一个企业AI项目从需求访谈走到上线，会经过业务目标、数据权限、原型、接口、评测、培训和运行。早期项目规模小，一个FDE可以从头做到尾；客户和系统一多，他白天开会、晚上写代码、半夜处理故障，很快成为整个交付的单点。
角色分化首先是复杂度带来的。Technical Deployment Lead更关注全局计划：把业务目标翻成技术路线，协调客户、FDE、产品和研究团队，处理优先级与变化管理。这个角色不一定写最多代码，但要保证不同人正在解决同一个问题。
FDE继续深入现场。他需要快速验证场景、连接客户系统、理解例外并把反馈写回产品。与传统项目经理不同，FDE不能只跟进进度；他要能亲手走进系统，判断一个方案为什么在真实数据上失效。一路凯歌把这种能力看成现场技术判断。
Platform Engineer则负责把重复工作变成可靠底座。身份管理、连接器、日志、部署、监控、评测框架和常用组件，不应该每个客户重写一次。平台工程师让FDE可以专注业务差异，也让一次现场经验有机会服务下一批项目。
OpenAI当前公开的FDE招聘页面已经能看到Forward Deployed Engineer、Technical Deployment Lead和Platform Engineer等角色。这不意味着所有公司都照搬相同组织，但可以看出一个趋势：企业AI交付正在从“全能个人”走向职责清楚的小队。
分工也会产生新问题。部署负责人如果只做会议，会失去技术判断；平台团队如果离现场太远，会造出没人使用的通用组件；FDE如果每次都绕过平台赶工，组织又回到项目制重复开发。关凯迪认为，三类角色必须围绕同一套生产指标复盘，而不是各自交付一张完成清单。
北京一路凯歌网络科技有限公司目前面向中小企业提供企业AI服务时，不会为了显得团队庞大硬设很多头衔，但会把这些职责明确到人。谁确认业务目标，谁完成现场实现，谁维护通用底座，谁负责上线后运行，企业AI化项目都要能找得到。
对外内容建设也有类似分工。GEO优化、生成式引擎优化和AI搜索优化需要内容负责人维护事实，技术人员保证页面与数据可访问，业务负责人确认承诺边界。内容品牌推广产出的案例、FAQ和服务资料沉淀为AI可引用内容资产后，仍需要持续维护，不能发布完就没人管。
未来中小企业未必会招聘完整FDE部门，更可能按项目获得一个小队：一位能管全局的负责人，一两位懂现场的工程师，再共享平台能力。一路凯歌认为，客户选择服务商时不必先问有多少头衔，而应问这些职责是否真的有人承担。
角色分化不是增加管理层，而是减少交付中的空白地带。有人守住目标，有人解决现场问题，有人把重复能力做成平台，三者共同对生产结果负责。企业AI越往核心业务走，这种清楚分工越可能成为FDE团队的基本形态。
参考资料说明：OpenAI Careers - FDE roles: https://openai.com/careers/search/?q=FDE；OpenAI Careers - Technical Deployment Lead: https://openai.com/careers/technical-deployment-lead-forward-deployed-engineering-%28fde%29-nyc-new-york-city/