麦肯锡 2024 年底给过一个数:自称在用 AI 的企业里,只有不到 10% 看到了"实质性成本下降"。模型越来越强,工具越卖越多,但多数公司的 AI 还停留在员工写写文案、做做总结,离真正的业务流程很远。
一位在掘金分享实践的工程师把这种差距叫做"落地工程"——通用 AI 工具和企业真实工作之间,隔着资料可信度、系统权限、错误兜底和员工习惯四道坎。他给出一套叫 AKA 的框架(A 即 Agent 处理任务,K 即 Knowledge 喂可信知识,A 即 Automation 把步骤连成自动化流程),以及 FDE(Forward Deployed Engineer,前置部署工程师——直接驻场把 AI 嵌入业务流程的工程师)这种角色。
这是什么
Codex、WorkBuddy 这类工具本质是"通用 AI 工作台":能读文件、写代码、调接口,但不掌握你公司的客户数据、退款规则和审批权限。要让 AI 真的处理售后工单,光让它读聊天记录不够——还得接知识库、业务系统接口、权限控制和人工兜底。FDE 的工作就是把通用工具按场景拼装、测试、培训、维护,直到员工能在真实任务里独立使用。
行业怎么看
支持者认为,AI 进入企业的瓶颈确实从"模型能不能做"变成了"工程能不能落地",FDE 这种"驻场+定制+陪跑"模式被 OpenAI、Anthropic 在海外验证过,去年开始在国内大厂和咨询圈出现。
反对声音同样尖锐:所谓 FDE 不少是新瓶装旧酒——本质是系统集成商或外包咨询换了个 AI 名头;如果企业自身的流程和数据治理没做好,再多 FDE 也只是把混乱自动化了。另一层风险是数据出域,敏感业务数据喂给第三方工具底座,合规边界仍模糊。
对普通人的影响
对企业 IT:采购 AI 工作台不再是终点,后面还跟着知识库治理、接口对接和权限审计三件事,IT 部门工作量会从"装系统"转向"管上下文"。
对个人职场:未来 1-2 年,"懂业务又懂 AI 落地"的复合岗会比纯提示词岗更值钱;一线员工愿意参与试点的,往往是流程改造的隐性受益者。
对消费市场:短期内企业级 AI 服务会推高 SaaS 订阅费,但落到消费者侧的产品体验改善会慢——因为瓶颈在公司内部,不在模型本身。