摘要

AI 是劳动力，不是软件——这是全集的底层认知。 Rolling AI 两位合伙人（前 BCG、连续创业者）的定义：FDE 不是售前也不是套壳，而是"像 HRBP 一样把一个数字员工放到企业里帮你培养好，看着他上岗"。起因是五月初 OpenAI 和 Anthropic 同日宣布各成立十亿美元级企业 AI 合资公司，都自称做 FDE（源自 Palantir 的 Forward Deployed Engineer）。
Rolling AI 从二二年 GPT-3.5 刚开放接口就入场，四年服务近一百家企业，全部年度制大客户，客单价几百万到千万，团队六十多人。 内部铁律：“所有智能体必须在十五天内上线”——因为"你雇一个员工，不会让他去学校学三个月再上班"。
方法论的关键转折：二五年下半年起逐渐不再采用 top-down 访谈金牌销售总结最佳实践，转向 bottom-up 的"学徒学习"——给每个优秀店长身边放一个 AI 陪跑生，先帮师傅干活（排班、营业预估）换取被教的资格，再蒸馏其"街头智慧"。配套的激励主张：能给 AI 带出好智能的一线员工价值被放大到一万个销售身上，“你得激励那些能给你的 AI 带出好的 AI 智能的员工”。
暴论级判断：SOP 代表落后。" 标准化代表着你只做到了全局六十分，而今天 AI 做的是保证每个店都做到八十五分、九十分。“总部从管控型（标化、内审）转向赋能型，下一代管理智慧"可能会由中国企业家来引领”——因为中国企业家更重结果正义、亲力亲为；其底层原因可能与企业家是否是 owner 有关，而海外公司更重过程正义。
AI 转型成功率不到百分之五十，三大死因：CEO 预期超出现实；“IT 团队牵头这件事几乎一定会失败”，必须业务团队立项；底层没有绩效与组织激励的配套改变（例：销售绩效从 100% 结果制改成 80/20 结果+过程）。技术本身占整个转型不到三分之一——这是电力革命级的生产力革命，兰开夏郡教训：“他都接了电，他都上了网……仅仅接上大模型不能阻止你的企业消亡。”
投资视角的核心 call：OpenAI/Anthropic 做 FDE 的合资方全部是 PE，因为服务费收不到 upside——“我们真的帮企业省几千万甚至多赚几千万，但就是收六百万”。结论：“FDE 公司不仅值得被 VC 投，甚至值得被 VC 拥有”，每个 PE/VC 的投后部门都该改组成 AI 赋能中心，且每个赛道只能独占服务一家（连锁茶饮、咖啡、零食互为竞对）。
岗位判词：只做上传下达信息传递的管理层（销售网络中间两到三层）会消失；打字快、记得准的执行型智力劳动者必须转型。 方向是从智力劳动时代进入"智力决策劳动时代"——人只做"行还是不行、去哪里"的决策。租房平台案例里好员工标准已变：“原来是打字快记得准，现在是特别能提供情绪价值。”
人才市场的冷水与热水：对应届生的坦白——“以你刚毕业，我想不到任何你能做的事情 AI 做不了”，玩笑方案是"前两年你付我钱，后面几年我翻倍付回去"；但另一面，高二实习生"丝毫不输任何一个平庸的五年经验咨询师"。商业 sense 是玄学般的 taste，“我确实没有找到特别好的培养路径”。

精读

1. FDE 是什么：给数字员工当 HRBP，看着他上岗

起点：五月初 OpenAI 和 Anthropic 同日宣布各做十亿美元级企业 AI 合资公司，都称自己做 FDE——源自 Palantir 的前置部署工程师，派驻进客户内部从零定制落地 AI 系统。Koji 的调侃先立此存照：“硅谷就是会造概念，以前说套壳，他们说 Agent Harness；我们说售前，他们说 FDE。”
阿甘的本质认知，全集的地基：“传统软件是工具，必须有人操纵；而 AI 本身就是劳动力。” FDE 做的事像 HRBP——“把一个数字员工放到企业里帮你培养好，看着他上岗”，要给他准备工作台、资料、公司上下文，“别把它看成一个 IT 解决方案，你得把它看成一个新员工在上岗”。
Rolling AI 自称 business builder 而非 FDE，但干的就是这个活：二二年 GPT-3.5 刚有接口就入场，快四年多，服务近一百家企业，现在全部是年度制大客户，平均客单价几百万到千万，团队六十多人。

