什麼是FDE（Forward Deployed Engineer）？引出洞察的七個秘訣

大家好，我是TIMEWELL的濱本。我在大型企業做了十年以上的新事業，曾擔任有超過一百家大型企業參與的挑戰者支援計畫「CHANGE by ONE JAPAN」的營運負責人，現在營運面向創業者與企業內創業者的AI驅動開發計畫「WARP ENTRE」。我們公司公開宣稱「以FDE風格做事業」。一這麼說，一定會被問：FDE是什麼？這篇文章用初次接觸的人也能懂的方式回答這個問題，並具體寫出FDE在現場使用的「引出洞察的技術」。

摘要：FDE（Forward Deployed Engineer）是為了讓自家產品在客戶現場正式上線，坐在客戶旁邊負責開發與導入的工程師。由Palantir開創，2025年6月a16z稱之為「新創界最熱門的工作」，2026年OpenAI成立了擁有約150名FDE的部署公司，Accenture在日本成立了數千人規模的FDE組織。和駐點開發、顧問的差別在於賣的東西：FDE賣產品，並把在現場學到的東西回饋到產品。引出洞察的秘訣有七個：坐在旁邊、第一天碰真實資料、把能動的東西當提問裝置、收集例外、寫下名詞與動詞、分別聽三層的要求、每週帶回去。

什麼是FDE？三分鐘看懂工作內容

FDE是Forward Deployed Engineer的縮寫，直譯是「前線部署工程師」，「前線部署」是軍事用語：部隊不放在司令部，而放在最前線。換成軟體的世界，就是不在總公司辦公室等規格書，而是坐在客戶的現場，在那裡做。

用一天的流程向初次接觸的人說明工作內容。早上，到客戶的工廠或辦公室上班，不是自家的會議室。坐在承辦人旁邊的座位，請對方展示實際使用的系統和實際的資料。髒資料：手動輸入的不一致、空欄、各部門不同的欄位名稱。當天就用那份資料做出一個不完整但能動的東西，放到承辦人面前。承辦人會說：「這種情況不對」「這裡需要課長簽核」。改好，再放回去。幾週內上正式環境，修正正式環境發生的問題，並把過程中學到的東西帶回自家產品，變成下一個客戶一開始就能用的功能。這就是FDE的一天，也是一個案子。

起源在Palantir。創業初期，客戶的資料比預期髒、業務比預期複雜，而且根本沒有能說出需求的人。所以把工程師安排在客戶旁邊，讓他學習業務本身。後來的解說在這一點上是一致的。我們沒看過Palantir內部，所以不把創業故事當事實斷言，但職種的原型就在那裡。a16z在2026年1月的文章把這個模式概括為：把小團隊空降到混亂的環境，在幾個月內建起客製化、可運作的平台¹。

把相似的工作列成表。這是最想讓初次接觸的人理解的一點：只看「進入現場一起做」，全都長得一樣，但賣的東西不同。

職種	賣的東西	成果物的去向	對系統	理想的關係
售前工程師	合約	提案書	說明	到簽約為止的短期
導入顧問	建議與報告書	客戶的決策	讀、視覺化	以期間切分
駐點開發	工時（人月）	客戶的資產	依客戶指示寫	越久營收越多
FDE	產品，以及讓它嵌進現場的投資	自家產品的標準功能	讀，並寫回	盡快讓客戶自立，橫向擴展

駐點開發，做得越久營收越多。FDE相反，客戶越早自立、越早能擴展到下一個客戶，越划算。所以FDE的工時不是營收，而是投資。這個差異，我之前在FDE和AI陪跑支援有什麼不同從賣的東西、成果物的歸屬、寫回的責任三點詳細寫過。

為什麼2025到2026年突然擴散

FDE這個詞會出現在日本的新聞裡，是2026年以後的事。理由只有一個：生成式AI的導入到不了正式環境。MIT NANDA在2025年7月的報告寫道，企業對生成式AI的投資估計有300億到400億美元，卻有95%的組織沒有得到可衡量的回報。原因不是模型性能，而是沒有累積現場回饋並改善的機制²。在會議室能動，在現場的髒資料上就停。一停，承辦人再也不碰。需要有人來填這道溝，就是FDE復興的背景。

