Notes de podcast｜Des professionnels de première ligne d'entreprises d'IA de la Silicon Valley détaillent le FDE, le poste le plus en vogue actuellement dans le secteur de l'IA
TechFlow SélectionTechFlow Sélection
Notes de podcast｜Des professionnels de première ligne d'entreprises d'IA de la Silicon Valley détaillent le FDE, le poste le plus en vogue actuellement dans le secteur de l'IA
FDE, c'est comme recruter un groupe de CTO de start-ups. Vous devez conclure les contrats, déployer l'AI et fidéliser les clients ; mais en même temps, en tant que CTO, vous ne passez pas votre temps à penser comment rendre le produit meilleur, vous devez même vous révolutionner vous-même.
Dédié à des analyses Web3 approfondiesOrganisation & Compilation : TechFlow
Invité : Jove Zhong (Zhong Qianjie), Cresta Head of FDE (Forward Deployed Engineering), responsable de l'équipe de déploiement frontal AI Agent
Animateur : Sun Yuzheng (Ke Daibiao Lizheng), fondateur de Superlinear Academy, ancien évangéliste chez Statsig (entreprise acquise par OpenAI)
Source du podcast : Ke Daibiao Lizheng
Titre original : Son équipe FDE est passée de 30 à 100 personnes, mais pourquoi de nombreux ingénieurs des grandes entreprises ignorent même l'existence de ce poste ?
Date de diffusion : 17 juillet 2026
Résumé des points clés
Jove dirige actuellement l'équipe FDE chez Cresta, une entreprise de centre d'appels AI. L'équipe est passée de quelques personnes à 30 depuis qu'il l'a reprise l'année dernière, avec un objectif de 100 cette année, en recrutant mondialement. Cresta est elle-même une entreprise de services aux entreprises fondée il y a 9 ans, avec des clients tels que Marriott et United Airlines. Elle a toujours travaillé sur l'optimisation de l'expérience client et est naturellement passée au déploiement d'AI Agent avec la vague de l'IA.
La tension centrale de cette conversation est la suivante : le FDE est encensé par les meilleures entreprises d'IA comme OpenAI, Anthropic et le cercle des VC comme "le poste le plus prometteur de l'ère de l'IA", mais Jove a découvert lors d'événements dans la Bay Area que des ingénieurs de grandes entreprises comme Meta et Google n'avaient même jamais entendu parler de ce poste. Le point de vue de Jove est clair : l'AI Agent FDE n'est pas un sous-traitant ou un ingénieur sur site traditionnel, c'est une nouvelle espèce : vous devez connaître tous les pièges de la mise en œuvre de l'IA (hallucinations, latence RAG, débogage VAD, changement de version de modèle), être capable de gagner la confiance du CTO du client en face à face, et rapporter les leçons du front à l'entreprise pour améliorer le produit. Essentiellement, il s'agit de recruter un groupe de "CTO de startup" pour mettre l'IA en œuvre.
Résumé des points forts
L'essence du FDE
"Le FDE, c'est comme recruter un groupe de CTO de startup. Vous devez conclure l'affaire, mettre l'IA en œuvre, verrouiller le client ; mais en tant que CTO, vous ne passez pas votre temps à penser comment améliorer le produit, vous devez même vous révolutionner vous-même."
"Le FDE à l'ère de l'IA et le FDE d'avant sont deux choses différentes. Le FDE d'avant n'était pas très différent d'un ingénieur sous-traitant sur site, mais l'AI Agent FDE est une nouvelle espèce."
Le dernier kilomètre de la mise en œuvre de l'IA
"Ces modèles ne sont pas difficiles à obtenir. Tant que vous êtes prêt à payer, vous pouvez accéder aux meilleurs modèles. Mais so what ? Vous ne savez pas nécessairement comment utiliser ce modèle."
"Le FDE est comme un barista. Vous pouvez acheter une machine à café La Marzocco italienne, acheter de très bons grains, mais vous ne pouvez pas nécessairement faire une bonne tasse de café. Le client veut un outcome, il veut une expérience AI Agent plutôt bonne."
Qui est apte à devenir FDE
"Si quelqu'un a vécu de nombreuses expériences d'échec, c'est une très bonne chose pour moi. Il peut raconter ses lessons learned passés, dans quelle situation il a trop parlé, s'il a trop tôt jump to conclusion."
