
Конспект подкаста | Практикующие специалисты ИИ-компаний Кремниевой долины подробно разбирают роль FDE — самую востребованную должность в индустрии ИИ на сегодняшний день
Подготовка и адаптация: TechFlow

Гость: Jove Zhong (Чжун Цянцзе), Head of FDE в Cresta (Forward Deployed Engineering), руководит командой по внедрению AI Agent на передовой.
Ведущий: Сун Юйчжэн (прозвище: Лиджэн), основатель Superlinear Academy, бывший амбассадор Statsig (компания была приобретена OpenAI).
Источник подкаста: Лиджэн
Оригинальное название: Его команда FDE выросла с 30 до 100 человек, но почему даже инженеры из крупных корпораций почти не знают об этой роли?
Дата выпуска: 17 июля 2026 г.
Ключевые тезисы
Jove в настоящее время руководит командой FDE в компании Cresta, специализирующейся на AI-коллцентрах. С нескольких человек при его переходе в прошлом году, команда выросла до 30, а в этом году план — достичь 100 сотрудников по всему миру. Сама Cresta является B2B-компанией, существующей уже 9 лет; среди её клиентов Marriott и United Airlines. Компания исторически занималась оптимизацией клиентского опыта, и с приходом волны AI естественно эволюционировала во внедрение AI Agent.
Центральное напряжение этого диалога заключается в следующем: роль FDE активно восхваляется в кругах топовых AI-компаний, таких как OpenAI и Anthropic, а также венчурным сообществом как «самая перспективная должность эпохи AI», однако на мероприятиях Jove в Кремниевой долине обнаружил, что инженеры из Meta, Google и других крупных корпораций даже не слышали о такой позиции. Позиция Jove однозначна: AI Agent FDE — это не традиционный аутсорсинг или выделенный инженер на площадке, а совершенно новый вид специалистов. Они должны знать все подводные камни внедрения AI (галлюцинации, задержки в RAG, настройка VAD, переключение версий моделей), уметь лично завоевывать доверие CTO клиентов, а также возвращать инсайты с фронтира для улучшения продукта. По сути, это привлечение команды «CTO стартапов» для реального запуска AI в бизнесе.
Краткие яркие мысли
Сущность FDE
«FDE — это как найм группы CTO из стартапов. Вам нужно закрыть сделку, внедрить AI, удержать клиента; но одновременно будучи CTO, вы думаете не только о том, как сделать продукт лучше, вы даже подвергаете себя внутренней революции.»
«FDE в эпоху AI и предыдущее поколение FDE — это две разные вещи. Ранние FDE мало отличались от выделенных или аутсорсеных инженеров, но AI Agent FDE представляет собой новый вид специалистов.»
Последняя миля внедрения AI
«Доступ к этим моделям не так уж сложно получить. Достаточно заплатить, и вы получите доступ к лучшим моделям. Но и что?未必 вы знаете, как правильно их использовать.»
«FDE похож на бариста. Можно купить дорогую итальянскую кофемашину La Marzocco и лучшие зёрна, но это не гарантирует хороший кофе. Клиенту нужен конечный результат: он хочет качественного взаимодействия с AI Agent.»
Кто подходит на роль FDE
«Если кандидат имеет опыт неудач, это плюсом. Он может рассказать о пройденных уроках, объяснить, когда излишняя болтливость вредит, а когда преждевременные выводы ошибочны.»
«Вопрос “вы отличный AI-инженер?” по сути, риторический. В нынешних реалиях любой разработчик, не работающий с AI, уже выбыл из игры. Вы обязательно должны иметь опыт разработки и тестирования AI Agent.»
Почему FDE трудно заменить AI
«Раньше можно было выжить, обладая одним навыком, теперь этого недостаточно. Но можно отвечать за результат. Чем ближе вы к результату, тем сложнее вас заменить, потому что AI не может нести ответственность за этот результат: достаточно изменить промпт, и он выдаст другой ответ.»
