AI 落地的瓶颈,已经从模型能力转移到交付能力。FDE(Forward Deployed Engineer,前向部署工程师)之所以关键,是因为他们把模糊的业务问题翻译成可运行的 Agent + RPA 工作流,并对上线后的业务结果负责。对中国企业来说,FDE 不是又一个新头衔,而是把 AI 从演示推进到生产所缺的那一环。
核心要点
- FDE 对结果负责,而不是对功能清单负责。
- Agent 负责理解与决策,RPA 负责确定性执行,FDE 负责边界、评测与兜底。
- 先在一个可度量、可回滚的场景里跑通 90 天,再谈规模化。
- 多数失败源于权限、异常处理和组织协同,而非模型不够强。
为什么现在需要 FDE?
过去两年,企业不缺模型,也不缺自动化工具,缺的是把两者接进真实流程的人。
MIT NANDA 在《The GenAI Divide》中给出的漏斗很能说明问题:60% 的企业评估过生成式 AI,20% 进入试点,最终只有 5% 进入生产,95% 的组织没有获得可衡量的利润影响(MIT NANDA,2025)。Gartner 的预测更直接:到 2027 年底,超过 40% 的 Agentic AI 项目会被取消(Gartner,2025)。
两组数据指向同一个问题:演示能跑通,不等于业务能上线。Agent 的概率性输出,撞上企业对确定性、权限和审计的要求,中间需要有人设计边界、建立评测、处理异常。这个角色就是 FDE。
FDE 并不是新概念。Palantir 长期把 Forward Deployed Engineering 作为核心交付方法,让工程师贴近问题现场,与客户一起把平台能力落到具体业务(Palantir,检索于 2026-11)。在中国,IDC 把 Agent 与 RPA 融合的这一层称为 APA(智能体流程自动化),2025 年市场规模达到 21.5 亿元,同比增长 11.0%,说明企业正在把 RPA 从”脚本工具”升级为”可被 Agent 调用的执行层”(IDC,2026)。
FDE 到底做什么?
FDE 不是驻场开发,也不是售前工程师。它更像一个对交付结果负责的产品工程师,工作可以拆成三件事。
- 定义成功。 和业务方一起把”提效”拆成可测指标——处理单量、时长、错误率、人工介入率,并在上线前记录基线。
- 设计人机边界。 逐条判断哪些步骤由 Agent 决策、哪些必须调用确定性接口或 RPA、哪些保留人工审批。
- 对上线负责。 准备评测集,完成影子运行、灰度切流、异常兜底和交接文档,最后让客户团队能够自己运维。
除此之外,FDE 还要把现场反复出现的模式带回平台,沉淀成连接器、提示词模板和评测集。单个项目交付一次,平台能力复用多次,这是 FDE 模式成立的经济学。
Agent、RPA 与 FDE 如何协同?
三者不是替代关系,而是分层关系。可以用一句话记住:Agent 提议,RPA 执行,FDE 兜底。
| 角色 | 主要职责 | 不该承担 | 关键指标 |
|---|---|---|---|
| AI Agent | 理解意图、规划步骤、处理非结构化输入与异常分支 | 直接写核心系统、承担合规责任 | 任务完成率、转人工率 |
| RPA / 工具层 | 确定性执行、跨系统写操作、幂等与留痕 | 开放式判断、模糊语义 | 执行成功率、审计完整率 |
| FDE | 场景选择、边界设计、评测、上线与交接 | 代替业务负责人做决策 | 上线周期、单位成本、复用率 |
一个典型流程是:Agent 读取邮件或工单,判断意图并生成结构化动作;RPA 凭幂等键在 ERP、OA 或旧系统中执行写操作;遇到规则外的情况,升级到人工队列,由 FDE 设计的兜底逻辑处理。以采购对账为例,Agent 负责抽取发票信息、判断差异类型,RPA 负责在 ERP 中查订单、生成对账结果,差异超过阈值时转人工。三步各自可测,也各自可回滚。
美国 OSF HealthCare 的做法值得参考:在既有的传真补药 RPA 流程上加一层 Agent 处理表单差异,边缘案例进入人工 Action Center,处理完再回到自动化(SiliconANGLE,2025)。
国内也出现了类似交付。一家有 20 年历史的硬件制造商,让 FDE 驻场 6 个月,把资深员工的隐性经验写进 Agent,报价周期从 2–5 天缩短到 15 分钟(21 世纪经济报道,2026)。这个案例的关键不是模型,而是有人把业务知识、系统边界和异常路径一起设计清楚。
很多企业已经有 RPA 资产,也有大量没有 API 的老系统。丢掉 RPA 重做,通常比复用它更贵。更现实的做法是保留 RPA 作为确定性执行层,用 Agent 补上理解与决策,再由 FDE 把两者编排成可交付、可审计的流程。
90 天落地清单
不要从平台开始,从一个场景开始。下面这份清单可以直接拿去开项目启动会。
第 1 个月:选场景、立基线
- ☐ 选一个高频、规则可枚举、结果可验证的流程,写清当前单量、处理时长、错误率和人工成本。
- ☐ 拉齐业务、IT、合规三方,指定一名 FDE 作为结果负责人。
- ☐ 用 50–100 条真实样本建立评测集,覆盖边界和异常,而不是只放”好案例”。
第 2 个月:跑通人机协作
- ☐ 逐条标注三类步骤:Agent 决策、RPA 或接口执行、人工审批。
- ☐ 为所有写操作加幂等键、重试和回滚方案。
- ☐ 使用独立服务账号和最小权限,打通操作日志与审计。
- ☐ 以影子模式并行运行 2–4 周,与人工结果逐单对比。
第 3 个月:灰度上线、算清账
- ☐ 按比例灰度切流,设定转人工阈值和异常升级路径。
- ☐ 建立单位经济模型:每单成本、节省工时、维护工时。
- ☐ 完成交接:运行手册、告警、值班人和复盘机制。
- ☐ 把连接器、提示词、评测集沉淀为可复用组件。
三个常见误区
- 把 Agent 当成 RPA 的替代品。 Agent 擅长处理不确定性,但不擅长保证每一次写操作都一致、可审计。
- 把 Demo 当成上线。 演示环境没有脏数据、权限冲突和异常工单,而这些才是交付成本的大头。
- 把 FDE 当成驻场外包。 如果 FDE 只写代码、不定义成功标准、不交接,项目会退化成又一个无法维护的黑盒。
结语
AI 落地的竞争,正在从”选哪个模型”转向”谁能把模型接进流程”。Agent 提供上限,RPA 提供下限,FDE 决定两者能否变成可复用的交付能力。对技术负责人来说,现在最值得投入的,可能不是再做一个 POC,而是把第一个生产场景和第一位 FDE 的位置定下来。
资料来源
- MIT NANDA. The GenAI Divide: State of AI in Business 2025. 2025. https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
- Gartner. “Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027.” 2025-06-25. https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
- Palantir. “Architecture Center: Forward Deployed Engineering.” https://www.palantir.com/docs/foundry/architecture-center
- IDC China. 《中国 APA 产品及解决方案市场份额,2025》. 2026. https://my.idc.com/getdoc.jsp?containerId=CHC54084926
- SiliconANGLE. “Healthcare automation is now mission critical.” 2025-10-01. https://siliconangle.com/2025/10/01/healthcare-automation-now-mission-critical-uipathfusion/
- 21 世纪经济报道. 《FDE 进厂:AI 原生新岗位重写产线的制造业实验》. 2026-10-29. https://m.21jingji.com/article/20261029/herald/1d3fa32469983b0ff63544ee89d44c6c.html