"Vous êtes un très bon AI engineer ? C'est基本上 une évidence. À l'heure actuelle, quel ingénieur logiciel n'est pas un AI engineer, vous êtes déjà très dépassé. Vous devez savoir développer et tester des AI Agent."
Pourquoi le FDE est-il difficile à remplacer par l'IA ?
"Auparavant, nous pouvions survivre avec une skill, maintenant ce n'est plus possible. Mais vous pouvez être responsable des résultats. Plus vous vous rapprochez des résultats, plus vous êtes difficile à remplacer, car l'IA ne peut pas assumer la responsabilité de ce résultat, changez un prompt et elle dira autre chose."
FDE en Chine vs Amérique du Nord
"En Amérique du Nord, la main-d'œuvre est déjà très chère, la demande de paiement pour les résultats est plus forte, le SaaS est également mature, donc le modèle FDE est plus facile à mettre en œuvre dans le domaine des AI Agent. En Chine, je ne peux que plaindre les professionnels pendant quelques secondes."
I. Lorsqu'un poste est plébiscité par les VC et les meilleures entreprises d'IA, mais ignoré par les grandes entreprises
Ke Daibiao Lizheng : Combien de FDE avez-vous actuellement sous vos ordres ?
30 personnes, cette année nous estimons pouvoir atteindre 100. Au cours des sept ou huit derniers mois chez Cresta, j'ai personnellement senti que le FDE est vraiment un moyen très efficace de mettre l'IA en œuvre maintenant, de faire payer les gens et de changer le monde.
Ke Daibiao Lizheng : Je suis particulièrement surpris qu'OpenAI et Anthropic recrutent beaucoup de FDE, et que les VC disent que c'est le poste le plus nécessaire pour l'IA, mais lors d'événements, surtout des gens de grandes entreprises comme Meta et Google, demandent "qu'est-ce que le FDE".
Oui, cet écart de cognition est vraiment important. Je connais relativement bien le FDE depuis la vague de croissance de Palantir. En tant que créateur de ce modèle, l'activité de Palantir est très spéciale, car tous les fournisseurs ne peuvent pas faire des affaires avec l'armée. Lorsqu'ils ont commencé il y a dix à quinze ans, de nombreux clients militaires ne voulaient pas dire clairement ce qu'ils voulaient, vous deviez leur faire face, aller dans la même tente du camp militaire, voir les données, alors ils étaient disposés à parler en détail.
Donc Palantir a recruté deux équipes : l'une composée d'ingénieurs logiciels sur site, l'autre de responsables commerciaux familiers avec les processus de combat ou de sauvetage. L'un est technique, l'autre non technique. Le FDE, au sens habituel, est toujours un métier très technique.
II. L'AI Agent FDE est une nouvelle espèce, ne pas le confondre avec les ingénieurs sur site traditionnels
Ke Daibiao Lizheng : Expliquez d'abord aux étudiants qui n'ont jamais entendu ce terme ce qu'est exactement le FDE.
FDE est l'abréviation de Forward Deployed Engineer, la caractéristique est que c'est toujours un engineer, mais il est forward deploy dans le projet. Mais je pense qu'il faut placer le FDE dans le cadre de l'AI Agent.
Si c'est un scénario traditionnel, ETL de données, transformation de données, configuration réseau, si vous voulez dire quelle est la différence entre FDE et ingénieur sur site, externalisation, conseil, il est en fait difficile de définir. Mais dans le contexte de l'AI Agent, c'est complètement différent : maintenant beaucoup de gens veulent des AI Agent, vous pouvez obtenir un accès model assez nouveau, vous pouvez utiliser des modèles vocaux comme ElevenLabs, Deepgram, mais vous n'avez pas nécessairement la capacité de créer un AI Agent qui correspond à votre scénario commercial.
Le rôle du FDE est le suivant : combiner votre logique métier, utiliser toutes les fonctions de la plateforme AI Agent, créer un système AI qui répond à vos besoins spécifiques, avec guardrail, test, eval. Ces choses sont difficiles à laisser le client apprendre lui-même. Il peut avoir une équipe d'ingénierie, savoir comment build un site web ou une application mobile, mais build un AI Agent est complètement autre chose : gérer les hallucinations, rendre le RAG ou la knowledge base à faible latence, haute précision, il y a beaucoup de choses difficiles au milieu, et ce n'est pas très intuitif.
