企業買了 AI，不代表 AI 能真正運作，而這個落差正在創造出一種新的職能需求。
2025 年 1 到 9 月，前線部署工程師（Forward Deployed Engineer，FDE）的職缺，在美國成長了 800%。Google Cloud、OpenAI、Anthropic 在同一時間裡，相繼宣布大規模投入這個方向。AI 的瓶頸從「能否建構」移到了「能否落地」，而填補這個缺口的人正是 FDE。
從 Palantir 到全產業，一個職稱的十年擴散
FDE 這個職稱不是新創的。2011 年，Palantir 將原本分開的解決方案工程師，與整合工程師合併為單一職能，稱為「前線部署工程師」。這個職能的核心定義從一開始就很清楚，FDE 是能同時向企業銷售 AI 產品、並且教導 AI 模型如何在該企業環境中真正運作的人。
超過十年後，這個職能開始從 Palantir 的專屬實踐，擴散成整個產業的集體押注。
根據 LinkedIn 的資料，2023 年至 2025 年間，美國新增了 8,500 個 FDE 職位。雲端內容管理與檔案協作公司 Box 執行長 Aaron Levie，在 X 上直接指出，前沿部署工程師或類似職位，即將成為科技行業最搶手的職位之一，也是人工智慧推廣中最重要的職能之一；他說，這是 AI 正在創造的高技術性工作的典型案例。
三大巨頭同步出手
Google Cloud 執行長 Thomas Kurian 也在 LinkedIn 上宣布，公司正在大規模招募 FDE，以協助客戶採用企業 AI 產品與代理系統，據悉計劃招募數百人。
Kurian 指出，雖然 Google Cloud 過去就已有 FDE，但客戶與合作夥伴對企業 AI 產品及 AI 代理開發的需求，正在快速成長。
OpenAI 則走得更進一步，成立了「OpenAI Deployment Company」，與顧問及投資公司合作，將 FDE 作為核心角色嵌入企業組織。OpenAI 在聲明中描述這些 FDE 的工作方式，是與業務領導者、營運人員和一線團隊緊密合作，找出 AI 能發揮最大影響的環節，圍繞這些環節重新設計組織基礎架構與關鍵工作流程，並將這些改變轉化為可持續的系統。
Anthropic 的佈局則採取不同形式，他們與私募股權公司 Blackstone、Goldman Sachs 及 Hellman & Friedman 完成合資企業的組建，目標是將 Claude AI 模型分發給這些機構的客戶，這套機制同樣需要具備深度企業部署能力的人才支撐。
這個職位到底在做什麼
FDE 必須熟悉不同 AI 工具的適用場景，比如知道何時用 Lovable 或 Replit Agent 做快速原型，何時改用 Claude Code 或 GitHub Copilot Workspace 處理複雜的多檔案架構重構。在 2026 年，沒有萬用解法，只有針對特定限制條件選擇正確工具的判斷力。
token 成本的管理也是核心能力之一。FDE 必須知道何時值得使用高成本的前沿模型，何時改回傳統確定性程式碼更有效率。排序或合併資料這類任務，幾行 Python 就能以 100% 的可靠性零成本完成，沒有必要耗費昂貴的 token。
更困難的挑戰是，防範 AI 的幻覺輸出在企業環境中造成實際損害。
以一個設計用來摘要主管電子郵件的 AI 代理為例，若缺乏防護，模型可能誤將摘要結果當成回覆發送出去。FDE 的工作是建立多層防護，在提示詞層加入嚴格的系統指令禁止發送行為，同時在架構層將 API 硬編碼為唯讀存取，確保模型在技術上根本無法執行發送動作。
原型與生產環境之間的落差，也是 FDE 存在的根本理由之一。用 10 份文件建立一個檢索增強生成（RAG）聊天機器人作為概念驗證，相對容易，但當文件量擴展到 100 份，系統的效能開始出問題；擴展到數千份，效率、準確性與安全性就會在失控的複雜度下崩潰。
將原型推進到生產等級，需要的是可擴展性、嚴格的資安設計與持續的效能管理，而這正是 FDE 發揮價值的地方。
Anthropic 目前開放的 FDE 職缺年薪介於 20 至 30 萬美元，要求具備數年顧問工作經驗或技術性客戶面向職位的經歷，並需要能夠向客戶解釋技術議題，同時「保持低自我感與協作態度」。這個描述本身說明了這個職位既要有足夠的技術深度，又要能在客戶面前放下工程師的話語主導權。
AI 落地失敗的成本，比職缺本身更貴
FDE 需求爆發表示 AI 技術的複雜度，與多數企業現有的導入能力之間，存在明顯落差。這個落差不是靠購買更多授權或更多訓練課程能填補的，它需要有人長期駐點、持續調適、把技術轉化成真正符合企業情境的解決方案。
從這個角度來看，企業願意為每個 FDE 職位支付 20 至 30 萬美元年薪，不只是反映職位的稀缺性，也反映 AI 導入失敗的代價，比這個薪資更高。
職稱本身是否代表一種新型工程師，或者只是舊角色的重新包裝，這個爭議或許永遠不會有定論。但在 AI 從實驗進入規模化部署的當下，能同時理解技術、溝通客戶需求、並驅動流程改造的人才，正是最稀缺的資源。
【推薦閱讀】
◆ 工程師面試不只談薪水：矽谷開始把「AI 算力」寫進薪酬
◆ 【初級工程師工作轉變】不再需要改 bug、寫測試，聽起來很好卻很危險
◆ 不寫程式也能吃到 AI 紅利：資料中心電工年薪可達 30 萬，不輸軟體工程師
＊本文開放合作夥伴轉載，參考資料：FastCompany、Forbes，首圖來源：Unsplash
（責任編輯：鄒家彥）
