山姆·奥特曼与Meta承认AI问题，FDE正在解决。

AI落地难在哪？奥特曼和扎克伯格罕见“认怂”，一个新兴岗位正在救场 过去一周，硅谷两位最有权势的AI布道者罕见地露出了“疲态”。OpenAI首席执行官萨姆·奥特曼公开承认，AI的采用速度比他预想的要慢得多，直言“iPhone时刻”尚未到来——技术还没有从工具变成人们默认的工作方式。他给出的解释是经济惯性，人类太抗拒变化了。而就在他话音落下的第二天，媒体曝出Meta已经悄悄搁置了用AI智能体重组员工队伍的内部计划。这个代号“OT”（办公室转型）的项目原本打算将部分团队裁减高达60%，只留下少数人类“监督员”看管AI系统，但马克·扎克伯格最终叫停了它。 两大巨头在几天之内，不约而同地承认了同一件事：AI的部署，远比那些华丽的演示文稿要难得多。这并非否定AI的底层价值。每周AI都在产出更多东西：更多内容、更多代码、更多“量”。外卖巨头Delivery Hero最近宣称，其AI编码代理团队“HeroGen”的产出量相当于约130名开发人员。但问题在于，产出更多代码是否等于创造更多价值？我观察到的普遍现象是，AI确实能生成更多的文本、邮件和内容，但它能做出决策吗？往往不能。AI没有“信念感”。在给eCornell上完一堂关于这个差距的研讨课后，我的结论是：AI时代的赢家不会是那些演示效果最炫酷的人，而是那些能把混乱的日常工作转化为可靠流程的人。 这并非悲观论调。过去三年我一直在营销和电商领域应用AI，也写过不少文章分析品牌在追逐这波浪潮时犯下的错误。AI做得好时确实能简化工作流：一个过去需要团队花数周才能跑通的流程，现在可以半自动运行。企业突然能管理比人工时代多得多的产品和渠道。真正的赢家是那些用AI去开拓新渠道、构建AI支撑的运营模式的公司，而不是那些把AI硬生生“贴”在现有业务上的公司。 为什么Meta自己的试点会失败？为什么根据哈佛商业评论2026年的一项调查，只有6%的企业完全信任AI代理来处理核心业务流程？德国的数据也说明了类似的问题。Ifo研究所发现，德国企业的AI使用率在一年内从40.9%跃升至54.5%，但这并非人们曾担心的“AI接管”，恰恰相反——企业虽然在使用AI，但速度缓慢，它们还不够信任它。奥特曼这次说得没错，问题不在模型本身。将AI融入工作流之所以难，是因为大多数工作流都携带着大量未被记录的“例外情况”——那些大家心照不宣的变通做法，从未写进任何标准作业程序。要让AI真正帮上忙，必须有人去做那些不显眼的脏活累活：把公司实际做的事情，映射到AI能做的事情上。 这让我想起自动驾驶汽车的故事。我曾以为我的孩子们永远不需要学开车，但这件事花的时间比所有人预期的都长。早期的自动驾驶汽车很快学会了交通规则，却依然无法并入真实的高速公路，因为人类开车不是靠规则，而是靠习惯、礼貌和成千上万个小例外。工程师们不得不坐在车里反复观察，把人们真实的行为方式绘制成图，系统才能应对街道。现在，这种“绘制工作”有了一个正式职位：前向部署工程师（FDE）。这个职位的招聘量同比暴增729%。你可以把它理解为“解决方案工程师”的升级版，但它是为机器学习而生的解决方案工程。Palantir是这一角色的开创者，如今OpenAI、Anthropic、Google、Salesforce以及OMMAX都在大规模招聘这类人才。 FDE的工作方式不是去客户那里交付一个通用产品，而是嵌入到客户的实际工作流中，花足够长的时间去了解组织架构图和标准流程文档里永远不会写的东西。他们就是那个坐在自动驾驶汽车里，一遍遍观察人类真实行为、然后把“例外”变成“规则”的工程师。对于跨境电商卖家和出海企业来说，这个信号值得深思：AI不是买来就能用的插件，而是需要有人“驻场”调教、把业务逻辑翻译成机器能理解的指令。那些愿意投入资源做这种“脏活”的公司，才可能真正跨越从“工具”到“工作方式”的鸿沟。