Donc, nous, ces entreprises d'IA, adoptons le modèle FDE, c'est pour que les experts IA sachent clairement ce que la plateforme a, ce que le client veut, puis créent cela, l'affinent, plutôt que de forcer le client à l'apprendre lui-même. Même s'il peut l'apprendre, cela prendra six mois ou un an, et les concurrents auront déjà pris de l'avance.
Ke Daibiao Lizheng : C'est-à-dire que l'AI Agent FDE et le FDE d'avant sont deux choses. Le FDE d'avant n'était pas différent des ingénieurs sous-traitants sur site, l'AI Agent FDE est une nouvelle espèce, ils sont特别 AI native, comprennent vraiment toutes les pièges rencontrés dans la création de produits AI. model access, feature, tout le monde les a, mais si vous voulez vraiment bien faire, l'écart est très grand.
Oui, et nous sommes disposés et capables de servir le client de près. Nous avons un dicton, vous pouvez Talk about API over IPA, vous pouvez établir rapidement une bonne relation avec le client, gagner la confiance du CEO, CTO ou API lead. Tout le monde est engineer, il y a un langage commun, vous pouvez rapidement comprendre ce qu'il veut et quelle est votre limitation.
III. FDE = CTO face au client, FDPM = CEO face au client
Ke Daibiao Lizheng : Cela semble exiger des compétences特别 élevées. Il faut特别 comprendre l'IA (déjà rare), avoir des communication skills pour gagner la confiance des utilisateurs, et comprendre le métier des utilisateurs.
Donc nous sommes comme recruter un groupe de CTO de startup. Ces personnes peuvent comprendre où il faut faire des efforts, où il faut dire non, puis utiliser les compétences IA pour mettre les choses en œuvre.
Mais la bandwidth de chaque personne est limitée, donc partiellement inspiré par Palantir, en plus de l'équipe FDE de Cresta, il y a aussi une équipe FDPM (Forward Deployed Product Manager). Ils n'ont pas besoin d'être aussi technical, mais comme une entreprise a un CEO et un CTO : le FDPM se soucie plus de la business logic, des critères d'acceptation, de la gestion des risques, du calendrier.
Souvent, lorsque nous tenons des réunions avec des clients, ils ne sont pas eux-mêmes bien alignés sur ce qu'ils veulent, le SOP est différent dans la tête de chaque personne. Si chaque réunion nécessite la participation du FDE, ce n'est pas la meilleure façon d'utiliser notre ressources. Le FDPM fait ce travail non technique, met les choses en ordre. Le FDE assure du point de vue technique que la mise en œuvre est raisonnable, les tests sont solides, et rapporte également les leçons apprises à l'entreprise pour améliorer le produit.
Donc vous pouvez imaginer le FDE comme un Forward Deployed CTO, le FDPM est un Forward Deployed CEO. Le FDE est responsable des meilleures pratiques de l'industrie AI, du développement du SDK, de la boîte à outils, du CLI ; le FDPM est responsable des besoins spécifiques, du signalement des risques, et même de la vente additionnelle, trois cas d'usage faits auparavant, peut-on en faire six. En séparant ainsi, les exigences de recrutement ne seront pas trop élevées.
Ke Daibiao Lizheng : La transition d'ingénieur à FDE est relativement naturelle, y en a-t-il d'autres ? PM vers FDPM ?
Oui. La baseline du FDE est engineer. J'aurai une session lors de l'entretien où vous devez écrire un simple programme Python sans aucune IA, ce n'est pas LeetCode, c'est juste pour prouver que vous savez écrire des programmes. Il y a aussi un tour pour voir les engineering practice : savez-vous ce qu'est unit test, end to end, la stratification, ces concepts.
Si une personne sans aucun background technique fait AI Agent FDE, cela semble pouvoir fonctionner, mais il ne sera pas aware lui-même de ce qui pose problème. Par exemple, faire une interface de connexion, cela semble pouvoir se connecter, mais les choses sont toutes mises dans le frontend, l'utilisateur peut facilement supprimer le DOM tree ou篡改 voir beaucoup de choses. Sans literacy ingénieur, beaucoup de choses semblent work, mais manquent en fait de best practice.
