FDE正在被AI重塑：标准化交给智能体,判断力留给工程师

你好，这里是前沿工场。

8月3日，一家名为June的企业AI创业公司走出隐身模式，完成2000万美元Pre-Seed轮融资。然而真正值得FDE留意的，并非融资规模，而是它所瞄准的痛点：企业AI落地对FDE、咨询师和实施团队的依赖过重，那么，这其中有多少环节可以直接交给AI？June锁定的，恰恰是FDE驻场客户时耗费时间最多的那块业务。

用FDE的行话说：AI不只是开始协助我们编码，它正在试图将「AI落地」这件事本身自动化。

图1 FDE实施方式正在变化：重复执行层逐步自动化

📌 本文看点

01

押注的不是模型，是实施层

02

AI开始拆解FDE的重复劳动

03

FDE的工作内容重新定价

FOCUS

今天构建一个Agent并不困难。真正棘手的，是把它嵌入一家运转了十几年甚至几十年的企业，让它和Salesforce、ServiceNow、Databricks、Workday以及各种遗留数据库协同工作。

June联合创始人Efrat Rapoport此前在Salesforce工作多年。她在接受TechCrunch采访时指出，企业真正头疼的不是Agent模板本身，而是数据分散、流程复杂和长期积累的技术债。一个数据库里可能有十个名称相近的字段，不同团队却各有各的理解；一个业务动作可能横跨多套系统；一个没人敢动的老接口，可能支撑着几个部门每日运行的业务。

这些事情，恰恰也是FDE进入客户现场后最耗时的环节。过去行业给出的解法很直接：靠人。FDE、实施顾问、系统集成商、架构师，一层层进驻梳理。June则抛出了另一种思路：能否先让AI试水？

DECODE

按照June公开的产品逻辑，它会先扫描企业既有系统，理解真实的业务流程，定位瓶颈所在，再产出Agent实施路线。用户看到的不只是「应当如何改进」的建议，而是一步步具体任务：清理哪些重复数据、对接哪些数据源、先做什么、后验证什么。随后，一部分标准化建设任务可以由系统直接执行。

这使问题第一次从「AI能不能帮FDE写代码」，推进到「AI能不能直接完成一部分FDE工作」。答案正逐渐变为：可以。但最先被接走的，不会是所有任务，而是那些规则清晰、重复频率高、能够沉淀成SOP的执行事项。

SPLIT

如果把一个FDE项目拆开来看，会发现并非每件事都需要资深工程师亲自判断。系统里包含哪些对象、字段和接口；哪些数据存在重复；新Agent需要接入哪些数据源；常规配置如何修改；接口怎样测试；日志哪里异常；上线前有哪些标准检查项——这些事情都具有相似的特征：重复、明确、能够逐步结构化。

过去，资深FDE之所以高效，是因为做过大量项目，知道先看什么、再看什么。但一旦这种经验可以被表述为「第一步检查A，满足条件B则执行C」，它就有机会被Agent执行。真正发生变化的，并非FDE被整体替代，而是FDE开始把重复执行层交出去。

图2 FDE工作拆分：标准化执行层与复杂判断层

VOICE

TechCrunch报道中有一个相当有趣的案例。美国大型按揭贷款机构CMG很快将Claude Code引入软件工程团队，但在接入Salesforce时遭遇阻碍。

团队花了数周时间找架构师、与FDE沟通并咨询各类专家，却仍然难以推进。CMG遇到的难题很典型：数据库里有多个含义相同的字段，不同团队各用各的，Agent根本无从判断应该听谁的。后来，他们开始采用June。

CMG战略负责人Paul Akinmade在试用前表达过一个非常直接的诉求：他不希望产品必须依赖少数FDE才能运转，也不想要只有专家才能解读的「黑盒」，而是希望普通团队能够自主使用。

这句话值得FDE认真咀嚼。过去业界聚焦的是「企业越来越离不开FDE」；现在客户开始反问：为什么这些经验不能直接内嵌进产品里？这才是FDE真正需要正视的新变局。

SHIFT

变化一

重复执行正在从「人」转向「Agent」。大量时间过去耗在查字段、看接口、整配置、跑测试和排查常见问题上。AI一旦能扫描系统、分析流程并生成实施路径，更可能出现的模式是：FDE定规则，Agent跑流程，FDE处理异常。

变化二

FDE经验正在从「个人经验」变成「可执行资产」。过去是老FDE带新FDE；以后更可能是老FDE把反复踩过的坑沉淀成规则、工具和Agent，新人直接站在这些经验之上工作。个人经验不再只存在于脑海中，而会转化为团队可以复用的交付资产。

变化三

真正值钱的工作开始向上迁移。AI可以发现字段重复，却未必能决定这个字段能否删除；可以发现两个部门的流程重复，却很难独自判断应该让谁改变工作方式；可以建议接入某个Agent，却无法替客户承担上线风险和业务责任。越难写成SOP的问题，越可能成为FDE未来最有价值的工作。

图3 FDE价值上移：执行减少，判断、协调与结果验证增加

REPRICE

June创始人并未宣称要消灭FDE，她更倾向于把June定位为FDE和咨询人员的补充工具。但TechCrunch指出了一个耐人寻味的矛盾：产品方认为自己是在辅助FDE，客户却可能恰恰因为它能够降低对FDE的依赖而选择它。

未来FDE之间的差距，可能不再只是「谁写代码更快」，而是「谁更善于把自己的重复工作交给AI，同时把时间投入在AI暂时做不好的事情上」。如果一项任务可以被清晰地写成SOP，它最终就有可能被软件和Agent接管；真正长期有价值的，是那些连SOP都无法提前写清楚的问题。

EPILOGUE

June拿到2000万美元，表面上只是又一家企业AI创业公司融资。但站在FDE的视角，它真正值得关注的地方在于：AI正在第一次系统性地尝试自动化「AI落地」这件事本身。过去我们用AI帮客户解决问题，现在AI开始帮我们解决「怎么帮客户解决问题」。

这意味着FDE真正的下一场变局，不一定是这个岗位还会增加多少人，而是哪些工作应当继续由人完成，哪些工作应当尽快交给Agent。

把可标准化的交给AI，把最宝贵的判断留给FDE

把FDE工作里那些可标准化、可重复、可写成SOP的部分交给AI；把FDE最宝贵的时间，留给那些无法提前写好答案的问题。未来最有价值的FDE，可能不是那个亲手完成最多任务的人，而是那个最清楚「什么应当交给AI、什么必须由人来判断」的人。

换句话说，FDE的护城河正在从「我能做多少事」变成「我能判断什么事不该交给AI做」。

资料