WARP

讓FDE成立的訪談技巧|從現場引出真正洞察的聽法

發布2026-09-15濱本 隆太

FDE(Forward Deployed Engineer)的成敗,取決於能否從現場引出真正的需求,而不是寫程式的速度。我們的工程師在進入現場前接受過訪談技巧的訓練,但訓練能學到的「型」,與只有在現場才學得到的「察覺落差的眼力」是兩回事。本文整理發現、深掘、驗證三種訪談,以關鍵事件法與豐田的五個為什麼建立的提問設計,沉默與複述,兩人一組的記錄方式,以及AI逐字稿的分工,寫成工程師能直接使用的形式。

讓FDE成立的訪談技巧|從現場引出真正洞察的聽法
分享

大家好,我是株式會社TIMEWELL的濱本。

我們是一家工程師的公司。每個人都對開發如飢似渴,恨不得馬上做出能運作的東西。正因如此,以FDE(Forward Deployed Engineer)的身分進入客戶現場時,我們最留意的不是「不要太早動手做」,而是「動手做之前要問什麼」。我在之前的文章寫過,FDE的價值不在寫程式的速度,而在從現場引出真正需求的技術。這次把範圍縮小到訪談,整理我們的工程師在外部訓練學到的、在現場實際使用的,以及不順利的部分。

這是深入探討FDE實務系列的第一篇。FDE這個職種本身,以及我們採取FDE風格的理由,寫在什麼是FDE;與AI陪跑支援的差異寫在另一篇文章。這裡談的是更後面的事:在現場坐下之後,該怎麼開口。想先了解讓工程師團隊具備這種現場能力的方案,可以先看WARP的頁面

工程師為什麼要學訪談。規格書會說謊

先說工程師為什麼要特地學提問的技術。理由只有一個:規格書會說謊。不是惡意的謊言,而是寫規格書的人,沒辦法把自己的工作說成規格。

現場工作的大部分都沒有化為文字。便利貼上的例外規則、Excel裡隱藏的欄位、為了向主管確認而另外開的畫面。當事人每天都在做這些,但被要求「請說明貴部門的業務」時,說出來的是應該有的流程,而不是實際的流程。這不是當事人的能力問題,而是人類記憶的性質。使用者研究的實務長期以來就指出,人無法正確回想自己的行為,往往用意見或一般論來回答1

豐田的現場有「現地現物」這句話,大野耐一則說「凡事問五次為什麼」。根據豐田自己的說明,問題的本質與解決方法會在反覆追問的過程中逐漸清楚2。我認為這正是工程師該學訪談的理由本身。需求不是別人給的,而是在現場挖出來的。挖的工具是提問,挖的地點是現場。

這也是Palantir的FDE實際在做的事。根據一位在該公司擔任FDE八年的前員工回憶,入職時發的書裡,包含使用者訪談的實務書《Interviewing Users》,以及即興劇場的理論書《Impro》。背後的判斷是:要進入客戶的現場並取得信任,需要提問的技術,也需要讀懂現場氣氛的技術3。一家工程師的公司,發給新人的不是程式的書,而是訪談的書。

而挖出來的東西怎麼用,是FDE的特色。顧問把挖到的東西寫成報告,FDE則在當天做成能運作的東西,放到當事人面前。看到能運作的東西,當事人會開始說出面對白紙時說不出口的話。所以FDE的訪談不是「問完就結束」,而是「問、做、再問」的來回。這個來回的速度,是我們敢說能最快實作的依據的一半。另一半留到別的文章寫。

和委外開發的需求訪談,目的不同

這裡先把一件事說清楚。FDE的訪談,和委外開發的需求訪談目的不同。只看「進入現場、提問」這個動作會覺得一樣,所以用表格列出差異。

觀點 委外開發的需求訪談 FDE的訪談
提問的目的 把需求固定下來,作為報價與驗收的依據 找到能達成成果的最短「可運作之物」
範圍 以合約固定,變更就追加費用 符合客戶使命的擴大表示歡迎,違反產品原則的分枝則說明理由後拒絕
產出的歸屬 客戶的資產 通用的型回流到自家產品的標準功能,客戶專屬的分枝當作分枝管理
工時 營收,做得越久越好 投資,每位客戶的工時越少越好
結束方式 驗收後撤離 客戶自行運作,並橫向展開到下一位客戶

