科技業最火熱的職位，年薪從 15 萬到 100 萬美元。
多數人甚至無法解釋這個職位在做什麼。
它就是「前線部署工程師」（Forward Deployed Engineer）。負責決定 AI 在企業內部該如何落地。
以下是讓你成為其中一員的 30 天攻略。
先從這個轉變開始
現在每家公司都能買到智慧。幾乎每天都有新的前沿模型問世。
和 50 家企業談過，他們用的都是同一套工具：Claude Code、Codex、Cursor、GitHub Copilot。
同樣的管道，同樣的工具。
所以智慧本身不再是護城河。如果人人都能買到，競爭優勢就轉移到：你在哪裡部署、如何部署、以及為什麼要部署。
連接企業真實流程與模型之間的橋樑，就是這份工作的全部。
Palantir 率先證明
他們建立了一個本體論（ontology），然後把工程師派到企業、軍隊、政府現場。
那些工程師先學習實際工作流程，再建立儀表板與 Agent，解決真正的痛點。
顧問服務，但用軟體重新打造。
為什麼這個職位正在爆炸性成長
95% 的生成式 AI 試點專案都失敗了（MIT 資料）。
有位主管把 AI 交給所有人，結果三個月燒掉一千萬美元的算力預算——原本預計用一年。但業績指標完全沒動。
買到智慧很容易，但部署智慧很難。
罕見的組合
商業面：工作流程、成本、風險、採用率、內部政治。顧問擅長這個。
技術面：模型、API、評估、護欄。工程師擅長這個。
兩者兼備，而不是兩者的平均。這就是年薪百萬美元的關鍵人才。
第一階段：了解工作真正的運作方式
文件記錄的流程很少是真正的流程。
「收到一封電子郵件」聽起來很簡單。現實是：超過 40 個寄件人，沒有一封格式相同，一半是例外狀況，而路由規則只存在一個人的腦袋裡。
這就是為什麼 FDE 要去現場。
約一小時的會議，對方會告訴你他們認為自己的工作是什麼。但坐在旁邊觀察八小時，你才會看到真正的工作：那些中斷、應變措施、以及沒有人寫下來的例外狀況。
麥肯錫也是用同樣的方法去礦場現場。
第二階段：判斷力
智慧該放在哪裡？又該留在哪裡不碰？
早期的 AI 時代是「什麼都套模型」。結果就是 token 爆量與幻覺。
在一個十步驟的工作流程中，大概只有三步需要用到 LLM。其他的就是 if/then 邏輯和 API 呼叫。
第三階段：建置與部署
三個部分，按順序：稽核 → 評估 → 部署。
稽核：繪製每個工作流程與例外狀況。評估：證明 Agent 行為可靠，將高風險案例轉給人工處理。部署：監控 KPI 和 SLA，讓客戶信任你。
每個階段都為下一個階段鋪路。
稽核就是切入點。有家公司說他們的稽核價值是收費的十倍，比麥肯錫還犀利。「稽核」這個詞讓人害怕，所以把它重新包裝成「衝刺（sprint）」，客戶就會更願意參與。
部署規則：建立在現有系統之上。客戶花了數百萬美元和多年時間搬到 NetSuite。你叫他們全部拆掉，你就出局了。在現有系統之上建置，整合 Salesforce、SAP、Gong、Workday。先以影子模式運作，再逐步自主，最後上線生產。
真正的障礙是人
公司裡的人害怕被開除。他們想升遷。
在證明你的價值之前，你就是他們的風險。
所以降低風險：第一次稽核免費做，證明可量化的價值，之後再收費。你的第一批客戶會教你所有事情。
30 天計畫
原則：在擁有頭銜之前，先做那份工作。
第一週：建立一個能完成一個真實後台迴圈的 Agent。包括 Agent 迴圈、工具、護欄、記憶以及稽核軌跡。如果客戶看不到它做了什麼，就永遠不會信任它。
第二週：讓它在真實環境中存活。JSON schema、驗證、例外處理。一種正確的方式，一千種錯誤的方式。只為正確方式建置，你就一文不值。解決例外狀況，Agent 就價值連城。
第三週：用三個面向衡量：營收提升、風險降低、成本節省。也要測試更便宜的模型。
第四週：為它辯護。同時扮演工程師和副總裁來排練。然後向真實企業提案，讓他們挑毛病。
第 30 天
你不只是理解前線部署。你握有證明你能做到的事實。
這在學校裡學不到。整套攻略在 YouTube 和 X 上都是免費的。
你永遠無法靠閱讀學會。你必須動手做。
所以，在別人給你頭銜之前，先去建立那個 Agent。
觀看完整集數：
Apple：<https://podcasts.apple.com/us/podcast/the-startup-ideas-podcast/id1593424985>
Spotify：<https://open.spotify.com/episode/5J0qYg2t5S9IWR0oJ7gWqm?si=5a8aea074a074a91>
