别急着招聘FDE，先从公司内部找到这5种人

ALINA LINZI · FIELD NOTES

前两篇文章，我讲了两件事。

企业需要一批能把 AI 用进真实工作流的“业务型 FDE”。

AI 项目开工以前，要先把老板的焦虑翻译成一个可以被衡量的真实需求。

问题找到了，谁来推进？

很多老板第一反应是招聘。

去外面找一个既懂 AI、又懂业务、还会沟通、能开发、能培训、能推动组织变革的六边形战士。

当然可以找。

但这种人本来就少。更现实的问题是，他刚进公司，对你们的业务、客户、流程、数据和内部关系都不熟。

外部 FDE 可以带来技术和方法，公司内部必须有人跟他站在一起。

否则项目结束，供应商走了，系统没人维护，员工继续用旧方法，所有知识还是留在外部团队手里。

所以企业想做 AI 落地，别只盯着人才市场。

先看看公司内部，有没有下面这五种人。

他们未必会写代码，甚至可能不觉得自己懂 AI。但他们很可能才是最值得培养的 FDE 种子。

PART 01

第一种：天天被同一个问题折磨的人

找 FDE 种子，先别找最爱研究新工具的人。

找那个天天在抱怨同一件事的人。

客服每天重复回答同一批问题。

运营每周都要从几个系统里复制数据。

销售开完会，客户信息还是散落在聊天记录和个人脑子里。

培训负责人每次带新人，都要从头讲一遍相同内容。

这些人离问题最近。

他们知道流程在哪一步会卡住，哪一种特殊情况最麻烦，哪个不起眼的错误最后会让所有人返工。

很多 AI 项目由老板发起、技术部门执行，唯独没有认真听每天做这件事的人怎么说。

最后做出来的东西逻辑很完整，一线员工打开两次就不用了。

离问题最近的人，未必能马上给出方案。但他手里有最值钱的原始材料。

PART 02

第二种：能把黑话翻译成人话的人

业务部门和技术部门经常像在说两种语言。

业务说：“我希望系统更懂客户。”

技术听完会问：什么叫懂？根据哪些资料？输出什么？准确到什么程度？

技术说：“这里涉及 RAG、权限隔离、API 和模型幻觉。”

业务听完只剩一句：那到底能不能做？

公司里总有一类人，能在两边来回翻译。

他能把“更懂客户”拆成几项具体动作，也能把技术限制讲成业务听得懂的风险和选择。

这种人可能是产品经理、项目经理、业务负责人，也可能只是一个长期跨部门协作的老员工。

职位不重要。

重要的是，他能听懂不同人的话，再把大家拉回同一个问题。

业务型 FDE 每天都在做这种翻译。

离问题最近的人提供现场信息，能翻译的人把业务和技术拉回同一个具体问题。

PART 03

第三种：对错误特别敏感的人

AI 最容易让人放松警惕的地方，是它说话太像真的。

一段分析写得头头是道，一份报告排版很完整，一个功能演示起来也很丝滑……可里面只要有一个关键事实错了，整个结果就不能用。

我用 AI 开发产品以后，越来越重视一类人：看到结果以后，会追问“这个对吗”的人。

他知道什么结果算合格，知道哪些边界不能碰，也知道哪几个极端情况一定要测试。

这次打卡营里就出现过一个很典型的情况：有人让 AI 霖子把客户录入 CRM，插件很顺畅地回复“已经完成”，可真正打开 CRM，里面根本没有这个客户。

如果大家只看那句话说得像不像真的，这个错误很容易被放过去。后来我给这条流程加了一条硬标准：录入成功，必须返回真实的客户编号；拿不出编号，就不算完成。

业务型 FDE 要找的，就是这种“看结果，不听它表态”的人。

AI 霖子插件的真实界面。界面回复是否顺畅只是第一步，业务结果有没有真正写入才是验收。

他可能有点挑剔，有时甚至让团队觉得麻烦。

但企业 AI 项目最怕所有人都负责鼓掌，没人负责验收。

会用 AI 的人越来越多，会给 AI 制定验收标准的人依然很少。

这类人不一定写得出代码，却能防止 AI 一本正经地把错误送进真实业务。

“已经完成”只是一句话。真正写入、返回客户编号，才算通过验收。

PART 04

第四种：愿意先做出丑版本的人

有些人研究 AI 半年，收藏了几百个工具，还没有拿自己的工作试过一次。

还有一些人，学会一个功能，第二天就拿来改自己的流程。

先做一个很小的版本，自己用。哪里不对就记下来，继续改。能节省十分钟也先跑起来。

业务型 FDE 需要这种人。

企业现场永远没有完美需求，也很少有一步到位的方案。你只能先选一个边界清楚的问题，做出原型，交给真实用户，再根据结果迭代。

我这几天一边带打卡营、一边密集改了多个插件版本，靠的也是这个节奏：先让一个功能服务当天的真实课堂任务，哪里卡住就记录、修复，下一轮继续跑。反馈周期足够短，版本才能快速往前走。

如果一个人总要等领导把目标写到每一个细节、等技术把系统做得毫无瑕疵、等所有部门全部同意以后才行动，他很难站到前线。

FDE 要能在模糊里往前走，同时知道哪些风险必须停下来确认。

敢试，能改，也知道什么时候不能乱试。

先做出最小版本，交给真实用户测试，继续改，再把有效做法沉淀成新的 SOP。

PART 05

第五种：别人愿意跟着他改流程的人

AI 原型做出来，只完成了一半。

剩下的一半，是让别人真的用。

旧流程大家已经用了很多年。哪怕再低效，也很熟悉。新工具要重新学习，出错可能还要自己背锅，很多人当然会抗拒。

这时候，FDE 只会演示功能没有用。

他要知道谁会从新流程里受益，谁会增加工作量，谁担心自己的价值被替代，谁有权拍板，谁能影响身边的人。

公司里有些人职位不一定最高，但同事信任他。

他愿意自己先用，能把踩过的坑讲清楚，也能听懂大家为什么不愿意改。新流程出了问题，他不会只丢下一句“这是技术部门的事”。

这种人有推动采用的能力。

企业 AI 最后的那一公里，拼的往往不是模型能力，是组织里有没有人愿意把结果负责到底。

选FDE种子，别看谁上课最兴奋

那么，怎么从公司里找到这些人？

别发一张报名表，问“谁对 AI 感兴趣”。

也别只看谁年轻、谁会用最多工具、谁在培训现场提问最积极。

给他们一个真实任务。

每个人带来一段自己最熟悉的业务流程。把现在怎么做、哪里最慢、哪里最容易错写清楚。选其中一个小问题，定义验收标准，借助 AI 做出原型，再找两三个真实使用者测试。

最后交付的东西也很简单：一个能跑的最小版本，一份测试结果，一份新的 SOP，以及下一步到底值不值得继续投入的判断。

谁能把这件事做完，谁就是企业内部真正值得培养的 FDE 种子。

挑出一小群离业务最近的人，带着真实问题进来，带着一个跑过测试的工作流出去。

工具会变，模型会变，今天学的操作很快也会变。

但发现问题、定义结果、快速验证、推动使用、沉淀 SOP 的能力，会留在企业里。

技术可以采购，模型可以调用，项目也可以外包。

企业对自己业务的理解，不能外包。

这才是培养业务型 FDE 最值钱的地方。

摘要精华

企业内部最值得培养的FDE种子，未必最懂AI，却一定离问题近、说得清标准、愿意测试，还能推动同事真的改变做法。