FDE Times 数据在招 FDE 职位 882▼2 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 52在招公司 185支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 98
ENVI

前线部署工程师(FDE)的专业媒体

分析

Klarna 重回人工客服,暴露了厂商 AI 清单没说的事

经得起真实用户考验的用例,要么有人为结果签字,要么有每天可核查的指标。

分享微博

要点速览

  • 2024 年 2 月,Klarna 称其 AI 助手已处理三分之二的客服对话;到 2025 年 5 月,其 CEO 却表示未来在于人工服务的质量。
  • 描述最清楚的 RAG 用例范围都很窄:带来源的内部问答、交由专家审核的合规问卷草稿、供律师使用的判例检索。
  • 对前线部署工程师(FDE)来说,难点在于设计数据源、引用、人工转接和指标,选模型反而是最容易的部分。
三栏 AI 用例。第一栏为人工签字:带引用的内部问答、合规问卷起草、判例和法条检索,错误答案在发出前就被拦下。第二栏为每日指标:商品推荐,不佳的推荐通常只会被用户略过,用点击、购买、观看等行为衡量。第三栏突出显示,两者皆无:智能体独自回答所有投诉、没有转人工通道;Klarna 2024 年 2 月 AI 首月处理 230 万次对话,2025 年 5 月重新招聘人工客服。下方提示:问客户现在由谁为答案签字,以及将如何检查机器。
有人为结果签字、或有可每日跟踪指标的 AI 用例更容易把控。两者都没有的用例,正是项目容易掉头的地方,Klarna 就是一例。

2024 年 2 月,Klarna 宣布其基于 OpenAI 构建的 AI 助手上线首月处理了 230 万次对话,占公司客服对话的三分之二。十五个月后,同一家公司的 CEO 表示,投入人工服务的质量才是前进方向。

这两种说法并不矛盾。它们揭示了一个在企业中部署 AI 的人迟早会遇到的规律:演示看的是自动化了多少工作,而长期运行的系统看的是机器出错时由谁来纠正。

如果想转型做前线部署工程师(FDE),这是最有价值的一课。客户会带着从厂商博客上抄来的用例清单找上门。你的工作是指出哪些用例背后有运营证据,以及每个用例需要什么,才不至于在真实用户到来时崩掉。

厂商清单很长,但不是每一项都有数字

用例盘点读多了,很容易得出 AI 已经渗透到各行各业的结论。Glean 按行业对检索增强生成(RAG)做了归类:客服用 RAG 调取产品信息和客户历史,给出个性化回复;法律领域则用它检索判例和法条,帮助律师做研究和起草文书。

Codica 列举了金融领域能识别异常和欺诈迹象的智能体。这些都说得通,但描述的是能力,而不是运营证据。

厂商博客能告诉你哪类问题可以着手解决,却不会告诉你错误答案的比例、用户是否信任系统,以及出了问题由谁负责。

所以读到一个用例时,先问五个问题:数据从哪里来;答案是否指明来源;结果到达最终用户前由谁审核;系统什么时候必须停下来转交给人;如果没人审核,那改为衡量什么。

对下面每个例子回答这五个问题,它们会自然分成几个清晰的类别。

有人读结果时,RAG 效果最好

theblue.ai 描述的两个用例值得细看,因为它们的结构都易于把控。第一个是内部问答:系统几秒内给出答案,并注明所依据的文档。

第二个是重复性的合规问卷或招标文件:RAG 根据政策和技术文档起草答案,再由专家审核批准。

两者的共同点在于,机器没有最终决定权。带引用的答案,读者可以自行核查;经专家审核的草稿,错误的句子会在发出前被发现。判例研究也是同样的模式:研究和起草仍由律师完成。

设想一个场景:一家 B2B 软件公司每季度收到约 40 份安全问卷,每份有几百个问题,其中大部分在不同问卷间重复。如果 RAG 能起草大部分答案,专家只需修改难题,节省的时间是实打实的,风险也仍掌握在懂业务的人手里。