委外開發的訪談,是為了之後不起爭議而問。所以聽到的內容會固定成規格書,變更成為追加費用。在這種結構下,當事人看到能運作的東西後說「其實不是這樣」,並不受歡迎。FDE的訪談正好相反,是為了盡早引出「其實不是這樣」而問。曾領導Palantir商用部門的人把FDE稱為「沒有權限的CEO」,不是把客戶的要求縮小到產品現況的角色,而是對客戶的事業成果負責的人;他也寫道,只要客戶的使命需要,就歡迎範圍擴大,但不偏離產品的原則4

另一方面,也不是什麼都照單全收。a16z在2026年1月整理「Palantir化」的文章中,列出分辨真正FDE型態的三個壓力測試:成熟客戶的工時是否在減少、能否對客製化說「不」、超過50家客戶後是否還能運轉5。用我們的話說,就是每週五帶回公司分辨「型還是分枝」的判斷。是型就回流到產品,是分枝就盯著別讓它增生,違反產品原則的分枝就說明理由後拒絕。少了這個判斷,就會落入a16z在2025年警告的「服務陷阱」:沒有產品骨幹就派人進去,最後變成單價很高的委外開發6

進入2026年,這個型態也擴散到大型企業。OpenAI在5月成立擁有約150名FDE的實作專門公司,把典型的做法說明為:診斷價值所在、與經營層及現場共同選出少數優先工作流程、在組織內部設計、建構與部署7。AWS在6月投入10億美元成立FDE組織,把結束時客戶能自行運作,也就是留下可運作的系統、文件與受過訓練的內部人員,放在設計的核心8。在日本,Accenture於4月成立FDE專門組織9,大型顧問公司與雲端業者相繼跟進,甚至有人公開了FDE提供企業的產業地圖,名稱擴散到這個程度。名稱越是擴散,說明與委外開發有何不同的責任,就越落在使用這個名稱的一方。所以這篇文章才會把問法寫到細節。

FDE的訪談有三種。依目的改變問法

進入現場的第一週,我們會區分使用三種訪談。混在一起就會失敗。

種類 目的 主要提問 產出
發現 畫出業務的地圖 「昨天下午做了什麼」「接下來呢」 業務流程、名詞與動詞清單
深掘 蒐集例外與困擾 「上個月最棘手的一件事是什麼」「最後怎麼處理」 例外筆記、最先要做的功能候選
驗證 取得對能運作之物的反應 「哪裡不一樣」 修正清單、下一個版本

發現訪談在第一天和第二天。目的是畫出業務的地圖,涵蓋範圍比正確性優先。這裡重要的是不要說「請說明業務」,而是問「昨天下午做了什麼」。昨天的事想得起來。「接下來呢」「那個畫面在哪裡」,照時間順序追下去。追的同時,把那家公司的名詞與動詞原封不動記下來,不翻譯成系統用語。「分配」和「保留」是不同意思,就是在這個階段知道的。還有一件在發現階段一定會問的事,是資料的持有者。「那個數字來自哪個系統」「那個系統的管理者是誰」。Palantir的前FDE舉例說,曾有8到12週的試行案幾乎全部花在資料存取的交涉上,障礙不是技術而是組織政治3。第一天就找出資料的持有者,第二週就不會卡住。

深掘訪談從第三天開始。目的是蒐集例外。日常業務已經由既有系統運轉,FDE能介入的空間在例外。這裡用的是後面會說明的關鍵事件法。「上個月最棘手的一件事是什麼」「那件事最後怎麼處理」「知道那個處理方式的是誰」。答案是只存在於那個人腦中的規則。

驗證訪談從有東西能動的那一刻開始,快的話是第一天傍晚。把不完整的東西放下,只問「哪裡不一樣」。問「你覺得怎麼樣」,會被稱讚然後結束;問「哪裡不一樣」,對方會開始找差異。這個技巧我移植到新事業的顧客訪談,在即時模型的文章裡寫了步驟。

區分三種的理由,是提問的性質不同。發現是時間順序,深掘是以事件為基礎,驗證是以差異為基礎。混在一起,當事人會不知道該回答什麼,逃向一般論。

在找 AI 訓練與顧問服務嗎?