2. 从 BCG 出走：中国企业家不迷信 paperwork

两人皆 BCG 出身（在 BCG 做过接近九位数、约一亿人民币的项目）。出走逻辑：MBB 服务中国本土企业遇到收费模式和落地方式的双重困难，而中国企业家不像九十年代末那样迷信海外专家——“一代和二代都是为了自己企业长治久安思考问题，不在意阶段性 paperwork 写得怎么样，非常在意能不能做出结果、能不能带来组织上的改变”。
与当年最大的不同在交付物：以前是"进产业调研、梳理框架、交付两百页 PPT"，现在"我交出来是一个智能体"——PPT 里最好的做事方式、协同方式都能在智能体里实现。当年落地一套新业务模式要半年一年，现在几周，公司内部明文标准：所有智能体十五天内上线——“你雇一个员工，最多给他十五天培训期，他就得开始干活。”

3. 第一个案例：四十万营养师对八千万用户的缺口

二二年的乳品企业：出生率下滑、乳品大盘向下，第二曲线要卖蛋白饮、益生菌等高溢价品，但原有经销渠道卖不动，需要全新销售方式。测算：全中国注册营养师约四十万人，要服务的人群八千万人，单次服务成本十六块钱。GPT-3 刚发，于是微调营养健康模型——最终平台承载六百万在线用户，“就一个小姑娘在运营，带了五十多个机器人”，单次服务成本降到一毛甚至四分钱。“没有 AI 是完全做不到的。”
上岗前要拜师的细节：通用模型被问"我要减肥"就直接给 solution，而真正的减肥师第一句是"你又不胖，你为什么要减肥？"——先给情绪价值，再问最近一周饮食、健身习惯、减肥目标。数字员工上岗要找好师傅，师傅教的是专业服务流程。

4. 从 top-down 到 bottom-up：学徒学习与蒸馏老师傅

二五年之前的做法是把金牌销售、最好的培训师拉来访谈，自上而下总结最佳实践放进 AI。二五年下半年起逐渐不再采用这条路——“做生意的最佳实践可能就没有一个权威的 top down 的正确答案，成功的方式有千千万”。改成 bottom-up：AI 机器人每天下班跟店长复盘，给每个优秀店长、金牌销售身边放一个"陪跑生"式助手，像咨询行业做 shadow，观察中越来越聪明。这套东西叫"学徒学习"，“其实听起来也很像在蒸馏一个员工”（Koji 语）。
老师傅会不会抵触被"蒸"走绝活？答案是先付出再索取：学徒进去先帮师傅干活——排班给建议、营业预估搭把手，“他觉得这个学徒有用，才会教这个学徒”。
更根本的立场：“我们并没有觉得 AI 比人强——绝大多数发现是 AI 加人强过人，人强过 AI。” 能被蒸馏出经验的优秀基层员工是企业最大的资产。且其价值被 AI 放大了：以前金牌销售带徒弟让团队做到别人两三倍已是极限，“今天你的经验方法论可以复制到全国一万个销售身上”——所以要配对新激励，“你得激励那些能给你的 AI 带出好的 AI 智能的员工”。

