客户要求各不相同，FDE如何帮助企业扩大服务规模？丨ANC再认识能力复用
设想一家设备维护服务公司，已经让AI持续安排检修、协调人员和配件，并跟进现场完成情况。公司希望接下更多工厂的业务，却发现每来一家新客户，负责建设系统的AI工程团队又要忙上一轮：这家的停机时间不同，那家的进场要求不同，原先按上一家工厂条件写好的程序，也要跟着修改。
这些差异确实不能忽略。工厂购买维护服务，不会为了方便服务公司复用系统，就改变自己的生产安排。但如果每接一家客户都重新建设一套处理办法，以后还要分别维护，公司接到的业务越多，重复工作也越多。
扩大服务规模，需要把已经建好的能力用到下一位客户身上，同时让它适应这位客户的要求。这也是FDE——Forward Deployed Engineering，即落地工程——能够帮助企业解决的问题。
一｜下一家工厂，不必再从头建设
这家公司最初服务的一家工厂，通常可以在夜间检修。AI根据设备需要的维护工作，查询检修人员和配件是否可用，与工厂确认时间，再落实到场安排。配件晚到时，它会结合当晚还能检修多久，判断是继续等待、调整人员，还是联系工厂另约时间。检修结束以后，它还要取得现场反馈，确认工作确实完成。
让这些事情顺畅运行，AI工程团队已经建好了查询人员、确认配件到达时间、重新预约等能力。FDE要把经过实际检修验证的部分保留在系统中，让AI以后能够继续调用，工程团队也能继续维护和改进，而不只留下一张排班表，或只靠老员工记住上次的处理办法。
接下来，公司选择承接另一家使用相近设备的工厂。两家都需要协调具备相近技能的检修人员、准备配件，并在计划变化后重新安排检修，已经建好的能力能够继续使用。但第二家只允许在约定的短暂停机时间内检修，第一家工厂的夜间排班显然不能直接拿来用。
先选择相近的业务，前一次的建设才更容易帮助下一次交付。
二｜共用处理能力，各自安排检修
为第一家工厂建设时，工程团队曾把“在夜间寻找可用时间”作为默认安排。FDE接下来要把这个固定设定改掉：AI应当读取当前工厂允许的停机时间，再决定怎样协调人员和配件。原有的查询、联系和重新预约能力继续使用，第二家工厂的时间要求、对接人员和进场条件则分别记入这家工厂的业务记录，让AI在安排检修时能够查到。
这不是把同一套系统复制两份，再分别改出两个版本。工程团队维护的是共同的处理能力；工厂各自的要求，由AI在处理该厂检修时读取。客户资料和授权也分别管理，不因为共用了能力，就把一家工厂的信息直接交给另一家。
于是，面对第二家工厂较短的停机时间，AI会先核对检修所需时长，联系能够按时到场的检修人员，确认配件能否提前送到。工厂确认安排后，它继续跟进准备进度。检修人员预计到场时间推迟，它就重新检查剩余时间是否够用，并查询能否更换合适的人选；需要变更工厂已经确认的安排时，再取得相应确认。
两家工厂的检修安排不同，判断可用时间、落实人员配件、发现变化后重新协调，用的却是同一套处理能力。
设备维护是这家公司赢得客户、获得主要收入的业务。现场操作由检修人员实施，日常的检修安排，以及变化后的协调和跟进，已经主要由AI推进。
我们所说的AI原生企业，关注的就是这种核心业务运行方式：AI Native Company，是以AI Agency为主力实现核心价值创造的公司。这里的AI Agency，就是前面持续判断情况、采取行动并跟进检修的AI。
我们之前的文章「FDE产品化：FDE和外包最本质的分水岭丨每次交付，都应该让下一次的成本更低」，进一步讨论了怎样把一次交付中积累的处理办法，变成后续能够继续使用的能力。
三｜到新客户的现场，看复用是否真的有效
第二家工厂收到检修计划，还不能说明服务已经做好。公司还要核实检修人员和配件实际到位、检修在允许的时间内完成，以及工厂确认设备可以恢复使用。与此同时，AI工程团队也要回看这次做了什么：原有的协调能力是否直接用上了，还是表面接入了新客户，背后仍有人反复改程序、手工重新排班。
