OpenAI 和 Anthropic 共同看好的 FDE：AI 时代的新岗位出现，旧分工松动｜对谈 Rolling AI

FDE：AI是劳动力，不是软件

🚥

5 月 4 日，Anthropic 和 OpenAI 在同一天分别宣布了各自的十亿美元级的企业 AI 合资公司，并且都称自己在做的事情是 FDE（Forward-Deployed Engineer，前置部署工程师）——帮助 AI 进入企业，从“能用”走向“上岗”，从“展示能力”走向“交付结果”。

本周「十字路口」，我们聊 FDE 这个正在被重新定义的岗位与分工：它究竟是在把“售前/交付”换个名字，还是代表 ToB AI 时代新的组织结构与商业边界？当模型越来越强，最后一公里为什么依然最难？企业真正缺的，到底是更强的模型，还是能把 AI 带进流程、接入系统、治理知识、持续迭代并对结果负责的人？

我们的嘉宾是 Rolling AI 的两位合伙人阿甘和刘开，他们是中国在企业 AI 落地与“交付能力产品化”方面实践最深、也最具代表性的团队之一。

快问快答

👦🏻 Koji

先从快问快答开始，请问二位的年龄？

🧑🏻‍💻 阿甘

今年 37 岁。

👨🏻‍💻 刘开

我83年的。

👦🏻 Koji

毕业的院校？

🧑🏻‍💻 阿甘

米兰理工和同济。

👨🏻‍💻 刘开

北京交通大学研究生。

👦🏻 Koji

MBTI 和星座？

🧑🏻‍💻 阿甘

我原来是 ENFP，现在是 ENFJ。天秤座。

👨🏻‍💻 刘开

我是 ENTJ。水瓶座。

👦🏻 Koji

一句话介绍一下 Rolling AI。

🧑🏻‍💻 阿甘

Rolling AI 字面意思就是“卷 AI”。我们卷的是 AI，不卷人。本质上，我们是一家 AI 商业咨询公司。

👦🏻 Koji

收入和利润方便透露吗？

🧑🏻‍💻 阿甘

行业内的朋友如果问起，答案都是“千亿以内”。

👦🏻 Koji

团队规模？

🧑🏻‍💻 阿甘

目前 60 多人。

👦🏻 Koji

在做 Rolling AI 之前，二位在做什么？

🧑🏻‍💻 阿甘

我和刘开都是连续创业者，之前在 BCG（波士顿咨询）认识。我原来做过 IP 孵化，也做过海外投资平台。

👨🏻‍💻 刘开

我 2007 年第一次创业，做的是社交媒体监控，2015 年公司卖给了欧洲最大的社交媒体分析公司。后来进入咨询这个鬼行业，在 BCG 遇到阿甘，然后出来一起创业。

 FDE：AI 不是软件，是劳动力

OpenAI 和 Anthropic 同一天宣布成立十亿美元级企业 AI 合资公司，都说自己在做"FDE"——他们到底在描述一件什么事？

👦🏻 Koji

所以你们是 BCG 的同事。

大家都很关心，在二位看来，OpenAI 和 Anthropic 所提的 FDE 到底在讲什么？为什么在 AI 大背景之下，这个词突然被提了出来？

🧑🏻‍💻 阿甘

我们有一个本质的认知：AI 与传统软件非常不同。传统软件是一个工具，必须由人去操作；而 AI 本身就是劳动力。

在很多情况下，FDE 做的事情非常像一个 HRBP——我把一个数字员工放到企业里，帮你培养好，并看着他上岗，而不是交付一个传统的工具软件。

👨🏻‍💻 刘开

今天的 AI 在企业里，不要把它看成一个软件，或者一套 IT 解决方案。你得把它看成一个新上岗的员工。

随着它的能力逐渐接近人的水平，它在企业里上岗，同样需要导师帮他准备好工作台资料、带他理解流程。当然，这其中也需要对接一些底层系统。

最大的区别在于，想让一个 AI 真正融入公司并产生价值，你必须把公司的上下文交给他，并提供一个能运作起来的工作台。这就是 FDE 要做的事。

👦🏻 Koji

我觉得这非常有意思。原来是卖软件，我们的服务是教客户的员工怎么用软件。现在更像是直接卖了一个“数字员工”给客户，FDE 的角色是帮这个数字员工更好地融入企业、帮他顺利上岗。

你们原来也会叫自己 FDE 吗？以前有这个岗位吗？

🧑🏻‍💻 阿甘

我们不太叫自己 FDE，我们更多把自己定位为 builder，也就是 Business Builder。

👨🏻‍💻 刘开

但这个岗位做的其实就是 FDE 的工作。我去看过 Palantir 的 FDE 在企业工作的视频，他们做的事跟我们一模一样。

👦🏻 Koji

不管叫 FDE 还是 Business Builder，你们给企业做 AI 落地服务做了多久？服务了大概多少家企业？客单价大概在什么区间？

🧑🏻‍💻 阿甘

我们从 2022 年开始做。那时候 GPT 3.5 的 DaVinci 模型刚开放接口，刚好有客户有相关需求。从那时到现在快 4 年了，我们是最早一批帮企业做 AI 转型的。