FDE в Китае vs Северная Америка
«В Северной Америке труд дорогой, спрос на оплату конкретных результатов высок, а рынок SaaS зрелый, поэтому модель FDE в сегменте AI Agent реализуется легче. Что касается Китая, могу лишь пожалеть местных специалистов пару секунд.»
1. Когда позицию коллективно хвалят венчуры и топовые AI-компании, сотрудники крупных корпораций её не знают
Лиджэн: Сколько у вас сейчас FDE?
30 человек, в этом году ожидаем рост до 100. За последние семь-восемь месяцев работы в Cresta я на собственном опыте понял, что FDE действительно один из самых эффективных способов сегодня запустить AI, заставить людей платить за него и реально повлиять на мир.
Лиджэн: Меня особенно удивило, что OpenAI и Anthropic активно нанимают много FDE, венчуры называют эту роль самой нужной в AI, но на моих мероприятиях, особенно от сотрудников Meta, Google и других гигантов, постоянно слышу вопрос: “Что такое FDE”.
Да, разрыв в понимании действительно большой. Я начал разбираться в FDE ещё со времени бума Palantir. Как создатели этой модели, они ведут очень специфический бизнес, ведь далеко не каждый вендор может работать с военными. Когда десять–пятнадцать лет назад они начинали, многие военные клиенты не хотели открыто говорить, чего именно им нужно. Приходилось встречаться лично, выезжать в одну палатку в лагере, видеть данные своими глазами, чтобы клиент согласился раскрыть детали.
Поэтому Palantir нанял две команды: одна состояла из программных инженеров, выведенных на передовую, другая — из руководителей с фокусом на бизнесе, глубоко понимающих боевые или спасательные процессы. Одни отвечали за технологии, другие — за нетехническую часть. Традиционно же FDE всё же считается крайне технической ролью.
2. AI Agent FDE — новый вид специалистов, не путайте с традиционными выделенными инженерами
Лиджэн: Сначала поясните тем, кто впервые слышит этот термин, что же такое FDE.
Расшифровка FDE — Forward Deployed Engineer. Её особенность в том, что это всё тот же инженер, но он выводится непосредственно в проект. Однако я считаю, что FDE необходимо рассматривать исключительно в контексте AI Agent.
Если речь идёт о традиционных задачах вроде ETL данных, их преобразования или настройки сети, разницу между FDE, выделенным инженером, аутсорсом или консультантами действительно сложно разграничить. Но в контексте AI Agent всё иначе: сейчас многие хотят внедрить AI Agent, можно получить доступ к свежим моделям, воспользоваться Voice models вроде ElevenLabs или Deepgram, однако способность собрать AI Agent, полностью соответствующий вашей бизнес-сценарии, есть далеко не у всех.
Задача FDE заключается в следующем: соединить вашу бизнес-логику со всеми возможностями платформы AI Agent и создать систему, отвечающую вашим конкретным требованиям, включая guardrails, тесты и оценку качества (eval). Этому крайне сложно научить самого клиента. У него может быть своя инженерная команда, которая знает, как построить веб-сайт или мобильное приложение, но создание AI Agent — это совсем другая история: борьба с галлюцинациями, обеспечение низкой латентности и высокой точности RAG или базы знаний — здесь много сложных и не всегда очевидных нюансов.
Именно поэтому AI-компании используют модель FDE: AI-эксперт чётко понимает возможности платформы и потребности клиента, создаёт решение, тонко настраивает его, вместо того чтобы заставлять клиента разбираться самому. Даже если он научится, на это уйдёт полгода-год, а конкуренты уже захватят рынок.
Лиджэн: То есть AI Agent FDE и предыдущее поколение FDE — разные вещи. Ранний FDE ничем не отличался от аутсорсного выделенного инженера, тогда как AI Agent FDE — это новый вид специалистов, глубоко AI-native, знающий все подводные камни создания AI-продуктов. Доступ к моделям и функции есть у всех, но если хочется делать хорошо, разница колоссальная.
