前沿部署工程师是当前企业 AI 领域最热门的工作，也是 AI 自动化速度最快的工作。

这两件事在 FurtherAI 同时发生着。AI 现在会构建我们的 FDE 过去手动搭建的工作流，而这个角色因此变得更有价值。

当我们创立 FurtherAI 时，FDE 几乎要亲手构建 AI 周围的一切。

对于每个新的核保或理赔工作流，他们需要理解客户的流程、编写提示词、选择模型、构建集成、连接各个步骤、创建评测集，并不断测试直到工作流可靠为止。

这是让 AI 落地生产的正确方式，但存在一个明显的扩展问题。每个新客户和新工作流都需要更多的实施工作。一家公司可能增长很快，却在产品之下悄悄积累起庞大的服务层。

在 FurtherAI，我们开始思考：既然 AI Agent 可以执行工作流，为什么不能由另一个 Agent 来构建它？

给它预期的结果、它可以使用的系统以及一个有代表性的评测集。这个架构师 Agent 会搭建工作流、编写提示词、选择模型、编写集成代码、连接各个步骤、运行评测并不断改进结果。

AI 不再是在工作流内部进行推理，而是围绕自身构建工作流。

这一转变如下所示：

我们并非孤例。Palantir 有一款产品就叫 AI FDE。它将自然语言请求转化为 Foundry 操作、执行数据转换、管理代码仓库并验证自己的更改。

FDE 角色的一部分正在变成软件。

如今，一个 FDE 要包揽所有事情：理解客户、设计工作流、编写代码、运行评估、管理部署，并识别哪些内容应该成为产品。

这些职责正在分化为两部分：

‍

OpenAI 也以同样的方式拆分了这个角色，分为客户 FDE、平台工程师和技术部署负责人。

未来的 FDE 不再是客户需求与可用工作流之间的人工编译器。他们在产品边缘工作，发现平台尚无法解决的问题，并推动这一边缘向前扩展。

编写提示词或集成代码如今已变得廉价，但定义“正确”的含义并非如此。仍然需要有人来识别正确的示例、权衡不同错误的代价，并决定工作流何时可以安全上线。

评测集正在成为产品规格说明。AI 朝着结果构建，但结果是否正确，仍由人来把关。

这在保险行业比在大多数行业都更重要。漏掉一个低优先级字段，和漏掉一条除外条款或用错一条核保规则，性质完全不同。前者只是让人烦恼，后者则意味着你要赔付一笔理赔。在这里，FDE 不仅仅是决定工作流能否运行，他们决定的是一个错误的代价有多大，而这个答案会因险种、承保方和所在州的不同而变化。

如果你来过 FurtherAI 的办公室，你可能会注意到我们有很多乐高积木。

我们对产品的思考方式也是如此。

我们的目标不是让架构师为每个客户编写一套完全不同的代码库。那样确实能让定制开发更快，但不会给我们带来产品杠杆。最终我们将维护一百套定制实现，而不是十套。

架构师应该组装可复用的乐高积木：连接器、工作流步骤、保险逻辑、评测组件和 Agent 能力。

客户的特殊性并不会消失。两家承保方处理商业财产投保时，可能采用完全不同的转交阈值、承保偏好规则和下游系统。如今，FDE 会为每一家单独构建实现。有了可复用的积木，两家承保方可以运行相同的投保受理工作流、相同的文档提取和相同的评测框架，只是配置不同。

当确实需要一项全新能力时，FDE 会将其构建进核心平台，它就变成了又一块积木。这正是这份工作中能够产生复利效应的部分。你为一家保险公司解决的每一个难题，都会让下一家更快。

自动化 FDE 的工作并不意味着我们减少 FDE 的招聘。我们正在招聘更多。

当部署变得更便宜、更快速时，会有更多客户点头。那些过去不值得做实现的工作流，现在也值得做了。每位 FDE 可以支持更多客户，并把时间花在更难的问题上。

我们也不能丢掉人工实现所带来的深厚领域知识。未来的 FDE 仍需要直接与保险公司合作，理解他们最复杂的工作流，评估系统性能，并亲身调查平台局限。

我们正在 FurtherAI 招聘 FDE，但不是为了手工搭建工作流，也不是为每个客户编写一次性的实现。

我们在寻找这样的工程师：希望直接与全球最大的保险公司合作，找出仍然需要人来解决的最难的问题，并构建能消除这些问题的产品能力。你的时间将花在核保规则、理赔逻辑以及业务中尚未被自动化的部分上，而不是第十次重复搭建同一个集成。

这份工作从服务一个客户开始，却让 FurtherAI 对接下来的上百个客户变得更好。

每一位前沿部署工程师都刚刚获得了晋升。重复性的实现工作消失了，留下的是客户判断力、责任担当和产品创新，而这些的价值要高得多。

如果这正是你想从事的工程工作，请私信我。我们很乐意与你交流。

想要变革你的保险运营吗？

把时间留给战略性工作，让我们的 AI 助手处理繁琐事务。预约演示，了解如何更快地达成更多目标。