Nach dem großen Boom von FDE ist die Restzahlung das Erste, was ins Stocken gerät.

Mehrere Monate sind vergangen, die KI wurde integriert und das System läuft, aber das Projekt ist noch nicht wirklich abgeschlossen.

FDE modifiziert nach wie vor Details wiederholt beim Kunden vor Ort und kooperiert bei der Abnahme. Die Kosten für Vor-Ort-Einsätze und Reisen müssen vollständig selbst getragen werden; wenn der Kunde sagt „Ändern Sie das hier noch einmal“ oder „Das Ergebnis dort entspricht noch nicht den Erwartungen“, muss die Abnahme weiter verschoben werden. Jeden Tag werden Kosten investiert, aber man weiß nicht, wann die Restzahlung eingeht. Viele Menschen, die gerade erst angefangen haben, selbstständig als FDE zu arbeiten, stellen am Ende fest, dass nach der tatsächlichen Berechnung eines Projekts der Gewinn kaum noch übrig ist.

Trotzdem müssen sie weiter nach dem nächsten Projekt suchen.

Denn FDE ist im Wesentlichen ein Geschäft mit hohem Dienstleistungsanteil. Von der ersten Kommunikation mit dem Kunden über die Strukturierung der Geschäftsprozesse, die Gestaltung von Lösungen und die Durchführung von POC bis hin zur Lieferung und Abnahme wird die meiste Zeit oft nicht für die Entwicklung aufgewendet, sondern dafür, das Unternehmen bei der schrittweisen Implementierung der KI zu begleiten. Je länger der Projektzyklus ist, desto größer ist der Druck, den FDE aushalten muss.

Aber genau diese Stelle, die als „schmutzig und anstrengend“ gilt, ist plötzlich sehr populär geworden.

In den letzten Monaten haben sowohl große Internetunternehmen als auch Anbieter von großen Modellen begonnen, FDE in großem Umfang einzustellen. Die Einstellungsanforderungen sind im Wesentlichen gleich: Man muss KI verstehen, technisch versiert sein, gut mit Kunden kommunizieren und Geschäftsprozesse begreifen können, außerdem über eine hohe Belastbarkeit verfügen. Einige Unternehmen verlangen Erfahrung in der Projektlieferung, andere haben die Einstellungshürden bereits auf Hochschulabsolventen gesenkt, und das angebotene Jahresgehalt liegt im Allgemeinen zwischen 400.000 und 800.000 Yuan.

Auf der einen Seite heizt sich der Einstellungsmarkt stetig auf, auf der anderen Seite sind die Gewinne in realen Projekten gering, die Kundengewinnung schwierig und der Geldeingang langsam. Einerseits wird FDE von Kapitalgebern und Unternehmen begeistert aufgenommen, andererseits steht es in der Realität vor den direktesten geschäftlichen Prüfungen. Ist FDE nun Software-Outsourcing im KI-Zeitalter, Beratungsdienstleistung oder eine völlig neue Rolle?

Derselbe Name erhält bei verschiedenen Menschen unterschiedliche Antworten.

Chen Hong: Um die Reisekosten für Vor-Ort-Einsätze zu sparen, muss das Projekt so schnell wie möglich abgeschlossen werden

Ich habe kürzlich angefangen, als FDE zu arbeiten, aber ich nehme nicht jedes Projekt an, sondern konzentriere mich ausschließlich auf die Finanzbranche.

Derzeit treibe ich gleichzeitig die KI-Umgestaltung mehrerer VC- und PE-Institutionen voran, die sich im Grunde alle noch in der POC-Phase befinden. Von der Beratung und Lösungsgestaltung über die POC-Validierung bis hin zur anschließenden Optimierung und offiziellen Lieferung wird der gesamte Prozess noch schrittweise erkundet.

Ich dachte ursprünglich, dass ich in der Anfangsphase auf viele Schwierigkeiten stoßen würde, aber unerwartet verlief die Projektförderung reibungsloser als gedacht.

Von Anfang an haben wir Kontakt zu den Personen im Unternehmen aufgenommen, die wirklich die Entscheidungen treffen können. Ob die Organisation KI einführen soll, welche Prozesse sich lohnen zu ändern und wofür das Budget eingesetzt wird – das können nur echte Entscheidungsträger beantworten. Mit dem Chef zu verhandeln ist viel effizienter als Informationen schichtweise nach oben weiterzugeben, und es vermeidet viele sinnlose Kommunikationskosten. FDE erstellt keine kleinen Tools für eine einzelne Abteilung, sondern gestaltet die gesamte Organisation um. Wenn die Richtung nicht festgelegt werden kann, lässt sich selbst die beste Technologie kaum wirklich umsetzen.

