01 触发事件
Google Cloud 数据库产品副总裁兼总经理 Andy Gutmann 在近期表态:Google Cloud 正在招聘数百名前沿部署工程师 (frontier deployment engineer),帮企业客户基于 Gemini 构建应用;与此同时,公司已经在用 AI 自动化这批顾问的部分工作,首要场景是企业数据治理。他的原话是,如果你想激活企业的全部数据,光靠招人是不行的。
两个动作同时发生:招人和自动化。
02 这事的真正含义
这不是一个 PR 失误,也不是一个关于"AI 替代人力"的陈词滥调。这事真正在说的是,Google 自己已经意识到,forward-deployed engineer 这种 services-led 的增长模式,在企业级 AI 落地这件事上,scale 不到它想覆盖的广度。
问题不在 Google 招不招得到人——几百人肯定招得到。问题在于这套模式的天花板:每个客户都要派一个懂 Gemini 又懂客户数据的人进去梳理、配置、试错。这个流程的算术是线性的,而企业 AI 的采用曲线是希望指数的。两者之间注定有 gap。
所以 Google 在做的,是让 Gemini 去干 frontier deployment engineer 的活。这件事的真正含义,是 services-led growth (SLG) 在 AI 产品上开始被产品-led growth (PLG) 反吃——而吃它的不是另一家公司,是同一个公司同一套模型。
对 OpenAI 的 Forward Deployment Team、Anthropic 的 Solutions Engineering、Palantir 的 Forward Deployed Engineer 来说,Google 这个信号值得认真对待:你今天卖的人天,可能是你产品下一阶段要消化的成本中心。
03 历史类比 / 结构对照
最像的故事是 AWS 在 2014 到 2016 年之间做的事。当时 AWS 有庞大的 Partner Network (Accenture、Deloitte、Capgemini 这些) 帮企业搬数据上云,AWS 也自己雇了一堆 Solutions Architect。三年后这套模式被 AWS Console、CloudFormation、Control Tower 这类自动化产品大幅压缩——不是完全消失,但单位企业客户所需的人力降了一个数量级。
类似的故事还有 Salesforce 咨询生态。2008-2014 年,Salesforce 实施顾问是一个独立的高薪职业;后来 AppExchange + Lightning + Flow 把大量配置工作产品化,实施顾问的人数没消失,但客单价被压扁,毛利结构变了。
唯一没完全按这个剧本走的是 Palantir。Palantir 的 FDE 模型被市场高度定价,正是因为 Foundry / AIP 这类产品没有把顾问真正"吃掉"——企业数据 + 合规 + 流程的复杂度,至今仍需要人去做。
Google 这条信号更接近 AWS 那一支,而不是 Palantir 那一支。原因在于场景:Google 选择先自动化的是数据治理——这是一个定义相对清楚、流程相对标准、可以靠 schema discovery 和 policy-as-code 拆解的子任务。换句话说,Google 挑了软柿子先捏。这本身就是一个判断:数据治理是 FDE 工作里第一个被吃掉的环节,不是最后一个。
04 对 AI builder 意味着什么
如果你是正在做 enterprise AI 应用的 builder,接下来 12 个月有四个动作值得现在就开始:
第一,把 FDE 团队的工作拆成可被 Gemini / Claude / 你的产品自动化的子任务清单,按"定义清晰度"排序。Google 已经告诉你哪些先被吃掉(数据治理、合规 mapping、schema 推断),哪些还会留下来(业务流程编排、组织内部政治谈判)。
第二,在融资材料里把"我们有多少 FDE"重新包装成"我们有多少人能写自动化脚本"。投资人接下来会更愿意为后者付费。Services-heavy 的 AI 公司在 2026 年的估值倍数会被压。
第三,如果你的产品定位是"AI 帮你做 enterprise AI 落地",那你正好站在 Google 这条信号的风口——但你也要清楚,Google 自己也在做这件事。你的窗口期取决于你比 Google 跑得快多少。
第四,定价模型要开始考虑 outcome-based 而不是 seat-based。当 frontier deployment 被人天计价时,客户买的是确定性;当它被 AI 自动化时,客户买的是结果。这两种定价的 margin structure 完全不同。
05 反方观点 / 风险
我可能高估了这条信号。我手上的原始材料只有一个 VP 在一个场合的一段话,谈的是一个具体子场景(数据治理)。这点我必须 hedge。
更稳的反方观点有三层。
第一,Gutmann 这番话可能是市场定位,而不是真实能力。Google 在 enterprise AI 的销售口径上一直有"AI 自动化咨询"的话术,但实际交付是否真的能让一个客户的数据治理 0 人天跑起来,内部数据我看不到。如果不能,这条新闻就只是一个 PR signal,没有产品落地。
第二,enterprise AI 部署的复杂度在上升,不在下降。multi-model orchestration、agent-to-agent 协议 (MCP / A2A)、合规审计、role-based access——这些新维度每多一个,FDE 的工作量就多一档。AWS 当年能把人天压下来,是因为 EC2 / S3 / RDS 这些原语没有引入新的复杂度等级;但 AI 产品的复杂度曲线是往上走的,人天下降的速度可能跟不上复杂度上升的速度。
第三,"AI 取代 AI 顾问"这件事,和 2017-2019 年那波"AI 取代咨询顾问"的 hype 在结构上很像。当时 McKinsey / BCG 都做过类似实验,结果是客户仍然需要人来做 stakeholder management 和 change management。Google 这条信号落在"技术性工作自动化",没落在"政治性工作自动化"——而后者才是 FDE 真正贵的部分。
如果我错了,Google 这番话就是一个战术性的效率提升,而不是战略性的模式转折。真正的检验指标是:2026 年 Q3 之前,Google Cloud 的 services revenue 占比是否显著下降,以及 enterprise Gemini 客户里,FDE 触达率是否出现拐点。两个数据点我都没有,这条判断先打个七折。