为什么用了 AI，企业效率还是上不去？

今天早上八点半，交流群里 Tech BA 背景的群友 FanQ_Lee 抛出一个问题：

"最近看到 Deloitte、Accenture 等几家公司开始招 BA（FDE 向）的岗位，我非常感兴趣。但不知道这个岗位到底要求 AI 技术到什么程度？"

一个招聘信息引发的提问，聊出了这个群今年信息密度最高的一场讨论。我们把它整理出来。

FDE 是什么？

FDE（Forward Deployed Engineer，前沿部署工程师）最早是 Palantir 发明的岗位：工程师不坐在总部写代码，而是"前沿部署"到客户企业里，钻进真实业务流程，把技术揉进去。过去一年，OpenAI、Anthropic 和各大咨询公司都开始大量招募这个方向——因为所有人都发现了同一件事：

模型已经足够强，但企业的效率并没有跟着涨。

问题出在哪？单点提效 ≠ 企业提效

Arthur 在讨论里给出了一个判断，也是俱乐部实验室正在做的事：

"企业的环节可能有几十、上百个，而目前 AI 提升的都只是单个环节的效率，没有形成生产环节之间的有机衔接。只要有一个地方卡住，整体效率就还是提升不起来。"

这就是绝大多数企业"买了工具、订了会员、开了培训，但报表上看不出变化"的原因。某个岗位快了三倍，活儿在下一个环节排队——瓶颈只是换了个位置。

以一家贸易企业的真实流程为例：订货、物流、库存、marketing、客服、销量分析追踪——每一个环节单独看都能 AI 化，但只有把它们串联成一个整体，效率才会成倍放大，而不是局部好看。这不是某个行业的特殊情况，而是所有行业的共性。

落地的两大阻力，都不是技术

讨论中反复出现的一个共识：FDE 的难点不在模型，在组织。

第一，老板对 AI 的理解。如果决策者能意识到 AI 的重要性和可行性，推动就相对简单；如果他只是想"在某个点上用 AI 解决个问题"，FDE 的工作会非常难做——因为流程改造需要跨部门的授权。

第二，架构会动。FDE 一旦全面部署，公司的整个架构——包括人事和人员——都可能发生大的变动。现在大家还没有真切感受到，但一旦成型、成规模，这会是最大的阻力来源。

群友密斯特.西一凹的补充很实在：大企业就算想动，也得"先做主线中的核心部分，把 workflow 先搞明白"——而一般到这一步，团队就已经累了。

FanQ_Lee 结合自己在大企业做系统迁移的经历，补充了一套方法论：

"我之前的项目是在本体系统外搭建 copilot 系统，和本体一起跑一段时间，对比测试、再调整，达到理想状态后整体切换。"

先并行、再验证、后切换——这套传统系统迁移的稳妥打法，恰好也适用于把 AI 引入业务流程：不赌命、可回退、有数据对比。

新西兰的现实：没有 title，已有 FDE

群友龙渊的观察可能是整场讨论里最准的一句话：

"本地企业里虽然暂时还没有 FDE 这个 title，但很多人已经在事实上承担了 FDE 的职责。把 AI 深度绑定在商业流程里，早已经不是 if 而是 when 的考量。"

那些在公司里自发把工作流一段段 AI 化、又开始琢磨"怎么让这些段落连起来"的人——已经是先驱者了。对想抓住这波机会的从业者（BA、开发者、运营）来说，这可能是一个窗口期：这个职业的方法论目前基本处于空白期，现在入场研究的人，就是将来写教科书的人。

俱乐部的下一步

这场讨论直接催生了一个决定：约一个月后，俱乐部将办一场 FDE 专题讲座——从现在开始收集本地企业的真实案例（成功的和卡住的都要），结合实验室自己在订货、物流、库存等环节的落地经验，把"怎么当好一个 FDE"这个空白命题往前推一步。