Au-dessus de cela, s'il y a un background consulting, Accenture, McKinsey, c'est très bien. Mais il faut faire attention à ne pas utiliser les méthodes passées pour juger la deal size, ou compter à la pièce selon le temps. Nous sommes nous-mêmes une entreprise偏向 SaaS, le FDE est forward deployed product engineer, faisant partie du product engineering. Une des principales responsabilités du FDE est : prouver through la création d'AI Agent que le produit PMF n'a pas de problème, puis modifier le produit, modifier le REST API, microservice, UI, CLI, doc. Non seulement réussir chaque déploiement, mais aussi rendre le produit de plus en plus mature.
Ke Daibiao Lizheng : Vous ne vous contentez pas d'être sur site pour aider les clients à résoudre des problèmes, vous devez également revenir modifier votre propre produit.
Oui, je fais partie du product engineering. Mes peers font du microservice, du Kubernetes Infra, nous reportons tous au VP engineering, le VP engineering report au CEO. Je sais que certaines entreprises placent le FDE sous customer success ou professional service, ou même sous avant-vente. La raison pour laquelle nous ne l'avons pas fait est que nous voulons finalement devenir une entreprise platform, nous espérons avoir une plateforme AI Agent qui peut enable many different use case.
L'état idéal du FDE est : les choses simples sont remplacées par l'automatisation et l'amélioration de la plateforme, le FDE devient de plus en plus spécialisé, devenant un expert en paiement, un expert en réseau, un expert en RAG, ne faisant que des choses de plus en plus difficiles. Ainsi, nous ne nous formerons pas non plus en une consulting firm élevant des centaines de personnes pour faire un travail répétitif.
IV. Pourquoi la mise en œuvre de l'IA a-t-elle tant besoin de FDE ? Parce que l'utilisateur final veut un outcome, pas un modèle
Ke Daibiao Lizheng : La raison pour laquelle je suis très optimiste concernant le FDE est que maintenant les capacités de l'IA sont trop fortes, mais la plupart des gens n'ont pas la capacité de mise en œuvre. De nombreuses industries traditionnelles ont très besoin d'IA, mais elles n'ont pas du tout ce type de talents. À ce moment-là, si quelqu'un transforme l'incertitude en certitude, pour un propriétaire de restaurant, il n'a pas besoin de penser s'il peut bien faire, il y a un FDE qui dit "utilisez notre plateforme, je vais tout régler pour vous", la mise en œuvre devient simple.
Tout à fait correct. Demander à un propriétaire de restaurant ou à son équipe IT de comprendre les détails de l'AI Agent, par exemple VAD (voice activity detection, détection d'activité vocale) : quand je parle vous pouvez acquiescer, mais vous ne devriez pas m'interrompre ; quand je donne un numéro de téléphone ou un email il y a une pause au milieu, mais cela ne signifie pas que l'autre partie doit chime in ; que faire s'il y a du bruit. Rien que le VAD a différentes approches,基于 silence-based ou基于 LLM-based,基于 sémantique. Laisser le personnel IT du restaurant apprendre cela, too much.
Le client se soucie en fait seulement : la marque est-elle偏向 les jeunes ou偏向 mature et stable, comment présenter les plats, comment réserver une place pour les VIP. Ce sont des besoins spéciaux au niveau business. Le FDE est relativement rapide pour apply best practice, choisir les meilleures choses pour les faire work. Et aujourd'hui je le fais pour un restaurant de dumplings, demain pour un restaurant occidental, accumulant industry knowhow, taux de rotation des tables, comment refuser poliment un client. À la fin, nous pouvons connaître les restaurants mieux que les restaurants eux-mêmes.
Ke Daibiao Lizheng : L'analyse de Sequoia a dit que le marché du logiciel n'est en fait pas si grand, mais l'ensemble du marché labor est extrêmement grand. L'IA veut remplacer ce marché labor. Pour que l'IA remplace labor, il faut des personnes qui comprennent à la fois l'IA et le business pour vraiment bien le faire.
V. Ce que fait Cresta : permettre aux centres d'appels de Marriott et United Airlines d'utiliser l'IA
Ke Daibiao Lizheng : Parlez de comment ces industries traditionnelles utilisent l'IA, ce que fait votre entreprise, et combien grand est le gap que vous voyez.