依時序排出美國的里程碑。2025年6月4日，a16z的Joe Schmidt在「Trading Margin for Moat」一文中稱FDE為「新創界最熱門的工作」。要點是經營面的：企業AI靠自助導入嵌不進核心業務，值得把導入做厚、暫時壓低毛利率，換取掌握資料與業務入口的護城河。同文也寫到OpenAI公開的311個職缺中有22個是FDE或解決方案類³。2026年1月16日，同樣是a16z的Marc Andrusko在「The Palantirization of everything」中指出FDE職缺「今年成長了數百個百分點」，同時警告：Palantir之所以成立，是因為底下有真正的平台；只模仿嵌入工程師的部分，最後會變成「無法維護的一堆客製部署」¹。

2026年春天，做模型的一方動了。5月4日，金融基礎設施大廠FIS宣布，Anthropic的Applied AI團隊與FDE將嵌入FIS內部，共同設計金融犯罪防治的AI代理，並明確寫道目的不是長期駐點，而是移轉知識讓FIS能自行運作⁴。5月11日，OpenAI公布成立「OpenAI Deployment Company」，收購應用AI顧問公司Tomoro，第一天就配置約150名FDE與導入專家，初期投資超過40億美元⁵。夏天，a16z開辦八週的「FDE Fellowship」，創始研究員包括OpenAI的FDE、Cursor的AI部署負責人、前Palantir的FDE主管⁶。

日本也在同一年動了。2026年4月16日，Accenture宣布在Microsoft的協助下，於日本成立「Forward Deployed Engineering」專門組織。文中的核心是這句話：許多企業活用AI的障礙，不是技術不足，而是工程專業沒有在現場充分發揮。集結數千名具AI技能的工程師，建立與客戶直接協作的體制⁷。

在這裡加一個冷靜的註解。FDE不是萬能的。如a16z所警告，沒有產品就把工程師送到客戶那裡，只是單價高的承包。FDE成立的條件，是在現場學到的東西回到產品，讓下一個客戶的部署成本下降。沒有這種回流卻自稱「FDE」的公司，我認為要小心。

我們公開採用FDE風格的理由

TIMEWELL開發讓代理能追溯公司內部知識的「ZEROCK」和出口管制AI代理「TRAFEED」，並營運AI驅動開發計畫「WARP」。而我們公開宣稱以FDE風格做事業。理由用初次接觸的人也能懂的方式寫三點。

第一，我們的產品是進入客戶現場才會動的那一種。要讓AI追溯公司內部的知識，就得把這家公司的名詞與動詞做成機器能讀的形式：「客戶」指的是誰、「出貨完成」是哪個時點、「延遲」超過門檻時誰會發生什麼事。這些在總公司的會議室裡不會知道。出口管制也一樣，某個零件是否受管制，要看過圖面、規格書和交易對象的實物才能判斷。產品不能賣了就結束，所以除了讓工程師進現場之外沒有別的做法。這是老實話。

第二，我們不想站在95%那一邊。在我參與過的案子裡，也多次看過用漂亮的展示達成共識、卻在現場資料上折斷的場面。會議室的展示，只能告訴你一半的需求。另一半只有把能動的東西放到承辦人面前時才會出現。所以第一天就出程式碼。不完整也沒關係。看到能動的東西的人，會開始說出在空白規格書上寫不出來的事。

第三，我們的規模能把現場學到的東西回饋到產品。大型企業的FDE組織有數千人，我們是小公司。小的好處，是現場的工程師和做產品的工程師是同一個人，或坐在隔壁。週五在現場發現的「只有這家公司才有的例外」，下週就被判斷為「這是其他公司也有的模式」，變成標準功能。這種回流的速度，就是小公司採用FDE風格的合理性。

老實補充一句，WARP裡的培訓與陪跑項目，比較接近上表的「導入顧問」。不過我們賣的不是報告書，而是「參與者自己能做出能動的東西」的狀態，這一點和產品用同樣的思想在營運。我在在顧客訪談中當場做出示意畫面的技術寫的「邊聽邊做」，就是把FDE的現場技術移植給新事業開發的負責人。

