B2B AI 领域的每个人现在都在重新发现前沿部署工程师。Palantir 运行这一模式已有二十年，OpenAI 组建了团队，而所有人都意识到 AI Agent 不会自己有效地完成部署。至少目前还不能，至少做得还不够好。

Harvey 运行着两种版本的 FDE，而有趣的那种并不是经典的技术型 FDE 小组，而是律师。

Harvey 的首席产品官 Anique Drumright 在 SaaStr AI 大会上现场介绍了这两种模式。Harvey 的前沿部署小组是混合团队：一名产品经理、一到两名真正的律师，以及软件工程师，为有需要的客户量身定制服务。并非每个客户都能获得这样的团队。

但每个客户都会获得一名法律工程师。Harvey 大约有 180 名法律工程师，与律师事务所和企业法务团队合作，他们都是前执业律师。Anique 在台上给出的数字是，团队大多数人都有 8 到 10 年的执业经验。他们参与每一次部署，而不仅仅是大项目。

对于一家服务超过 60% 的 Am Law 100 律所、拥有 60 个国家的 1,400 多家客户、平台上超过 10 万名律师的公司来说，这是一个深思熟虑且代价高昂的结构性选择。从中值得借鉴的五点：

  • 领域专家直接编入客户团队，而不是远程提供建议。
  • 该职能分为三个方向：售前、售后和定制解决方案，而且 Harvey 公开说明了这种区分。
  • 总薪酬（OTE）为 22 万至 32 万美元，按 75/25 的比例分配，外加股权。这些信息在他们自己的招聘页面上是公开的。
  • 法律工程师参与塑造产品路线图，这正是让这一成本站得住脚、而非沦为纯粹服务负担的关键。
  • Harvey 现在正在为不在 Harvey 工作的法律工程师提供认证，这是几乎没有人注意到的一点。

#1. 现场的人做过客户的工作长达十年。这是关键

前沿部署工程的标准版本是一名能力很强的工程师，在工作中学习客户的领域知识。他们在六到九个月内变得熟练。当这个领域可以在六到九个月内学会时，这是可行的。

法律领域不是。一位诉讼合伙人只需一次会面就能判断出对面的人是否真正办过案子。所以 Harvey 跳过了学习曲线，直接聘用已经做过这项工作的人。他们在每一份招聘启事和招聘网站上反复使用的团队描述是：离开执业岗位的律师，以及由前执业律师组成的团队。公布的门槛是 JD 或同等学历，加上至少三年在顶级律所、企业法务部门执业或为企业法务团队提供咨询的经验。Anique 在台上给出的数字是，团队大多数人都有 8 到 10 年的执业经验。

用她的说法，这换来的是需求发现对话中的可信度。法律工程师会提出执业律师才会问的问题，从而挖掘出软件人员不知道该问的工作流程，以及客户不会主动向供应商透露的采用障碍。

#2. Harvey 将该职能一分为三，并公开说明这种划分

大多数公司只有一个模糊的岗位，同时涵盖售前、上线和扩展。Harvey 将法律工程拆分为三个团队：

  • 法律工程师（售前）。他们与客户经理（AE）一起负责需求挖掘和产品演示。用 Harvey 自己的说法：解决方案架构师负责赢得技术认可，法律工程师负责赢得法律认可。
  • 法律工程师，产品专家（售后）。负责上线、赋能、采用、使用率，以及续约和扩展的支持工作，与客户成功经理（CSM）和 AE 协作。
  • 法律工程师，定制解决方案（售前和售后）。负责定制化构建工作。他们与业务部门负责人和总法律顾问会面，了解流程目前的运作方式，然后使用自然语言提示自行设计 AI Agent 和操作手册。由律师来构建，不需要工程师为其编写代码。

这种拆分之所以重要，是因为它让这个岗位变得可招聘，也让成本变得可归因。售前法律工程师是一笔销售成本。售后产品专家是一笔留存和扩展成本。定制解决方案是一笔服务成本。大多数公司把这三者都打包进“解决方案”，然后就无法解释自己的毛利率了。