Cresta a été fondée en 2017, existe depuis 9 ans, a toujours fait dans le domaine customer experience, le core est le call center. À l'époque du service client manuel, la formation des nouveaux employés était un gros problème : lorsque l'on reçoit un appel, il faut faire les disclosures appropriées (par exemple "cet appel est enregistré"), lorsque l'appel est transfer, vous devez prendre l'historique passé. Il y a beaucoup de choses que l'IA peut aider à faire, rendre le human agent plus efficace.
Maintenant, ce que nous faisons est plus, tous les cas ne nécessitent pas une réponse humaine. Par exemple, pendant Black Friday, il faut recruter temporairement beaucoup de gens, après la période de pointe, il faut les laisser partir, le taux de départ dans cette industrie est en fait très élevé. Mais un jour vous perdez une carte de crédit, vous voulez appeler pour demander un renvoi, cette chose peut complètement être faite par l'IA.
Nous avons des clients comme Marriott et United Airlines qui l'utilisent depuis de nombreuses années, toujours dans les scénarios call center et human agent. Maintenant, leur faire utiliser un produit AI Agent de plus, c'est plus comme un upsell. Ils peuvent choisir一些 low-hanging fruit use case pour que l'AI Agent les fasse.
Mon équipe compte maintenant 30 personnes, plus tard peut-être 50, 100, recrutement worldwide. Actuellement principalement en Amérique du Nord, mais l'Europe et l'APAC recrutent également. L'objectif est de permettre à plus d'appels, à plus de chat d'être optimisés par l'IA pour l'expérience. Personne ne veut appeler et attendre une demi-heure pour écouter de la musique, ou appeler avec deux purposes, et le second doit être transfer et attendre encore une demi-heure.
Ke Daibiao Lizheng : Les trois premiers tracks d'application de l'IA, comment les voyez-vous ?
Le premier est coding, Cursor, Claude Code, Codex ont fait beaucoup de travail. Le deuxième est multimedia, génération de musique, images, vidéos, il y a de grandes entreprises qui brûlent beaucoup d'argent pour le faire. Le troisième est enterprise AI, surtout voice AI/AI Agent.
coding a déjà été prouvé comme un très bon marché, le FDE peut également utiliser des outils coding sans limite, mais ce domaine est trop compétitif, il est rare d'entrer en tant que joueur. image et video generation semblent work, mais nécessitent un investissement massif. Et enterprise AI, si vous demandez à 100 business owner, plus de 50% le veulent. Si vous pouvez permettre à l'IA d'économiser de la main-d'œuvre, de réduire le temps d'attente des clients, why not ? Et cette technologie est presque ready, pas complètement ready, donc vous avez juste besoin de trouver la bonne personne, trouver un vendor, et cela peut être réalisé.
Ke Daibiao Lizheng : Mais il est difficile d'imaginer que le restaurant d'à côté ait besoin d'IA vocale de niveau call center ?
Si. En plus du call center traditionnel, nous rencontrons de plus en plus de clients qui n'ont pas de call center mais ont besoin d'un "AI receptionist". Lorsque le client ou le client potentiel appelle, il n'est pas nécessaire de répondre manuellement à chaque fois, l'IA peut être comme un réceptionniste : que voulez-vous faire ? Voulez-vous que je vous aide à prendre rendez-vous ? Avec qui voulez-vous parler ? Je peux envoyer un SMS ou un summary au owner.
Que ce soit un dentiste, un café, une fleuriste, ou même vous personnellement, peut-être que beaucoup de gens veulent vous parler Ke Daibiao, mais vous pouvez d'abord laisser l'IA filter.
VI. Le seuil pour devenir FDE : l'expérience AI Agent est le ticket d'entrée, l'échec entrepreneurial est un atout
Ke Daibiao Lizheng : Quel type de personne est apte à faire FDE ? Quel est votre portrait de recrutement ?
D'abord, actuellement je ne recrute pas de junior, le FDE nécessite plus de 3 ans de travail, est lui-même un très bon engineer. S'il a été founder, co-founder, founding engineer, c'est un atout. S'il a fait consulting, customer facing, pas de problème en customer communication et negotiation, c'est un atout.
La règle la plus cruciale : il faut avoir fait des AI Agent. Je vois des piles de CV écrivant "Je suis AI engineer, je sais très bien utiliser Claude Code, je sais très bien utiliser Codex", c'est基本上 une évidence. À ce moment précis, n'importe quel engineer s'il ne sait pas utiliser Claude Code, c'est comme ne pas savoir taper, cela n'a pas de sens. Vous devez savoir faire des AI Agent pour que cela ait un sens.
