LIGHTCONE PODCAST × Y COMBINATOR

AI 新創要把工程師
放到客戶身邊嗎？

FDE 不是把客製服務包裝成軟體；它的工作，是把客戶現場的發現變成下一次能更快交付的產品能力。

來源：Y Combinator《The FDE Playbook for AI Startups with Bob McGrew》｜原始發布日期：2025 年 9 月 8 日｜本頁整理對談框架，不構成商業或投資建議。

SCROLL ↓

PART 1

FDE 的起點，不是「替客戶做更多」

Bob McGrew 把 Forward Deployed Engineer（FDE）描述為一種把工程能力帶到客戶現場的做法。它的起點不是預先知道所有需求，而是承認新技術剛進入工作流程時，團隊還不知道哪些環節值得自動化、哪些例外不能碰、什麼成果才算真正有價值。

在對談中，他說 AI agent 沒有既有的標準產品可照抄，產品發現的空間很大。這讓 FDE 模式重新受到注意：工程師不只是交付既定規格，而是和客戶一起辨識高價值工作，將每一次部署得到的訊號帶回產品。

若循環停在第一步，團隊會變成接案服務；若跳過前兩步，產品又容易只是在猜需求。對談的重點，是讓現場學習和產品化互相推動。

PART 2

McGrew 用一句看似矛盾的說法概括 FDE：在規模下做不會擴張的事。意思不是永遠靠人力堆規模，而是在需求仍不清楚時，願意投入足夠的人和時間，找出一個產業流程裡最值得被重新設計的部分。

這些工作也會把合約價值往上推，因為團隊處理的是客戶真正昂貴、複雜、難以交接的問題。不過這不是服務收入越多越好。每一次深度交付都要追問：其中有哪些洞見可以變成通用介面、可靠整合、可重複的測試或產品決策？

PART 3

對談把 FDE 與傳統顧問、售前或客製開發拉開距離。前者的價值不是替一個客戶交出獨一無二的成果，而是用真實使用情境逼近產品定義。若每個新案都從零開始、無法讓下一案更快，團隊就該誠實面對：那是服務事業，還不是可擴張的產品。

這個界線尤其重要，因為 AI 能力正在快速變動。今天看似需要人工協助的部署，明天可能可以被模型、工具鏈或標準流程接手。FDE 團隊要保留的不是人工步驟本身，而是對問題、資料、權限和驗收方式的理解。

PART 4

對 AI 新創而言，最有用的問題不是「我們有多少工程師駐點」，而是每次貼近客戶後，產品是否能讓下一個客戶更快得到成果。可觀察的訊號包括：部署時間是否縮短、整合是否更標準、相同類型的需求是否反覆出現，以及客戶是否願意把更重要的工作交給系統。

這也提醒創辦人不要把 FDE 神化成萬用打法。它適合產品和市場都還需要共同被發現的階段；當工作已可明確定義，團隊的責任是逐步把人力密集的探索，變成客戶能穩定使用的產品，而不是把例外永遠留在人工流程裡。

「FDE 的價值，不是把不會擴張的工作永遠放大；而是用現場發現，找到可以被產品化的下一步。」

— 根據 Bob McGrew 在 Lightcone Podcast 對 FDE、AI 產品探索與現場交付的說明整理。

這不是測驗；選一個你會用來校準「現場工作是否正在變成產品能力」的問題。

你的觀點

原始影片保留了 Bob McGrew 對 Palantir、OpenAI、FDE 團隊、客戶價值與 AI 創業機會的完整脈絡。