AI 給老闆出了一道新考題，而且題目本身就寫錯了。

多數公司走到某個階段會做同一個決定：該請一個懂 AI 的人了。職缺開出去、履歷收進來、面試坐下來，通常會遇到兩種人。第一種很會講模型，哪一顆強、怎麼調、差別在哪，講得比你清楚；你問他「我們的報價流程要怎麼改」，他答不上來，那本來就不是他的題目。第二種很會用工具，提示詞寫得漂亮、示範做得順；你問他「這東西要怎麼接進我們現在用的系統、上線之後誰驗收」，他也答不上來。

面了一輪，職缺懸著。有些公司乾脆先找了一個進來，三個月後多了幾個好看的示範，業務流程還是照舊在跑。

問題不在人選，在題目。「懂 AI 的人」這個描述本身就抓錯了重點；你要的是能把 AI 放進你公司流程、而且對結果簽字的那個人。這兩件事聽起來很近，實際上是兩種人。

01卡住的地方不在模型

工具都買了、流程也畫了，接下來的問題是誰來跑。要回答它，得先看清楚公司卡在哪。

有一份寫給企業決策者的落地指南，把一家公司從「個人會用 AI」走到「組織會用 AI」之間的斷點列成三個，比多數顧問報告誠實：

第一，個人會用，組織不會用。某個同事自己摸出一套很順的做法，但它沒有變成別人照著做也成立的流程，他請假那週就停擺。

第二，業務說不清。規則藏在例外裡、藏在「這個客戶比較特別」裡，沒有人寫下來過，所以也交不出去。

第三，技術接不住。資料散在四個地方、權限沒人敢動、用了十年的舊系統沒人願意碰，方案再漂亮也上不了線。

三個斷點，沒有一個是模型不夠聰明。

這也是為什麼再深的技術解不開它。解得開的，是有人願意坐進你的流程，把這三件事一件一件接起來。難的不是演算法，是耐心跟溝通。

02業界給這個角色取了一個彆扭的名字

這兩年英文圈把它叫 FDE，全稱 Forward Deployed Engineer，中文常譯成前沿部署工程師，也有人寫前線部署工程師。名字容易誤讀，先擋一下：它跟前線客服無關，也不是到廠維修的現場工程師。這裡的「前線」指業務現場。說白話一點，就是一個被派到「實際使用的人」旁邊工作的工程師，不是留在自己的辦公室等需求單。

他的日常拆開來是四件事。先看清楚，進到現場弄懂流程怎麼跑、哪裡卡住。接著做出來，把方案接進現有系統，讓它跑得動。然後驗收，看有沒有人在用、業務數字有沒有動。最後寫下來，把做法留成別人接得住的東西。四件事扣在一起，缺最後一件，公司只是多了一個外人的作品。

有一份談這個角色適合什麼人的整理，用了一個很好記的比例：六分溝通、四分技術。這句話值得中小企業老闆多看兩秒，因為它跟你原本想開的職缺剛好相反。你以為要加深技術，其實要加厚的是翻譯能力：把模糊的業務訴求翻成系統做得到的事，再把技術的限制翻回業務聽得懂的話。

還有一句話把它跟顧問的差別講得最乾淨。顧問給你一份方案、講完就走；這個角色不走，他坐進你的辦公室，把系統做出來、跑起來，一直陪到它在你的業務裡產生價值。

03最適合的那個人，可能已經在公司裡

講到這裡，多數中小企業老闆會得到一個很掃興的結論：這種人請不起。

這個結論不算錯。36氪的報導寫過，Anthropic 這類公司開給這個職位的入門年薪總額落在三十到五十萬美元。用矽谷的價碼開職缺，台灣的中小企業本來就不在同一個市場裡。

但「請不起那個人」跟「做不了那件事」是兩回事。同一份給決策者的指南其實給了兩種做法：一種是找廠商派人進來，另一種是公司自己組一支兩到四人的小隊，不新增部門、不改組織圖，先挑一個高頻又高價值的流程試跑。第二種才是中小企業拿得起來的版本。

而小隊裡最關鍵的那個位置，未必要從外面找。另一篇反主流的長文給了另一個答案：最好的人選常常是業務專家，不是職業工程師。理由是兩種難度不一樣。技術的人要補的是對這一行的理解，那是動態難度，行業會變、客戶會變，追不完；業務的人要補的是技術架構的判斷力，那是靜態難度，攻克一次就穩下來了。後者比較好掌握。

翻成老闆的語言：那個做了八年、知道哪個客戶要先打電話、知道哪張單子不能照系統走的老鳥，離這個角色的距離，比一個剛畢業的工程師近。他缺的是技術支援，而技術支援買得到；他有的是那套沒人寫下來的判斷，而那個買不到。

這裡有個常被跳過的前提：他得有時間。把最懂業務的人擺進這件事，就等於承認他原本的工作要有人接。承認不了，這個角色永遠只是兼差，那一批 AI 也就永遠停在示範階段。

04四個訊號，代表你現在還不該找

顧問跟賣方的差別，在於願不願意講「先別做」。同一份指南列了四種情況，這時候找人只會浪費錢：

底層系統根本不存在。 資料還在紙本和個人電腦裡，沒有東西可以接。

問題只有一個部門有，而且不會再出現第二次。 那是專案，不是角色。

團隊完全沒有用 AI 的基礎。 沒有人用過，就沒有人問得出對的問題。

只想救火，不想改流程。 這種需求最後買到的是外包，不是能力。

四項裡中兩項以上，這篇文章對你的價值就是省下一次招募。先把資料整理好、先讓團隊用起來，這兩件事不用等到請人。

05找到了，怎麼知道他做對了

最後一個問題，也是最多公司弄錯的。

那份指南裡有一句話幾乎是寫給老闆的警告：只看專案有沒有按時上線，就會把這個角色管成一般的導入人員。準時交件是最低標準，不是成果。

至少要同時看四件事。有沒有省到錢或多賺到錢，這是業務價值。有沒有人天天在用，這是採用率，很多專案死在這一格，東西驗收過了，三週後沒人打開。做出來的東西穩不穩、壞掉會不會有人知道，這是工程品質。以及最容易被忽略的那一格：這次做的東西，下一個部門能不能拿去改一改就用。第四格的分數越高，你買到的才越像能力，而不是又一個專案。

你在找的是一種責任，不是一個頭銜

回到最前面。

過去 你缺的是一個會用工具的人

現在 你缺的是一個能把工具接進流程、而且願意對結果簽字的人

八月談過崗位不該再以「人」為單位，重點是內部怎麼重切工作。這一篇是它的另一半：切完之後，總得有人站在接縫上。那個位置不叫 AI 專家，也不一定要有新的職稱，它是一種責任的歸屬。誰負責讓它跑起來、壞掉的時候誰會先知道，以及做法有沒有寫下來讓下一個人接得住。

所以在開職缺之前，先問三個問題：卡住的那三個斷點，你們是哪一個？現在誰離它最近？他有沒有時間？答得出來，你可能根本不需要新的履歷。答不出來，多請一個人也只是多一份薪水。

讓 AI 加速，讓人定錨。工具可以買，把事做完的責任不行。

為品牌築根，為數位開路。