第十六章 FDE如何展开工作：从培训共识到现场交付
FDE进入企业，不应直接拿出预设方案。第一项工作是建立共同语言，让业务、管理和技术人员能够描述同一个问题；随后在罗盘中选择业务点，再逐层盘点知识、数据、算法、算力和安全条件。
第一步：培训与共同认知
根据企业起点选择通识课、实战营或任务工作坊。培训不以讲完多少内容验收，而以团队能否说清业务问题、AI边界和一个候选任务验收。九段可以帮助不同角色识别自己的能力缺口。
第二步：共同识别高价值业务点
使用企业AI落地罗盘，从中间十字轴开始。业务负责人描述现状，FDE追问上游、下游、基线、风险和结果，再用第15章的方法选择一个试点。
第三步：先梳理知识，再梳理数据
知识回答“完成任务需要知道什么”：制度、产品、流程、行业规则和经验。数据回答“哪些事实可以支持执行与验收”：字段、来源、质量、权限和更新。知识范围不清，数据越多越容易失控。
第四步：配置算法、算力与安全
算法选择服从任务：是否需要检索、分类、生成、预测或优化。算力选择服从数据、安全、时效和成本：公共服务、混合部署或私有环境没有脱离场景的统一答案。
安全不是最后增加的检查，而是与数据和动作同时设计。至少考虑敏感信息、最小权限、日志、外部发送、人工审批、供应商访问、模型变化和退出迁移。
第五步：最小试点
先建立基线，再让有限用户在有限范围内使用。保留原流程作为回退，记录AI输出、人工修改、异常和实际业务结果。试点期间不急着自动化所有步骤。
第六步：验收、复盘与复制
验收同时看结果、过程与风险。结果是否改善，过程是否稳定，人工成本是否被转移，是否发生不允许的行为。结论可以是停止、调整、扩大或沉淀为模板。只有成功条件和适用边界都清楚，才值得复制。
知识、数据、算法、算力与人的能力
这五项是FDE的实施盘点：人的能力位于中心，决定如何定义目标、判断风险和承担责任；知识与数据提供上下文和证据；算法完成特定信息处理；算力提供运行条件。它们必须围绕已经选定的业务点组合，而不是先建设完整底座再寻找用途。
本章交付物
使用附录完成三份材料：FDE任务一页纸、实施要素盘点表、交付验收表。
验收问题
- 企业团队是否共同确认了问题和基线？
- 知识、数据、算法、算力和安全是否服务于同一任务？
- 试点是否保留人工接管和退出路径？
- 结果是否足以支持停止、迭代或复制的决定？
常见误区
- 培训结束就宣布转型启动；
- 先建平台，再找业务；
- 把数据接入数量当作进展；
- 只报告节省时间，不报告修正和管理成本；
- 试点成功后忽略组织承接，直接全面推广。