售后的版本深入到 Harvey 所描述的程度：与一个完整的业务团队坐在一起，在律所的真实案件上构建 AI Agent，而不是在培训练习上。

#3. 公开的数字：22 万至 32 万美元 OTE，75/25 分成，外加股权

Harvey 在自己的招聘页面上公布了产品专家岗位的薪酬范围。有三点值得注意。

第一，这是浮动薪酬。75/25 的分成意味着这个人背负业绩指标，这对一个售后领域专家来说很不寻常，也说明 Harvey 把采用视为收入职能，而不是支持职能。

第二，以这个薪酬水平，你是在和中级律师（associate）的收入竞争，而这正是关键所在。你不可能用解决方案工程师的薪水雇到一位执业律师。

第三，算一算 180 个人的账。即使不算股权，你也要在每笔账上承担数千万美元的支出，以便在每一次部署中都安排一名律师。

尽管如此，Harvey 仍在加码投入。当他们今年 3 月以 110 亿美元估值融资时，所述资金用途是扩展客户在 Harvey 上运行的 AI Agent，并壮大全球范围内支持客户的嵌入式法律工程团队。这轮融资部分资助的是大多数 B2B 公司会归为服务的人力成本。

#4. 每次部署都配有法律工程师。但只有部分部署才配有 FDE 小组。

这是我向 Anique 追问的区别，也是大多数人最容易忽略的一点。

前沿部署小组是混合团队：一名产品经理、一到两名真正的律师，以及软件工程师，针对该客户的问题进行定制化工作。Anique 明确表示，并非每个客户都需要一个这样的小组，也不是每个客户都能得到一个。

法律工程师则始终存在于每一次部署中，因为 Harvey 的立场是：领域专家是让客户获得平台全部价值的关键。昂贵的工程资源是配给使用的，而领域专家从不配给。

大多数 Agent 公司把这件事做反了。他们吝惜领域专业知识，却把通用的实施资源规模化，然后纳闷为什么采用率在试点阶段就停滞不前。

#5. 法律工程师把路线图写回产品

法律工程师塑造产品路线图，让每一次发布都立足于行业真正的需求。他们是贯穿客户全生命周期的信任层，从第一次试点到最复杂的定制工作流。

如今有超过 25,000 个定制 Agent 在 Harvey 上运行，覆盖并购、尽职调查、合同起草和文档审查。法律工程师与客户并肩工作，构建并改进这些 Agent。

这正是它不会沦为服务拖累的原因。180 名前执业律师深入全球顶尖律所的真实案件之中，这是法律领域最高质量的产品研究体系，而且它还能产生收入。

对比一下大多数 B2B 公司获取产品反馈的方式：客户成功经理转达一个功能需求，产品经理解读它，经过三层转译之后，你做出的东西与客户真正想要的相差无几。Harvey 的转译层，是一个曾经亲身做过这份工作的人。

#6. Harvey 正在认证不在 Harvey 工作的法律工程师

Harvey Academy 现在开设了认证法律工程师路径。自学进度、开放报名、附带可分享的徽章。Harvey 对这一项目的宣传基于他们支持客户完成超过 1,000 次 AI 部署的经验，他们的定位是：法律工程是一个新兴职业，结合法律判断力与技术素养，目前仍在成形之中，而现在正在做这件事的人将有机会定义它。

这更像是一个商业决策，而非营销项目。Harvey 不可能雇到足够多的执业律师，为世界上每一个法律组织都派驻一名，所以他们正在把这个角色变成一种资质认证，客户、律所以及其他法律科技公司的员工都可以考取。

买方自己的员工接受的是 Harvey 对这一岗位定义的培训。这个品类的词汇表就是 Harvey 的词汇表。而其部署模式的瓶颈也不再是他们自己的员工人数。

Harvey 自己公布的采用数据，来自同一页面：律所和法律部门的 AI 采用率在两年内从 14% 提升到 43%。这项认证押注的是接下来的 57 个百分点从何而来，以及由谁来引导。

#7. 复制这套模式的代价

这套模式并非免费，以下是账目明细。

  • 毛利率。每一次部署都配备一名 25 万美元以上的人力成本，这是实打实的冲击。以 Harvey 的合同规模及其品类的付费意愿来看，这是可以辩护的，但在你的业务中未必如此。在投入之前先算清楚。
  • 招聘池。Harvey 招募的是一个人们愿意为了使命和股权放弃 40 万美元年薪的职业。如果你所在垂直行业的专家并不想离开现有岗位，这套模式就行不通。
  • 上手速度与留存。你雇的是在另一种职业里干了十年的人。其中一些人会怀念过去。
  • 管理问题。一位前合伙人不会像毕业两年的解决方案工程师那样接受指令。这也正是他们有价值的原因。

我们大多数人都需要前沿部署工程师，却没有这样的人

购买 Harvey 时，你得到的不仅是软件，还有一位在该领域深耕十年的人。很少有 AI Agent 公司能为每个客户配备一位领域专家。

你的客户会信任谁来重新设计他们的工作流程？这个人是你的员工，还是客户的员工？如果你指望客户提供这个人，那么你的采用率就取决于客户恰好指派了谁。而 Harvey 自己为这个人买单，付出了 180 倍的代价。