如果你最近在求職或關注產業AI動態，可能會反覆看到一個新職缺：FDE（Forward Deployed Engineer，前線部署工程師）。從OpenAI、Anthropic、Google Cloud等國際巨頭，到台灣的杰倫智能、Linker Vision，以及Dcard新成立的事業GNTC，各大企業都在爭搶FDE人才。FDE的工作內容是什麼？為什麼企業在導入AI時需要FDE的協助？《遠見》實際採訪FDE與用人主管，一文帶你看。
如果你最近在求職或關注產業AI動態，可能會反覆看到一個新職缺：FDE（Forward Deployed Engineer，前線部署工程師）。從OpenAI、Anthropic、Google Cloud等國際巨頭，到台灣的杰倫智能、Linker Vision，以及Dcard新成立的事業GNTC，各大企業都在爭搶FDE人才。FDE的工作內容是什麼？為什麼企業在導入AI時需要FDE的協助？《遠見》實際採訪FDE與用人主管，一文帶你看。
FDE是什麼？
FDE（Forward Deployed Engineer）字面上意為「前線部署工程師」，顧名思義，這群人必須走進面對客戶的最前線，將AI解決方案確實部署至企業現場。
站在產品團隊與客戶現場之間，FDE扮演橋樑角色。他們既要理解客戶模糊的商業需求，也要具備技術能力，能夠判斷企業既有系統、資料、權限與流程限制，進一步提出可以穩定上線的解決方案。
不過，FDE的工作並不是單純把模型或工具交付給客戶。
Dcard新成立的AI部署公司GNTC產品總監邱霈政，同時也親赴第一線擔任FDE，他比喻AI就像是一位身懷絕技的廚師，但每家企業提供的廚房條件卻大不相同，有的管線老舊、有的工具不齊，有的甚至連自己想端出什麼菜都說不清楚。
「FDE的角色其實就是，怎麼讓這個廚師到你們家的廚房的時候，他可以很好的發揮，真的發揮這個廚師完整的能力。」邱霈政認為，FDE的職責正是銜接AI與公司之間的智慧落差。
呼應邱霈政的說法，Google Cloud亞太區客戶工程副總裁阿卜杜拉（Moe Abdula）表示，當企業試圖將極其複雜、前所未有的AI Agent推進生產環境時，往往會遭遇部署與安全障礙。
此時，FDE的任務便是直接進場編寫程式、微調模型並解決最前沿的架構問題，將原本停留在概念測試（PoC）階段的專案，推進至真正可用的生產環境之中。
換言之，FDE真正要解決的，是要讓AI工具有辦法真正為人所用。
FDE的任務有哪些？
在實際推動AI導入的過程中，FDE通常會遍歷一次完整的流程。
邱霈政分享，FDE的工作可以分為挖掘（discovery）、建造（build）、擴展（scale）三個階段。
第一是挖掘階段。FDE進駐客戶工作環境後，會坐在使用者旁邊，主動訪談，同時也被動觀察日常工作，從中找出流程可能卡住的地方。
邱霈政解釋，「如果像高高在上的顧問，大家提的需求往往不夠真實；只有當你坐在使用者旁邊，看著他們實際操作時，才能挖掘出真正的問題。」
第二是建造階段。釐清需求後，FDE會在第一線建立可供測試的替代方案，快速驗證問題是否存在、解法是否可行。
邱霈政再次以廚房比喻：「如果廚房沒有瓦斯爐無法炒菜，FDE會先擺一個卡式爐讓你炒；等你發現真正需要大火快炒時，產品團隊才會進場把管線拉好。」
第三是擴展階段。當解決方案被驗證可行，接下來就要推廣到更多部門與使用者手中。
邱霈政觀察，AI導入常卡在跨部門的信任問題，例如人資擔心機敏資料外洩。此時，FDE的任務是透過數據分析使用狀況，打通組織內部的溝通管道，協助企業跨越「人」的障礙。
除了協助客戶落地，FDE也是產品團隊的重要雷達。
杰倫智能執行長特助楊建洲指出，FDE需要「化被動為主動，去談需求」。由於多數客戶不會將真正的業務痛點寫在電子郵件裡，FDE必須親自駐點現場與客戶深入討論，才能掌握第一手資訊，並將這些產業知識帶回產品團隊。