到目前为止，我们服务了将近 100 多家企业，目前合作的基本都是全年制的，每个客户都是大客户。我们的平均客单价在几百万到上千万。

👦🏻 Koji

我们等会儿重点聊聊服务这些客户时的案例、故事，以及踩过的坑。

在这之前，还是想聊聊你们在 BCG 的背景。我们的听众里有非常多 MBB 的朋友，或者是前校友，大家可能多多少少都面临着一些职业生涯的“十字路口”。

所以想听听二位当时是出于什么考虑，决定从 BCG 出来做 Rolling AI 的？

👨🏻‍💻 刘开

我们很明确地发现，MBB 这类外资咨询公司在服务中国本土企业时面临一些困难。不管是收费模式，还是真正能帮到中国企业家落地的手段。

中国和海外有一个极大的不同：中国民营企业掌舵人基本上是一代和二代，极少有职业经理人。一代和二代决策的底层出发点是企业的利润、长效发展和长治久安，他们不在意阶段性的汇报 PPT 写得有多好看，只在意能不能落地、能不能做出结果、能不能带来组织层面的改变。

这件事情 MBB 很难做深，因为它们的成本结构和定位决定了它们很难沉到最下面。

👦🏻 Koji

在 BCG 做过最贵的一个项目是多少钱？

🧑🏻‍💻 阿甘

只能说相当贵，接近 9 位数，快 1 亿人民币。

👦🏻 Koji

以前在 BCG 做咨询，现在在 Rolling AI 也是做咨询。当时的客户和项目，与今天的客户和项目有什么不同？

🧑🏻‍💻 阿甘

客户类型上最大的不同在于，以前主要服务跨国企业，现在主要服务民企。但业务本质相同，都是解决特定的商业问题。区别在于，今天的呈现形式是：帮客户重新构建业务。

👦🏻 Koji

帮客户重新构建业务，有了 AI 之后，这个“重新构建”的过程发生了什么变化？

👨🏻‍💻 刘开

影响非常大。传统咨询的交付物是一份 200 页的 PPT。今天我们做完咨询，交付的是一个“智能体”。因为 PPT 里讲的最好的做事方式、协同方式、信息流转方式，都可以在智能体里直接实现。

过去，企业要上线一套新业务模式，需要半年甚至一年的 IT 建设周期。现在做一个智能体，可能只需要几个星期。

在我们公司内部有一个明文标准：所有的智能体必须在 15 天内上线。因为你雇佣一个新员工，不会让他先去学校学习三个月再来上班，最多给他 15 天的培训期，他就得开始干活。

首个案例：一个人带 50 个机器人，服务 600 万用户

👦🏻 Koji

分享一个最能代表这种效率的案例？

🧑🏻‍💻 阿甘

2022 年，我们帮一家乳制品企业做第二曲线转型。受出生率下滑影响，乳制品行业整体在下行。很多乳企想做高溢价产品，比如蛋白饮、益生菌。但他们原有的分销渠道根本卖不动高溢价产品，需要全新的线上销售渠道。

我们当时看全市场有没有足够多的营养师能够在线上做服务。算了一下，全中国注册营养师只有 40 万人，但需要服务的目标客群有 8000 万，供需差了 10 倍。如果用人工服务，单次成本大概是 16 元。

👨🏻‍💻 刘开

正好 2022 年底 GPT 3.5 开放了接口。我们做了一套营养健康模型的微调，把单次服务的成本直接从 16 元降到了一毛钱还是四分钱。

最后这个平台承载了该企业 600 万的在线用户。运营团队只有一个小姑娘，她带着 50 多个分工明确的智能体：有的做测评，有的写帖子，有的做营养咨询。

👦🏻 Koji

没有 AI 的话，这确实完全做不到。

👨🏻‍💻 刘开

是的，没有 AI 无法想象。

🧑🏻‍💻 阿甘

这其中有一个细节。如果你去问通用的 AI 助手“我要减肥”，它会直接给你一个方案。但一个正经的减肥师会说：“你又不胖，为什么要减肥？”这就是情绪价值。第二步，她才会去问你的饮食习惯、健身习惯和减肥目标。

整个用户引导和转化过程，需要先给情绪价值，再引导用户给出输入。

想让这样的 AI 数字员工上岗，必须在企业里帮它找一个好师傅。

👨🏻‍💻 刘开

是的，让好师傅把专业的服务流程和思考细节传授给 AI。

👦🏻 Koji

在线下的连锁零售企业里，这个师傅是谁？

👨🏻‍💻 刘开

是那些最优秀的店长。

👦🏻 Koji

FDE 怎么把优秀店长的经验提炼给 AI？

👨🏻‍💻 刘开

在 2025 年之前，我们会把金牌销售、顶尖内训师拉过来做访谈，做自上而下的经验总结，把话术灌进 AI。但从 2025 年下半年开始，我们逐渐不这么做了。

因为我们发现，做生意的最佳实践往往没有权威的、自上而下的正确答案。在一个门店里卖奶茶、卖货，成功的方式有千百种。所以我们现在从自上而下变成了自下而上。

我们在连锁门店里放了 AI 助手，每天下班后跟店长做复盘：“今天做了什么？做得好和不好的地方是什么？为什么？”通过复盘把店长、优秀顾问、金牌销售身边的最佳实践采集下来。