請參考我們整理的 WARP 課程與顧問服務內容。

提問設計的原則。過去的具體、行為、例外

提問的做法有訓練能教的原則。把我們的工程師在外部訓練學到的型,用我的話整理成三點。

第一,問過去的行為,不問未來的意見。「如果有這個功能,你會用嗎」這種問題,幾乎所有人都會出於禮貌回答「會」。新創顧客訪談的經典《The Mom Test》反覆強調的也只有一點:問對方生活中的具體事實,不要問對方對你的點子有什麼意見10。在FDE的現場,我們把它變成「上次做那項作業是什麼時候,當時發生了什麼」。

第二,問事件。1954年John Flanagan在《Psychological Bulletin》系統化的關鍵事件法,是一套以可直接觀察的形式蒐集人類行為的程序,聚焦在具體且重要的事件,問發生了什麼、怎麼應對、結果如何11。這個方法源自二次大戰期間的航空心理學研究,至今仍用於使用者體驗研究12。它對FDE有效,是因為例外是以事件的形式被記住的。「請告訴我例外規則」問不出東西,「上個月最棘手的一件事」就問得出來。

第三,反覆問為什麼,但要小心。連續問五次為什麼,會把對方逼到牆角。「為什麼是那個步驟」「為什麼」「為什麼」。問到第三次,對方會覺得被責備。豐田的五個為什麼是對問題問的,不是對人問的2。我們把「為什麼」換成「是什麼」。「無法改變那個步驟,是卡在什麼地方」。可以在不責備人的情況下,降到同樣的深度。

把改寫的例子列成表。左邊是容易問出口的問題,右邊是在現場真正有效的問題。

想避免的問題 替換後的問題
有這個功能會方便嗎 上次做那項作業是什麼時候,花了幾分鐘
請說明業務流程 昨天下午最先開的畫面是什麼
有什麼困擾嗎 上個月最花時間的一件事是什麼
為什麼是那個步驟 改變那個步驟的話,會有什麼困擾
資料乾淨嗎 最常空白的欄位是哪一個

右邊共通的是指向具體的時間、具體的畫面、具體的欄位。對方為了回答而要回想的對象是確定的。左邊則沒有確定對方該回想什麼。

聽的技術。沉默、複述、兩人一組

提問再好,聽法不對就全毀了。這是在訓練中學到、也在現場失敗過很多次的地方。

等待沉默。提問之後等三秒,對方回答之後再等三秒。工程師不擅長這件事。想填補空白,就自己說出答案的候選:「也就是說,核准太慢對吧」。一說出口,對方就會順著這個候選走。順著走出來的答案,不是對方的答案,而是我們的假設。保持沉默,對方會補充。補充的部分裡,藏著例外。

複述。把對方的話原封不動說回去。「分配會重複,是這樣」。不能換句話說。說成「就是庫存重複吧」,對方的用語就消失了。把那家公司的名詞與動詞做成辭典的工作,從複述開始。說回去的話如果錯了,對方會糾正。被糾正後的用語,才是那家公司正確的用語。

兩人一組進場。一個人問,一個人記錄。問的人不做筆記。做筆記視線會往下,就看不到對方的表情和手邊的畫面。記錄的人逐字記下發言,也記下對方指了畫面、看了便利貼、向隔壁座位確認等動作。這些動作的記錄,是通往下一篇要談的觀察法的入口。一個人進場時,取得同意後錄音,專注在聽。

說「請給我看」。說明變長時,就切換成「可以讓我看那個畫面嗎」。說明裡沒出現的步驟,畫面上全都有。訪談與觀察的分界就在這裡,被稱為脈絡訪查(contextual inquiry)的方法,設計上正是走到對方工作的場所,一邊看對方工作一邊問13。我們認為訪談是觀察的暖場。

分層聽。經營層、事業部主管、現場,對同一個案子的期望不同,聚在同一間會議室只會留下經營層的聲音。這點在之前的文章寫過,就不重複,若要在聽法上補一點,就是訪談現場人員時不要讓主管同席。主管在場,當事人說的會是應該有的流程。

訓練學到的,和只有現場才學得到的

坦白說,我們的工程師在進入現場前接受了訪談技巧的訓練,而且訓練有用。避免誘導式提問、問過去的事件、等待沉默、把記錄與提問分開。這些是型,型教了就會。訓練之後,我們設計提問的方式改變了。

另一方面,有些東西訓練學不到。察覺對方的說明與實際畫面之間落差的能力。被告知「核准一向是課長做的」之後,馬上在畫面上看到核准欄填的是股長的名字,能不能覺得「咦」。能不能把這個「咦」化為語言,反問「有時候是股長核准嗎」。這種能力,不反覆累積把能運作的東西放下、觀察反應的經驗,就養不出來。我在談把違和感化為語言的文章裡提過,AI被脈絡拖著而無法抽象化時,需要有人察覺;訪談也一樣。訓練給的是「問的型」,現場給的是「察覺落差的眼力」。

訓練與現場另一個不同是時間。訓練會設計60分鐘的訪談,但現場人員很忙,湊不出完整的60分鐘。能拿到的是作業空檔的10分鐘,以及展示能運作之物時的5分鐘。所以我們的訪談變成短而頻繁。不試圖一次問完,每放下一個新版本就問5分鐘。這種形式比60分鐘的訪談問出更多例外,因為當事人看到能運作的東西會想起來。

