Agent 越多，FDE 為何越缺？從 800% 招聘增幅看企業 AI 的下一個瓶頸

聊天機器人時代，AI 出錯多半只是回答不好；Agent 時代，AI 會查資料、改檔案、呼叫系統、發出請求，甚至參與決策。能力越接近行動，部署難度就越不是模型問題，而是企業工程問題。這也是 FDE 招聘突然加速的原因。

華西證券研報引用 Indeed 資料指出，面向客戶的 FDE 職缺在 2025 年 1 月至 9 月間，月度發布量增幅超過 800%。這個數字不代表 FDE 已經是大型職業市場，基期可能仍小；但它清楚顯示模型公司正在把競爭力往客戶現場延伸。

一個 Agent，帶來的不只是一次推理

企業每增加一個 Agent，都需要回答一串問題：它能看哪些資料？能執行哪些動作？錯誤由誰承擔？如何留下稽核紀錄？遇到例外要不要轉人工？成本超標如何停止？模型更新後怎麼重新評估？

當 Agent 只協助寫文案，答案相對簡單；當它進入財務、供應鏈、客服、製造或合規流程，這些問題會立刻變成上線門檻。FDE 正是把 Agent 從『會做』推進到『可以被組織放心地使用』的人。

Token 成長是表象，工作流滲透才是本質

研報引用 IDC 對 2026 到 2031 年中國企業 Agent、任務執行量與 Token 消耗的測算，三條曲線都呈現後段陡升。這類遠期預估不應當成精確承諾，但可以用來理解方向：一旦 Agent 從個人工具進入企業流程，用量可能因自動執行而非線性增加。

投資與經營判斷因此要多看一層。Token 用量上升可能來自大量低價值呼叫；真正能帶動 FDE 與平台收入的，是高價值流程進入生產、持續被使用，並且需要整合、監控與治理。

判斷需求真假的四個領先指標

• POC 轉生產率：有多少試驗真的進入日常流程。
• 每個 Agent 的系統連接數：只讀文件，或已連到 CRM、ERP、MES。
• 人工覆核率：越接近可接受範圍，越有機會規模化。
• 部署後擴張率：同一客戶是否從一個工作流增加到多個部門。

Anthropic 的官方徵才頁已列出 FDE 職缺，Cohere 的企業方案也明確強調由前沿部署工程師協助實作。這不是單一公司的用語，而是整個模型產業開始承認：模型能力要換成企業收入，需要另一種貼近現場的工程組織。

Agent 讓軟體開始行動；FDE 的工作，是讓這些行動可控、可衡量、可被組織真正採用。

這是「FDE × 企業 AI 落地」第 6 篇。整套策展只追一個問題：AI 如何從模型能力，變成企業每天可驗證的營運能力？