Верно. Кроме того, мы готовы и способны оказывать клиенту максимально персонализированный сервис. Есть такая фраза: вы можете говорить на языке API, а не просто выполнять запросы. Это позволяет быстро найти общий язык с клиентом, завоевать доверие CEO, CTO или API-лида. Так как мы все инженеры, у нас есть общее понимание, и вы быстро улавливаете, чего хочет клиент, и какие у вас есть ограничения.
3. FDE = CTO на глазах у клиента, FDPM = CEO на глазах у клиента
Лиджэн: Звучит как требования к компетенциям высочайшего уровня. Нужно глубоко понимать AI (что само по себе дефицитно), обладать навыками коммуникации для завоевания доверия пользователей, а также ясно представлять бизнес клиента.
Поэтому мы буквально нанимаем группу CTO стартапов. Такие люди понимают, где нужно сфокусировать усилия, а где стоит сказать “нет”, и применяют навыки AI для реализации задач.
Но ресурсы каждого человека ограничены, поэтому, частично вдохновившись примером Palantir, помимо команды FDE в Cresta существует также команда FDPM (Forward Deployed Product Manager). Им не требуется такая глубокая техническая экспертиза. Подобно тому как в компании есть CEO и CTO, FDPM в основном фокусируется на бизнес-логике, критериях приёмки, управлении рисками и соблюдении сроков.
Часто на встречах с клиентами выясняется, что внутри самой компании клиента нет чёткого понимания, чего именно они хотят, а стандартные операционные процедуры (SOP) у каждого свои. Если постоянно брать на совещания FDE, это будет нерациональным использованием ресурсов. FDPM берёт на себя эти нетехнические задачи и структурирует процессы. FDE же с технической стороны обеспечивает обоснованность решений, качество тестирования, а затем возвращается в компанию с инсайтами для улучшения продукта.
Таким образом, FDE можно представить как Forward Deployed CTO, а FDPM — как Forward Deployed CEO. FDE отвечает за отраслевые best practices в AI, разработку SDK, наборов инструментов и CLI. FDPM работает с конкретными требованиями, эскалирует риски, занимается up-sell’ом (например, расширение трёх кейсов до шести). Такое разделение ролей снимает избыточные требования при найме.
Лиджэн: Переход инженера в FDE кажется наиболее естественным. Есть ли другие пути? Например, переход PM в FDPM?
Абсолютно верно. Базовым требованием для FDE является инженерный профиль. На собеседовании обязательно есть этап, где вам предлагают написать простой код на Python без использования каких-либо AI-инструментов. Это не задача типа LeetCode, а проверка базового умения программировать. Также проходит раунд оценки инженерной культуры: знание unit-тестов, сквозных тестов (end-to-end), архитектурного разделения слоёв и т. д.
Если человек без любого технического бэкграунда попытается стать AI Agent FDE, на первый взгляд это может сработать, но он сам не будет осознавать потенциальные проблемы. Например, при разработке формы входа: система вроде бы работает, но весь функционал «зашит» во фронтенд, и пользователь легко может удалить DOM-дерево или модифицировать данные. Без инженерной дисциплины многое выглядит рабочим, но фундаментально нарушает best practices.
Отлично, если дополнительно есть опыт в консалтинге (Accenture, McKinsey). Однако важно не оценивать масштаб сделок или оплачивать работу почасово по старым схемам. Мы — скорее SaaS-компания, и FDE выступает в роли forward deployed product-инженера, являясь частью отдела product engineering. Ключевая задача FDE: через реализацию AI Agent доказать отсутствие проблем с PMF (Product-Market Fit), а затем интегрировать полученные знания обратно в продукт: дорабатывать REST API, микросервисы, UI, CLI, документацию. Цель не только успешное развертывание каждого проекта, но и постоянное зрелее продукта.