AI時代的訪談。記錄交給AI,場合交給人

最後是我們怎麼使用AI。

錄音與逐字稿交給AI。取得同意後錄音,做出逐字稿,抽出名詞與動詞做成辭典草稿。到這一步為止,機器比人快也比人準確。但我們不讓它做摘要。AI的摘要會留下每天發生的日常業務,丟掉一個月一次的例外。對FDE有價值的是例外,所以由人從逐字稿裡重新撈。摘要很方便,而方便到什麼程度,最重要的東西就消失到什麼程度。

有三樣東西無法交給AI:沉默、支吾,以及說「請給我看」時出現的畫面。逐字稿不會記錄對方沉默三秒的理由。「嗯、這個嘛、基本上」之後接的「只是」,寫成文字很平淡,但在現場那是例外的信號。至於畫面,根本不會出現在聲音裡。所以我們的分工是:聽的場合與看的場合由人負責,記錄與分類交給AI。

這個分工延伸到下一篇要談的觀察法,以及再之後的現場錄影與AI分析。我們已經開始請客戶讓我們錄影、事後用AI分析,那裡也是同樣的道理:錄影前的同意,以及錄影時人在看什麼,決定了分析的品質。

總結

讓FDE成立的不是寫程式的速度,而是聽的技術。規格書會說謊,所以需求要在現場挖。挖法有三種:發現依時間順序問,深掘以事件為基礎問,驗證以能運作之物的差異問。提問要問過去的行為而非未來的意見,問具體事件而非一般論,問「是什麼」而非「為什麼」。聽法是等待沉默、複述、兩人一組進場,說明變長時就請對方給你看畫面。

訓練學到的是型,現場學到的是察覺落差的眼力。我們的工程師帶著兩者進入現場,把聽到的當天做成能運作的東西,再問一次。這個來回,構成我們實作速度的一半。

想讓工程師團隊具備在現場聽的能力,或想為自家現場迎接FDE做好準備的人,歡迎參考WARP的方案,或透過個別諮詢和我們聊聊。下一篇文章談的是聽之後的觀察法:跟隨觀察與脈絡訪查。

Footnotes

  1. User Interviews: How, When, and Why to Conduct Them(Nielsen Norman Group)。人無法正確自我陳述行為的指摘依該文

  2. Ask 'why' five times about every matter(豐田汽車 Toyota Traditions) 2

  3. Reflections on Palantir(Nabeel S. Qureshi,2024年10月15日)。入職時發的書、FDE的駐點頻率、一到兩週內交出可用之物的慣例、資料存取交涉的軼事依該文 2

  4. Sorry, that isn't an FDE(Ted Mabrey,2024年9月21日)。「沒有權限的CEO」、歡迎範圍擴大、不偏離產品原則依該文(筆者譯)

  5. The Palantirization of everything(Marc Andrusko,a16z,2026年1月16日)。三個壓力測試依該文

  6. Trading Margin for Moat: Why the Forward Deployed Engineer Is the Hottest Job in Startups(Joe Schmidt,a16z,2025年6月)

  7. OpenAI launches the OpenAI Deployment Company(OpenAI,2026年5月11日)。典型的合作流程、收購Tomoro帶來約150名FDE依該發布

  8. AWS invests $1 billion to embed AI forward deployed engineers with customers(Amazon,2026年6月30日)

  9. 在Microsoft協助下成立支援AI快速全公司導入的「Forward Deployed Engineering」專門組織(Accenture日本,2026年4月16日,日文)

  10. The Mom Test(Rob Fitzpatrick)。問對方生活中的具體事實、不問對你點子的意見,這項原則依該書

  11. Flanagan, J. C. (1954). The critical incident technique. Psychological Bulletin, 51(4), 327–358. PubMed

  12. The Critical Incident Technique in UX(Nielsen Norman Group)

  13. Contextual Inquiry: Inspire Design by Observing and Interviewing Users in Their Context(Nielsen Norman Group)

本文在製作過程中使用了AI,並於發布前由人工查核一手資料並完成編輯。

正在考慮在組織內導入AI嗎?

由熟悉數位轉型與資料策略的顧問,為貴公司設計合適的AI導入計畫。第一次諮詢免費。

如果這篇文章對您有幫助,歡迎分享

分享

訂閱電子報

每週為您送上 AI 應用與出口管制的最新資訊

您登錄的電子郵件地址僅用於電子報寄送。

想更了解 WARP

我們整理了 WARP 的功能與導入案例。

相關文章