KeyFrame內部研究專用

AI tools for Forward Deployed Engineering — Vasuman Moza, Varick Agents

AI Engineer20 min英文
觀看原始影片

三句話摘要

前沿部署工程師如何通過 AI 代理實現企業部門級轉型 下一代 AI 部署的真正瓶頸不是機器的執行力,而是理解業務和圍繞 AI 重新設計流程的能力——通過 FDE Agent 等工具,可讓少數頂尖工程師以可擴展的方式完成這項工作。 執行力不再是瓶頸,認知能力成為新限制。AI 模型已能完成端到端任務,但每家企業的業務流程差異巨大。前沿部署工程師必須深入理解客戶特定的運作方式,而非應用通用 AI 工具。

重點整理

  1. 執行力不再是瓶頸,認知能力成為新限制。AI 模型已能完成端到端任務,但每家企業的業務流程差異巨大。前沿部署工程師必須深入理解客戶特定的運作方式,而非應用通用 AI 工具。

  2. 流程重新設計決定投資回報率。生硬將 AI 套用於已有缺陷的流程是失敗根本原因。需評估每個步驟哪些自動化、哪些需人工干預,在保持用戶習慣的前提下實現真正價值。

  3. 基於現有系統構建代理,而非要求遷移。企業已投入巨資(如五百萬美元五年)在現有系統,不會為 AI 推翻基礎架構。在 Salesforce、NetSuite 等系統之上構建,是 AI 最有用武之地。

  4. 工程師缺口需 AI 助手彌補。兼具頂尖技術和優秀溝通能力的 FDE 人才稀缺,FDE Agent 充當他們的助手,管理客戶互動、整理資訊、自動執行流程更新,讓少數工程師高效服務多客戶。

實用技巧與重點

  • 統計數據:
  • MIT 研究:95% 的生成式 AI 試點未能投入生產
  • 87% 的 AI 試點未產生可衡量投資回報率
  • 真實案例:某客戶耗資五百萬美元及五年時間遷移至 NetSuite
  • 工具與平台:
  • Claude、Cursor、Codex、Factory
  • Salesforce、NetSuite、Dynamics、SAP
  • Varick OS(內建治理與評估套件)
  • 技術細節:
  • 改善前:上傳 150 頁文檔到 Claude,等待 2 分鐘,得冗長且錯誤結果
  • FDE Agent 三階段:互動(客戶交互助手)、驗證(流程設計檢查)、自主(自動執行流程更新)
  • 投資回報率對比:
  • 局部解決方案(如僅優化銷售拓展或應付賬款):5-10%
  • 部門級轉型:25-50-75%

結論

下一代 AI 部署的真正瓶頸不是機器的執行力,而是理解業務和圍繞 AI 重新設計流程的能力——通過 FDE Agent 等工具,可讓少數頂尖工程師以可擴展的方式完成這項工作。

完整解析

當前的 AI 浪潮創造了全新的瓶頸。雖然模型和工具已能出色完成端到端任務,但真正的挑戰在於:如何在不增加人員的情況下,深入理解每個客戶的獨特業務需求?這正是 Varick Agents 的核心工作所在。

目前大多數企業運營仍以人為中心,但未來應以 AI 為中心。這種轉變需要前沿部署工程師完成三項關鍵任務。首先是理解客戶現狀。看似簡單的「應付賬款流程」實則包含多層細節:常規情況由 Sarah 處理,但異常情況需轉給 Chris,而 Chris 需要四天才能核對採購訂單和發票。這種現實在每家公司都不同,文檔記錄永遠無法完整捕捉。其次是圍繞 AI 重新設計流程。許多 AI 項目失敗的根本原因是生硬套用於已經有缺陷的流程——MIT 研究顯示 95% 的試點未能投入生產,87% 未產生可衡量投資回報率。重新設計需評估每個步驟:四個步驟完全自動化、三個步驟需人工干預、一個步驟完全由人處理(因風險過高或價值不足)。新流程必須足夠創新以創造真實價值,但不能太陌生以至於用戶無法適應。

第三是整合到現有系統。大多數企業已在 NetSuite、Salesforce、Dynamics 或 SAP 投入巨資(某客戶花了五百萬美元和五年)。要求他們遷移到新系統無異於自我否定。Varick 的哲學是在客戶現有系統之上構建代理,其 Varick OS 平台內建治理和評估套件,確保不改變企業基礎設施。

為解決 FDE 團隊的可擴展性問題,Varick 開發了 FDE Agent。曾經,工程師需手動上傳 150 頁文檔到 Claude,等待二分鐘,得到冗長且錯誤的結果。現在 FDE Agent 分三階段運作:互動階段作為助手幫助整理客戶信息,驗證階段確保設計的流程正確反映業務邏輯,自主階段能自動執行客戶請求(如郵件變更),無需人工介入。這讓少數工程師能服務多個客戶,避免了傳統咨詢公司的人員指數增長,同時保持面對面咨詢的價值。

通過部門級而非局部轉型,Varick 實現了 25-50-75% 的投資回報率,遠高於僅優化單一流程的 5-10%。真正的價值來自整體重新想象一個部門的運作方式,這需要深入理解、巧妙重新設計和可靠平台的完美結合。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。