5. 街头智慧打败总部算法：暴雨排班与冷柜酸奶

营业额预估案例：总部一刀切算法通常不准——有的门店在夜店边上、有的旁边新店开张、有的下雨。拆掉总部算法，给每个店长配一个 AI 副店长喂本地上下文（“明天下午可能下暴雨"“周边有店在做活动”），由店长最终决策而不是系统告诉他，整体预估准确率"高了非常非常多”。Koji 补了 7-Eleven 的对照：日本 7-Eleven 把进货决策权下放店长后业绩大涨——过去店长缺信息采集分析的能力和时间，现在 AI 副店长补上了。
“AI 是书本智慧，中国商业场景里有太多街头智慧"的两个标本。其一：聪明店长知道明天暴雨，头天先给临时工打电话打预防针——按一千个门店算，一年省几百万元，“这种案例原来一层层往下压是推行不了的”。其二，冷柜酸奶对话：AI 副店长根据数据断言"周边七八家店大包装酸奶都卖得好，你卖不好是因为人群高端”，店长纠正——“是因为我五米之外开了一家大两倍的乐福超市，什么都比我便宜”。AI 当场改策略：只卖供应商独供和高端品，“销量能增百分之四五十”。“光靠 AI 判断可能完全得出错误结论，得店长和 AI 在一起才能得出正确的结论。”
阿甘的总结：“AI 最大的红利不在于总部自上而下的策略，而是能把一个普通的智慧陪在店长销售身边——以前你没办法有一万个教练，今天你可以有一万个教练陪着他们。”

6. FDE 的画像：工头，不是售前

FDE 在其中的角色，用阿甘的比喻——“我们今天好像是一个 AI 人力外包公司，FDE 就是工头”：带着一群"北大清华斯坦福的年轻人"（这些年轻人是 AI）去便利店、营销部门甚至人事部门上班，不是把人扔下就走，得确保他们能执行高质量工作才能离开。三件事做完才能走：业务的融合、知识的治理、系统的对接。Koji 的反应：“说 FDE 云里雾里，一说工头一下子就懂了。”
好工头的三种能力：一眼看穿业务痛点本质是缺人、缺知识、缺沟通还是缺协作的咨询能力；“人机协作的原生能力”——把工作拆成小工种、把人放在审核评判规划的位置上，其余让机器员工补上；以及动手能力——拿 AI 工具半天到两天把体系原型搭起来，会写智能体、懂编排。
这样的人能培养吗？坦白的答案：“未必短期能培养起来，可能培养不出来。“需要的是商业判断力和某种 taste，“下一步应该往哪个方向的那种 gut feeling，有一点点玄学”。

7. SOP 代表落后：下一代管理智慧可能来自中国

直球暴论：“我们认为 SOP 代表着慢，代表着落后——标准化代表你只做到了全局六十分，没有让每个人拿到九十分，而今天 AI 做的是保证每个店都做到八十五分、九十分。“标准化的本质是保底线，管理智慧的变化是"从用标准化保底线，变成用好的智能到一线提供最优解”——总部的标化、内审、采购部门会降温，变成赋能型总部，“不仅是管理模式，从组织模式、部门设置上都会有变化”。
为什么以前做不到？“原来一个组织里经营智慧的智力生产力是不够的——真的懂、讲得清楚、又能培养辅导的人不够。今天只要算力开跑，你有无限的智力生产力。“Koji 的类比：抖音千人千面改造了消费端的分发，现在轮到生产端——每个最小商业单元都可以千人千面地生产。
为什么由中国引领：“海外公司的管理方式是过程正义，国内企业家只要结果正义，什么路径都可以接受”；且中国企业家亲力亲为、自己搭智能体，“底层原因可能是企业家是不是企业的 owner，决定了绝大多数”。“这种思维方式可能只有在中国这么剧烈竞争、剧烈迭代的市场才能产生。”

8. 这是电力革命，不是技术浪潮：接了电的企业照样死

技术在企业 AI 落地中的占比"不会超过三分之一”。定性：“它不是一次技术浪潮，是一次完整的生产力革命，对社会的影响幅度会超过互联网——电力革命大量取代体力劳动，大模型革命会大量取代智力劳动。“而我们还在这场可能持续十年、十五年或二十年的革命"非常早期的这么几年”。
兰开夏郡的教训，本集最重的历史类比：曾占全球纺织业约百分之七十的英国兰开夏，“你说他用没用电？他用电了，但他只把电接到了原来蒸汽机的那个大轴上”，整个生产方式还是蒸汽时代的——而美日德用电力原生方式重构了整个生产组织，就像今天说的 AI 原生。
推到极致：“每一次大的生产力革命都有百分之九十五的企业消失，而所有消失的企业，相信我，他都接了电，他都上了网。它不是因为不上网才消失的，是因为没有全心全意把它当成原力重构自己的商业。仅仅接上大模型，不能阻止你的企业被消亡。”