Jusqu'à quel niveau devez-vous avoir fait des AI Agent ? Je me réfère au modèle à 6 niveaux de produit AI de Ke Daibiao : premier niveau prompt wrapper, deuxième niveau grounded AI (avec knowledge), troisième niveau tool-using AI (capable d'appeler des outils), quatrième niveau LLM workflow (IA dans un processus fixe). Jusqu'au quatrième niveau, c'est差不多 suffisant pour nous. Car faire voice AI service client, souvent vous devez rembourser un billet si on demande un remboursement, on ne peut pas demander au client "Est-ce que je fais bien comme ça ? Devrais-je vous rembourser 50% ou 30% ?" Vous devez plutôt clairement prendre knowledge base, SOP, faire tool call à faible latence.
Il y a un combat pratique de 90 minutes dans le processus d'entretien, vous laissant utiliser Claude Code ou Cursor,基于 notre API et knowledge base donnés, créer un agent, et prouver qu'il est de haute qualité, y compris concevoir test eval, handle edge case. C'est beaucoup plus concret que de poser des choses entendues dire ou des toy project.
Ke Daibiao Lizheng : Gagner la confiance est特别 important, mais beaucoup de gens ne savent pas le faire. Quelles sont les caractéristiques des personnes capables de gagner la confiance ?
Si un candidat a vécu des leçons d'échec, c'est une bonne chose pour moi. Il peut raconter dans quelle situation il a trop parlé, s'il a trop tôt jump to conclusion, ou s'il peut deviner la motivation du point de vue du client, puis aborder votre proposal sous un bon angle,甚至 laisser l'autre partie présenter elle-même le方案, plutôt que de dire non de force ou de pousser de force.
Il y a un red flag ici : si lors de l'entretien je pose une question, et que l'autre partie me donne une réponse de 6 minutes, 10 minutes, c'est基本上 une deduction sévère. Vous n'avez pas de bonne conscience de communication, ne savez pas quelle devrait être la densité d'information. Lister 10 points n'est pas aussi bon que d'en raconter deux ou trois. Si vous êtes trop obsédé par vider tout ce que vous voulez dire d'un coup, ce n'est pas un bon FDE signal.
Ke Daibiao Lizheng : Les personnes qui peuvent vraiment gagner la confiance ont deux choses : premièrement, elles sont willing to listen, peuvent penser du point de vue de l'autre ; deuxièmement, leur EGO n'est pas grand. Vous savez c'est savoir, vous ne savez pas c'est ne pas savoir, le but est de bien faire les choses. Si l'autre partie sent que vous vous souciez特别 de votre EGO, il ne vous trust pas.
VII. Comparer le FDE à un barista et à un maître de cuisine japonaise : tout le monde peut acheter les meilleurs ingrédients, mais savoir créer quelque chose de bien est le vrai talent
Je pense que le FDE est comme un barista. Vous pouvez acheter une machine à café La Marzocco italienne, très chère à plusieurs milliers de yuans, mais après l'avoir achetée et调试, vous ne pouvez pas nécessairement faire un bon café. Vous allez acheter de très bons grains, vous n'avez pas nécessairement cette technique.
Le client veut un outcome, il veut une bonne expérience AI Agent. Comme si vous vouliez avoir une très bonne conversation avec votre meilleure amie, boire une tasse de café confortable dans un café confortable, vous allez simplement chez Blue Bottle. Ce que fait le FDE est d'utiliser de bonnes matières premières, de bons grains, des machines complexes, de bonnes compétences, et vous savez aussi lui parler, voir s'il est de humeur plutôt down ou plutôt high aujourd'hui, lui préparer spécialement une tasse de café, son sentiment sera très bon.
Similaire à Omakase (japonais "おまかせ", recommandation du chef) : vous n'avez pas besoin de demander quels plats il y a aujourd'hui, vous devez simplement nous faire confiance, nous prendrons certainement la meilleure technologie, les meilleurs ingrédients pour vous donner une très bonne expérience. Ces ingrédients, grains de café, poisson, correspondent dans le domaine de l'IA à ces model. model n'est pas difficile à obtenir, tant que vous êtes prêt à payer vous pouvez access aux meilleurs modèles. Mais so what ? Vous ne savez pas nécessairement comment utiliser ce modèle.