Für mich selbst ist die Tätigkeit als FDE streng genommen kein echter beruflicher Wechsel.

Früher habe ich ständig meinen Standort in Singapur gehabt und als LLM-Ingenieur bei einem großen Internetunternehmen an Themen im Zusammenhang mit Agent Memory gearbeitet. Das ist an sich ein B2B-orientierter, kundenspezifischer Dienst, der ständiges Verstehen der Kunden, Gestalten von Lösungen erfordert und einen gewissen Beratungscharakter hat. Heutzutage als FDE zu arbeiten bedeutet im Wesentlichen nur, das, was ich bereits getan habe, weiter voranzubringen.

Es handelt sich also weniger um einen beruflichen Wechsel als vielmehr um eine Veränderung der Dienstleistungsform. Früher habe ich mich mehr mit Technologie befasst, heute stehe ich Unternehmen gegenüber. Natürlich muss ich weiterhin Code schreiben, aber der Schwerpunkt liegt mehr darauf, Kunden zu verstehen, Anforderungen zu kommunizieren, Lösungen zu gestalten und diese Anforderungen dann tatsächlich in die technische Umsetzung zu überführen.

Deshalb erscheint mir FDE eher als eine neue Rolle, die aus der Kombination von Beratung und Softwarelieferung besteht.

Wenn der Kunde bereits weiß, was er will und nur ein Team sucht, das es entwickelt, ähnelt das eher dem traditionellen Software-Outsourcing. Echtes FDE findet oft in einem anderen Szenario statt: Das Unternehmen weiß, dass KI wichtig ist und dass sie möglicherweise Wert schaffen kann, aber es weiß nicht, wo es den ersten Schritt machen soll, und noch weniger, welche Bereiche sich wirklich lohnen zu ändern.

Daher beginnt meine Arbeit oft mit Gesprächen mit dem Unternehmen.

In der Anfangsphase der Kommunikation höre ich hauptsächlich zu. Ich höre mir vom Chef die Geschäftstätigkeit schildern, von den Mitarbeitern, wie sie täglich arbeiten, und gehe dann mit ihnen gemeinsam die Prozesse durch, um zu sehen, wie eine Anforderung tatsächlich entsteht, wie sie weitergegeben wird und wo sie stecken bleibt.

Oft stellt das Unternehmen eine Reihe von Anforderungen auf, und FDE muss beurteilen können, welche Anforderungen sich lohnen umzusetzen und welche auch nach der Umsetzung keinen Wert haben.

Genau hier liegt die eigentliche Schwierigkeit.

Für diese Beurteilung gibt es keine Abkürzung. Man muss ständig Projekte durchführen, Branchenerfahrung sammeln und allmählich Verständnis und Vorhersagevermögen für die Branche entwickeln. Beratungsunternehmen sind unter anderem deshalb wertvoll, weil sie genügend Fälle gesehen haben. Und FDE braucht genau diese Art von Akkumulation.

Ein typisches Beispiel: Viele Unternehmen verfügen über ein CRM-System, und die Chefs zwingen die Mitarbeiter, es auszufüllen, aber Vertriebsmitarbeiter sind von Natur aus unwillig, das CRM auszufüllen. Im Wesentlichen handelt es sich hierbei um einen Konflikt zwischen Managern und Mitarbeitern.

Um dieses Problem zu lösen, ist die erste Reaktion vieler Menschen, eine KI in das CRM einzufügen. Aber der entscheidende Punkt ist nicht das „Hinzufügen der KI“, sondern wie man Vertriebsmitarbeiter dazu bringt, freiwillig Daten einzugeben.

Wenn der Agent im CRM den Vertriebsmitarbeitern direkt helfen kann, die Abschlussrate zu erhöhen und mehr Provisionen zu erhalten, sind sie natürlich bereit, die Daten zu pflegen; der Chef muss die Mitarbeiter nicht mehr durch Regeln zwingen, das System auszufüllen, und die Datenressourcen des Unternehmens werden stattdessen immer vollständiger.

Das Ergebnis ist nicht nur ein Effizienzsteigerungstool, sondern eine Veränderung der Funktionsweise der gesamten Organisation.

Solche Anforderungen sind sich das Unternehmen selbst oft nicht bewusst. Der Chef sieht ein Managementproblem, die Mitarbeiter eine zusätzliche Arbeitsbelastung. Die beiden Seiten tatsächlich miteinander zu verbinden, ist das Schwierigste und zugleich Wertvollste an FDE.