实际运行中，第二家工厂又暴露出一个问题：检修人员按时到了厂区，却还要完成进场准备才能开工，留给检修的时间比预计少了。原来的系统只记录是否到厂，AI看不到何时真正准备好。FDE便补上准备完成的反馈，让AI能够核实是否可以开工，并取得从到厂到准备完成的实际耗时。
有了这些反馈，AI就能在后续检修中根据实际耗时预留准备时间，调整人员到场安排，不必每次由工程团队手工修改。第一家工厂同样需要核实能否开工，经检查适用后，也能用上补好的核实能力。具体从哪个入口进场、由谁配合准备，仍按各家工厂的情况安排，不需要其他客户遵照第二家的要求执行。
准备再接一家同类客户时，负责人可以与业务团队、AI工程团队说清：这次继续使用已有的检修协调和重新预约能力，新补充的是这家工厂的停机时间、现场条件及必要连接。交付以后，对照检修完成记录，回看这次开发和适配做了哪些工作：哪些部分确实没有重做，哪些同类问题还在反复依赖人工处理。这样，复用就不只是一句“尽量用现成的”。
重复开发、逐户维护和临时改程序的工作减少后，同一个AI工程团队就能把更多精力用在新客户的适配和服务上。现场检修仍需要相应的人员、配件和时间，但公司不必一边增加客户，一边重复承担本来可以省下的建设工作。
ANC视角
先在同类业务中复用，把共同需要的能力持续完善，把客户不同的要求分别处理，再通过实际交付检验和改进。
对公司来说，一次业务做完，不应只留下“又服务了一位客户”。经过验证的处理能力能够继续使用，后来的改进也能帮助其他同类客户，公司才不必靠一套套独立建设来支撑扩张。FDE要把这些能力建好、维护好，Agency则在实际运行中运用它们，并根据反馈继续学习。
这也让客户差异与服务规模不必彼此冲突。客户保留自己的业务要求，公司把共同的工作越做越好。复用节省的是重复建设，不是客户原本需要的服务。
写在最后
下一次接到不同的客户要求时，先看这次交付能用上哪些已有能力，不必急着把它当成一个全新的开发项目。哪些能够继续使用、哪些需要适配，最终要在客户实际得到的服务里检验。
下一位客户不必迁就上一位的方案，公司也不必从头再做一遍。这是FDE帮助企业扩大服务规模时，值得始终保留的建设方向。
来源与限制
- OpenAI官方岗位说明Technical Deployment Lead - Singapore将跨部署复用、提炼可复用方案和向产品反馈列为FDE相关工作。本文仅将其作为公开实践背景，不把一家公司的岗位要求当作FDE统一标准，也不据此证明复用的成本效果。
- 设备维护公司与两家工厂的业务均为综合设想，不对应真实企业或已有业绩。先在相近业务中复用、分别处理共同能力与客户条件、通过交付检验，是ANC提出的经营与建设建议，不是上述来源验证过的完整方法。
- 实际可复用范围、服务质量和重复工作能否减少，需要通过企业业务检验。本文不保证任何新客户都能直接接入，也不以重复建设减少推定所有成本不再增长或收入必然增加。
感谢你看到最后，如果你觉得有启发，随手点个赞、在看、转发吧，如果想第一时间收到推送，也可以给我加个星标⭐我们下期见。
我是「AioGeoLab」主理人塔迪Tardi，AioGeoLab是深度洞察AI第一性原理和应用实践的前瞻性研究实验室，目前有两个主要研究方向：
「塔迪AI工程系列」FDE落地工程、ANC：AI Native Company未来公司系列、GEO、AI判断工程。
「塔迪硅基禅心」是传统东方智慧、未来AI前沿、当下应用实践，深层共鸣的探索。不是用AI解读经典，也不是用经典指导AI。 这是一场跨越2500年的对话，在算法与古老智慧之间，照见意识、智能与存在的本质。
塔迪的微信 - tardyai2025。