9. 转型成功率不到五成：三大坑与绩效改造

“AI 转型项目的成功率应该不到百分之五十。” 三大死因：其一，CEO 对 AI 有超出现实的预期，“以为上了 AI 企业就起飞了”；其二，最核心的——“不要让 IT 团队来立项，业务团队立项”，“谁懂怎么选货盘、怎么让客户买保险？都是业务团队。IT 团队承接 AI 这件事一定会败”，进跨国公司第一个要搏斗的就是把数据安全列为第一优先级的 IT governance；其三，底层没有激励改变配合——“不要把它看成工具上线，它是一堆员工上线，生产关系要改变了”。
绩效改造的具体做法：销售群体"跟自己利益没关系的东西什么都不爱用”，所以和业务方一起改绩效——从百分之百结果制改成八十结果加二十过程，提供越多的东西可积分换钱。“这些东西不推动，落地是不可能的。”
华西生物董事长在其 AI 工作坊上的立场，被专门引用：“做百分之五十的提效你就不要做了，你就做三倍五倍十倍的事儿”——摊开业务、面对无穷无尽的智力生产力，总能找到重构整个商业模式或至少重构工作流程的事。

10. 租房管家案例：AI 进场不是降本，是重构商业结构

客户原始诉求是"AI 帮管家自动回复快一点”，进场后发现真痛点：城市化率已经足够高、租房业务本身在下降，应该卖家政、宠物喂养等增值服务，但管家被"邻居狗吵架、空调漏水"的琐事困死。重新定义人机分工——人做有温度的情绪关怀，琐事全部给 AI，管家人效从一对五百做到一对一千二，今年目标一对两千，且这个部门没有裁员：服务质量、好感度、续约率、服务售卖全部提升。“我们不觉得 AI 进场应该是个降本的事儿。”
配套一个销售机会探查智能体：“你看到这家租客家里有猫，他说这几天要出差——你应该给他卖宠物上门喂养。“负责人的观察被原样保留：“好员工的标准变了：原来是打字快、记得准，现在是特别能提供情绪价值——‘哥哥姐姐你不用急，我来问’。让人开心、让人放松是人才可以做的事。”

11. 心理咨询才是咨询的本体：消失的是岗位，不是你

阿甘旧论重提：“咨询销售的本质是给董事长和 CEO 做心理咨询。“AI 时代的版本：管理的本质是激发善意的释放，“如果你的发心是管理、约束、限制，它的能量是十倍；如果发心是赋能、是让每个人挣更多钱，它也可能是十倍。如果你是控制的话，那你全部换成机器人好了呀”——所以要和 CEO 碰的是他赋能的发心在哪里，再落进副店长智能体里。
但现在工作量更大的心理辅导对象是基层员工：“我们告诉他，这件事不是为了替代你——被消失的不是你，而是那个落后的岗位，你不该在落后的岗位里寻求发展，而是看看哪些新岗位更匹配你。”
哪些岗位消失？“所有管理层，如果他做的唯一事情叫信息传递、上传下达，这岗位就应该消失”——一个销售网络从总部到省总到片区，中间两到三层只做上传下达；他们过去承担的信息清洗（把"这客户太傻了"的故事结构化）和逐层汇总，AI 现在做得更好。执行型智力劳动者同理，出路两条：驾驭 agent，或沉淀出"大模型根本取不到的专家智慧或街头智慧”。大方向：“人类会从智力劳动时代变成智力决策劳动时代——我只做决策，行还是不行、去哪里；我不再写方案、不再画设计图、不再写代码。”

