热度工作
- 能与相邻专业形成短反馈
- 让经验进入团队和组织资产
允许差异
- 有人更强于问题和产品
- 有人更强于算法和评测
- 有人更强于系统和生产
- 有人更强于抽象和平台化
世界经济论坛的 2025 报告同时强调 AI/大数据等技术技能和分析、创造、韧性、领导与协作等人类技能；未来角色更可能要求二者组合，而不是用一方替代另一方。[9]
07 · 对公司组织的启发
回到我们的组织，
不必先复制岗位，可以先补齐责任。
公司已经在向价值流团队转型。FDE案例提供的启发，不是再增加一层新组织，而是检查现有团队是否覆盖了从经营问题到AI价值的完整闭环。
面向业务结果的团队
更接近GST（增长/业务结果团队）的责任
发现问题、设计实验、组合能力、推动采用、验证经营结果。
面向长期复用的团队
更接近PST（产品/平台支撑团队）的责任
抽象共性、建设模型与平台能力、评测治理、降低接入成本。
检查每支团队是否缺少这些责任
- 谁负责识别最值得使用AI的经营问题？
- 谁把模糊问题转成可验证方案？
- 谁让方案可靠进入生产并推动采用？
- 谁对业务与技术联合评测负责？
- 谁判断哪些经验值得跨团队复用？
- 谁保护专业深度并培养下一批人才？
未来角色设计的六个维度
远离现场业务接近度深入工作流
明确任务模糊问题处理自主定义验证
单项技术系统构建生产闭环
局部优化价值责任经营结果
单场景抽象复用平台产品化
个人经验组织学习能力资产
08 · 机会与风险
角色融合会让哪些工作方式失效，
又会创造哪些成长空间？
机会｜更完整的价值感
技术人员更快看到成果，产品人员更接近构建，业务专家获得新的杠杆。
技术人员更快看到成果，产品人员更接近构建，业务专家获得新的杠杆。
机会｜新的职业通道
应用AI、AI部署、Agent产品、评测、平台化和人机团队运营都会产生新角色。
应用AI、AI部署、Agent产品、评测、平台化和人机团队运营都会产生新角色。
风险｜只换头衔不换机制
如果仍然串行提需求、排期和移交，新名称不会带来新能力。
如果仍然串行提需求、排期和移交，新名称不会带来新能力。
风险｜把复合变成全能
要求一个人同时精通所有领域，会制造过载和英雄依赖。
要求一个人同时精通所有领域，会制造过载和英雄依赖。
风险｜短期价值挤压专业深度
如果没有专业共同体和长期能力投资，组织会失去解决难题的能力。
如果没有专业共同体和长期能力投资，组织会失去解决难题的能力。
风险｜过早以新标准评价旧人才
转型需要真实任务、结对、工具和适应期，不能只提出更高要求。
转型需要真实任务、结对、工具和适应期，不能只提出更高要求。
未来真正有风险的，不是原岗位名称消失，而是个人和组织仍停留在只完成局部任务的工作方式。
09 · 回到我们的讨论
从行业趋势回到公司：
未来需要什么能力组合？
建议工作组形成的六项共识
先看趋势与价值链，再定义角色；先设计成长条件，再讨论人员落位。
10 · 参考来源与边界
趋势用于打开视野，
角色仍需在真实场景中定义。
材料使用公开岗位、企业实践与趋势报告作为启发。不同公司的名称和边界并不统一；报告中的预测与比例受研究口径限制，不应直接变成公司的岗位或人员结论。
- 《FDE的碎石路逻辑：为什么越不能规模化的事，越值钱》
- 《AI时代落地攻坚者：FDE前沿部署工程师全景解析》
- OpenAI｜Forward Deployed Engineer
- OpenAI｜AI Deployment Engineer, Enterprise
- Palantir｜Forward Deployed Engineering methodology
- a16z｜Why the Forward Deployed Engineer Is the Hottest Job in Startups
- Microsoft｜2025 Work Trend Index
- MIT NANDA｜The GenAI Divide
- World Economic Forum｜Future of Jobs Report 2025
- Anthropic｜Applied AI roles
内容说明：本材料同时参考了价值流组织、平台能力与专业共同体等组织设计实践，用于启发讨论，不构成特定公司的岗位方案。