首页→ 公司动态→ AICX 智库→
标准与报告→ AICX 图书→ AICX 洞察→
培训业务→
年度会员→ 入企培训→ 落地工坊→ 公开课→
咨询业务→
咨询产品→ 原创方法论→ AI 产品与工具→
客户案例→
培训案例→ 咨询案例→ 客户名录→
同辉 Skill→ 关于我们→
公司简介→ 创始团队→ AI 原生实践→
联系我们→
AICX 智库
把前沿研究,沉淀为服务企业的能力

聚焦 AI 行业标准建设、专业书籍出版、行业洞察、原创方法论沉淀,把对 AI 的趋势判断与实践经验,转化为企业看得懂、学得会、用得上的标准、方法和工具。

首页/ AICX 智库/ FDE模式,改变的是过去用做 IT 项目的方式做 AI 项目
AICX 洞察 2026.10.30

FDE模式,改变的是过去用做 IT 项目的方式做 AI 项目

AI项目管理FDE模式
FDE模式,改变的是过去用做 IT 项目的方式做 AI 项目
作者
叶涛
栏目
独家观点

AI 项目,是一种独立的新的项目形态。它不同于过去的信息化项目和咨询项目。

最近在和中国软件行业协会一起编制 FDE 人才标准的团标,也结合最近在借助AI编程落实一些生产级项目的感受,想想从项目管理的视角,跟大家分享一个关于 FDE 的观点:

FDE 是当下 AI 项目最有效的交付和落地模式。

我越来越明显的感受到,AI 项目,是一种独立的新的项目形态。它不同于过去的信息化项目和咨询项目。

过去,企业启动信息化项目,通常有一套相对成熟的路径:梳理需求、设计方案、开发实施、测试验收,最后上线运行。

咨询项目也有相对清晰的流程:由外部顾问调研诊断识别管理问题,然后设计方案,再由企业方推动改革和落地实施。

但 AI 项目不一样。

非常多的企业,目前实际上是在用做信息化项目的方式启动并管理 AI 项目:

·  IT 部门牵头。公司老板提出需求或收集业务部门需求,整理需求文档。

·  然后寻找 AI 技术服务商,选型采购。

·  然后工程师进场:梳理流程,整理数据,搭建智能体,试点测试,功能演示,验收……

也有一些企业,选择自上而下:

先请咨询公司先做一个 AI 战略规划、AI 架构规划、AI 场景规划,试图把企业 AI 转型这件事先绘制成一张大蓝图,然后再照着蓝图一块一块往下干。

如果你推动过 AI 项目,应该深有体会,这两种项目实施方式,在 AI 落地上都会遇到不少的卡点:

比如,一开始 AI 需求就没有谁能说清楚。

比如,甲乙方对需求及效果的理解相差十万八千里。

比如,项目费用预算调之又调。

比如,技术迭代太快,计划、实施赶不上大模型功能的进化。

比如,项目经常需要重新界定边界。

比如,试点效果总是无法推广到生产环境。

比如,AI 项目做完了,人员的习惯、操作能力跟不上。

等等……

AI 项目不是传统 IT 项目的简单升级,也不是管理咨询项目加上一个大模型,而是一种需要在真实业务中持续探索、验证、集成和运营的新型项目。

IT 项目卖确定性。

管理咨询项目卖判断力与变革。

AI 项目卖的是在需求模糊与模型不确定性中实现确定的业务价值。

不同的项目,方法论和实施流程不同。这也是 FDE 为什么很火的原因之一。

对于准备启动 AI 项目的决策人来说,首先要理解:

1.  AI 项目与 IT 项目、咨询项目到底有什么不同?

2.  其次要回答:企业应该用什么方式,才能把 AI 从概念和 Demo 推进到真实业务?

 

一、AI 项目与 IT 项目、咨询项目有什么不同?