这个助手就像咨询公司里的观察员，做一个陪跑生，在旁边默默观察。在这个过程中，它会越来越聪明。

👦🏻 Koji

这会遇到阻力吗？比如老师傅们会担心自己的经验被 AI 学走、蒸馏完之后，自己在企业里就没有价值了？

🧑🏻‍💻 阿甘

你想学习别人的经验，首先得为别人付出价值。我们所有的 AI 学徒进驻时，一定会先帮老师傅干活。它能日常帮店长做排班建议、做营业额预估。当老师傅觉得这个学徒在身边有用、能帮自己省力时，他才愿意教它。

我们从来不觉得 AI 比人强。我们发现，最强的是“AI + 人”，其次是“人”，最后才是“AI”。那些能不断产生复盘和经验的基层员工，是企业最宝贵的资产，不应该被放弃。

AI 可以辅助你做很多预案，但无法取代你做决策。

👨🏻‍💻 刘开

在这个过程中，金牌员工的价值也被放大了。以前你是一个金牌销售，销售额是别人的 3 倍，或者你带个团队，这就是你的天花板。

但今天，你提炼出的经验和方法论，可以通过 AI 直接复制到全国 1000 个、1 万个销售身上。这意味着你对企业的价值被无限放大了。这种价值的放大，必须对应相应的利益激励。

这也是我们会建议企业家去做的：重金激励那些能给 AI 带出好能力的基层员工。

👦🏻 Koji

能分享一个具体的案例吗？

🧑🏻‍💻 阿甘

连锁零售里有一项核心工作是预估第二天的营业额，然后根据营业额去排班、订货。以前这是总部的一套算法，往往极不准确，因为每家店的经营上下文完全不同。

我们把总部一刀切的预估系统拆掉，给每个店长配了一个 AI 副店长。它会提示店长：“明天下午会有暴雨”、“周边竞对在做活动”。最终由店长来决定明天要订多少货、排几个人。

做完这个改变后，营业额的预估准确率有了极大的提升。AI 拥有的是系统性的书本智慧，但中国有太多线下场景依赖的是一线的街头智慧。赋能一线，让书本智慧和街头智慧结合，是特别值得做的一件事。

👦🏻 Koji

能再举一个街头智慧的例子吗？

🧑🏻‍💻 阿甘

还是零售。如果当天临时下大暴雨，门店客流断崖式下跌，已经排班的兼职人员就会产生浪费。按 1000 家门店算，一年的浪费可能高达大几百万。

聪明的店长如果从 AI 副店长那里得知明天大几率有大雨，他会提前跟兼职店员沟通：“明天可能下雨，可能需要临时取消排班，请先做好准备。”店员提前有了心理预期，就不会感到突兀或生气。这个看似微小的动作一旦被 AI 标准化，一年就能帮企业省下几百万。

👨🏻‍💻 刘开

还有一次，我们的 AI 副店长跟店长一起做冷藏柜的盘点。

AI 问店长：“大包装的晨光酸奶，在周边七八家社区店都卖得很好，为什么你这里卖不动？”

店长说：“因为我店 5 米开外就开了一家大我两倍的超市。只要是他们也卖的大包装晨光酸奶，价格就比我便宜，所以我卖不动。而卡士高端酸奶他们超市不卖，所以我能卖得很好。”

AI 马上建议：“那咱们调整货盘，大超市卖的通货大包装酸奶我们直接不订，只卖供应商独供和高端不宜比价的酸奶。”调整后销量马上涨了 40% 到 50%。

如果光靠 AI 去判断，它极可能会得出“这里的客群比较高端，所以只适合卖贵酸奶”的错误结论。必须让店长的一线商业触觉与 AI 结合，才能得出正确的商业决策。

👦🏻 Koji

这让我想起 7-Eleven 的故事。它起死回生和爆发的转折点，就是给了一线店长极大的订货决策权。在过去，一线店长因为精力和分析能力受限，很难把这个权力用好。但现在有了一个 24 小时在线的 AI 副店长协助，把决策权彻底下放到一线，终于成为了可能。

👨🏻‍💻 刘开

对。AI 最大的红利不是让总部做自上而下的微观策略，而是让每一个普通店员、销售身边都有一个数字智囊。以前你没办法雇 1 万个专业的带教教练去贴身辅导 1 万个店长，但现在，这套瓶颈被打破了。

FDE 是什么角色？

带着一批"清北学生"去便利店上班的工头。

👦🏻 Koji

这就很像现在流行的通用 Agent。AI 要想变聪明，必须拥有极度丰富的上下文。所以我们让它看屏幕、录会议。零售店也是一样，AI 越熟悉这家店和周边两公里的实时信息，决策就越准。

在这个重构过程中，FDE 扮演的是什么角色？

👨🏻‍💻 刘开

FDE 承担了好几个角色。本质上，他像是一个带队的“工头”，带着一群像清北或斯坦福毕业的绝顶聪明的“数字高材生”（这些“高材生”就是 AI）。但这些高材生去便利店、营销部门或 HR 部门，是没办法直接干活的。