以杰倫智能為例，FDE收集到的資訊可以分為三個層次。第一層是小幅度的介面與使用體驗改善；第二層是產品功能，例如許多客戶反映員工不知道如何從數十個模型中挑選，團隊便將需求提煉成「模型自動路由」功能；第三層則是產業領域知識。
楊建洲表示，FDE會從不同產業客戶中帶回領域知識，最後集結成泛用架構，讓公司的產品變得更好。
FDE為何職缺數變多？
供給端：AI讓客製化變得便宜
觀察幾位業界專家的分享可以發現，FDE的一大工作重點，是在客戶現場發想解決方案。
FDE進駐時，不會一開始就讓產品落地，而是先搭建原型，甚至直接以客製化方式規劃解決方案，確認痛點是否成立、解法是否有效，才正式部署產品。
這樣的做法，和過去軟體即服務（SaaS）減少客製化的商業模式，有很大差距。
長期以來，許多規模較大的軟體開發商偏好標準化與規模化，減少承接專案，也避免為單一企業客製化，以免耗費過多寶貴的工程人力。
邱霈政解釋，過往客製化有兩個明確缺點：第一，投入大量心力後難以延續，不符成本效益；第二，客製化會讓產品變得過於複雜，未來不易開發新功能。
然而，隨著AI興起，讓客製化變得更加平價。
趨勢科技台灣暨香港區總經理洪偉淦指出，AI時代的特殊之處在於，「它容許客製化跟容許大量化同時存在。以前規模化跟客製化是相斥的，但現在它是可以並存的。」
洪偉淦進一步解釋，軟體開發受惠於AI，變得便宜以外速度也大幅提升，工程師到客戶端釐清需求後，便能快速提出解決方案。
這也能解釋，為何FDE的供給正在增加。
其實，早在十多年前，美國軟體巨擘Palantir便設立FDE職缺。Palantir長期服務國防、政府等大型機構，這些客戶的資料具有極高的機敏性，存在信任問題，因此要求供應商親赴現場處理。
有別於一般工程師能在家中或辦公室作業，FDE必須親自進駐客戶現場，釐清需求，並與客戶深入討論實際要產出的成果。
不過，Palantir的客戶多半是超大型機構，單一合約金額往往高達數百萬美元。也正是這樣高價值的合約規模，才足以支撐FDE這種高成本的派駐模式。
如今，AI把客製化與試錯成本壓低，讓更多公司也開始有條件複製這套前線部署邏輯。FDE於是從少數大客戶才養得起的特殊角色，逐漸變成AI落地過程中更常見的職能。
需求端：AI無法一體適用直接落地
從需求端來看，FDE更是企業AI落地的重要解方。
過去，業務談規格、工程師負責研發的分工模式行之有年；但到了AI時代，這套流程開始面臨挑戰。
原因在於，導入AI時，需要打通企業的既有系統，不同產業、不同場景的需求也十分破碎，難以用標準品一次滿足。
當客戶說不清需求，業務也開不出規格，懂技術的研發與懂商務的業務之間，便容易產生斷層，成為企業AI落地的鴻溝。
「傳統軟體能把規格開得很清楚，但AI是一種『加值或乘法』，在不同垂直領域落地的作法完全不同。」鑫蘊林科解決方案架構師孫玉峰點出核心差異。
換句話說，AI專案的場景差異太大，很難先寫出一份完整規格書再照表操課。這也讓能在現場與客戶一起發現並定義問題，且適時調整方向的FDE，變得更加重要。
阿卜杜拉另外從大型企業導入生成式AI的角度，剖析了FDE在此階段不可或缺的關鍵。
他表示，Agent轉型最困難的部分，不是模型夠不夠聰明，而是「理清舊有系統的整合、建立嚴格的企業存取與治理控制、整理結構化與非結構化數據，以及重新設計人機協同（Human-in-the-loop）的工作流程。」
這些複雜度極高、且需要親赴現場的工作，正是FDE派上用場的地方。
FDE需要什麼能力？
對於如何定義並尋找理想的FDE，企業主管們普遍認為，這個角色必須同時具有「硬實力」與「軟實力」，很難以傳統工程師的標準來衡量。
首要的門檻仍然是硬實力。阿卜杜拉指出，FDE要有足夠的技術能力，但技術不是唯一要求。