1. IT 项目卖的是确定性

IT 项目主要解决的是:如何把相对明确的业务需求,稳定地系统化、自动化。

以 CRM、ERP、财务、人力资源系统为例,企业通常可以在项目早期明确业务流程、功能模块、数据流转、权限范围、上线时间和验收标准。

企业也可以通过乙方技术服务公司提供的需求文档、流程图、原型、测试方案和既有案例,对最终结果形成相对明确的预期。

IT 项目的典型流程是:

需求定义 → 系统设计 → 开发实施 → 测试验收 → 上线运营

因此,IT 项目的关键能力是:把相对确定的需求,稳定地交付出来。

2. 管理咨询项目卖的是判断与改变

管理咨询项目主要解决的是:企业应该做什么,以及为什么这样做。

它的价值来自外部视角、行业经验、分析框架、独立判断和变革推动。很多管理问题在项目开始时并不能被准确描述,需要经过调研、访谈、数据分析和共创,才能逐步明确问题与解决方案。

咨询项目的典型流程是:

调研诊断 → 形成判断 → 设计方案 → 建立共识 → 推动变革

企业可以在前期通过咨询公司提供的建议书方案,判断其对行业是否了解、对问题解决是否有经验、是否有类似的咨询案例以及团队是否具备专业能力。但最终效果仍取决项目执行、组织文化、管理机制和业务环境。

因此,管理咨询项目的关键能力是:在复杂问题中帮助客户形成判断和解决方案,并推动组织发生改变。

3. AI 项目当下卖的是不确定和模糊条件下的业务结果

AI 项目主要解决的是:AI 能否在真实业务中持续智能化地完成任务,并实现确定的降本增效的业务价值。

它像 IT 项目,因为需要:

·  接入真实业务流程、数据和系统权限;

·  进行产品设计、工程开发和系统集成;

·  关注安全、合规、稳定性和可维护性。

它像管理咨询项目,因为需要:

·  帮助客户识别高价值场景;

·  在项目推进中不断澄清真实需求;

·  诊断业务问题,并重新设计流程、岗位和责任边界;

·  推动业务人员改变工作方式。

但 AI 项目又有自身特点:

·  模型输出具有概率性,并非完全确定;

·  模型能力和工具生态变化很快;

·  客户往往无法在前期准确描述需求;

·  数据、知识、权限和流程需要同步治理;

·  项目价值要通过真实使用逐步验证;

·  上线之后仍需要持续评测、优化和运营。

因此,AI 项目不是采购一个工具,也不是交付一份方案。而是把 AI 能力持续嵌入业务流程,并通过真实业务运行验证价值的系统工程。

 

二、三类项目最核心的差异是什么?

这三类项目的差异,按下面七个维度逐项对照,就会比较清晰:

所以,我们公司一直在传递一个理念:

AI 变革不简单是技术问题,而是企业的系统经营体系进化的问题,包含了战略、流程、组织、人和 AI 技术的深度融合与适配。

 

三、为什么 AI 项目需要 FDE 模式?

AI 项目的需求、方案和价值,往往无法在前期一次性定义清楚。很多关键问题必须在实际使用中才能暴露:

·  哪些业务任务最适合 AI 介入?

·  企业现有数据和知识是否真的可用?要花多长时间做数据治理?

·  业务里的标准、SOP、经验是否真的显性化了?真实业务流程是按照流程运转的吗,有多少规则之外的情况发生?

·  用户愿意在哪个环节使用 AI?

·  AI 输出达到什么程度,才足以支持业务决策?

·  哪些环节必须保留人工审核?

·  应用如何嵌入现有系统和工作流程?

AI 项目交付既需要咨询顾问的业务诊断能力,也需要工程师的工程实现能力。但又不是二者的简单叠加。这正是 FDE 模式适合 AI 项目的原因。

FDE,即 Forward-Deployed Engineer(前线部署工程师),是深入客户业务现场,连接业务需求与技术实现,并对项目落地结果负责的复合型角色。

FDE 之所以受到关注,是因为它更适合 AI 项目“需求不清晰、场景需定义、系统要集成、价值要验证”的特点。

FDE 的核心工作不是把一个标准化产品交给客户,而是与客户共同完成:

理解业务 → 定义场景 → 快速验证 → 工程开发 → 系统集成 → 推动使用 → 持续优化

FDE 在 AI 项目交付中的价值主要体现在四个方面:

1. 把模糊需求转化为可验证的业务场景

客户往往只能提出“提升研发部门工作效率”“开发一个投标报价智能体”等方向性目标。

FDE 需要深入业务一线,理解员工如何工作、信息如何流转、痛点发生在哪里。再把模糊愿望翻译成具体任务、目标用户、输入输出、评价标准和风险边界。

2. 让业务、产品和技术形成闭环

FDE 不是业务与技术之间的传话人,而是能够理解双方语言,并推动问题解决的人。它可以在项目现场确认真实问题、快速制作原型、根据用户反馈修正方案,并推动系统与现有流程、数据和权限体系集成。

