很多企业的 AI 项目，并不是卡在“模型不够强”。
Demo 能跑，内部试用也不错。
可一旦真正进入业务现场，问题往往才刚刚开始：
数据拿不到，系统接不进去，权限迟迟开不了；业务流程不愿意改，技术团队和业务团队对目标的理解也并不一致；项目上线之后，效果究竟怎么衡量、值不值得继续投入，也很难回答。
于是，一个看起来不错的 AI Demo，最后停在了 Demo。
9 月 20 日下午，模力工场将在杭州云谷中心举办「FDE 在现场：企业 AI 落地，真正难的是技术还是组织？」主题交流。
这也是 GOAI 开源周 Free Meetup 系列社区活动之一。
GOAI 开源周将在 9 月 20 日至 24 日期间展开，以 GOAI 主赛事为专业核心，同时连接开源社区、开发者、企业伙伴、高校团队和投资机构，通过 Free Meetup、黑客松、开源市集、产业/创投对接等形式，把比赛、项目展示、技术交流和真实产业场景连接起来。
而模力工场这场 Meetup，想讨论的事情非常具体：
当 AI 从 Demo 走进企业，真正决定项目能不能跑起来的，到底是什么？
是模型和工程能力？
是数据、系统和权限？
还是组织、流程和人的改变？
我们不准备泛泛讨论“AI 的未来”，而是希望把那些企业 AI 落地过程中具体、麻烦、甚至有些难以公开讨论的问题，搬到现场聊清楚。
活动主题：FDE 在现场：企业 AI 落地，真正难的是技术还是组织？
时间：2026 年 9 月 20 日 14:00—17:1013:30 开始签到
杭州云谷中心 B1 · 梦想启航港
限 50 人
4 场主题分享 + 企业 AI 落地诊断
GOAI 开源周 Free Meetup
如果你手里正好有一个正在推进、暂时卡住，或者不知道该不该继续投入的企业 AI 项目，也可以在报名时提交问题，申请成为现场诊断案例。
FDE，全称 Forward Deployed Engineer，通常被翻译为“前线部署工程师”。
但如果只是把它理解成“驻场工程师”，其实很容易低估这个角色。
传统的软件研发，往往先把需求定义清楚，再进入产品设计、开发、测试和交付。
但 AI 项目经常不是这样。
客户自己也未必知道 AI 到底应该解决什么问题。
一个需求刚开始可能只是：
“能不能做一个企业知识库？”
“能不能做一个 Agent？”
“能不能把这一套流程自动化？”
真正到了现场才会发现，问题可能根本不在模型，而在另外一些地方：
业务流程有没有被定义清楚？
数据有没有权限拿到？
现有系统能不能接？
哪些步骤必须让人确认？
模型犯错之后谁来兜底？
效果提升 10% 到底有没有业务价值？
FDE 的价值，恰恰在于进入这些模糊地带。
它既不能只懂模型，也不能只懂业务，更不能把一个 Demo 交付出去就结束。
从需求判断、原型验证，到数据接入、系统集成，再到上线后的反馈和迭代，FDE 实际上参与的是一整条“AI 从想法走向真实业务”的链路。
但也正因为如此，围绕 FDE 的争议越来越多。
FDE 会不会最后变成另一种定制开发？
项目做得越多，团队会不会越来越重？
企业内部组织不配合时，FDE 到底能解决多少问题？
项目失败时，到底应该归因于模型、技术团队，还是企业本身？
这些问题没有标准答案。
所以这一次，我们希望直接从真实实践开始聊。
这次活动前半场安排了四场主题分享。
我们没有要求四位嘉宾讲同一种“标准案例”，因为企业 AI 落地本身就不存在统一路径。
有人从组织变化出发，有人讨论 AI 如何真正带来业务增长，也有人每天就在客户现场处理 Demo 上线之后的一地鸡毛。
郝耘琦
• 清华大学硕士
• 北京大学＆香港大学 管理学博士
• 找北求职 CEO
• 中国人才交流协会副秘书长
• 2024 年度人力资源十大科技人物
AI 进入企业之后，改变的不只是工具。
岗位会变，协作方式会变，组织对人的能力要求也会发生变化。
