← 案例目录DATAWHALE / FDE

案例 05 · TikTok达人业务

Datawhale原书章节 · 印刷页码 46—54 · 当前仅加载一页

Datawhale《FDE案例100》,案例05,原书第54页;下方可展开文字版

原书第 54 页 · 点击页面可放大查看

查看与复制本页文字

文字由原PDF提取,阅读顺序和表格请以原页为准。

ation,检索增强生成)这些东西,他真正关心的是:“你能不能帮我把这个问题解决
掉”。所以FDE要做的是把技术语言翻译成业务语言,把业务问题再翻译成可以落地的
技术方案。
这也是为什么我觉得,技术同学如果想做FDE,除了技术能力之外,还必须补商业沟
通、场景识别和价值表达的能力。
第四,真正的FDE要对业务结果持续负责。
我认为FDE和传统软件外包最大的区别之一,就是是否对业务结果持续负责。传统项目
可能是:需求来了 → 做系统 → 验收 → 交付;但FDE更像:进入业务 → 理解问题 → 做
第一版 → 让业务使用 → 根据反馈继续改 → 找到新的业务问题 → 再迭代。
这个项目就是这样,一期做完以后,客户自然会出现二期需求,因为当第一个问题解决
以后,企业会发现下一层问题。所以FDE要做的,是持续陪着企业把AI能力往业务里推
进。
最后,我觉得FDE一定要做深垂直场景。
未来AI的技术门槛会越来越低,很多基础能力都会变成标准能力,真正有价值的是,我
是不是足够懂某个行业,知道这个行业的问题在哪里,知道AI应该怎么进入它的业务流
程。
所以我们团队自己也在考虑,未来不再什么项目都接,会进一步深耕一两个垂直场景,
因为当你足够懂一个行业之后,第一次做这个场景可能需要100%的成本,第二次可能
变成80%,第三次可能变成60%,你不断把经验、工作流、技能和业务理解沉淀下来,
才能真正形成自己的壁垒。
我理解的FDE,最终是站到业务现场,找到AI真正能创造价值的位置,然后一直把它推
进下去的人。这也是我觉得这个项目最有价值的地方:我们没有试图证明AI什么都能
做,我们做的,是通过一次真实业务落地,把“哪些事情交给AI、哪些事情留给人”这件
事重新划分了一遍。当这个边界划对了,AI才真正开始变成业务生产力。
54/243