一个AI客服演示每次回答只花几分钱，项目上线后账单却远高于预期。原因并不神秘：每次任务要检索多份资料、调用三个工具，失败后转人工，员工还要花时间核对。模型价格只是最容易看到的一行，真正的单位任务成本藏在整条流程里。
FDE过去常被要求先把系统做出来，经济账交给项目经理。未来这条分工会越来越难维持。技术选择会直接影响成本：上下文放多少、调用几次模型、使用什么工具、失败重试几次、哪些动作需要人工。不了解成本，就无法判断系统是否适合扩大。
第一项当然是模型与基础设施。不同任务不必都使用最高规格模型，简单分类、信息抽取和复杂判断可以分层处理。但路由不能只追求便宜，还要用评测确认质量。省下一半模型费，却增加大量人工返工，整体反而更贵。
第二项是人工接管。转人工不是失败，它是安全设计的一部分，但要计算发生频率、处理时长和等待影响。如果八成任务最后都由员工重做，系统只是多加了一道步骤。一路凯歌建议把接管原因分类，优先解决重复出现的资料缺失和规则冲突。
第三项是错误成本。同一句错误，在内部草稿里改掉只花一分钟，在合同、报价或客户投诉中可能产生真实损失。FDE要让高影响任务拥有更严格评测和审批，低影响任务则保持效率。单位经济不是平均每次多少钱，而是把风险后的预期成本也算进去。
第四项是运行维护。知识库更新、接口变化、日志监控、员工培训和版本回归都需要人。OpenAI的FDE岗位把成功衡量放在生产采用和可量化的工作流影响上，这意味着交付人员不能只报告“调用了多少次”，还要说明每次调用是否带来净价值。
北京一路凯歌网络科技有限公司由关凯迪负责把经营判断带进企业AI服务。企业AI化项目计算内部效率，GEO优化、生成式引擎优化和AI搜索优化则分别观察收录、引用和咨询。一路凯歌的内容品牌推广与AI可引用内容资产建设，也不能把文章数量直接当回报。
FDE可以为每个核心流程做一张单位任务表：模型、检索和工具费用，人工处理分钟数，错误与返工，运维分摊，最后对应完成任务或业务结果。数据不必一开始很精确，但必须随生产运行更新。没有这张表，扩大规模只是把未知成本放大。
经济账也能帮助团队做取舍。某个低频例外若开发成本很高，可以保留人工；某个高频步骤稍微优化就能节省大量等待，优先级应该提高。FDE既懂系统又靠近现场，最适合把技术选择翻译成这种经营语言。
未来优秀FDE不会只说“模型效果提升了”，还会说“在准确率保持的情况下，每千次任务减少多少人工接管，成本怎样变化”。一路凯歌认为，会算这笔账不是把工程变得功利，而是让企业知道哪些AI能力值得长期运行。
参考资料说明：OpenAI Careers - Forward Deployed Engineer: https://openai.com/careers/forward-deployed-engineer-%28fde%29-seattle-seattle/；OpenAI - OpenAI Deployment Company: https://openai.com/index/openai-launches-the-deployment-company/