先说立场：这篇由一家做 FDE 方向职业培训的公司整理。我们的收入来自"有人愿意为 AI 落地付钱"，所以下面每条判断都得摆得出依据，摆不出来就直接认。
企业 AI 项目落不了地，多数情况不是模型不够强，是上线之后的那一段没人接。
这句话有出处，出处是 MIT Project NANDA 的《The GenAI Divide: State of AI in Business 2025》。它基于上百个项目、数十个组织的访谈和一批高管调查，结论是：95% 的企业生成式 AI 试点无可测量业务回报（P&L 层面）。措辞要照原报告的说法，是"没有可测量的回报"，不是"项目失败"——前者说的是没人证明过它带来过什么，后者说的是它坏了。
我们能核的东西有限：只有一批公开的一线复盘与吐槽，整理于 2026-09-24，素材是技术社区亲历帖、媒体采访和公开专栏里当事人自己的讲述，不是抽样调查——样本多大、有没有代表性，我们不知道。但并排读下来，失败模式会自己浮出来，而且排在前面的几条都不在模型上。
一、没人用
某制造集团做 AI 知识库，作者把过程写成了公开笔记。上线头一天，全集团几千号人里真正在用的少得可怜。他自己承认，一开始盯的是"检索准确率"。后来让它转起来的是三件不太技术的事：文档从几千份筛到几百份重新结构化、每周审一遍内容、把入口做进 ERP 和 OA。
另一份复盘写的是给新员工的培训助手。跑了三个月，提问量和满意度都挺好看，作者却列了三个纹丝不动的指标：上手时间没缩短、业务差错率没降、带教投入没少。问得最多的是 WiFi 密码、报销怎么走这类行政问题，碰到真正的业务判断还是找人。他那句总结是："有人用、答得对、真的有用，是三回事。"
两件事的共同点跟模型关系不大——入口没长在工作流里。人在 OA、在表格、在微信群里干活，AI 却在另一个网页上等着被点开。
二、没基线，成功就从来没被定义过
有一段在从业者中间反复流传的段子：老板宣布全员 AI 化、效率要大幅往上走，底下问一句"那现在是多少"，没人答得上来。原始出处我们没找到，只能当段子讲，但那后半句在真实项目里天天发生。
去掉段子味的真实版本更难看。一条高互动的技术社区吐槽说：项目成了，老板夸"AI 真牛"；黄了，老板说"你就是不会用 AI"。楼下有人回了一句，功劳给工具是虚的，锅给人是真的。这就是没留基线的代价：成功没有事先写成能判定的东西，归因就变成一场事后谈判。
一篇媒体采访整理的从业者口述里有两个更硬的样本：家装企业的老板从头到尾关心的都是"这东西上线后能少几个人"，团队三个月做出来的却多半是提升质量的活，钱照付，客户内部判了失败；教育集团那边提需求的是数字化部门，真正要用的是校长，那位校长自己几天就搓出一个简化版，比专业团队的全链路方案更合手。
这两例错在同一件事：指标没在开工前谈拢，真正要用的人没被问过。
三、上线之后没人接着管
签完验收单往后那几个月，是最容易被跳过去的一段，因为项目已经算完事了。
一位做 AI 交付的人讲过他的第一个客户，一家货代公司：东西做出来了，项目还是黄了，卡点不是效果，是"你们撤了以后谁维护"没有答案。另一条社区吐槽是它的镜像：凡沾 AI 的活全落到一个人头上，老同事用他又防着他，因为在他们眼里 AI 是裁员的信号。这种"只有他会"的状态有个名字叫巴士系数为一——人一走，系统就成了摆设。
反过来，前面那份知识库复盘里让它转起来的三件事，有两件是长期动作：每周审内容、入口嵌进业务系统。AI 系统跟传统软件不一样，换个模型、换批数据、换个问法，效果就会往下掉。它要的是一个人负责，而不是一个验收日期。
四、期望在立项那天就没有边界
有一类项目从第一天起就注定撞墙，因为给它的期限和效果许诺是拍出来的：一个月工期重构一套历史包袱很重的老系统，不要 QA，AI 生成的用例直接上生产。这类情节在不同公司的吐槽里高度雷同，差别只在老板的灵感从哪来——有人是被一段 ChatGPT 对话说服的，有人是在短视频平台上刷到的。
也有做对的样子。一篇 PMO 场景的复盘里，作者头一周什么都不做，搬把椅子坐在业务同事旁边看他们干活；发现风险台账几乎是空的，就先不做风险预警，改做几件能当场验证的小事；遇到抵触最强的那位资深 PM，请他来当数据质量的把关人。那篇的数字是作者自报的，我们没核过。
四条扎在一起看
入口不在工作流里、成功没定义、上线后没人管、期望没边界——四条里没有一条需要换个更强的模型来解决，每条都需要有一个人到场。
这段活现在有个名字叫 FDE，前沿部署工程师。名字不重要，重要的是边界画在哪：从"跑起来了"往后，一直到"有人真在用、能量出好了多少、坏了有人兜"。再往前归模型和算法工程师，中间这一段过去通常没人认领，于是成了那个 95% 的部分。
我们自己的边界也摊开说：我们做这个方向的培训，课能给的是地图、第一公里和第一件作品，教不出一个上来就能扛住这段的人——这段只能在真项目里长出来。这句话对我们自己的生意不利，但它是实话。
核不动的部分也说清楚：这些案例不是抽样调查，一篇吐槽背后就是一个人的经历；我们没逐处核验细节，也没找到那段效率口号的原始出处。判断后面都挂了具体场景，你拿它去搜原文，比信转述可靠。
数据来源
- "MIT Project NANDA《The GenAI Divide: State of AI in Business 2025》(2025-07,300+ 企业 AI 项目分析 + 52 组织访谈 + 153 高管调查):95% 的企业生成式 AI 试点无可测量业务回报(P&L 层面)"（出处：MIT Project NANDA 官方报告(PDF 镜像);媒体覆盖 Yahoo Finance 2025-08；采集 2026-08-24）
想知道你现在的岗位离 FDE 差哪几件事？把简历发到 实战营页面 上的咨询微信，免费领一份《简历分析与职业发展建议》。我们不承诺就业、不承诺薪资，文中薪资均为公开招聘信息口径。