承諾要把客服或供應鏈流程自動化的人工智慧專案，為什麼上線幾個月就被悄悄擱置？研究指出，高達百分之九十五的生成式人工智慧專案，根本無法對企業的財務績效產生可以衡量的影響。根據 台灣 CIO 雜誌 所引述的調查，台灣市場的落差更加明顯，有超過百分之六十的企業主想要導入人工智慧，但最後真正成功落地的比例竟然不到百分之十五。
難道是因為模型不夠聰明嗎？其實真正卡住專案的，是企業內部破碎的資料、老舊的系統、嚴格的法遵限制，以及根本沒有人寫下來的內部工作流程。
為了解決這個痛點，今年有一個職位迅速成為最炙手可熱的戰略性人才，那就是前線部署工程師，英文簡稱 FDE。
什麼是前線部署工程師？簡單來說，他們就如同工程師與外交官的結合。一般的機器學習工程師主要負責改善模型，不需要直接面對客戶；而前線部署工程師不僅要跟客戶保持密切溝通，還必須對模型的最終結果負責。根據招募平台的統計，前線部署工程師的一天中，有一半的時間在處理系統整合與除錯，四分之一的時間在寫程式，另外四分之一則花在會議與需求溝通上。他們的交付成果不是報告，而是在客戶正式環境中能跑且穩定上線的系統。
這群工程師外交官的薪水高得嚇人。資料顯示，中階的前線部署工程師年薪就高達三十萬到四十五萬美元，首席等級甚至可以突破六十萬美元。
這股熱潮已經讓全球科技巨頭展開搶人大戰。今年五月，知名公司 OpenAI 成立了專門的部署公司，獲得超過四十億美元的資金，就是為了把這群工程師直接嵌入到企業客戶內部。另一家競爭對手 Anthropic 也跟金融科技服務商合作，派出團隊共同設計反洗錢的金融犯罪人工智慧代理系統。
為什麼大家都要搶著建立內部團隊？因為很多企業開始擔心，如果把核心的業務流程全部交給外部的人工智慧公司，等於是把自家最有價值的營運知識拱手讓人。
但是，這麼全能的人才要從哪裡找？台灣的顧問業者現在把養成方法標準化，推出了一套三十天的快速落地法則。
- 第一週：工程師會到企業現場觀察，畫出導入的優先順序地圖。
- 第二週：立刻針對優先場景建立第一個可以快速使用的原型，像是自動產生報價草稿的工具。
- 第三、四週：開始讓員工試用，並根據回饋進行調整與精進。 目標是在三十天結束後，讓企業擁有一套真正能上線使用的工具，而不是去追求一個永遠做不出來的完美系統。
引進人才之後，企業該怎麼管理？早在一零年代，大數據分析公司 Palantir 採用的雙人小組模式就很值得參考。他們讓負責技術的工程師，搭配負責解讀客戶組織策略的策略師共同工作，確保寫出來的系統真的能幫企業達成策略目標。
另外，企業在跟外部的前線部署工程師合作時，必須特別小心。除了注意交付時程，更要把知識留存與資料主權寫進合約裡，避免培養出未來的競爭對手。最後，驗收成果時不能只看系統能不能動，必須建立包含準確性、邏輯推理、延遲以及防止駭客提示詞注入攻擊等多個維度的量化指標。
當科技進步到模型能力不再是稀缺資源時，誰能率先將這套人才與方法論內化為組織能力，誰就能跨過那道橫亙在展示與生產之間、讓專案止步不前的最後一哩路。
[ 文章來源：FDE 成為企業 AI 時代的關鍵人才 ]