Donnez un exemple simple : vous avez une relation de mapping complexe, l'écrivez-vous en table Markdown ou en une grande pile de bullet point ? Lequel est plus efficace ? Bien sûr économiser token est un aspect, mais lequel est plus facile à faire des erreurs lors de l'exécution ? Nous découvrirons que chaque version 5.1, 5.2, 5.3, 5.4 de ChatGPT est différente. Le FDE a assez de temps pour comprendre ces AI best practice.
En même temps, vous savez observer les couleurs et les visages, avoir des relations privées avec le client. L'IA est elle-même un tas de problèmes de probabilité, difficile de garantir de ne jamais se tromper. Lorsque vous vous trompez, comment réparer à temps, comment ne pas hurt cette relationship, le FDE a un fort charisme personnel et des relations dedans.
Ke Daibiao Lizheng : C'est concrétiser la trust, la落脚 sur les personnes. La différence entre nom et verbe. Les noms sont très limités, 10 minutes pour apprendre. Mais tout ce qui fait vraiment bien les choses est dans les verbes, infiniment profond, et vous ne le savez pas si vous n'apprenez pas, ne le savez pas si vous ne le faites pas. Vous dites que le routing de cette personne est bien fait, que le routing de cette personne est mal fait, vous ne pouvez pas du tout imaginer à quel point la différence de kung fu ici est profonde.
VIII. Pourquoi le FDE prendra de plus en plus de valeur : les modèles vous obligent à recommencer sans cesse
Il y a aussi un point intéressant. J'ai travaillé pendant de nombreuses années chez IBM, EMC faisant des logiciels d'entreprise, tout le monde avait un état d'esprit commun : tant que cette chose n'est pas cassée, ne la modifiez pas, surtout faire on premise.
Maintenant faire AI Agent, si vous ne modifiez pas, ce modèle peut ne plus être utilisable, l'API ne work pas. Par exemple, vous utilisiez auparavant 4.1, maintenant vous ne pouvez plus utiliser 4.1, vous devez utiliser 5.x. Que ce soit comme frais de service de 20% ou nouveau use case, nouveau SOW, vous devez continuellement engage, utiliser le meilleur modèle ou le bon modèle pour faire les choses de mieux en mieux. Ce n'est pas un coup d'un seul coup.
C'est en fait une bonne chose pour l'entreprise, push tout le monde à utiliser le ARR subscription model. Nous ne fournissons même aucun déploiement on premise, on peut seulement utiliser SaaS. Plus votre SaaS utilisera le meilleur voice engine, le meilleur modèle, cela devient un ARR très naturel. Le client ne demandera pas toute la journée "quand peut-on l'installer de mon côté, puis je peux vous larguer", il ne peut pas se débarrasser de nous.
Ke Daibiao Lizheng : De plus, le FDE est une profession difficile à remplacer par l'IA. Auparavant, nous pouvions survivre avec une skill, maintenant ce n'est plus possible. Mais vous pouvez être responsable des résultats. Plus vous vous rapprochez des résultats, plus vous êtes difficile à remplacer, l'IA change un prompt et dit autre chose, elle ne peut pas assumer la responsabilité des résultats.
IX. FDE en Chine : le concept est bon mais la réalité est dure
Il y a peut-être un autre sujet worth discussing. Nous avons des amis et des spectateurs en Chine. Que ce soit Kingdee ou beaucoup d'entreprises, il y a en fait beaucoup de préoccupations concernant le modèle FDE.
Mon point de vue est : l'endroit où l'on plante l'orange est crucial. En Amérique du Nord, la main-d'œuvre est déjà très chère, la demande de paiement pour les résultats est plus forte, le SaaS est également plus mature, toutes ces choses ajoutées ensemble, le modèle FDE est plus facile à mettre en œuvre dans le domaine des AI Agent. Quant à l'implémentation de base de données, le nettoyage de données, les affaires liées au gouvernement, le FDE ne convient pas à des formes aussi complexes.
Je plains également les professionnels locaux pendant quelques secondes. Le SaaS local a beaucoup de problèmes, dont le problème le plus important est qu'il n'y a pas de marché enterprise. Pas de clients. En Chine, il n'y a en fait pas de très grandes entreprises, ou disons... Le FDE en Amérique du Nord est une solution relativement mature et efficace, en Chine c'est encore difficile à dire.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
深潮TechFlow