比如做 AI 面试，我们要在内部做大量的对齐：什么才是专业的提问？什么方式会对候选人不尊重、不友好？这些都需要 FDE 在现场做大量的调试。

我们今天很像一家 AI 人力外包公司，FDE 就是工头。他把这群高素质的数字员工带进企业，但他得保证他们能产出高质量的工作，他才能撤场。

他必须在现场解决三大问题：业务流程的融合、私有知识的治理，以及 IT 底层系统的对接。

👦🏻 Koji

“工头”这个比喻很形象。你们目前有 60 多位员工，在你们看来，一个合格的 FDE 需要具备哪些核心素质？

👨🏻‍💻 刘开

第一是战略咨询能力。能够一眼看穿业务痛点的本质。痛点到底是缺人、缺知识，还是协作、沟通机制出了问题。如果问题在沟通，你却去堆砌 IT 系统，根本不解决问题。

第二是人机协作的原生思维。任何工作都不是机器人能全权闭环的。优秀的 FDE 需要把流程合理拆解，把人类员工放在最具决定性的枢纽位置上——去负责审核、评判和规划，让数字员工负责那些高重复性、重体力的智能劳动。

第三是极强的工程动手能力。优秀的 FDE 必须能够拿出 AI 原生开发工具，在半天、一天之内快速把智能体原型和系统编排跑通。

所以，FDE 既不像纯粹的程序员，也不像纯粹的售前销售。

👦🏻 Koji

门槛极高。这样的人是可以系统化培养的吗？

🧑🏻‍💻 阿甘

很难短期培养出来，这涉及 AI 时代需要什么样的人才这一终极问题。

优秀的商业判断力本质上是一种极具个人特质的品味——在 AI 给出无穷无尽的冗余数据、采集回海量信息后，下一步应该去往哪个方向？最性感的解法是什么？这需要极其敏锐的商业嗅觉和手感。这带有几分玄学色彩，不是一般的培训能轻易带出来的。

SOP 代表落后——标准化的终结

👦🏻 Koji

这跟你们以前在 BCG 做咨询，做事方式、工具和人才画像确实已经完全不一样了？

👨🏻‍💻 刘开

是的。传统的咨询逻辑来自于上一个工业时代。当 AI 时代来临，许多常识在底层就被颠覆了。

比如，以前的中高管理层最核心的职能之一是“传递信息”。现在，信息传递的损耗和效率完全可以被技术彻底抹平。

以前传统咨询和 IT系统 帮企业做的是“标准化”，通过制定 SOP 来确保经营底线。但今天我们对“标准化”三个字是带有反感甚至反抗的——因为标准化抹杀了灵活性。我们认为，在剧变的市场下，每一家店、每一个区域都应当结合自身的“上下文”进行自驱。

这里发表一个暴论：我们认为 SOP 代表着落后，代表着缓慢。因为所谓的标准化，实质上是让全盘迁就一个及格线，只能做到 60 分。今天 AI 在一线的价值，是提供足够强大的智力工具，赋能每一个店面都能基于本地区域的实情，做到 85 分甚至 90 分。这种动态赋能的思维，只有在商业环境极其内卷、高频迭代的中国市场里才会被逼出来。

在未来，下一代革命性的商业管理智慧，极大概率会由中国企业家和中国企业来引领。

👦🏻 Koji

如果说下一代的管理智慧将由中国企业来引领，那么具体会如何呈现？

👨🏻‍💻 刘开

以前的标准化管理本质上是在保底线。而未来，管理智慧将完成跨越——从“用标准化保底线”转向“用普惠智能去一线提供最优解”。

这一范式的改变，会彻底重构总部的职责。在传统的组织架构里，总部设立了无数的标准化部门、内审部门、信息化部门和中介管理网络。这些层级的存在，本质上都在监视、管理、约束前线，确保每一个网点不犯错。

未来这套重管控的架构会逐渐退潮。总部将从“管控中心”转型为“赋能中心”。总部不应该成天制定繁琐的规章制度，而是需要给每个门店配备数字教练、数字智囊，在门店需要冲锋的时候，辅助他们多拿业绩。这不仅仅是管理模式上的转轨，它会在根本上颠覆整个现代大公司的组织架构、层级和部门划分。

👦🏻 Koji

这种管理范式的改革在以前为什么做不到？

👨🏻‍💻 刘开

之所以在以前做不到，是因为在大公司组织里，人类的“智力”资源是高度匮乏的。那些既懂一线的实操细节、能讲得深入浅出，同时又有精力和意愿去长期培养和辅导新人的优秀店长，在组织里实在是太稀缺了。

但现在，这套瓶颈被打破了。只要算力一开、智能流转起来，企业就拥有了无穷无尽的智力生产力。

🧑🏻‍💻 阿甘

是的，而且中西方企业的底层逻辑也不同。跨国企业往往极度追求过程正义，花费海量的时间来确保合规、审批。而国内的企业家是高度务实的，只要结果正义，什么样的路径都可以鼓励和接受。

另一个关键点是，中国企业家往往拥有极强的“亲力亲为”特质，这在 AI 时代变成了一种无与伦比的先发优势——很多民企的一把手会自己上手搭智能体、研究 Claude Code。

