人工智慧領域究竟誰還需要現場部署工程師？

公司投資於前沿部署工程師（FDE）。

AWS宣布投資10億美元成立一個專門的組織，將數千名工程師與客戶整合起來。

OpenAI成立了一家專門的出版公司，並同意收購 Tomoro，從而增加了約 150 名現場部署工程師 (FDE) 和出版專家。

根據 CNBC 報道，微軟已宣布將招募 6000 名員工，並投資 3.5 億美元成立新的AI交付部門。

但現場部署工程師 (FDE)應該提供什麼，他們能為客戶帶來什麼真正的價值？

現場部署工程師 (FDE) 模型代表了公司先前與客戶合作進行專案的方式的演變，這種演變是基於對業務和技術的理解，但對直接應用工程的期望更高。

改變的是所部署的技術。

現場部署工程師 (FDE) 在哪些方面能創造價值？

現場部署工程師 (FDE) 通常直接與客戶以及多個團隊合作。他們定義高價值的工作流程，了解客戶資料和營運限制，然後建立必要的集成，並將系統從原型階段推進到生產階段。

對於人工智慧部署而言，不僅僅是將模型與應用程式連接起來。它還涉及考慮組織環境和模型可用的數據，以及評估準確性、可靠性和信任閾值。

這也可能包括考慮必要的保障措施、審查和升級流程、安全性和監控能力。此外，還應考慮與現有業務流程和任務的整合。

企業需要現場部署工程師 (FDE)，是因為他們希望在確定性的操作環境中部署機率系統。換句話說，企業希望在依賴可預測和標準化結果的業務流程中使用回應可能每次都不同的系統。 FDE 必須將這些輸出轉換為能夠實現企業預期結果的方式。

例如，一個技術上令人印象深刻的模型可能會由於多種原因在實際工作流程中失敗，這些原因包括上下文不完整或資料品質差，以及組織不願意允許系統在未經審查的情況下採取行動。

現場部署工程師（FDE）的未來角色

優秀的現場部署工程師 (FDE) 能夠解決問題，幫助企業順利進入營運部署階段。這確保了技術能夠有效運作並創造真正的價值。但這只是故事的開始。

現場部署工程師還必須將他們在一家公司累積的經驗轉化為其他公司可以藉鏡的可重複使用能力。如果每次部署都各自獨立，並且無限期地依賴個別工程師的才能，那麼這項技術本身將無法擴展。

相反，任何成功的合作都應該產生可重複使用的連接器、評估框架、治理模型和產品改進方案，供其他公司借鑒。對於聘用現場部署工程師的公司而言，他們應該能夠成功交付專案。但最終目標是降低未來部署對任何單一現場部署工程師的依賴，轉而改進產品本身。

從現場部署工程師角色的發展中，我們能汲取哪些更重要的經驗教訓？現實的就業市場正在轉向擁有多領域經驗的混合型專業人才；他們既能編寫生產級軟體，理解人工智慧模型的行為和限制，又能深入了解客戶的業務和領域，從而重構業務流程。

同時，他們還需熟練應對安全、治理和監管方面的限制，對公司和客戶取得可衡量的業務成果負責，並且既能與一線工程師溝通，也能與身著西裝的高管溝通。

對於那些產品依賴現場部署工程師的公司而言，這種擴張預示著巨大的市場機遇，也顯示了客戶需求。此外，這其中也存在行銷因素，因為現場部署工程師代表著一種能夠為企業解決問題的「新職業」。

在這些新聘人員中，有些是全新的，而有些則只是對先前被稱為現場工程師、解決方案工程師、技術顧問或專業服務工程師的人員進行重新部署或更名。

人工智慧市場已經成熟。

這種持續成長也可能是潛在的警示訊號。隨著人工智慧產品和基礎設施的日益成熟，以及經驗的積累，對現場部署工程師 (FDE) 的需求量預計將會逐漸減少。這種對特定職位的需求表明該領域尚不成熟。只有當重複性工作被標準化、轉化為工業流程並整合到軟體中，而不是像現在這樣需要為每個客戶單獨開發服務時，產業才能走向成熟。

同樣的考驗也適用於現今的人工智慧。對現場部署工程師 (FDE) 的依賴表明，企業希望採用人工智慧，但目前的人工智慧產品不夠完善、可預測，而且如果沒有大量的人工幹預，操作起來也不夠便捷。如果每個應用都需要整合專家手動編寫上下文、控制、評估和整合程式碼，那麼人工智慧領域尚未完全成熟。這項挑戰凸顯了製定新的經濟策略以擴大人工智慧規模的迫切需求。

因此，企業應謹慎行事，不應僅以招募的現場部署工程師 (FDE) 數量或完成的概念驗證數量來衡量成功。正確的衡量指標包括：投入生產所需時間、持續採用率、可衡量的商業價值、顧客的自主運作能力，以及每次交易產生的可重複使用生產能力。