從現場引出洞察的七個秘訣

接下來是正題。FDE的價值，不在寫程式的速度，而在從現場引出「真正的需求」的技術。整理成非工程師也能用的七項。

秘訣1：不坐會議室，坐到現場的座位。 在會議室，人會談「應該有的業務」；在現場的座位，看得到「實際的業務」。我最先拜託的一句話是：「請讓我在旁邊看你照平常的方式做平常的作業。」看著看著，一定會出現沒被說明的步驟：便利貼上的例外規則、Excel的隱藏欄、為了向主管確認而打開的另一個畫面。洞察的大半不在說明裡，而在這些「沒被說明的步驟」裡。

秘訣2：第一天就碰真實資料。 樣本資料會說謊。在整理得漂漂亮亮的100行樣本上能動的東西，到了10萬行的真實資料一定會停。所以第一天，就算匿名化也要請對方給看真的。空欄的比例、欄位名的不一致、日期格式的混雜、各部門不同的作法。髒本身就是需求。這時候不能說「資料太髒，整理好再說」。等整理完，現場已經往前走了三個月。在髒資料上做出能動的東西，就是FDE的工作。

秘訣3：把能動的東西當「提問裝置」拿出來。 人在空白的規格書前，無法把自己的工作說成語言；看到能動的東西，就說得出來。「這種情況不對」「這個畫面在我們現場不能用」。所以第一天就放一個不完整但能動的東西，只問「哪裡不一樣」。問「你覺得怎麼樣」，會被稱讚，然後就結束了。這個技術可以直接用在新事業的訪談上，系列第1篇以「現場示意畫面」寫了步驟和提示詞。

秘訣4：收集的不是「平常」，而是「出問題時」。 平常的業務，多半已經靠既有系統在跑。FDE有發揮空間的地方在例外。「上個月最頭痛的一件是什麼？」「那件最後怎麼處理的？」「那個處理方式誰知道？」例外是只存在於那個人腦中的規則，系統和手冊都沒寫。我在現場會做一本「例外筆記」。累積到十個例外，會發現其中三個其實是每週都在發生的「平常」。那就是最先該做的功能。

秘訣5：用現場的話寫下這家公司的名詞與動詞。 客戶、請款、零件、作業員。退款、下單、重排班表。把這家公司使用的名詞與動詞，不翻成系統用語，用現場的話原樣寫下來。「在我們這裡，『引當』和『確保』是不同意思」這一句話，有時會整個改變設計。這份用語集，是之後要教給AI的「意義結構」的原型。說得難一點叫本體論（ontology），做的事其實就是把這家公司的話原樣做成字典。

秘訣6：分別聽經營層、事業部長、現場三層的要求。 三層對同一個案子想要的東西不同。經營層想改變業界常識，事業部長想砍這一季的成本，現場不想改變現在的步驟。把三層叫進同一個會議室，只會剩下經營層的聲音。所以分開聽。然後找出同時滿足三者的一點：「不改變現場的步驟、砍掉這一季的成本、明年能談業界的話題」的那一點。有時候找不到。知道找不到，也是洞察。

秘訣7：每週帶回去，回饋到產品。 在現場發現的東西，不要當場修完就算了，每週一次帶回公司分類：這是只有這家客戶的分支，還是其他公司也有的模式？是模式就做成標準功能；是分支就記錄為分支，並盯著別讓它增加太多。這個判斷不每週做，半年後就會有十個各家客戶不同的東西，沒人維護得了。a16z所說的「服務陷阱」，就是怠惰這個每週分類的結果。帶回去的紀錄，正是系列第3篇規格驅動開發寫的進度文件本身。

七項的共通點，是重心在「看」而不是「聽」，在「讓它動起來取得反應」而不是「請對方說」。而AI時代改變的，是秘訣3裡「能動的東西」的製作速度。以前能在第一天出程式碼的，只有有本事的工程師；現在用程式代理，新事業的負責人幾分鐘就能做出暫時的畫面。FDE的現場技術，不再只是工程師的技術。

