《前线部署工程师（FDE）》系列学习笔记（第2篇）

《前线部署工程师（FDE）》系列学习笔记（第2篇）

原创

Kevin

Kevin

FDE星火社

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

IMPORTANT CHAPTER第2篇：解决正确的问题——概念验证坟墓的解剖报告

前言

企业AI项目死在技术上的很少，死在问题定义上的很多。MIT报告归纳的五大路障——员工不愿用、输出质量担忧、体验差、缺高管支持、变革管理难——没有一条是“模型不够聪明”。斯坦福数字经济实验室2026年4月发布的报告更直接：77%的AI落地难题不是技术问题，而61%的成功项目之前都失败过至少一次。在错误的问题上，一切执行力都是浪费。

一、概念验证坟墓：无限期、无指标、无裁判

硅谷有个词叫“概念验证坟墓”，进去的项目出不来：没死透，不能宣告失败；没活成，不敢加大投入。它们在季度汇报里一年一年地“持续推进中”，像一屋子插着管子的病人。日本一家公司的内部项目是典型案例：抽调三四名最强工程师组成攻坚组，演示惊艳、领导点头，唯独从第一天起就没有人能回答“这套系统的好，由什么标准衡量”。半年后项目从汇报材料里悄悄消失，没有人宣布它失败，它就这样自然死亡了。一家企业花五万美元采购了专业合同分析工具，功能清单洋洋洒洒，但公司的一位资深律师就是不用——她继续用免费的ChatGPT起草合同。理由很朴素：买的工具摘要太死板，没法按她的习惯定制。采购部门的报表上写着“已部署”，真实的日常却是官方系统空转、员工绕道而行。

二、PSF：问题与方案的契合

互联网创业方法论里有个核心概念叫PMF，在FDE的世界里，对应的单位不是“产品与市场”，而是“问题与方案”。PMF问“我的产品有没有市场要”，视角在供给方；PSF问“客户这个具体的问题，值不值得、能不能被我们的能力解决”，视角在需求方。三关必须同时过。第一关痛点检验：这个问题是不是某个具体的人的具体的痛？麦格鲁给过一个更锋利的标准——去解决CEO最关注的五个问题之一，只有这个量级的问题才能帮你碾过企业内部的官僚阻力。第二关经济性检验：解决这个问题值多少钱？NANDA报告里有个被广泛引用的发现：超过半数的企业AI预算投向前台的销售营销，回报却集中在后台的合同审查、采购、风控这些“不性感”的地方。大家都在解决“演示效果好的问题”，而不是“值钱的问题”。第三关可行性检验：以我们现在的能力和这个客户的数据现实，能做到几分？OpenAI的FDE负责人科林·贾维斯用一句话概括过现场经验：客户在选题阶段描述的问题，常常和地面上真实的数据与系统状况对不上。

三、拒绝昂贵的概念验证坟墓

错误的项目为什么危险？因为FDE的成本结构是前置的——最优秀的工程师、最贵的差旅、最长的现场投入，全部发生在回款之前。前Palantir工程师Barry回忆：“我们烧掉数百万美元做客户试点，很多项目利润率字面是负无穷，因为我们是免费做的。”三条防线值得记住。防线一：概念验证必须有“毕业标准”，多少周后、用什么指标、达到什么数值，项目“毕业”进入付费部署。防线二：警惕三类高危信号——“无主之地”（项目没有明确的业务方负责人，只有信息部门在对接）、“只许看不给碰”（客户拒绝提供真实数据）、“宇宙级需求”（第一次会议就要覆盖全公司所有场景）。防线三：给拒绝留个体面的台阶。最好的做法是把“现在不做”翻译成“什么时候做”：“这个场景的数据基础还差三件事，我们建议先做另一个场景，顺手把这三件事补齐，下个季度再来。”

四、痛点催生部署：影子工作法

正确的问题从哪来？FDE的现场经验是：从痛来。而痛不会出现在会议室里，只会出现在工作现场。Palantir的方法在人类学里有名字，叫“参与式观察”；在丰田生产方式里叫“现地现物”——到现场去，看实物，得实情。FDE把它变成了一套可操作的田野方法：跟着真实用户，过完他真实的一天。不是采访他，是坐在他旁边看他工作——看他打开哪些系统、在哪些电子表格之间复制粘贴、在哪些环节皱眉头、绕过哪些“官方流程”。OpenAI的FDE团队在约翰迪尔项目里就是这么做的：飞到爱荷华州，跟着农艺专家和农场主下地，看他们如何做施药决策、看哪些信息真正进入决策、看农时这道硬期限如何支配一切。农户要的从来不是“人工智能”，是少打药、多打粮。

五、MVD：最小可行部署

MVP验证“要不要做这个产品”，裁判是市场；MVD验证“这个方案在这个客户身上能不能产生价值”，裁判是这个具体客户的具体业务。一个在十个客户那里验证成功的方案，在第十一个客户那里照样可能失败——数据基础不同、组织惯性不同、痛点的形状不同。MVD有三条军规。第一条：真实数据，没有例外。用脱敏样例数据做验证，是概念验证坟墓的第一块砖。Salesforce把自家客服智能体当第一客户用了一年，踩过的最大的坑就是这个——智能体遇到两个打架的答案时会试图调和、甚至编造，逼得他们回头把公司内部六百多条数据流整合成唯一权威数据源。第二条：缩小的是范围，不是价值。不追求“覆盖全公司的智能客服”，而是“只覆盖退换货这一类工单，但做到端到端、无人干预”。第三条：定死截止时间，倒逼取舍。Palantir的训练营一到五天，Sierra最快上线案例四周，Decagon典型部署四到八周。一个六个月的“最小验证”，几乎必然重新长成一个什么都想要的大项目——那就是概念验证坟墓的又一次开工。

结束语

Palantir的训练营把这套逻辑做到了极致：客户带真实数据来，一到五天做出能部署的原型，高管当场拍板。训练营的转化率从早期5%到10%提升到后期的约75%。它的精妙在于同时解决了MVD的三个经典难题：真实数据问题、期限问题、裁判问题。写第一行代码之前，先确保你在解决正确的问题。

感谢阅读，欢迎关注【FDE星火社】公众号，一起为企业服务、AI赋能FDE落地...... 点击下方卡片关注，加星标，不错过。

互动：如果对你有启发，欢迎点赞、在看、转发。

免责声明：本文为网络内容整理，仅供学习交流，不构成任何商业、法律、人力资源决策建议。书籍版权归作者/出版社所有。若涉及版权问题，请联系删除。转载/引用请注明出处。

预览时标签不可点

不喜欢

微信扫一扫

关注该公众号

知道了

微信扫一扫

使用小程序

取消

允许

取消

允许

取消

允许

分析

微信扫一扫可打开此内容，

使用完整服务

视频

小程序

，轻点两下取消赞

在看

，轻点两下取消在看

留言

听过