AI 落地不缺模型，缺的是願意蹲在客戶旁邊的人
FDE（Forward Deployed Engineer）在 2026 年成為科技業最搶手的職位，職缺成長 800%。但在台灣零售業，我們早就在做這件事了——只是以前沒有名字。從 CDMP 數據行銷顧問的實戰視角，談 AI 落地真正需要的不是更強的模型，而是願意蹲在客戶旁邊解題的人。
FDE（Forward Deployed Engineer）在 2026 年成為科技業最搶手的職位。但在台灣零售業，我們早就在做這件事了——只是以前沒有名字。
TechOrange 上週報導了一個數字：FDE 職缺在過去一年成長 800%。Google Cloud 要招數百人，OpenAI 和 Anthropic 也在搶。年薪 25 萬到 40 萬美金。
讀完第一個反應是：這不就是我每天在做的事嗎？
什麼是 FDE？
Forward Deployed Engineer，前線部署工程師。Palantir 十幾年前發明的角色——把工程師直接丟到客戶現場，不是遠端寫 code 交差，而是坐在客戶旁邊，看他們怎麼工作，然後當場把技術方案改到能用為止。
2026 年這個角色爆發，原因很簡單：企業花了大錢買 AI，但跑不起來。
模型能力已經不是瓶頸。GPT-5、Claude Opus、Gemini Pro——能力都夠強。問題出在「最後一哩路」：
- 客戶的資料散在十個系統裡，格式不統一
- 舊系統沒有 API，要串接得先考古
- 員工不知道怎麼跟 AI 協作，prompt 寫得像 Google 搜尋
- 管理層買了工具，但沒人能說清楚 ROI 在哪
這些問題，純靠遠端工程師或純靠業務，都解不了。需要一個同時懂技術和商業語言的人，蹲在現場解題。
台灣零售業的 FDE 日常
頭銜寫的是「數據行銷顧問」，但實際工作是：走進品牌客戶的辦公室，看他們的數據長什麼樣子，理解他們的行銷流程哪裡卡住，然後把 AI 工具調到他們真的能用。
舉幾個真實場景：
場景一：數據在，但不能用。 品牌的會員資料分散在 POS、EC、LINE OA 三個系統，格式不統一，ID 對不上。AI 模型再強，吃進去的是垃圾，出來的也是垃圾。FDE 的工作就是先把這層搞定——不是建 data lake 那種大工程，而是用最小可行的方式把關鍵欄位串起來。
場景二：工具在，但沒人會用。 平台有 MA（Marketing Automation）功能，但品牌端的行銷人員還是用 Excel 手動排檔期。不是工具不好，是沒有人翻譯「這個功能對應到你哪個工作流程」。FDE 要做的是坐在他旁邊，用他的語言解釋，然後一起跑第一次。
場景三：老闆想要 AI，但不知道要什麼。 「我們要導入 AI」——這句話在 2026 年的台灣零售業，大概每週都能聽到一次。但問下去，通常得到的是「就是那個很厲害的 AI」。FDE 的第一步不是寫 code，而是問對問題：你最花時間的重複工作是什麼？你最想知道但現在看不到的數字是什麼？
FDE 最值錢的不是技術，是「Low Ego」
TechOrange 那篇文章提到 FDE 需要三個特質：技術廣度、商業轉譯、Low Ego。
前兩個大家都懂。第三個最容易被忽略，但我認為是最重要的。
Low Ego 的意思是：你願意解決客戶真正的問題，而不是你覺得有趣的問題。
技術人的本能是想做最優雅的解法、用最新的框架、建最乾淨的架構。但客戶現場的真實情況是：他需要的可能只是一個能自動寄 email 的腳本，或是一張把三個報表合在一起的 dashboard。
這些東西技術上一點都不性感，但對客戶來說就是「AI 終於有用了」的時刻。
我見過太多 AI 專案失敗，不是因為技術不行，而是因為工程師覺得客戶的問題太簡單、不值得自己動手。FDE 的核心心態是反過來的：客戶的問題就是我的問題，不管大小。
為什麼台灣更需要 FDE？
矽谷在談 FDE，但台灣的處境其實更迫切。
台灣企業的數位成熟度落差極大。同一個產業裡，有品牌已經在用 AI 做個人化推薦，也有品牌連 GA4 都還沒裝好。這種落差不是買工具能解決的——需要有人走進去，從基礎設施開始幫他們建。
而且台灣市場有一個特性：企業不會花大錢養一個全職 AI 團隊，但願意花合理的費用請一個「懂的人」來幫忙搞定。
這正是 FDE 模式的甜蜜點。不是 outsource 整個專案，而是嵌入式地協作——你來我這邊坐兩週，把最痛的問題解決，教會我的人，然後撤。
對工程師的啟示
如果你是工程師，正在想「AI 時代我該往哪走」，FDE 代表一條很實際的路：
- 不需要做底層模型研究。 會調用 API、會清資料、會做 prompt engineering 就夠了。
- 需要學會跟非技術人溝通。 這是最被低估的技能。能把「我用 RAG 做了一個 knowledge base」翻譯成「你的客服人員以後不用翻 SOP 了，直接問 AI 就好」，這就是商業價值。
- 需要願意離開舒適圈。 坐在自己的椅子上寫 code 很舒服，但價值在客戶現場。
800% 的職缺成長不是泡沫。這是 AI 產業從「軍備競賽」進入「實戰階段」的訊號。能讓 AI 進入工廠、進入醫院、進入客服中心的人，比能訓練模型的人更稀缺。
而這件事，不需要等矽谷定義完才開始做。
原始報導：TechOrange — 企業買了 AI 卻跑不起來，FDE 成為 2026 年科技業最搶手職位
我是江中喬，一位具有 TPM 與產品管理背景的 AI 系統建構者，目前專注於 AI 認知增強系統與多 Agent 協作架構的設計與實踐。