別再把 AI 當工具——它是一位需要 onboarding 的數位員工
多數公司採用 AI 的方式就像買一張軟體授權，接著又疑惑為何什麼都沒改變。最近聽到的一個觀點深深留在我心中：大型語言模型不是你操作的工具，而是一位你聘用的數位員工——而且和任何新進員工一樣，在有人替它 onboarding 之前，它不會產生任何成果。
這個想法來自華語 Podcast 《十字路口》 (Crossroads) 的一集。節目邀請兩位前 BCG 顧問——A-Gan 與劉凱——他們現在經營 AI 顧問公司 Rolling AI。他們花了一小時討論一個正在 OpenAI 與 Anthropic 內部受到高度關注的概念：Forward-Deployed Engineer（FDE）。以下是我的筆記，以及聽完後我自己的思考。
關於資料來源的小提醒：以下案例與數字皆由 Podcast 來賓敘述，我沒有獨立驗證。請把它們視為說明性的主張，而不是經審計的結果。
重新框架：AI 是數位員工，不是軟體
這是思維模型的轉變。當你購買 SaaS 產品，它是一種工具——由人學習如何操作。前沿 LLM 更接近數位勞動力。你不會說自己「買了一名員工」，而是說「聘了一名員工」。而新進員工要先經過 onboarding 才能發揮作用。
這正是 Forward-Deployed Engineer 的工作。這個稱呼源自 Palantir：工程師直接深入客戶端，讓軟體能處理混亂的真實世界資料——OpenAI 和 Anthropic 的企業團隊現在也採用同樣概念（Anthropic 將其稱為「Applied AI Engineer」）。FDE 不會獨自坐在後勤辦公室寫程式；他們走到企業的第一線，協助 AI 了解公司的脈絡，梳理真實的工作流程，讓模型能開始完成真實工作。
用我的話來說：FDE 與其說是「工程師」，不如說是 AI 的 HR business partner——替一位剛好是模型的優秀新同事完成 onboarding 的人。
我的收穫： 這正是為什麼那麼多 AI 導入感覺毫無用處。公司把模型丟進組織就離開——就像聘了一位天才畢業生，卻不給資料、不解釋規則，然後驚訝他沒有交出成果。
顧問業的顛覆：從賣簡報到交付 agents
我最喜歡的部分，是對傳統顧問業的那記嘲諷。舊的 McKinsey/BCG 模式是：研究數個月後，交給你一份精美的 200 頁簡報，告訴你策略應該是什麼。
像 Rolling AI 這樣的公司會做同樣的前期研究——但直接略過簡報，交付一個可運作的 AI agent，而且規定必須在 15 天內上線。他們稱這個模式為 「Service as a Software」：不再由上而下地制定策略，而是萃取最優秀第一線員工的實戰智慧，將其判斷複製進一個全公司都能使用的 agent。
交付物從一份建議變成一套正在運行的系統。一句話就說完這場顛覆。
重新定義 AI 用途的三個案例
來賓分享了三個部署案例，打破我對 AI 只是「寫文案與做圖片」工具的印象：
- 把一次服務互動從約 16 元降到約 0.1 元。 一家乳業公司想銷售高端營養補充品，這需要專業營養師——但中國沒有足夠的營養師來服務這個規模。他們微調了一位服務 600 萬使用者的「AI 營養師」。巧妙之處是：它的第一步不是推薦產品，而是提供情緒價值——它問客戶：「你其實不胖，為什麼想減重？」這比強硬推銷更能打動人。
- 讓被雜務淹沒的物業經理重新有餘裕。 在一個租屋平台上，人類樓管整天處理漏水、鄰居太吵等抱怨，沒有時間銷售高毛利服務。讓 AI 吸收例行 ticket 後，人類得以專注在人最擅長的一件事：溫度與真誠的關懷。營收因此提高。
- 會打破規則的 AI 店長助理。 對一家零售連鎖企業而言，總部的庫存預測經常是錯的——總部不知道昨天某間店隔壁新開了超市，也不知道明天會下起大雨。替每家店配上能納入店長在地知識的「AI 助理店長」，據稱每年替公司省下數百萬元的浪費。
AI 專案為何失敗：三個陷阱
我記下他們提出的「AI 轉型三大陷阱」，因為它們讀起來像是給所有推動組織 AI 導入者的血淚建議：
- CEO 期待一位超級英雄。 把 AI 當成無所不能，假設一開機就能解決所有問題。
- 讓 IT 擁有專案。 這是最關鍵的一點。AI 導入必須由業務團隊主導，而非 IT。IT 了解技術，卻不一定知道如何挑選產品或與顧客對話。沒有商業脈絡的 AI，只是一個昂貴玩具。
- 沒有改變誘因。 這點很有共鳴。如果你是一位頂尖業務員，公司請你把自己的方法教給 AI，你當然會抗拒——你正在訓練替代自己的人。領導者必須設計新的分潤模式，讓貢獻專業的人能因 AI 複製其能力而賺得更多。
常見問題
什麼是 Forward-Deployed Engineer（FDE）？
Forward-Deployed Engineer 會直接深入客戶企業，讓 AI 系統能處理該公司的真實資料和工作流程。這個角色源自 Palantir，現在也被 OpenAI、Anthropic 等 AI 實驗室採用。可以把他視為像 HR 為新員工 onboarding 一樣，替 AI 完成 onboarding 的人——提供脈絡、梳理流程，並讓模型能產生實際價值。
「Service as a Software」是什麼意思？
這是一種顧問模式，交付物是可運作的 AI agent，而不是策略報告。公司照常進行前期研究，但不再交付簡報，而是在固定時限（例如 15 天）內部署系統，將企業最佳員工的判斷編碼進去。
為什麼多數企業 AI 專案會失敗？
有三個反覆出現的原因：領導者期待 AI 是立刻見效的超級英雄；專案由 IT 而非了解真實流程的業務團隊主導；以及誘因沒有重整，因此 AI 所需知識的專家有充分理由選擇保留。
誰能在 AI 時代存活？
有一個問題讓我一直反覆思考：在 AI 時代，究竟誰會真正被取代？
來賓說得很直接。最容易受衝擊的是純粹的資訊傳遞者——只負責把訊息往下傳的中間層——以及只靠執行能力競爭的人：打字很快、記憶力好、照著腳本做事。我們必須從知識工作者轉向知識決策者。
未來有價值的員工需要強大的商業判斷力，以及真心想解決問題的好奇心。還有一項 AI 無法複製的能力：提供情緒價值，讓客戶感到快樂、被尊重、被理解。
AI 是新的電力。它正快速接手重複性的認知勞動，而你無法阻止電網擴張。因此下一步不是抵抗，而是學會為建築接線——最終，去打造靠它運轉的工廠。
如果你對 AI 驅動的商業流程改變感興趣，完整的 《十字路口》節目 值得花一小時收聽。我也很想知道你的看法——你親眼看過最有用的 AI 部署是什麼？