FDE 短课 FDE-02

FDE-02

一个 FDE 项目的完整生命周期

  • 入门
  • 交付流程
  • Day 2

场景:一个「试点很成功」的项目

香港一家物业管理公司(虚构的例子)管着几十个屋苑。住户每天在 WhatsApp 发几千条报修:「水喉漏水」「lift 又坏咗」,中英粤混在一起。客服要人手分类、开工单、派给维修商。

他们请了一家 AI 公司。FDE 两周就做出一个 prototype:AI 读消息、自动分类、生成工单草稿。demo 准确率很高,管理层很开心。

然后卡了四个月:

  • 工单系统是外包商做的,没有 API,只能导 Excel;
  • 住户的电话和单位号码算个人资料,IT 不让数据出公司网络;
  • 客服主管担心 AI 分错,派错维修商要赔钱,所以每条都重新看一遍,结果比以前还慢;
  • FDE 合约结束,没人知道 prompt 和规则写在哪,系统慢慢就没人用了。

每一步都有人「做完了」,但项目还是没成。 问题出在阶段之间的缝里。

类比:你在微博上线一个新功能

你一定走过这条路:

  • 需求评审:产品说要「热门评论置顶」。你会先问:「置顶」按什么排?要多实时?→ 这是 discovery
  • 写个能跑的版本,在测试环境给产品看 → prototype
  • 压测、加缓存、降级开关、监控告警、灰度 1% → 100% → production
  • 上线后看数据:用户真的在点吗?点击率有没有涨?→ adoption
  • 写文档、交给运维和下一个负责人,你去做别的项目 → handover

你肯定见过一个功能在测试环境跑得很好,一上线 QPS 一高就挂。那就是「prototype 过了,production 没过」。FDE 项目一样,只是「QPS」换成了客户的老系统、合规部门和员工习惯。

原理

它解决什么问题 客户项目最怕的不是做不出来,而是「做出来了,但没进入日常业务」。生命周期把一个模糊的大目标拆成五段,每段要有清楚的出口标准(exit criteria):没达到就不进下一段。

怎么工作

discovery   出口:写清楚痛点、成功指标、数据在哪、谁签字
    ↓
prototype   出口:用真实(或脱敏)数据,证明技术上可行
    ↓
production  出口:接上真系统,过了安全审查,有监控、有回滚
    ↓
adoption    出口:真实用户在日常工作中用,指标确实在动
    ↓
handover    出口:客户团队自己能运维、能改、能排障

套回物业公司:

  • discovery 时就该问「工单系统怎么接?」「数据能不能出网络?」,而不是到 production 才发现;
  • 成功指标不是「分类准确率 95%」,而是「平均派单时间从 4 小时降到 30 分钟」;
  • 客服主管的担心是 adoption 问题,要靠设计解决:比如低置信度的单交给人工,高置信度的自动派。

关键取舍:会在哪里坏

  1. Pilot purgatory(试点炼狱):prototype 很惊艳,但从来没上生产。根因通常是 discovery 没问清集成、安全、数据这些「无聊问题」。
  2. 上线了没人用:技术上线不等于业务上线。用户不信任、流程没改、没培训。
  3. FDE 是单点故障:所有知识都在 FDE 脑子里,人一走系统就停。这就像微博某个服务只有一个人看得懂。
  4. 阶段太死板也会坏:五段不是瀑布流程。实际常常是 prototype 时发现新问题,又回到 discovery。重点是每次往前走之前,都要检查出口标准。

一句话:从终点倒推。第一天就要想清楚:上线后谁在用、看什么指标、你走了谁接手。

FDE 视角

  • 真实交付怎么用:项目一开始就和客户一起写下每个阶段的出口标准和负责人,用来管理期望,也防止 scope 不断变大。
  • 客户常问:「什么时候能上线?」好的回答不是给一个日期,而是说「prototype 两周,production 要看你们安全审查和系统接口,我们这周先把这两件事排进去」。
  • 常见坑:
    • 只和老板聊,没见过真正每天用系统的人(物业公司的前线客服);
    • 拿 demo 数据验证,没碰过真实的中英粤混杂消息;
    • 「handover」只是交一份文档,没让客户的工程师真正动手改过一次。

面试怎么问

题目:「假设你被派到一家香港保险公司,用 12 周把我们的 AI 产品落地到理赔流程,你会怎么安排?」

答题思路:按五个阶段讲,每段说出出口标准和你最担心的风险。特别强调第 1–2 周就要排查集成和合规,最后两周留给 adoption 和 handover,并说清楚用哪个业务指标来证明项目成功。

一句话带走

项目很少死在某个阶段里面,更多死在阶段之间。所以每段都要有出口标准,而且从第一天就按「谁会用、怎么交接」倒推。

自测

  1. 如果一个 prototype 很成功、客户很兴奋,项目却卡在上生产之前,最可能是哪些原因?为什么「prototype 成功」不等于「能上线」?
  2. 同样是这五个阶段,如果你是甲方企业内部的 FDE(比如一家地产集团自己的 AI 团队),哪一段的难点会和乙方 AI 公司不一样?

先用自己的话写两三句,再打开答案。

参考答案

第 1 题:常见原因:discovery 时没问清集成方式(老系统没有 API)、数据能不能出网络、安全和合规审批要多久;prototype 用的是 demo 数据或干净样本,真实数据又脏又杂;没有监控、回滚和权限设计,过不了 IT 审查。prototype 只证明「技术上可行」,production 还要证明「在客户的系统、数据、权限和流程里稳定可用」。就像测试环境 OK 不等于线上能扛住高峰流量。

第 2 题:内部 FDE 不用担心合同和续约,但 adoption 和 handover 往往更难:业务部门没有付钱,就没有「必须用起来」的压力;而且系统上线后一般由自己团队长期维护,handover 变成「谁来运营」的问题。所以内部 FDE 更要在一开始就拿到业务负责人的指标承诺,并规划长期的运营人手。

系列:上一篇 · FDE 是什么:和 SWE、售前、顾问差在哪 · 下一篇 · 香港 FDE 市场:谁在招、给多少、怎么定级 · 回到索引

在 GitHub 上查看源文