前線部署工程

怎麼評選 FDE 前線部署工程供應商?一份可直接用的盡職調查(Due Diligence)清單

三份供應商簡報都很漂亮,卻沒有一頁寫出他們上線了幾個案子、上線後有多少人真的在用。這就是評選 FDE 前線部署工程供應商最大的盲點。與其看願景,不如逼供應商攤開「上線案例數」與「採用率數字」。這份可以直接照著問的盡職調查清單,幫你在簽約前攔下那些 Demo 很美、上線卻沒人用的專案。

작성자

Tenten AI FDE 團隊

前線部署工程

게시일

2026년 5월 20일

읽는 시간

6 分鐘

FDE供應商評選盡職調查企業AI導入採用率前線部署工程

上週有位金融業的技術長,把三家供應商的提案一次丟給我,問我該選哪一家。三份簡報都很體面,architecture 圖畫得比我們還講究,願景頁寫著「端到端 AI 轉型夥伴」。我翻到最後一頁,沒有一家寫出他們到底上線了幾個案子、上線之後有多少人真的天天在用。

這就是 FDE 供應商 評選最常見的陷阱:你以為在買一套會被員工用起來的系統,其實買的是一場簡報。

FDE(Forward-Deployed Engineering,前線部署工程)這個角色的重點,從來不是把模型接起來、Demo 跑得漂亮。它的重點是工程師進到你的現場,把 AI 一路扛到上線,而且扛到有人真的在用。所以評選的核心指標其實只有兩個:上線案例數,以及上線後的實際採用率。願景可以晚點談,數字要先攤開。

為什麼要盯「數字」,不是「願景」

Demo 環境裡,資料是乾淨的,問題是挑過的,流程是順的。生產環境不是。真實的知識庫有髒資料、有前後矛盾的文件、有沒人維護的 SharePoint。真實的使用者很忙,他們會用你的工具三天,然後默默回去用舊方法——只要你的東西慢個兩秒、或答錯一次讓他在主管面前丟臉。

我們接手過一個案子。前一手供應商交付的 AI 客服平台,Demo 那天全場點頭,合約簽得很快。我到現場量出來的實際使用率是 4%。系統沒壞,它只是為「一般客戶」設計,而這家公司偏偏哪裡都不一般。這種落差,願景簡報永遠不會告訴你,只有上線案例數和採用率會。

所以盡調的第一原則很簡單:任何供應商開始講願景,你就把他拉回數字。

FDE 供應商 評選:一份可以直接照著問的盡調清單

把下面這張表印出來,對每一家供應商逐題問過去。重點不在他們答得漂不漂亮,而在他們敢不敢給數字、給得出多細。

盡調問題你要追到的具體數字該閃的危險訊號
過去 12 個月,你們有幾個 FDE 案子真的上線?明確的案子數,能分產業、分規模「很多」「數十個」,卻講不出單一個情境
這些上線系統,90 天後的實際使用率是多少?週活躍使用者 ÷ 目標使用者的百分比只給「滿意度」「NPS」,避談使用率
有沒有案子失敗或被停用?為什麼?願意講一個真實的失敗與根因「我們沒有失敗過」
進場的是誰?工程師,還是帶簡報的 PM?具名工程師、實際 on-site 天數售前秀技術,交付換一批人
上線後誰負責採用率?怎麼衡量?明確的採用 KPI 與負責人「上線就結案」
從 kick-off 到第一個生產流程上線多久?以週計的中位數只給最順的那個最短案例
我們團隊接手後,還維護得動嗎?交接文件、內部訓練紀錄整套邏輯綁死在供應商身上

怎麼讀他們的答案

一個好的 FDE 供應商,聽到「上線後 90 天的使用率」這種問題時不會慌。他們會反問你:你們的目標使用者是誰、現在的基準流程長什麼樣、要拿什麼當成功標準。因為他們真的做過,知道採用率是被設計出來的,不是上線後自然發生的。

反過來,如果對方一被追問數字就開始講技術棧、講模型多先進、講他們拿到哪張合作夥伴認證,那就是訊號:他們賣的是能力的「感覺」,不是上線的「結果」。技術棧誰都能背,採用率騙不了人。

還有一個容易被略過的問題:進場的到底是誰。很多供應商售前派最強的架構師來壓場,合約一簽就換一批剛畢業的新人交付。你要問到具名、問到實際 on-site 天數。FDE 的價值就在「人在現場」,人一換,價值就漏光了。

別讓話術蓋過這三件事

第一,「我們服務過很多大客戶」不等於「這些系統還在被用」。導入過和用起來是兩件事,一定要拆開問。

第二,「滿意度 95%」不等於採用率。滿意度是問卷,採用率是後台日誌;前者可以美化,後者不會說謊。

第三,「上線」的定義要先對齊。有人把「進了 UAT 測試環境」叫上線,有人把「真實業務流程天天在跑」叫上線。差一個定義,差一整個專案。

在 Tenten,我們自己被客戶這樣盡調時,最歡迎的就是這類問題。我們寧可先攤開某個案子上線後花了多久才把採用率拉起來、中間卡在哪裡,也不想多放一頁願景。因為我們相信一件事:Demo 很美不算數,上線而且有人在用,才算數。

AI 워크플로를,
당신의 업무 안으로

FDE·FDM으로 팀에 상주하며 현업이 매일 운영하는 AI 에이전트와 워크플로를 구축합니다. 분기가 아닌 몇 주 만에 가동.