底层逻辑在于，中国企业的所有者至今大多仍留在一线战场，而欧美有太多的成熟企业是由职业经理人在打理，大家的目标函数天然就不一样。

那些消失的企业，真正输在哪里？

兰开夏郡的纺织业接了电，但没被电拯救——因为他们只把电接到了原来蒸汽机的大轴上，整个生产方式还是蒸汽时代的。

👦🏻 Koji

在企业落地 AI、重构业务的过程中，技术本身所占的比重大概有多少？

👨🏻‍💻 刘开

我个人认为，技术在整个落地工程中的占比不会超过 1/3。

AI 的这一轮大潮，不是一次局限在技术层面的浪潮，它是一次波澜壮阔的生产力革命，对整个商业和社会的重塑甚至会彻底超越互联网。

这类似于 100 年前的电力革命。当时英国的兰开夏郡纺织业原本拥有占全世界 70% 份额，但在电力的浪潮里它被彻底抛下了。难道他们不舍得用电吗？他们也把发电机连上了电，但他们依然在使用传统的、自蒸汽时代延续下来的大轴和传动带逻辑。

而此时的美国、德国和日本，则从一开始就采用了完全原生的电力设计重构了整间厂房和生产流程，一举击溃了传统的纺织帝国。

所以，仅仅接个模型或者套个壳、不改变核心生产关系的，终将被历史淘汰。

AI 落地，真正的重头在组织架构的变化、商业模式的重塑和利益关系的分配上。

👦🏻 Koji

这确实是重构生产关系的过程。剩下的 2/3 重点在哪些层面？

🧑🏻‍💻 阿甘

在组织架构、业务关系和绩效考核的配套上。

比如销售这个群体，他们是非常结果导向的。只要大模型的介入与他们的个人切身利益、佣金体系没有直接和正向的挂钩，你塞给他们多么华丽高大上的工具，他们也根本不会碰。

所以，我们进场后往往是联合业务一把手，直接开刀修改他们的绩效考核体系。比如，把原来 100% 绑定闭环成单结果的提成，调整为 80% 看成交结果，剩下的 20% 看过程中的数据沉淀、客户画像补完和跟进质量。只有把配套利益理顺，新生产力才有可能在这个组织里生存。

AI 落地失败率超 50%：三大死法

👦🏻 Koji

帮企业做 AI 转型时，你们发现普遍的失败率有多高？还有哪些致命的坑需要避开？

👨🏻‍💻 刘开

目前 AI 转型项目的真实成功率可能连 50% 都不到，有大量的失败。

最主要的失败原因，我能总结为三个关键：

第一，CEO 对 AI 现阶段的技术水位存在极度不切实际的幻想，觉得企业无论经营得多乱，只要一买大模型，公司立马就能腾飞。一定不是这样。

第二，绝对不要把大模型落地项目全权交由 IT 或研发部门去建。让业务部门靠边站，由 IT 主导，项目有 90% 以上的概率会彻底失败。因为真正懂业务的永远是业务线负责人，IT 团队提供不了业务专家的经验。

第三，在底层，没有业务团队和组织的对应的激励的改变，去配合这个模式的改变。大模型进场，是一个个数字劳动力加入企业、重新洗牌生产关系的过程。如果底层的考核和人机协作关系不随之发生根本性的进化，大模型也只是摆设。

👦🏻 Koji

这里能分享具体的例子吗？特别是那些由于 IT 团队的介入，导致 AI 项目流产的教训。

🧑🏻‍💻 阿甘

我们接触很多庞大的跨国公司，一进场，最先要面临的硬骨头往往不是算法难点，而是 IT 部门极其严苛的系统合规。

在他们根深蒂固的思维惯性里，确保过程正义、数据安全高于一切。这本身没有错。但在极其初期的业务重构阶段，如果把合规和绝对安全拔高到最高优先级，一审审批就是三个月，任何一线轻量化的探索都会被扼杀。

👨🏻‍💻 刘开

华熙生物的董事长在参加我们组织的一个 AI 工作坊时，在内部发表过一次十分震撼的讲话。

他说：“如果你做 AI 提效，仅仅是为了追求 50% 的提效，那这种不痛不痒的事情你根本就不要碰。你应该去寻找那些能带来 3 倍、5 倍甚至 10 倍跨越的突破口。”

大模型的意义在于提供低成本的智力生产力，你应该去重构整个工作流程，而不是挤牙膏。

👦🏻 Koji

有具体实现数倍跨越的典型案例吗？

🧑🏻‍💻 阿甘

我们服务过一家大型的租房中介平台。类似的长租房平台都有一个不可或缺、又极度疲惫的角色——租房管家。管家需要处理租客海量的鸡毛蒜皮，比如邻里纠纷、空调漏水、催缴房租，充斥着各种负面情绪。

我们进去的时候，他们最初的直觉是：能不能帮管家开发一个自动打字、快速回复的工具。这就是典型的战术提效思路。

当我们退一步看，发现有两个更本质的痛点：一是在大中城市化见顶的背景下，中介传统的租房业务在持续缩水，他们急需向租客兜售溢价更高的生活增值服务，比如上门保洁、宠物代喂养。