Лиджэн: То есть вы не просто выездно помогаете клиентам, но и возвращаетесь, чтобы доработать собственный продукт.
Верно. Я сам являюсь частью product engineering. Мои коллеги занимаются микросервисами, инфраструктурой Kubernetes; мы все подчиняемся VP engineering, который отчитывается CEO. Мне известно, что некоторые компании помещают FDE в отдел customer success, профессиональных услуг или даже в предпродажный отдел. Мы пошли другим путём, потому что наша цель — стать платформенной компанией, рассчитывая на платформу AI Agent, способную поддерживать множество различных use case.
Идеальное состояние FDE таково: рутинные задачи автоматизируются и покрываются улучшенной платформой, а сами FDE становятся всё более узкими специалистами: экспертами по платежным шлюзам, сетям, RAG и т. д., решая всё более сложные задачи. Это позволит нам не превратиться в консалтинговую фирму с сотнями сотрудников, выполняющих монотонную работу.
4. Почему для внедрения AI так критичны FDE? Потому что конечному пользователю нужен результат, а не сама модель
Лиджэн: Именно поэтому я высоко ценю FDE: сегодня возможности AI невероятны, но большинство людей не умеют их внедрять. Многим традиционным отраслям desperately нужен AI, но не хватает таких специалистов. И здесь появляется FDE, который трансформирует неопределённость в уверенность. Для владельца ресторана это значит: ему не нужно гадать, получится или нет. FDE говорит: «Используйте нашу платформу, я возьму всё на себя». Внедрение становится простым.
Совершенно верно. Попросите владельца ресторана или его IT-отдел разобраться в деталях AI Agent, например, в VAD (Voice Activity Detection): «Когда я говорю, можешь поддерживать разговор, но не перебивай меня. Когда я называю номер телефона или email и делаю паузу, это не значит, что тебе нужно вступать в диалог. Что делать с шумом на фоне?» Даже VAD реализуется по-разному: на основе определения тишины или через LLM с анализом семантики. Заставлять ресторанный IT-персонал разбираться в этом — слишком высокая планка.
На самом деле клиентов волнует совсем другое: позиционируется ли бренд как молодежный или солидный, как презентовать меню, как бронировать столики для VIP-гостей. Это бизнес-специфика. FDE быстро применяет best practices, отбирает оптимальные решения и адаптирует их. Работая сегодня с рестораном китайской кухни, завтра с европейским, специалист накапливает отраслевой know-how: оборачиваемость столов, вежливые способы отказа гостям. В итоге мы можем узнать о работе ресторанов больше, чем сами владельцы.
Лиджэн: Аналитики Sequoia отмечали, что рынок программного обеспечения на самом деле не так велик, зато глобальный рынок труда огромен. AI призван заместить именно этот труд. Чтобы заменить человеческий труд, AI требуются люди, которые сочетают экспертизу в AI с пониманием бизнеса, чтобы действительно настроить процесс идеально.
5. Что делает Cresta: внедряем AI в контакт-центры Marriott и United Airlines
Лиджэн: Расскажите, как традиционные отрасли используют AI, чем занимается ваша компания и какой масштаб пробелов вы видите.
Cresta была основана в 2017 году и на рынке уже 9 лет. Компания исторически работала в сфере клиентского опыта (customer experience), с фокусом на call-центры. В эпоху ручной обработки обращений огромной проблемой было обучение новых сотрудников: при звонке нужно делать обязательную юридическую оговорку («этот разговор записывается»), при переключении на другого агента требовался быстрый доступ к истории диалога. Огромный пласт задач могут взять на себя AI-инструменты, значительно повышая эффективность живых операторов.
Сегодня наши возможности расширились: не каждое обращение требует участия живого человека. Например, в период распродаж Black Friday массово нанимают временный персонал, а после пиковых нагрузок увольняют — отрасль отличается высоким текучим составом. Однако простая задача вроде замены утраченной кредитной карты отлично выполняется полностью на AI.