能拿到预算批复的用例,正是这种形态。

Klarna 展示了客服智能体的长处与断点

根据公司自己公布的数据,客户对 AI 助手的满意度与人工客服持平,重复咨询下降了 25%,不过这些是公司自报数据,并非独立审计结果。

2025 年 5 月,Klarna CEO 的口风变了:据 Entrepreneur 报道,公司正在重新招聘客服人员,并承诺想与真人沟通的客户总能如愿。这里的教训不是 AI 失败了。它可以理解为一种转变:从把自动化当作目标的设计,转向把转交人工视为必备功能的设计。

设想一位客户咨询退款,但退款详情在支付系统里,投诉历史在工单系统里,机器人只看到了局部,于是自信满满地给出了错误答案。

正因如此,对 FDE 来说,客服项目的第一个问题是智能体能读取哪些系统,而不是选哪个模型。第二个问题是,智能体依靠什么信号判断自己信息不足、必须转交给人。

商品推荐是指标最清晰的 AI

关于推荐系统,Algolia 引用的数据显示,推荐贡献了电商收入的 31% 之多,并转述了 Netflix 80% 的观看内容来自推荐系统的说法。两者都是二手数据,出自一家销售搜索和推荐工具的厂商的文章,仅供参考。

更有启发的是这个问题在实践中如何运转。没有人逐条审核推荐,但一条糟糕的推荐通常只会让用户划过去,结果则通过行为来衡量:用户是否点击、购买或继续观看。系统能够全自动运行,靠的是这个反馈回路,而不是模型更聪明。

把三类用例放进一张表,会浮现出任何用例盘点都没有明说的规律。

用例 行业 所需数据 谁来签字 现有证据
带引用的内部问答 各行业 内部文档 提问者核对来源 厂商描述
起草合规问卷、标书 B2B 政策、技术文档 专家审核 厂商描述
判例和法条研究 法律 判例、法规 律师 厂商描述
客服智能体 金融科技、零售 产品、客户历史、多个系统 智能体,必要时转交人工 Klarna 自报,2025 年做出调整
异常和欺诈检测 金融 交易 须逐案设计 仍只是能力清单
商品推荐 电商、流媒体 用户行为 自动,按行为衡量 二手数据,可衡量

规律是:出错代价越高,越需要有人签字;没人签字的地方,就必须有每天衡量的指标。两者皆无的用例,比如独自回答所有投诉、没有转人工通道的智能体,正是项目最可能被迫掉头的地方。

FDE 作品集要展示人工转接,而不是聊天机器人

如果准备转型 FDE 岗位,不要把作品集建立在一个“有问必答”的聊天机器人上。

用真实数据搭一个范围窄的 RAG 系统,比如公开的法律文本、某所大学的规章制度或某个开源项目的产品文档,要求每个答案都注明来源,然后公布自己测得的引用准确率。

简历上写一句“为低置信度答案设计了转人工流程,每周跟踪转接率”,远比“用 GPT 搭建了聊天机器人”有分量。

看岗位描述时,留意是否提到评测、人在回路(human-in-the-loop)或多源系统集成,这说明公司已经走过演示阶段,正在处理真实运营。

与客户第一次开工作会时,在提出任何方案之前先问:现在由谁为答案签字?他们将如何检查机器?这两个问题的答案,基本决定了第一个用例该做什么。

Klarna 的案例并不能证明客服智能体是个坏主意。它说明,即便 AI 已经在处理三分之二的对话,客户在需要时仍希望另一端有个真人。

这篇文章对你有帮助吗?

7 个信源
路线图上的下一篇 · 阶段 4: 客户工作多数 FDE 岗位,最多一半时间要待在客户现场Palantir 约 25%,Istari Digital 最高 50%;更难的问题是,你是否真正坐在客户身边工作过。