接受方企業該做的準備：別把FDE關在會議室

最後寫給「接受」FDE的大型企業。FDE來了卻沒有成果的案子，有共通的形狀：把FDE關在會議室。

首先是座位。請準備能坐在現場承辦人旁邊的座位，以及看得到實際系統的螢幕。讓他在訪客用會議室待一整天，看得到的只有資料。其次是資料。先決定匿名化的程序，讓第一天就能碰真實資料。說「等資安審查結束再說」，三個月就沒了。審查平行進行，審查期間用匿名化資料跑，這樣的安排是必要的。

權限也要先決定。只讀就好，還是要寫回？要寫回的話，哪些行為、經誰核准、可以自動到什麼程度。這裡含糊著上正式環境，就會發生錯誤下單、錯誤出貨。寫回需要四樣東西：權限、事前模擬、重大判斷時人的介入、可稽核的紀錄。這不是技術的問題，是接受方的決策問題。

也請確保承辦人的時間。FDE是坐在承辦人旁邊學的。承辦人一直說「我很忙，晚點再說」，FDE就只能用猜的做，又回到會議室的展示。一週幾小時就好，把承辦人的時間當成案子的一部分確保下來。然後，用業務指標來衡量成果：不是「準確率95%」，而是「三小時的作業變成了二十分鐘嗎」「退回件數減少了多少」。用技術指標衡量，在到達正式環境之前評估就結束了。

最後，不要用紙來要需求。一說「請先給我們需求文件」，FDE的模式就崩了。需求是在放下能動的東西之後才出現的。紙，是動起來之後當紀錄寫的。請事先和公司內部的採購與資訊部門就這個順序達成共識。我們進入現場時，會在第一次會議上一起決定這些準備。計畫的結構請見WARP頁面。

結語

FDE是為了讓自家產品在客戶現場正式上線，坐在客戶旁邊做的工程師。賣的是產品，工時是投資，學到的東西回到產品。2025年到2026年，a16z、OpenAI、Anthropic，以及日本的Accenture，都把人和資金放在這個模式上。理由是，生成式AI有95%到不了正式環境。

引出洞察的秘訣有七個：坐到現場的座位、第一天碰真實資料、把能動的東西當提問裝置、收集例外、用現場的話寫下名詞與動詞、分別聽三層的要求、每週帶回去回饋到產品。我們公開採用FDE風格，是因為我們的產品不進現場就不會動，因為不想站在95%那一邊，也因為我們的規模能把學到的東西回饋到產品。

明天就要動手的話，先對公司裡的某一個人說：「請讓我在旁邊看你照平常的方式做平常的作業。」一定會找到至少一個沒被說明的步驟。那就是第一個洞察。想從進入現場開始，一起設計自家某項業務的話，歡迎透過個別諮詢聊聊。

FDE實務系列（2026年9月）

以這篇文章為入口，用十篇從現場的技術深入到合約與培育。

1. 讓FDE成立的訪談技巧
2. FDE的觀察法：跟隨觀察與脈絡訪查
3. FDE與商業民族誌
4. FDE與KJ法
5. FDE的現場錄影與AI分析
6. FDE從逐字稿建立本體論的步驟
7. FDE的一週
8. FDE市場為什麼急速擴大
9. FDE的成果怎麼測量、怎麼簽約
10. 怎麼培養FDE

Footnotes

1. The Palantirization of everything（Andreessen Horowitz，Marc Andrusko，2026年1月16日） ↩ ↩²

2. MIT NANDA《The GenAI Divide: State of AI in Business 2025》（2025年7月）。企業對生成式AI的投資估計300〜400億美元、95%的組織沒有可衡量的回報、障礙在於學習與脈絡適應的缺乏而非模型性能，出自該報告。詳見FDE和AI陪跑支援有什麼不同 ↩

3. Trading Margin for Moat: Why the Forward Deployed Engineer Is the Hottest Job in Startups（Andreessen Horowitz，Joe Schmidt，2025年6月4日） ↩

4. FIS Brings Agentic AI to Banking with Anthropic, Starting with Financial Crimes（FIS，2026年5月4日） ↩

5. OpenAI launches the OpenAI Deployment Company to help businesses build around intelligence（OpenAI，2026年5月11日） ↩

6. FDE Fellowship（a16z Build，Summer 2026梯次，八週） ↩

7. Accenture在Microsoft協助下於日本成立「Forward Deployed Engineering」專門組織（Accenture Japan，2026年4月16日，日文） ↩