「在招聘時，我們的首要任務是堅實的技術深度；FDE必須是頂尖的軟體與AI工程師，能夠熟練駕馭Google的核心架構。」原因不難理解，FDE面對的往往是企業複雜的舊系統、權限控管與部署架構，若沒有足夠的工程能力，很難真正讓AI在生產環境落地。
不過，技術只是起點。阿卜杜拉強調：「單憑技術卓越是不夠的。我們非常看重高度的適應力與深刻的客戶同理心。」FDE必須將複雜的技術，轉譯成企業決策者聽得懂的商業語言，這也讓FDE的要求變得更高。
然而，要同時尋獲具備頂尖技術、商業溝通能力與特定產業經驗的通才，在市場中卻是一大挑戰。
針對FDE是否容易招募的問題，楊建洲坦言，市場上很難找到同時具備產業經驗、寫程式能力、又懂AI的人，因此他們退而求其次，更看重的是「基本盤」是否扎實。
「軟體工程師加上面對客戶的能力，這件事情是我們比較看重的。」至於特定產業的領域知識，楊建洲表示，反而可以在與客戶合作過程中逐步補齊。
除了從實務面調整招募期待，生成式AI工具的普及，也正悄悄改變主管們對技術能力的衡量比重。
邱霈政表示，GNTC在面試時更看重人格特質、適應力與品味。
他強調：「技術很多東西都可以透過AI處理的狀況之下，其實是我們覺得這種人才，已經從原本評判是否『專精特定技術』，變成是看他有沒有好的品味，跟他有沒有很能去取得別人信任的一個能力。」
趨勢科技台灣暨香港區總經理洪偉淦也有類似觀察。他認為，AI已經降低部分開發門檻，FDE未來的核心價值，反而更需要「懂得怎麼用AI，然後懂得跟客戶溝通、把客戶需求具象化出來。」
FDE的職缺會一直存在嗎？
隨著AI落地與串接技術逐漸步入深水區，業界對於FDE這個角色的未來演變，也有不同想法。
孫玉峰認為，FDE更像是AI草創過渡期的產物。
儘管各個垂直產業與導入場域的工作流不盡相同，但他觀察，未來隨著技術與產業場景的對接愈趨成熟，高異質性的痛點將被提取出標準化的共通框架，甚至有機會透過Agent來解決。
「如果慢慢標準化，也許FDE就會退回到有標準化產品（的時期），（角色上）有點像回到以前軟體顧問。」孫玉峰預期。
邱霈政則從企業文化重塑的角度，在訪談中提出了不同的看法。
他認為，即便未來AI產品漸趨穩定，真實世界的場景依舊千奇百怪，「大廠很難去照顧到每一個在地化的小需求，或者更小的長尾場景。」因此，人機與客戶之間的銜接反而會變得更加重要。
邱霈政指出，FDE所代表的「逆分工」與「一人建造者（Builder）」文化將會蔓延。「我反而覺得每個人未來都會像是某種面貌的FDE。因為其實FDE他的角色是一個全能的角色，了解需求、自己做，而且還要自己把這東西行銷出去。」
他強調，FDE的核心其實是「成果即服務（Outcome as a Service）」，重點在於帶來最終的商業價值。
在這樣的趨勢下，FDE這項能力將化為普遍的職場標準。誠如邱霈政的觀察：「我覺得它比較不屬於固定職位，更像是光譜。看你接觸客戶多一點，還是你開發多一點？每個人比較像是在這個光譜上找到自己的定位。」
這樣「一人抵多人」的賦能，已經在企業內部真實發生。
專攻商業智慧（BI）的帆軟台灣總經理王人賢分享，隨著公司開始深入AI應用場景，內部也開始要求原先的開發工程師與專案經理（PM）提升自己的能力。
王人賢舉例，過去開發報表與設計架構往往需要耗費大量人力，但現在透過AI工具輔助開發，工程師一個人就能快速建構框架，完成過去兩、三人的工作量。
「以前沒有工具，現在有了，就應該與時俱進。」王人賢強調，這種效率的躍升，讓員工也非常樂意擁抱新工作模式。
這也點出了FDE浪潮背後最核心的精神：無論未來「FDE」這個職稱是否會隨著技術標準化而消失，或轉變為其他的頭銜，真正的關鍵在於，AI時代下，每個人都可以、也應該利用AI工具幫助自己，極大化個人的產出價值。
FDE究竟是隨著產品成熟而退居幕後的過渡職稱，還是改寫未來軟體人才工作型態的起點？隨著更多專案走向落地，FDE在軟體產業中的定位，也將逐漸清晰。