但由于管家们每天深陷在琐碎的投诉和负面情绪里，他们根本没有任何时间和精力去卖这些服务。

我们帮他们对工作流和职责完成了重构：属于负情绪、琐碎、需要查流程的回复，全权交由 AI 智能体来底；而人类管家则被彻底释放出来，去提供更有温度、更能缓解矛盾的人文关怀。

到今年，我们的目标是一个管家可以同时管辖和维持高达 2000 个租客的庞大客群。而这唯一的管家，日常工作量非但没有增加，反而减轻了。

👨🏻‍💻 刘开

同时，我们上线了“销售线索探查智能体”。AI 在辅助管家聊天时，如果捕捉到某些细节——比如租客提到“我家猫最近不吃东西”或者“下周要回老家”，AI 会立刻提醒人类管家：检测到该租客有宠物，且将要出差，建议推送宠物上门喂养及全屋除猫毛服务。

我们没有帮他们裁员，但通过重组生产关系，极大地提升了客户的续约率、租房增值服务的转化率。

在这个转型的过程中，该租房平台的负责人曾由衷地向我们感叹：大模型一上线，我们衡量好员工的标准彻底被推倒重建了。

在过去，打字快、记得准的人是我们的好员工；而今天，那种能在一线极度输出共情、能敏锐提供情绪价值、让顾客感到温暖的人，才是真正不可替代的好员工。

👦🏻 Koji

阿甘之前在别的场合提到过：商业咨询的本质，很多时候是在给董事长和 CEO 做高级的“心理咨询”，能否展开讲一讲？

🧑🏻‍💻 阿甘

以前在做传统咨询时，我们面对的往往是大型跨国企业的职业经理人。他们需要通过引入外部的信息、宏观的视角来疏解自身的管理焦虑。

而在今天，我们更想探讨管理的底层逻辑——管理的本质是激发和释放善意。

在 AI 时代，智能体能够提供数倍于过去的能效。如果你的发心是管理，是约束，是限制，它的能量是 10 倍。如果你的发心是赋能，是善意，是让每个销售多赚到钱，它可能也是 10 倍。我们自己本身比较相信赋能一线这件事情在将来一定能成。因为如果是控制的话，那你全部换成机器人好了。

所以，我们去服务企业时，首先要做的心理咨询，就是和企业一把手去碰：你自己本身想要赋能的发心在哪里？善意在哪里？你希望看到他们怎么样的成长？于是我们会把这个落进比如副店长，或者是某种的智能体里面去，我觉得这可能也是某种的心理辅导。

其次，更大的心理疏导工作其实是面向企业基层的。大批的基层员工面对 AI 进场，内心充满了被替代的恐慌和敌意。

我们需要跟他们做深度沟通，告诉他们：被时代淘汰的，从来不是具体的人，而是那些在设计之初就注定要落后、死板的岗位。

你不应该再在那个落后的岗位里面去寻求一个更好的发展，而是看看有些什么样新的岗位会发生，而且哪些更匹配你。

👦🏻 Koji

在你们看来，未来哪些岗位大概率会面临迅速消亡的宿命？

🧑🏻‍💻 阿甘

首当其冲的就是那些只承担“信息中转”职责的管理中层。在传统的销售网络中，从总部到省总、分区主管、小片区，中间可能有 2 到 3 层人只做上传下达的工作。在 AI 时代，这套中间岗位没有存在的必要。

👦🏻 Koji

为什么上传下达不需要中间人？

👨🏻‍💻 刘开

因为在过去，哪怕有数字化和 SOP，也需要中层来做信息的治理和清洗。

比如，你问一个一线的初级销售人员：“你今天见的客户好不好？”销售人员不会给你一个结构化、标准化的业务报告。他可能会吐槽：“那个客户太难缠了，我跟他说了半天他根本没在听。”

在以前，中层管理岗的核心价值，就是把这些布满杂音的、情绪化的口头故事，转化为结构化、标准化的业务报告再呈报给总部决策。同时，他们需要把 100 个销售的信息进行多层汇总和提炼。

但现在，这套信息的清洗、聚类和非结构化提炼，大语言模型可以做得极好。

👦🏻 Koji

你们有绝对不接的客户吗？你们推掉过最大的单子大概有多少钱？

🧑🏻‍💻 阿甘

喜欢与不喜欢，核心本质其实是在看基因匹不匹配。我们的使命是帮客户重新构建业务，如果对方想买的东西不是这个，不管预算开多高，我们也绝对不会合作。

那些做不成的案例，一个最致命的共性就在于其企业内部的决策链极其冗长。

我们现在的合作往往非常干脆、直接，通常只和客户的“一把手”直接聊，一般在 3 次见面之内就会敲定合作。因为大家都是极度务实的战友。我能提供的价值，绝不是帮你开发一个软件，而是帮你重新去看你的 business。一把手把最头疼、最焦虑的痛点挑出来，我们帮他用某种逻辑解决，他也认可这种方式，我们就可以合作。

