有 AI 规划，缺落地人才
技术选型完成后，仍缺少能够理解业务、协调数据并推进项目上线的内部骨干。
WHY FDE
AI 落地需要组织内部有人负责
FDE（Field Deployment Engineer，企业 AI 落地工程师）不是单一技术岗位，而是连接业务、数据、技术与项目管理的企业 AI 落地角色。
培训与业务脱节
通用课程讲解工具，却没有围绕企业真实流程形成可验收的项目成果。
能力依赖外部供应商
项目交付后，内部团队难以维护知识、评估效果并持续迭代业务场景。
AGENT × FDE
不是脱离技术的通用培训
企业可以使用自己的 AI 项目，也可以结合异屿 Agent 数字员工场景，让 FDE 候选人在真实流程中完成需求分析、智能体实施、测试验收与持续运营。
培养谁？
企业可以从现有员工中选择具备业务经验、学习意愿和协作能力的人员，组成跨职能 FDE 小组。不是要求每个人都成为算法工程师。
业务骨干
熟悉流程、规则与客户需求，适合负责场景定义和业务验收。
数据与数字化人员
理解企业系统和数据资产，适合负责数据准备、系统连接与治理。
产品与项目人员
擅长跨部门协作，适合推动需求拆解、方案实施和运营复盘。
研发与技术人员
具备工程基础，适合承担智能体开发、集成、安全与可观测能力建设。
CAPABILITY MODEL
企业 FDE 六项核心能力
场景定义
识别高价值任务，明确业务边界、责任人、输入输出和验收指标。
数据与知识
梳理数据来源、知识版本、权限要求与质量问题，为 AI 建立可靠依据。
智能体实施
设计任务流程、工具调用和人工审核节点，完成原型与企业系统集成。
评测与验收
建立测试集，评估准确性、覆盖率、稳定性与异常处置能力。
安全与治理
落实最小权限、敏感数据保护、执行记录与高影响决策人工复核。
运营与推广
处理失败样本，更新知识和规则，并推动业务团队持续采用。
PROJECT-BASED PROGRAM
用企业真实课题完成培养闭环
周期与深度根据企业人数、基础能力和课题范围确定。每个阶段都有可检查的过程成果。
组织与人才诊断
访谈业务与管理团队，梳理 AI 场景、现有能力和岗位结构，识别企业内部 FDE 候选人。
阶段成果人才能力基线、候选人建议、场景优先级
企业定制学习
围绕企业系统、数据边界和行业流程讲授必要方法，不以通用工具课程替代业务训练。
阶段成果定制培养计划、方法模板、阶段测评
真实项目实战
由候选人组成跨职能小组，在导师辅导下完成一个企业真实 AI 课题的设计、原型与验证。
阶段成果可演示原型、测试集、实施与验收方案
评审与能力沉淀
依据项目表现进行能力评审，形成后续岗位分工、人才梯队和持续运营机制。
阶段成果能力评审报告、团队分工、项目复盘与路线图
企业最终获得什么
目标不是完成一次培训，而是让企业形成可以继续推进 AI 项目的内部团队、方法和真实成果。
企业 FDE 能力模型与岗位画像
内部候选人能力评估与发展建议
结合企业业务的培养课程与作业
真实 AI 场景原型和测试集
项目实施、验收与安全治理模板
内部 FDE 团队分工与持续运营机制
适合哪些企业启动
正在组建 AI 团队
需要识别内部骨干并建立跨业务、数据和技术的人才梯队。
已有 AI 试点项目
希望内部团队掌握评测、集成和运营方法，降低长期外部依赖。
推进组织级 AI 转型
需要由业务、人力资源、数字化与管理层共同推动能力建设。
先从一次企业人才诊断开始
介绍企业的 AI 目标、现有人才基础和候选业务课题，我们将据此讨论培养范围、参与角色与阶段成果。
获取企业 FDE 培养方案仅接受企业组织、业务部门、人力资源或数字化负责人咨询。