当越来越多工作可以被 AI 辅助甚至完成，企业真正要重新思考的，可能不是“员工怎么学会使用 AI”，而是：
未来的组织应该如何设计，人和 AI 又应该怎样重新分工？
这一场，我们从组织与人才视角出发，讨论 AI 带来的组织进化。
王一棵
• ConvoLens 创始人
• 117FDE 合伙人
• AI+大消费增长落地工程师
如果说很多企业 AI 项目的第一阶段是在解决“能不能做”，那么真正走到业务里之后，还会遇到一个更现实的问题：
做出来之后，能不能带来增长？
尤其是在消费行业，企业关注的不只是模型能力，而是用户转化、运营效率、内容生产、销售流程以及最终的业务结果。
这一场会把 FDE 从“工程部署”进一步推向“业务增长”。
不是只把 AI 接进系统，而是讨论如何让 AI 真正进入业务指标。
刘光智
毕马威 AI 转型落地高级技术咨询
企业 AI 项目从 Demo 到上线，中间究竟隔着什么？
模型能力可能只是其中一部分。
真正进入客户现场之后，往往需要面对数据、系统、权限、流程、组织协作以及上线后的稳定性等一系列问题。
这一场，我们希望尽可能还原 FDE 在真实客户现场面对的问题：
哪些问题 Demo 阶段根本看不到？
为什么一些方案技术上成立，进入企业后却推进不下去？
FDE 到底是在“写代码”，还是在解决技术与业务之间那些没有明确归属的问题？
神秘嘉宾
第四位嘉宾暂时保密。
前面的分享结束之后，我们不准备再安排一场传统意义上的圆桌。
而是直接进入 60 分钟企业 AI 落地诊断。
四位嘉宾一起上场，与报名者一起选择真实案例进行讨论。
我们希望讨论的，不是：
“你们公司有没有做 AI？”
而是一个个已经具体到可以继续往下追问的问题。
比如：
• 这个业务场景到底适不适合做 AI？
• 项目现在卡住，是模型问题、数据问题、系统问题，还是组织问题？
• 已经做出了 Demo，为什么业务部门还是不用？
• 下一步到底应该继续做产品，还是先验证需求？
• 哪些功能现在根本没必要做？
• 企业内部技术团队、业务团队、数据团队和外部 FDE 应该怎样分工？
• 到什么程度，才算一个 AI 项目真正“跑起来了”？
• 如果效果始终无法量化，还值不值得继续投入？
案例方会先介绍业务背景、已有尝试以及目前的具体卡点。
嘉宾不会直接上来给方案，而是先追问。
因为很多时候，一个 AI 项目真正缺的并不是“答案”，而是把问题重新定义清楚。
我们希望通过这一个小时，把一个模糊的：
“我们想做 AI。”
逐渐拆成：
“我们现在究竟应该先解决哪一个问题。”
这不是方案竞标，也不是现场咨询销售。
我们也不要求嘉宾在 20 分钟内给出一套完整方案。
如果能够帮助案例方确认下一步最值得验证的事情，这场讨论就有价值。
涉及企业敏感信息的案例可以提前脱敏，不需要公开企业内部数据。
这并不是一场只面向 FDE 从业者的活动。
事实上，我们更希望现场的人来自企业 AI 落地链路的不同位置。
如果你正在做下面这些事情，都适合来：
• 在企业内部推动 AI、数字化或创新项目；
• 负责业务、技术、IT、数据或者 AI 产品；
• 正在做 FDE、Applied AI、解决方案、交付相关工作；
• 正在开发企业 AI 产品、Agent、数据平台或基础设施；
• 有开源项目或工具，希望进入真实企业环境；
• 有一个 AI 项目已经做出了 Demo，但始终无法真正上线；
• 正在判断某个 AI 项目究竟值不值得继续投入。
如果你只是想听一场关于“AI 未来趋势”的分享，这场活动可能并不是最合适的。
我们更希望你带着一个问题来。
一个正在卡住的项目。
一个始终跑不通的流程。
一个技术上能做、业务上却没人用的产品。
或者一个你至今还没想清楚：
到底该不该做的 AI 需求。
如果你也有一个正在推进、卡住，或不知道该不该继续做的企业 AI 项目，欢迎报名。
