许多企业在进行 AI 项目时，都会经历一个略显尴尬的阶段。
Demo 已经完成，演示效果也不错。然而，当真正接入业务时，各种问题开始浮现：数据不干净、接口接不通、权限拿不到、模型效果不稳定，业务人员也不一定愿意改变原有的工作方式。
最终，Demo 依然存在，但项目却未能真正运行起来。
这也是 FDE 最近被频繁讨论的原因。
FDE 全称 Forward Deployed Engineer，通常译为“前线部署工程师”。这类人需要进入业务现场，既能理解企业的问题，也能动手解决工程问题，并推动 AI 应用接入系统、进入流程并持续运行。
不过，FDE 是否是企业 AI 落地的答案，目前尚无定论。
有人认为，企业 AI 项目面对的问题太过复杂，必须有人进入现场，边做边找答案。也有人担心，FDE 最后会不会变成更高级的驻场开发，团队被大量定制需求拖住，却始终无法形成标准产品。
更棘手的是，即使 FDE 具备足够的技术能力，企业内部的数据、权限、流程和人员并不由其控制。项目失败时，责任归属成为一大难题。
9 月 20 日下午，将在杭州云谷中心举办一场小规模的 FDE 线下活动，旨在与实际参与过项目的人员一起探讨这些问题。
不讲空泛趋势，先看项目具体如何实施
活动安排了两场主题分享，都将尽量从嘉宾亲自参与的真实项目出发。
第一场暂定为“从模糊需求到生产系统”。
希望嘉宾能详细说明：客户最初提出了什么需求，进入现场后发现的实际问题是什么，第一个版本是如何制作出来的，以及 Demo 是如何接入企业数据、权限和现有系统的。
除了成功案例，也希望听到过程中遇到的麻烦、未达到预期的部分，以及如果重新做一次，哪些决定会有所改变。
第二场暂定为“当 FDE 进入企业，组织如何协作”。
这一场更关注企业内部。业务、IT、数据、安全和外部团队应该如何分工？谁负责定义项目成功？效果下降之后由谁维护？企业应该寻找外部 FDE 团队，还是培养自己的团队？
两场分享的最终题目将结合嘉宾的实际经历进行调整。目前嘉宾仍在邀请确认中，不会为了凑主题而要求嘉宾讲述不熟悉的方向。
FDE 是落地解法，还是定制化陷阱？
活动的行业圆桌会围绕这个问题展开。
准备讨论的内容包括：
- FDE 真正解决的是技术问题，还是组织问题？
- FDE 应该对项目交付负责，还是对业务结果负责？
- 当企业的数据、权限和流程不受 FDE 控制时，责任边界应该如何划分？
- FDE 和售前、咨询、解决方案架构师及外包有什么区别？
- 深入客户现场，是否必然带来大量定制？
- 现场经验怎样才能沉淀为产品能力，而不是留下更多技术债务？
- FDE 是长期存在的组织形态，还是企业 AI 当前阶段的过渡角色？
圆桌讨论不追求所有人得出同一个结论。相比标准答案，更希望听到不同角色为什么会做出不同判断。
让真实需求和落地能力在现场被看见
现场计划设置“企业需求快闪 × FDE 能力展示”环节。
有真实 AI 落地需求的企业，可以介绍正在解决的业务问题、已经做过的尝试，以及希望寻找的团队或能力。
有实际项目经验的 FDE 及 AI 团队，也可以介绍自己擅长的方向、已有产品和真实案例。
这不是一场现场接单会，也不要求团队当场给出解决方案。目的是先让具体的需求和能力被看见，再为确实适合的双方提供进一步交流的机会。
具体展示名单和形式，将在报名征集后确认。适合公开的企业需求、团队、应用和 Skill，后续也会通过模力工场及 9 月 22 日至 23 日的开源市集继续展示。
哪些人适合参加？
这场活动更适合：
- 正在推进 AI 项目的企业业务、技术、数据和数字化负责人；
- 做过企业 AI 项目的 FDE、Applied AI Engineer 和解决方案团队；
- AI 创业公司的创始人、产品及技术负责人；
- 模型、云平台、数据和 AI 基础设施团队；
- 有实际应用经验的开源项目和开发者团队。
如果你正在做一个真实项目，或者已经被“Demo 之后怎么办”这个问题困扰过，现场的讨论应该能提供一些参考。
希望来的朋友多少都带着一些具体问题。你可以是正在寻找解决方案的企业，也可以是已经踩过坑、愿意分享经验的团队。