У нас уже несколько лет работают такие клиенты, как Marriott и United Airlines, преимущественно в сценариях call-центров и поддержки живыми операторами. Предложение им дополнительных продуктов на базе AI Agent работает скорее как upsell. Клиенты выбирают самые очевидные и простые use case (low-hanging fruit) для автоматизации.
Моя текущая команда насчитывает 30 человек, в перспективе планируется рост до 50, затем до 100 сотрудников по всему миру. Сейчас основной фокус на Северной Америке, но ведётся активный набор в Европе и регионе APAC. Наша цель — оптимизировать опыт взаимодействий по телефону и в чатах с помощью AI. Никто не хочет ждать полчаса на удержании линии под музыку или тратить время на второй звонок ради решения вторичного вопроса, которое всё равно переключается на нового оператора с новой ожиданием.
Лиджэн: Какие три главных направления применения AI вы считаете ключевыми?
Первое направление — генерация кода. Над этим много работают Cursor, Claude Code, Codex. Второе — мультимедиа: генерация музыки, изображений и видео, куда крупные корпорации вкладывают миллиарды. Третье — корпоративный AI (enterprise AI), особенно голосовые AI и AI Agent.
Рынок инструментов для кодинга доказал свою жизнеспособность, FDE имеют неограниченный доступ к подобным тулзам, но сфера чрезмерно перенасыщена конкурентами, войти туда новым игрокам крайне сложно. Генерация изображений и видео выглядит перспективно, но требует огромных инвестиций. В то же время в корпоративном секторе, если спросить 100 владельцев бизнеса, более 50 явно захотят внедрить AI. Если инструмент сокращает расходы на персонал и снижает время ожидания клиентов, зачем отказываться? Технология находится на грани полной готовности, и вам остаётся лишь найти правильных специалистов и надёжного поставщика для старта.
Лиджэн: Но сложно представить, что соседнему кафе нужен уровень голосового AI, как в серьёзном контакт-центре.
Есть такие. Помимо традиционных контакт-центров, мы всё чаще сталкиваемся с компаниями, у которых нет колл-центра, но требуется «AI-ресепшен». Звонящие клиенты или лиды не ждут ответа в очереди — AI действует как администратор: уточняет задачу, предлагает записаться, определяет, с кем связаться, и отправляет краткую справку владельцу.
Неважно, работаете ли вы стоматологом, управляете кофейней, цветочным магазином или это личный блог: многим захочется обратиться к вам напрямую, но вы можете сначала задействовать AI для первичной фильтрации запросов.
6. Порог входа в FDE: опыт AI Agent — обязательное условие, провал в стартапе — плюс
Лиджэн: Кто идеально подходит на роль FDE? Каков ваш портрет идеального кандидата?
Прежде всего, на данный момент мы не рассматриваем джуниоров. Минимальный опыт работы для FDE — от 3 лет, кандидат должен быть сильным инженером. Опыт работы основателем, сооснователем или founding engineer даёт преимущество. Наличие опыта в консалтинге или customer-facing роли также будет плюсом благодаря развитым навыкам коммуникации и переговоров.
Самое главное критерий: необходимо иметь практический опыт создания AI Agent. Я вижу вал резюме, где пишут: «Я AI-инженер, отлично владею Claude Code, свободно использую Codex». Это риторика низкого качества. Сегодня любые инженерные навыки без понимания принципов работы с AI теряют смысл. Владеть Claude Code стало базой, как умение печатать. Реальная ценность проявляется только там, где вы умеете конструировать полноценные AI Agent.