而我们不喜欢的项目，往往是来来回回地折腾、决策链特别麻烦。今年年初，我们就果断拒绝过好几个价值 600 万到 800 万的企业单子。

👨🏻‍💻 刘开

是的，大多是那种买软件的项目。不管是 IT 部门发起的，还是董事长或所有者，他也会觉得说：“我不想改业务，我就是想买个软件提一下效”。我们不提供这样的软件服务。

👦🏻 Koji

Rolling AI 目前有 60 多个员工，你们内部是怎样的一种组织形态和工作运转方式？

🧑🏻‍💻 阿甘

我们公司内部极其扁平。我和刘开自己平时也会日常上手调试，写核心代码。

在组织上，我们的员工像是“海豹突击队”。他们是基于具体的项目战役和业务重构目标，进行极其快速的跨岗位临时组队。因为 FDE 最宝贵的资产存在于最鲜活的前线，所以我们极其鼓励大家常年扎根在客户最繁琐、生动的门店和业务一线。

应届生在 AI 时代能做什么？

👦🏻 Koji

如果今天有一个顶尖高校的毕业生，毕业后依然立志去做咨询。他面前既有像 MBB 这样殿堂级的传统平台，也有像 Rolling AI 这样做 FDE 的新锐战队。你会给他们怎样的建议？

👨🏻‍💻 刘开

我反而会建议优秀的年轻人先去像 MBB 那样更系统化的传统平台历练，去拼命吸取和培育自己的商业 sense 和 judgment，这在早期非常重要。

前段时间我在面试一位极其优秀的应届生候选人，他很诚恳地问我：“开哥，如果我加入公司，我怎么放大我的个人优势，能给公司提供什么价值？”

当时我很坦诚地告诉他：“以你刚毕业一无所有的行业背景，在当下的技术浪潮里，我绞尽脑汁也想不出任何一件你能做、而大模型做不了的工作。”

他当场有些蒙，问我那该怎么办。

我开玩笑地给他出了个主意：“要不这样，前两年你先付我钱，算作学费；后面三年，等你的商业直觉成长起来了，我再翻倍、三倍地把高薪付还给你。”

这虽是一句调侃，但也折射出了当下整个传统咨询行业的残酷断层：所有那些在过去纯靠桌面研究、画底稿 PPT、查文献档案的基础文书工作，年轻助理能够获得的培育场景和上岗位置已经被压缩得非常扁平。

我们反复强调，在 AI 时代，我们最想要的一定是那些具有天然商业 sense 的人。这种对于一线的敏锐度往往具有部分先天属性——比如有的年轻人出身于做小生意的商贾之家，从小耳昵目染；有的哪怕白手起家、没有背景，天生拥有极度敏锐的好奇心、喜欢蹲在一线去观察。

在实际业务中，这类具备一线的商业 sense 的年轻人，比中老年的咨询师同样好用，甚至更好用。因为大模型能帮你搞定基础的数据和方案，而年轻人只要负责贡献源源不断的街头智慧。

在这个时代，年龄和资历开始变得越来越不重要。最核心的壁垒，是一个人的思维敏锐度、个性和面对挑战时两言放光的自驱力。

我们公司最小的实习生还在读高二，但在实战中的思考和解决问题的成熟度，毫不逊色于绝大多数平庸的咨询师。

 OpenAI 和 Anthropic 为什么都突然下场做 FDE

👦🏻 Koji

我们今天话题的源头，是 OpenAI 和 Anthropic 不约而同地在同一天提出了 FDE 的概念，并为此成立了数十亿美元级别的庞大合资公司。在你们看来，为什么这些大模型巨头突然开始向这种重力度的、泥泞的一线落地服务去下注？

🧑🏻‍💻 阿甘

首先是公域互联网数据资源的枯竭。当通用模型的底座想要进一步深挖和渗透时，他们不可避免地撞到了墙——数据短板和行业特有知识的缺乏。与其在温室里花大钱买专家的数据，不如直接把最顶尖的工程技术力量空投到最泥泞的一线商业泥沼里，去解真实的行业命题。

其次，ToB 在底层从来都不是一个单纯靠写几段算法、卖几个 API 接口或 SaaS 账号就能跑通的自闭环场景。ToB 本质上是极重度的服务业。

要想跨越大模型在政府、大型企业落地的最深鸿沟，阻力根本不在于“接不上接口”，而在于如何去改写他们原本的工作流程、打破原有的利益格局和重构组织的人才梯度。这个时候，必须有 FDE 深入行业一线，变革才有可能落得下去。

👨🏻‍💻 刘开

特别有趣的是，OpenAI、Anthropic 这次联手设立 FDE 合资公司，背后几乎都有顶级私募股权投资基金（PE）的资本力量在托底。

他们嗅到了大模型的极佳溢价空间：大模型对传统商业链条的彻底改造，其创造和释放出的利润池是惊人庞大的。这部分利润，大模型巨头绝不满足于仅仅作为底层的算力供应商，分得一点点口粮一般的 Token 接口费。他们要把这一轮大提能带来的巨大增量收益彻底据为己有。

我们一年收客户 600 万的陪跑服务费。对于一个帮它省下、赚回数千万净利润的连锁帝国来说，600 万是非常低廉甚至在白送的。但在原有的商业规则下，作为外来乙方的咨询公司是极难直接收到“利润分红”的。