12. 应届生悖论：付钱来上班，与高二实习生的平权

面试真事：优秀应届生问"我能给公司提供什么价值”，阿甘的坦白——“以你刚毕业，我想不到任何你能做的事情 AI 做不了。“馊主意式玩笑：“前两年你付我钱，后面几年我再翻倍付回去。“严肃的担忧跟在后面：纯桌面研究型咨询已没有年轻咨询师可被培养的空间，“我们也很担心这个行业形成断层”。
悖论的另一面：具备特质的年轻人"上岗第一天能力跟中年咨询师一模一样，因为他会写的东西你跟你的 AI 也会写”。公司最小实习生是高二学生，“丝毫不觉得他从老练程度上输过任何一个平庸的五年经验咨询师”。筛选标准从年龄资历变成 judgment 和好奇心——“有些人看到问题头就垂下，有些人看到问题眼睛就发光”。但商业 sense 怎么培养？“我个人没有找到一个培养的方式，有些东西是天生的”——家里做小生意的、观察能力强的反而更好用。给毕业生的建议反直觉：先去更大的平台培养商业 sense 和 judgment。

13. 为什么 OpenAI/Anthropic 亲自下场，且合资方全是 PE

两个动因：公域数据有限，大模型进入行业撞上"数据的短板、行业知识的短板”——Anthropic 训练各种东西，请专家的时薪可能都上万，与其一个个请，不如直接深入行业里去解题；且 to B 本质是服务业，“真正主力不来自于接上模型，来自于模式——工作流程、组织人才”。
投资结构的洞察，本集最可交易的一条：“特别有趣的是，他们合资公司全部都是 PE。“原因是服务费收不到 upside：“我们真的做到了帮企业省几千万甚至多赚几千万，但就是收六百万”——只有和 PE 一起入场改造投后企业，才能收到资本那部分钱。推论：“未来十到十五年最大的企业增长 enabler 就是 AI，每个 PE/VC 的投后部门都要有、甚至改组成一个 AI 赋能服务中心。”
更激进的结论：“FDE 公司不仅值得被 VC 投，甚至值得被 VC 拥有——不应该把它当成被投企业，应该把它当成自己的一部分去服务被投企业。“且有独占性约束：所有连锁餐饮、茶饮、咖啡、零食店互为竞对，“我们服务了一家，一定不能再服务另外一家”，每个领域只能跟一家 PE/VC 合作。当年在 BCG 就服务过 PE 的投后（其最大客户为"大马西”，音译存疑），今天的差别是"战略规划能不能落到一线的信心变了——至少我们可以拍着胸脯说一定能给你的业务带来 upside，所以有信心跟你对赌”。

14. Service as Software：结果才是服务

对 MBB 的历史判断：MBB 之所以是 MBB，在于解决的是 CEO 的核心问题、最靠近收入与权力的核心，且"他们对结果还是有要求”。但"在中国，管理咨询最好的时代还没来”——那个时代需要所有企业标准化、掌舵人都是职业经理人，“可能还要再过三十年”。言下之意：要么 MBB 在中国做大，要么中国自己的咨询公司做到 MBB 那么大。对 MBB 的暗讽也没藏着：“PPT 的增长就很有限，当你把 PPT 转成每天在一线服务的智能体的时候，它一定会变扎实。”
自我定位的定名瞬间：投资人说你们不算咨询也不算 SaaS——“现在叫谁 SaaS 好像都有点侮辱人”——你们是 Service as Software：“你们确实交付 software（AI 副店长、AI 销售），但提供的本质核心是一个 service。“Koji 收束：“Result as a service，结果才是服务。”
生意的纪律侧写：只跟客户一把手谈，“大概三次之内达成合作意向”；今年年初接触过六百万、八百万左右的"买软件"单子——“来来回回没有人讲得清楚业务目标是什么，没有责任人、目标是移动的，这种最可怕”。组织形态：六十多人极度扁平，两位合伙人日常照写代码，团队"像海豹突击队，基于某一个目标临时组队”，FDE 必须在一线、真正在门店里。

Verification Notes

“大马西”（音译存疑）：raw captions 未提供足以唯一解析为具体实体的名称，已保留原称。

“悲观者正确，乐观者成功”，和好友亚婷聊聊AI行业的种种 Uber CEO 谈 AI、自动驾驶与交通运输的未来