3. 让项目从原型走向真实生产

AI 应用从原型到生产,是当下最难的话题。也是 AI 应用从 80 分的 demo,走到 99 分应用的那道坎。

这个话题比较复杂,不同的场景生产级的要求和容差率是不一样的,今天我们不在这里详细展开。

但需要讲的是,FDE 是把 AI 项目从原型推向生产的重要角色。FDE 通过持续验证,把生产环境中的问题尽早暴露并解决,避免“技术上做出来了,业务上用不起来”。

不能把项目推向生产级交付的,不是真的 FDE。

4. 让一次性交付变成持续运营

模型、知识、业务规则和用户行为都会变化。AI 项目上线后,还需要持续监控质量、分析反馈、更新知识、优化工作流,并判断哪些功能应该扩大、调整或停止。

这也是 AI 项目不同于 IT 项目的一个重要区别。IT 稳定运行后,一切都是按照既定程序自动化执行的。但是 AI 项目则不同,模型能力的变化、知识数据的变化等都会影响 AI 应用的实际效果,这些运营维护,通常只懂 IT 技术的人并不能完全胜任。

所以,AI 项目的运营,需要的是既懂技术、又懂业务的人——也就是 FDE。

因此,复杂 AI 项目不能只依赖一次性方案、标准化产品或项目末端验收,而需要一种深入业务、持续共创、长期运营的交付方式。

 

四、FDE 不是一个岗位,而是所有企业 AI 转型都要具备的一种新能力

很多企业提到 FDE,觉得那是服务商的事。也有的企业,首先想到的是招聘几个既懂业务又懂技术的人。

但 FDE 不只是一个岗位名称。更是一种企业适应 AI 时代的新型组织能力和工作方式。

AI 转型的企业,更需要培养自己的 FDE,这类人或团队的整体能力画像可以概括为:

懂业务、懂 AI、能交付、能沟通、能运营。

企业可以借助外部服务商启动 AI 项目,但不能把 AI 能力全部外包出去。

因为外部模型、平台和工具会快速变化,而企业自身的流程、数据、权限和组织关系具有独特性。企业需要有人把外部 AI 能力翻译成适合本企业的业务应用,也需要有人把一线业务问题反馈给技术团队和合作伙伴。

培养自己的 FDE 人才和团队,至少有三方面价值:

1. 连接 AI 能力与业务现场

FDE 是业务需求、技术能力和项目结果之间的接口,能够避免技术团队缺少业务牵引,也避免业务部门各自试用工具、形成零散且不可治理的应用。

2. 降低项目沟通和试错成本

AI 项目需要快速试验、快速反馈和快速调整。FDE 能够缩短“发现问题—做出原型—真实试用—获取反馈—调整方案”的循环,让项目更快从不确定走向确定。

3. 沉淀企业自己的 AI 能力

企业真正需要积累的,不只是代码和模型,还包括场景识别方法、数据与知识治理经验、流程改造方法、评测体系、用户推广机制和项目退出标准。

当这些经验沉淀在企业内部,AI 项目才可能从“一个项目一个项目地做”,逐步转向“持续建设企业 AI 能力”。

企业不一定一开始就成立庞大的 FDE 部门,可以先围绕一个有明确业务负责人的场景,组建由业务专家、AI 产品人员、工程师及数据安全人员组成的小型跨职能团队。在真实项目中验证方法、沉淀经验,再逐步扩大 FDE 能力。

 

结语:AI 转型需要把 AI 带进业务的人

IT 项目可以在上线前较大程度地定义结果,管理咨询项目通常在实施中逐步证明价值,而 AI 项目必须在真实业务运行中持续验证价值。

这决定了企业推进 AI,不能只关注模型、平台和供应商,也不能把项目成功简单定义为“系统按时上线”。

企业需要建立一种能够连接业务与技术、推动场景落地、持续运营应用并衡量业务结果的新型能力。

这正是 FDE 的价值。

FDE 既是 AI 项目的前线交付者,也是业务需求与技术能力之间的连接者,更是企业推进 AI 转型的重要组织接口。它让 AI 项目不再停留在“看起来能做”,而是走向“业务愿意用、系统稳定跑、结果能够衡量”。

想让这套方法用在你的企业?

先用一次诊断,看清当前阶段与最优切入点。

预约沟通→