資策會數位轉型研究院─FIND中心

自從ChatGPT橫空出世後，科技圈不斷出現一種看似直觀、卻過度簡化的論調：「AI將取代寫程式的工程師。」這樣的說法在社群媒體中反覆被放大，彷彿只要大型語言模型持續進化，工程師終將成為過時的職業。然而，如果仔細觀察Palantir，甚至是OpenAI近年的招聘趨勢，會發現一個截然不同的現象正在發生：真正炙手可熱的，並不是單純寫Code的工程師，而是那些能夠深入客戶前線、理解業務脈絡，並將AI技術轉化為可落地解決方案的前線部署工程師（Forward Deployed Engineer, FDE）。

這樣的反差，其實揭示了AI時代一個經常被忽略的事實：模型愈來愈強，但「把模型用對」反而變得更困難。

通用模型的極限，正是企業現場的起點

目前主流的AI模型，不論是GPT-4、Claude，或其他大型Foundation Models，本質上都是高度通用的系統。它們擅長語言理解與生成，能回答跨領域問題，卻對單一企業的內部世界一無所知。它們不知道公司內部資料庫的欄位定義，不理解產線上的特殊縮寫，也無法判斷一份營運報表背後牽涉的組織脈絡與權責關係。

也正因如此，企業即便買得起最先進的模型，往往仍卡在兩個關鍵斷層。第一是真實資料的混亂狀態。企業資料長期分散在不同系統中，格式不一、語意不明，甚至充滿錯誤與例外。模型可能無法有效吸收這些資料，或是在缺乏足夠上下文的情況下生成看似合理、實則錯誤的答案，進一步放大「幻覺」風險。第二是流程嵌入的困難。給員工一個聊天機器人介面，並不等於完成數位轉型。若AI無法融入既有的ERP、CRM、戰情系統或決策流程，就永遠只是附屬工具，而非核心能力。

這些問題，並不是模型能力再提升就能自動消失。

FDE的詞源與背景：從軍事前線到軟體現場

「Forward Deployed」這個詞，原本並非科技用語，而是來自軍事體系，意指將部隊或關鍵資源部署在最接近戰場的前線或前沿基地，而不是留在相對安全、距離決策現場遙遠的後方總部。這個概念強調的是即時反應、貼近真實情境，以及在高度不確定環境中快速調整戰術的能力。

Palantir在公司創立初期，主要服務的對象正是美國的國防與情報機構，例如CIA、FBI以及美國陸戰隊。這些組織面對的問題高度複雜且情境敏感，使用者多半並非軟體工程背景，卻必須在高壓、即時的決策環境中操作Palantir的資料分析平台。為了確保產品能真正發揮作用，Palantir發現單靠文件、教育訓練或遠端支援遠遠不夠，必須派工程師實際進駐客戶的戰情室與前線基地。

這些工程師不再只是坐在矽谷辦公室裡寫程式，而是像軍事單位一樣被「部署」到最前線，直接面對真實世界的混亂資料與模糊需求。因此，Palantir將這個角色命名為Forward Deployed Software Engineer（FDSE），也就是後來廣泛被簡稱為FDE的職稱。

為什麼Palantir必須發明這個角色？

在傳統軟體產業中，職能通常被清楚切分為研發團隊負責打造產品，售前與售後團隊負責與客戶溝通、導入與支援。但這套分工模式，對Palantir而言幾乎無法運作。原因並不只是流程設計，而是問題本身的性質就不適合被拆解。

一方面，Palantir的核心產品，如Gotham與Foundry，本身就是高度抽象且彈性的資料整合平台。它們並不是開箱即用的標準化工具，而是必須經過深度客製化，才能對應不同組織、不同任務的需求。另一方面，客戶面對的問題往往極度模糊。以反恐或情報分析為例，使用者可能只知道「我要找出可疑行為」或「我要阻止下一次攻擊」，卻無法清楚描述資料來源、分析邏輯或系統需求。

在這樣的情境下，Palantir需要的不是單純負責溝通需求的顧問，也不是只關心架構與效能的工程師，而是一種結合兩者的新角色，也就是一個能寫production code、理解資料工程，同時具備商業與戰略判斷能力的「會寫程式的顧問」。這些人必須能在客戶現場直接改程式、接資料管線、撰寫腳本，並在壓力之下即時解決問題。

FDE：AI架構師與翻譯官

圖1：FDE站在企業現場，讓AI真正成為可用的決策能力
資料來源：本文作者以AI生成

正是在這些斷層中，FDE的價值開始顯現。他們的工作早已不只是「安裝軟體」或協助系統導入，而是站在企業現場，扮演AI架構師與翻譯官的角色。一方面，他們必須實際處理資料清洗、語意對齊與檢索設計，建立RAG（檢索增強生成）管道，讓模型在可控範圍內理解企業知識；另一方面，他們要把通用模型「馴化」成能夠理解特定業務語境的專用工具。

這樣的轉變，也使工程師的價值重心，從單點的寫程式能力，轉向整體解決方案的編排能力。在傳統軟體時代，FDE可能負責撰寫Python腳本、串接API；而在AI時代，他們更需要在現場反覆測試提示詞設計，判斷模型在處理合約、報表或診斷建議時是否穩定可靠，甚至決定是否有必要微調小模型，或將部分推論移至本地端執行。

隨著AI Agent概念逐漸成熟，FDE也不再依賴硬編碼流程，而是設計能自主呼叫工具、查詢系統、觸發行動的代理人架構。同時，為了避免AI在企業環境中「亂說話」，他們必須建立多層驗證與防護機制，確保輸出結果可被驗證、可被追溯，並符合產業法規與內部治理需求。正是在這些看不見的細節中，FDE成為AI與企業應用之間不可或缺的黏著劑。

信任，仍然必須由人來建立

AI的另一個核心問題，在於它始終是一個黑盒子。即便模型表現再好，對於國防、醫療、金融或高風險製造業的客戶而言，直接「相信一個API」從來不是現實選項。Palantir能在高度敏感的應用場景中取得客戶信任，關鍵不只在於技術本身，而在於他們的FDE長期站在客戶身旁。當模型給出異常預測時，有人能即時說明推論依據、解釋資料來源，並在現場修正假設。

在AI時代，技術門檻確實降低了，但信任門檻卻顯著提高。這種信任，無法透過自動化生成，只能透過人與人的互動、現場的除錯與即時回饋逐步建立，而這正是FDE無法被取代的價值核心。

現場迭代，決定AI能否真正落地

AI技術的演進速度以週為單位計算，傳統「需求訪談、回總部開發、半年後交付」的瀑布式流程，已難以應付現實需求。FDE模式的關鍵優勢，在於能夠進行現場即時迭代。當客戶上午指出AI在摘要法律文件時抓錯重點，工程師可以在當天下午調整提示或檢索策略，晚上就將新版本推上線。這種速度，往往決定了一個AI專案究竟會被內部接受，還是悄然被棄用。

結語：AI時代的特種部隊

回到最初的問題，AI是否會取代工程師？答案或許正好相反。當模型成為人人可用的武器，真正稀缺的，是懂得如何在複雜戰場中運用這些武器的人。如果說AI模型是新型火力，那麼FDE就是依據地形與任務調整戰術的特種部隊。

在這個時代，技術本身正逐漸走向隱形，真正重要的是問題是否被解決、結果是否被交付。而 Forward Deployed Engineer，正是那個站在最前線，確保AI真正產生價值、而非只停留在簡報中的關鍵角色。

AI熱潮下，被低估的工程師角色

AI熱潮下，被低估的工程師角色