AI 實用小教室 · 企業應用
FDE 是甚麼？Forward Deployed Engineer 如何把 AI 由示範帶到企業流程
企業真正需要的，往往不是再試一個模型，而是有人把 AI 接到資料、權限、系統和同事每日工作的交界。
你可能見過這種情況：AI demo 好似乜都做到，真正接入公司工作後，卻卡在資料權限、例外情況、系統接駁和同事唔敢用。Forward Deployed Engineer（FDE，前線部署工程師）處理的，正正是由「模型可以做到」去到「企業有人用、可以驗收、有人接手」中間的那段距離。
今篇會先用官方職位資料解釋 FDE 是甚麼，再用一個以 AD-Linkage 課程查詢為背景的模擬示範，拆解企業如何設計小型 AI 試點。示範不是 AD-Linkage 客戶個案，也不是聲稱任何系統已經上線。
一、FDE 究竟是甚麼？
FDE 的全名是 Forward Deployed Engineer。以 Anthropic 2026 年 9 月 14 日更新的倫敦職位說明為例，FDE 會直接與策略客戶合作，在客戶系統內建立 production applications，交付 MCP servers、sub-agents 及 agent skills，支援企業環境部署，並把可重用的部署模式和現場洞察帶回產品及工程團隊。
換句話說，FDE 不只是教你寫 prompt 的導師，也不只是把現成 chatbot 接上網站的人。他要同時理解工作流程、資料來源、權限、模型能力、程式部署、評估方法及使用者如何接手。工作結果應該是一個可以運行和被驗收的流程，而不是一張「AI 可以做甚麼」的投影片。
二、FDE 和顧問、工程師有甚麼不同？
| 角色 | 主要問題 | 交付焦點 |
|---|---|---|
| 管理顧問 | 公司應該先改善哪裡？ | 方向、優先次序、商業方案 |
| Solution Architect | 系統應該怎樣設計及接駁？ | 架構、介面、權限及可靠性 |
| AI 培訓導師 | 同事怎樣理解及使用工具？ | 知識、練習、使用習慣 |
| FDE | 怎樣在這個客戶的真實流程跑起來？ | 發現、建立、測試、部署、交接及改善 |
實際項目可以由同一團隊兼任幾個角色，但工作責任要分清。若對方只交一個模型名稱或一個聊天介面，卻沒有說明資料版本、權限、錯誤回退和驗收方式，這仍未等於 FDE 式落地。
三、為甚麼企業現在重新談 FDE？
生成式 AI 的門檻降低後，企業很容易在一天內做出 demo；難的是讓它讀到正確資料、只在授權範圍內行動，並在答不到時停下。Anthropic 的 FDE 職位亦把 agent development、evaluation frameworks、production deployment、客戶 discovery 及安全可靠性放在同一個角色內，反映企業 AI 的瓶頸已由「有沒有模型」轉向「能否在現場負責任地運作」。
對香港中小企，FDE 思維不一定代表要先做大型平台。更實際的做法，是選一個重複、資料相對集中、錯誤可以被人攔截的工作，做一個短週期試點，再用實際案例決定是否擴展。
四、AD-Linkage 示範情境：課程查詢怎樣做 FDE 式試點？
以下情境是為了說明方法而寫的模擬例子。假設 AD-Linkage 想減少同事重複回答課程查詢，輸入包括公開課程頁、FAQ、正式班期資料和已批准的 WhatsApp 回覆規則。這些資料不是私下客戶紀錄，亦不代表已經部署任何 AI 助手。
第一步：先定義工作，不是先揀模型
把「幫我做客服」拆成可驗收的任務，例如：辨識查詢是課程內容、入學要求、CEF 資助、班期還是企業培訓；從指定版本頁面找出相關段落；產生一份給同事覆核的回覆草稿；遇到缺資料、個人資格或投訴時，交回人手。
第二步：整理來源及權限
每個答案要知道來自哪一頁、哪個版本和哪個更新日期。招生班期、費用和資助條件不能由模型憑印象補全；內部報價、客戶聯絡資料和未公開安排，也不應因為要方便測試而全部放入同一個知識庫。
第三步：建立小範圍應用
試點可以先只做「分類＋引用來源＋回覆草稿」，不直接替同事發送。若要接 WhatsApp、CRM 或表單，先定義哪些欄位可以寫入、哪些動作必須人工確認，以及記錄誰批准了哪一次回覆。
第四步：用真實但去敏的例子測試
準備一組涵蓋正常、模糊、過期班期、問及未公布優惠、要求比較課程及超出權限的測試題。每題記錄答案、引用、是否需要修改、用時和最後由誰接手。測試目標是找出不能自動化的邊界，並不是把成功率包裝成宣傳數字。
五、FDE 應該交付甚麼？
一個可以交接的 FDE 項目，至少要有清楚的工作範圍、資料清單、權限表、提示或 agent 設定、測試案例、錯誤回退方法、操作文件和驗收記錄。若包含 MCP server、sub-agent 或 agent skill，亦要說明它連接甚麼、可以做甚麼、不能做甚麼，以及更新時由誰負責。
企業尤其要問清楚「維護」：文件更新後，知識庫何時重建？模型或第三方 API 改版由誰測試？回答出錯時如何追查？員工離職時如何撤銷權限？這些問題不一定由 FDE 一人永久負責，但項目必須留下明確的責任和交接。
六、香港企業選 FDE 或 AI 導入服務時，先問六條問題
- 你們要改善的是哪一個具體工作？由哪一位同事和哪個系統開始？
- 會使用哪些資料？資料由誰批准、更新和撤銷？
- 哪些動作可以自動執行，哪些一定要人工確認？
- 答錯、答不到、資料過期或系統中斷時，流程怎樣回退？
- 用甚麼測試案例和通過標準判斷可以上線？
- 交接後，誰負責監控、版本更新、權限及下一輪改善？
如果以上問題未有答案，先買一個大型工具或承諾「全公司自動化」通常都太早。先用一個能在數星期內完成的小試點，留下可比較的前後基線，再決定是否擴展到其他部門。
七、AD-Linkage 公開的企業 AI 轉型流程可以怎樣理解？
AD-Linkage 公開的企業 AI 轉型頁把流程分成三階段：確認目標與範圍、建立應用與測試、驗收交接與擴展。這個架構與 FDE 思維相近，但兩者不是同一個職稱：FDE 是一種前線工程交付角色，企業 AI 轉型服務則是按項目範圍組織顧問、建立、測試、交接及維護安排。
實際方案仍要按企業的工作流程、資料、CRM／ERP、權限及驗收要求確認。公開服務頁沒有替每間公司預先承諾同一組工具、時間或成效；查詢時應帶同一個具體流程和現有系統，讓範圍可以被估算。
想把 AI 真正接到團隊工作？
先按你的流程、資料及系統條件，了解適合的企業 AI 導入路線。
官方資料
- Anthropic：Forward Deployed Engineer，London（職位頁，更新 2026-09-14）
- AD-Linkage：企業 AI 轉型與落地
- AD-Linkage：AI 企業轉型體驗包
資料及職位狀態按 2026 年 10 月 14 日整理。FDE 的實際職責會因公司、客戶、系統和安全要求而變化；本文不是 Anthropic 招聘建議，也沒有聲稱 AD-Linkage 已完成某個 FDE 客戶項目。企業 AI 方案的工具、時間、費用、支援及成效須按個別範圍確認。