Какой именно уровень expertise требуется в AI Agent? Опираясь на шестиступенчатую модель развития AI-продуктов, предложенную моим коллегой: 1) prompt-wrapper, 2) grounded AI (с привязкой к знаниям), 3) tool-using AI (со способностью вызывать внешние инструменты), 4) LLM workflow (встроенный в жёсткие бизнес-процессы). Для наших задач уже четвёртого уровня вполне достаточно. Потому что в voice-AI колл-центрах агент часто выполняет действия автоматически: возврат билетов, частичные refunds. Невозможно спрашивать клиента: «Правильно ли я понимаю? Вернуть 50% или 30%?» Требуется уверенное использование knowledge base, соблюдение SOP и минимальная латентность при вызове инструментов.
На этапе собеседования проводится 90-минутный практический тест: кандидату предлагается использовать Claude Code или Cursor, разработать агента на основе предоставленных API и базы знаний, а также продемонстрировать качество решения через тестовые сценарии (test/eval) и обработку крайних случаев (edge cases). Это существенно информативнее, чем обсуждение слухов или демонстрация учебных pet-проектов.
Лиджэн: Завоевание доверия (win trust) — критически важный навык, но многие этого не умеют. Какие черты характерны для тех, кто успешно выигрывает доверие клиентов?
Наличие негативного опыта и осмысленных ошибок на предыдущих местах работы для меня — положительный фактор. Кандидат способен анализирую, когда излишняя Talkativeness вредила, когда преждевременные выводы были ошибочны, либо научиться считывать мотивацию клиента, предлагать решения в выгодном свете и доводить до презентации так, чтобы клиент почувствовал ownership идеи, избегая категоричного отказа (say no) или навязывания.
Красный флаг: если на мой вопрос кандидат даёт ответ продолжительностью шесть–десять минут, это серьёзное снижение оценки. Это свидетельствует о недостатке культуры коммуникации и понимания плотности передачи информации. Лучше чётко сформулировать два-три ключевых тезиса, чем вываливать десять разрозненных пунктов. Желание без фильтров «выгрузить всё сразу» — плохой сигнал для роли FDE.
Лиджэн: Люди, действительно умеющие завоевывать доверие, обладают двумя ключевыми чертами: во-первых, искренним желанием слушать и мыслить категориями партнёра; во-вторых, здоровым уровнем амбиций без раздутого эго. Человек говорит прямо: «умею — покажу, не умею — разберусь». Главная цель — результат. Если клиент чувствует, что вы ставите своё эго выше задачи, доверия не возникнет.
7. Сравнение FDE с бариста и мастером суши: лучший товар доступен всем, но приготовление — вот настоящее мастерство
Я часто сравниваю работу FDE с деятельностью бариста. Можно приобрести престижную итальянскую кофемашину за несколько тысяч долларов, настроить её, но это не гарантирует идеальную чашку. Можно купить лучшие зёрна арабики, но без правильной техники приготовления вкус останется посредственным.
Клиенту нужен результат — качественное взаимодействие с AI Agent. Если вы хотите приятно поболтать с близким другом в комфортном месте, выбор падает на хорошую кофейню вроде Blue Bottle. Роль FDE сводится к использованию лучших ингредиентов, сложного оборудования и мастерства, плюс способности адаптироваться под настроение клиента. Видя, что собеседник грустен или, напротив, полон энергии, бариста готовит уникальный напиток специально для него, даря превосходные эмоции.
Это напоминает концепцию Omakase (Japanese omakase): вам не нужно задавать вопросы о сегодняшнем меню. Доверьтесь шефу, и он подаст лучшее из возможного, используя передовые технологии и ингредиенты. В мире AI этими «ингредиентами» выступают модели. Получить доступ к лучшим моделям финансово несложно. Но и что с того? Часто возникает проблема непонимания того, как именно грамотно их применять.
Приведу простой пример: как оформить сложные mapping-правила — в виде таблицы Markdown или списком из множества маркеров? Какой формат эффективнее? Конечно, экономия токенов важна, но в каком варианте проще допустить ошибку при обработке? Версии ChatGPT 5.x кардинально различаются между собой. FDE обладает достаточным количеством времени, чтобы глубоко изучать и актуализировать AI best practices для каждой конкретной ситуации.