因此，唯一的解法，就是大模型巨头与顶级的 PE 巨头并肩入场，通过资本手段控制整个投后实业链条的运营模型，进而吞噬掉伴随企业市值、利润爆发而产生的资本溢价。

在未来的 10 到 15 年，任何 PE、VC 巨头想要持续斩获超额收益，必须把原先干瘪的投后服务部全面武装成一个技术原生、在一线重度重构业务的 AI 赋能业务中心。

FDE 公司不应该被 VC"投"，而应该被 VC"拥有"

"我们一年陪跑收 600 万，但帮客户省了几千万、多赚了几千万——那差价去哪了？"

👦🏻 Koji

所以你们认为，这类做 FDE 的服务商，未来值得被 VC 押注投融资吗？

👨🏻‍💻 刘开

它何止是值得被 VC 投资，它甚至值得被顶级资本直接独占拥有。

因为随着数字化的转轨，零售或任何传统行业的竞争，最终都在火拼两件事：第一是极度极致的供应链，第二是 AI + 信息化。

如果一个 PE 巨头扶持着一家有 100 家门店并期望扩张至 1 万家规模的线下零售企业，那么为了确保其竞争力，他除了给钱外，最核心的就是要协助它打通极极致的供应链与 AI 原生管理壁垒。

而能输出这套壁垒的顶尖 FDE 服务商，其能力必须是具有排他性和独占性的，绝不能允许它调过头来去为竞争对手服务。

🧑🏻‍💻 阿甘

是的。但在每一个细分领域，我们和每一个 PE、VC 的合作必然是具有强排他性的。因为线下的同质化同行是在零和战场里贴身搏杀的。我们一旦深度重构了其中一家，就绝不可能再去服务他们的生死竞对。

👦🏻 Koji

这和当年的传统战略咨询相比有什么区别？

👨🏻‍💻 刘开

最核心的区别，在于对业务落地的确定性。

在过去，咨询公司不管做再绚丽的战略规划，它在本质上只能停留在纸面上。因为在蒸汽和互联网时代，总部的高管没有任何精细化的物理触角，能够潜到全国 1 万个基层店长和销售的身边去日夜不息地给他们带教和赋能。

今天有了 AI 智能体，你可以切实拍着胸脯向老板承诺：“我一定能给你的核心业务流和最终业绩带来真实的增长”。正因为有这个确定性的能效在，我们甚至有勇气直接跟企业进行真金白银的业绩提成对赌。

我相信老牌咨询巨头今天也正在焦虑和谋划这件事：如果你能为企业最终的经营增长负责并提供结果，你一定不会再满足于每天收几万美元的传统顾问费。

👦🏻 Koji

PPT 的纸面增长和数字员工日夜奋战带来的真实增量，确实有天壤之别，这正是结果即服务。

在咨询发展史中，MBB 确立统治地位后，再也没有出现过第四家能与他们平起平坐的超巨头。未来会孕育出比肩甚至彻底颠覆 MBB 规模体量的新型咨询巨头吗？

🧑🏻‍💻 阿甘

在上一个工业时代，其实在管理咨询之外，还有许多专注于垂直赛道的咨询巨无霸，比如埃森哲（Accenture）。

MBB 之所以能够牢牢掌握话语权，是因为他们解决的问题最靠近企业一把手的核心痛点——战略抉择和营收大盘。其次，在于他们对自己产出的行业标准、方法论在执行结果上有着极其苛刻的要求。

👨🏻‍💻 刘开

我觉得在中国，管理咨询最好的黄金时代甚至还远远没有到来。

因为一个对管理咨询友好的土壤，需要整个商业社会高度标准化、规范化，并且大型企业的话事权基本都落在了“职业经理人”手里。这一天可能还要等 30 年。但我相信，在这个巨大的周期空隙里，在 AI 浪潮的驱动下，要么 MBB 自我颠覆、越做越大；要么一定会有中国本土成长出来的、高度智能原生的全新咨询新星，做到能与他们抗衡的巨大规模。

常常有投资大佬问我们：“我觉得你们肯定不属于传统的管理咨询公司。但如果说你们是 SaaS 公司——现在在投资圈叫谁 SaaS，多少听起来都带点侮辱人的意思。那你们到底算什么？”

我们给出的回答是：我们是 Service as a Software 。

我们交付和给客户上线的，确实是一个个 AI 智能体、数字副店长软件，但支撑这个软件在泥泞的一线源源不断地跑出优秀业绩的，是我们在底层提供的业务重构服务。

👦🏻 Koji

今天聊得非常过瘾。之前我们探讨 AI，更多的是模型的进步、创业的机会、AI的应用和基础设施。但今天，我们把视角拉到了真实的中国商业场景的一线。

借由 FDE 这个概念，我们看到了中国企业在最前沿一线的生机和探索，也感谢 Rolling AI 两位带来的深度实践和精彩故事。

🧑🏻‍💻 阿甘

谢谢 Koji，谢谢大家。

👨🏻‍💻 刘开

谢谢。

文章来自于微信公众号 “十字路口Crossing”，作者 “十字路口Crossing”