FDE 见客户只问这 9 个问题

最近有个岗位挺有意思，值得多聊聊。

FDE，Forward Deployed Engineer，前向部署工程师。这活儿最早是 Palantir 搞出来的，把工程师直接派驻到客户现场，一泡就是几个月。今年它彻底火了，OpenAI 在招，Anthropic 在招，国内头部大模型公司也在悄悄组建同类团队，只是名字换成了「行业解决方案专家」。

待遇给得不含糊。海外市场这个岗位的总包普遍二三十万美元起步，头部公司给得更高。招聘要求写得也直白，要能驻在客户现场、把模型变成生产力的人。

很多人以为这个岗位的核心技能一定是模型微调、RAG、Agent 编排这类硬功夫。你翻一圈岗位描述就能发现，被反复强调的一条能力，出奇地朴素。

会问问题。

MIT 那份被引用烂了的报告说，95% 的企业 GenAI 试点没拿到可衡量的回报。翻看这些烂尾项目，根因很少是模型不够强，大多数从一开始就歪了。客户要什么没搞清，数据什么状况没人问，验收标准压根不存在。

技术以外的功夫，反而成了分水岭。

下面这张图，就是 FDE 见客户时的 9 个必问题，分价值、可行性、交付三层。我把每一层拆开讲讲。

▲ 三层九问，从需求到可验证交付

01

价值三问，先把「为什么做」问死

客户开口第一句，往往是「我们想上大模型」。这句话听着气势十足，信息量约等于零。

所以 FDE 的前三个问题，全部围绕价值展开。

第一个问题，目标。最想改善哪个业务结果？注意，问的是业务结果，不是技术功能。「上一个智能客服系统」不是目标，「把首次解决率从 60% 提到 85%」才是目标。前者是一句愿望，后者是一个能对齐、能追责、能验收的东西。

第二个问题，流程。现在这件事怎么做的，卡在哪里？这一问的妙处在于，你会听到大量和 AI 无关的细节。审批链条太长，交接靠口头，数据口径打架。很多时候真正卡脖子的地方，根本轮不到模型出场。

第三个问题，指标。成功如何衡量，基线是多少？没有基线的优化都是自嗨。「提升效率」不可验证，「对账时间从 4 小时压到 30 分钟」才可验证。

先有可验证的目标，才谈得上交付。

02

可行性三问，demo 和生产之间隔着数据鸿沟

PoC 阶段的数据是蒸馏水，干净、整齐、随手可用。生产环境的数据是泥浆，散落在七八个系统里，字段缺一半，权限要审批。

demo 和落地之间隔的，就是这条鸿沟。

第四个问题，数据。数据在哪，质量和权限如何？有没有、好不好、拿不拿得到，三道关，一关都少不了。很多项目死在第三关，数据明明存在，就是不给用。

第五个问题，系统。需要接入哪些系统与接口？企业环境里没有孤岛。ERP、OA、CRM、单点登录，每一项都是实打实的工程量，都能让排期翻倍。

第六个问题，约束。安全、预算、时限有哪些硬要求？数据能不能出域，要不要私有化部署，时间盒总共几周。这类问题越早问越便宜，越晚问越贵。

约束不问清楚，demo 越惊艳，交付越危险。

03

交付三问，怎么落地，怎么收尾

方案再漂亮，也要有人把它落到地上。后三个问题管这个。

第七个问题，试点。最小验证范围是什么？别想着一上来全公司推广。选一个环节，一条产线，一个科室，先跑通再说。小步快跑的目的不是慢，是让每一分钱都花在验证上。

第八个问题，角色。谁使用，谁决策，谁负责？这三者对不齐，项目必死。常见死法是最终用户没有话语权，拍板的人从不见用户，出了事找不到背锅的人。开工前把这三个名字问出来，能省掉后面无数次扯皮。

第九个问题，验收。谁验收，如何上线与迭代？验收标准不提前写清楚，上线那天就是争论的开始。上线也不是终点，只是迭代的起点，没有迭代机制的 AI 项目，活不过一个季度。

04

三问闭环，一个都不能少

这 9 个问题不是清单式的一次性问答，它们构成一个闭环。

价值回答为什么做，可行性回答能不能做，交付回答怎么做。三者互相咬合，缺一个，项目就会以某种方式死掉。

▲ 价值、可行、交付三者闭环，缺一不可

落到不同场景，9 问的侧重也不一样。

场景

重点问题

典型动作

新业务探索

目标、试点

快速明确价值假设，小范围验证，控制试错成本

流程优化

流程、指标

定位瓶颈环节，明确数据与系统需求，量化改进效果

系统集成

系统、约束

梳理接口与依赖，评估安全与权限，制定上线计划

降本增效

指标、验收

聚焦可衡量指标，平衡预算与时限，持续迭代放大价值

表里四类场景，基本覆盖了眼下大部分 AI 项目的形态。你可以对号入座，看看自己的项目卡在哪一格。

这 9 个问题说穿了不值钱，值钱的是问的顺序和时机。

大部分失败的项目，不是没人问过这些问题，而是问晚了。方案都写完了才想起问数据在哪，合同都签了才想起问谁来验收。顺序一错，每个问题都从确认事项，变成事故复盘。

所以 FDE 这个岗位真正在卖的东西，不是代码，是一种纪律。

先对齐问题，再讨论方案。

这句朴素到近乎无聊的原则，对齐了认知，减少了返工，提高了成功率。AI 越强，它越值钱。因为模型把答案的成本打到了地板价，稀缺的只剩下会提出好问题的人。

下次不管是你主导 AI 项目，还是被推着上 AI 项目，先把这 9 个问题摆到桌面上。

问对了，后面的事才有得谈。

长沙市智能存算产业促进会会长 李颖悟

联系邮箱：liyingwu@cszncs.com