Параллельно развивается эмоциональный интеллект и личные связи с заказчиком. Prompt-based AI изначально работает в парадигме вероятностей, гарантируя безошибочность невозможно. Когда ошибка происходит, от FDE зависит скорость исправления ситуации и сохранение отношений. Именно в такие моменты проявляются харизма специалиста и сила межличностного контакта.
Лиджэн: Таким образом, доверие материализуется и воплощается в людях. Разница между именами и глаголами колоссальна. Теоретическую базу можно освоить за десятиминутную лекцию. Но скрытые механизмы успеха кроются в практике, которая бесконечно глубока. Не погружаясь в процесс, вы просто не сможете понять разницу в уровне исполнения: одни виртуозно выстраивают маршрутизацию (routing), другие совершают систематические ошибки, хотя внешне результат кажется сходным.
8. Почему стоимость специалистов FDE растёт: модели заставляют постоянно совершенствоваться
Интересный нюанс. Отработав долгие годы в IBM и EMC в сфере корпоративного ПО, я наблюдал типичную установку: «пока работает — не трогай», особенно актуально для локального (on-premise) развёртывания.
В контексте современных AI Agent ситуация кардинально изменилась: отсутствие обновлений может привести к выходу системы из строя, сбою интеграций с API. Например, ранее использовалась версия 4.1, но провайдер закрыл к ней доступ, требуя перехода на ветку 5.x. Будь то доплата 20% за поддержку сервиса или развитие новых use case / новых условий контракта (SOW), вам придётся постоянно взаимодействовать с провайдером, применяя передовые архитектуры для повышения эффективности. Это не транзакционная продажа, а непрерывный цикл сотрудничества.
Для бизнеса это объективно позитивный момент, стимулирующий переход на подписные ARR-модели. Мы вообще отказались от on-premise лицензий в пользу исключительно облачного SaaS-формата. Используя передовые Voice-движки и новейшие модели, мы формируем устойчивый годовой доход. Заказчику больше не нужно ежедневно задавать вопрос: «Когда закончите внедрение на нашей стороне, чтобы навсегда избавиться от вендора?» Уйти от такой экосистемы практически невозможно.
Лиджэн: Кроме того, FDE — одна из самых неуязвимых к замене профессий. Если раньше хватало одного узкого скилла, теперь этого недостаточно. Но возможно полное принятие ответственности за финальный результат. Чем ближе вы к итогу, тем сложнее вам конкурировать: малейшее изменение промпта у AI генерирует иной ответ, а машину невозможно заставить отвечать за бизнес-последствия.
9. FDE в Китае: блестящая идея против суровой реальности
Хотелось бы коснуться ещё одной темы. Часть друзей и зрителей подкаста проживает в континентальном Китае. Компании вроде Kingdee и многие другие относятся к гибридной модели FDE с определённым недоверием.
Моё мнение: география решающая. В Северной Америке стоимость человеческого труда традиционно высока, спрос на оплату конкретно достигнутых результатов выражен сильно, индустрия SaaS давно сформирована. Именно эта комбинация факторов делает модель FDE в нише AI Agent максимально жизнеспособной. Тем не менее, в областях внедрения СУБД, очистки данных или взаимодействия с госструктурами классическая FDE-параметризация оказывается неэффективной из-за избыточной бюрократической сложности.
Признаюсь, испытываю искреннее сочувствие к российским и азиатским специалистам этой сферы на короткое мгновение. Китайский рынок SaaS страдает от целого ряда структурных проблем, главной из которых является дефицит полноценного enterprise-сектора и отсутствующих платежеспособных B2B-клиентов. Крупных частных корпораций, сравнимых с западными аналогами, фактически нет. Поэтому, несмотря на признание эффективности и зрелости подхода FDE в Северной Америке, экстраполировать его механически на китайский рынок пока рано.