Aus diesem Grund werden fast alle unsere Projekte kundenspezifisch vorangetrieben. Beratung, Lösungsgestaltung, POC, Optimierung und Abnahme – die Prozesse sind bei jedem Unternehmen ähnlich, aber die tatsächlich gelieferten Inhalte sind nie vollständig identisch.

Die Mitglieder unseres Teams sind fast alle Ingenieure ohne umfangreiche Verkaufserfahrung. Von der Verkaufsarbeit über die Lösungsgestaltung bis hin zur Lieferung sind wir noch dabei, alles schrittweise zu optimieren. Wie man kundenspezifische Fähigkeiten allmählich zu wiederverwendbaren standardisierten Methoden verdichten kann, ist etwas, über das wir in letzter Zeit ständig nachdenken.

Deshalb haben wir von Anfang an beschlossen, uns auf eine bestimmte Branche zu konzentrieren, statt jedes beliebige Projekt anzunehmen. Je spezialisierter die Branche ist, desto leichter lassen sich Methoden entwickeln, die wirklich zu dieser Branche gehören. Wenn man heute im Finanzwesen, morgen im verarbeitenden Gewerbe und übermorgen im Einzelnen tätig ist, lässt sich kaum ein eigener Wettbewerbsvorteil aufbauen.

Schließlich sind die Organisationsweisen jeder Branche völlig unterschiedlich. Ohne Kenntnis einer Branche ist es schwer zu beurteilen, welche Anforderungen echte Bedürfnisse sind; ohne Branchenerfahrung ist es schwer, ausreichend genaue Vorhersagen für die Zukunft zu treffen.

Derzeit betreuen wir hauptsächlich inländische Kunden. Einerseits kennen wir die Geschäftsumgebung und die Marktmerkmale inländischer Unternehmen besser; andererseits wächst die Nachfrage nach KI-Umgestaltung bei inländischen Unternehmen tatsächlich schnell. Wenn man viel damit zu tun hat, merkt man allmählich ein interessantes Phänomen: Das in China diskutierte Konzept von FDE ist nicht dasselbe wie FDE im Kontext des Silicon Valley.

Die großen Modellunternehmen im Silicon Valley betreuen meist große Unternehmen, ein einzelnes Projekt kann mehrere zehn Millionen US-Dollar wert sein, und die Anforderungen an FDE sind natürlich viel höher. In China hingegen richten sich die Angebote derzeit hauptsächlich an kleine und mittlere Unternehmen, insbesondere aus traditionellen Branchen. Sie verfügen nicht über genügend KI-Ingenieure und können es sich kaum leisten, langfristig ein technisches Team mit hohen Kosten zu unterhalten. Im Vergleich zum selbst aufgebauten Team ist ein externer FDE kostengünstiger und flexibler. Deshalb verstehen viele Menschen FDE eher als Softwarelieferung, ergänzt um eine zusätzliche KI-Beratung.

Außerdem gibt es auf dem chinesischen Markt ein realistisches Problem: Die Restzahlung vieler Projekte lässt sich nicht einziehen. Kosten für Vor-Ort-Einsätze und Reisen müssen selbst getragen werden. Jeder Tag, an dem sich das Projekt verzögert, verursacht zusätzliche Kosten. Für FDE geht es also nicht nur darum, das Projekt gut zu machen, sondern vor allem darum, es so schnell wie möglich abzuschließen – die Entwicklungseffizienz wird immer wichtiger.

Alles, was sich zu Standardfähigkeiten verdichten lässt, wird so weit wie möglich standardisiert. Für Teile, die unbedingt kundenspezifisch entwickelt werden müssen, nutzt man KI-Coding, um sie schnell abzuschließen. Nur wenn der Lieferzyklus ständig verkürzt wird, kann das gesamte Modell wirklich funktionieren.

In sozialen Medien fragen viele Menschen, ob jetzt der beste Zeitpunkt ist, um zu FDE zu wechseln.

Tatsächlich kann man deutlich sehen, dass zwei Gruppen von Menschen in diesen Bereich einströmen: Berater beginnen, Technik zu lernen, Ingenieure beginnen, Beratungswissen zu erwerben. Die Menschen, die der Markt in Zukunft wirklich braucht, werden wahrscheinlich keine reinen Programmierer oder reinen Berater sein, sondern Personen, die die Branche, die Organisation und die Kunden verstehen und die KI tatsächlich in die Geschäftsprozesse einbinden können.

Ob FDE in Zukunft dauerhaft bestehen wird, halte ich nicht für so wichtig. Es wird sich schließlich immer mehr zu einem Beratungsunternehmen im KI-Zeitalter entwickeln, oder zu einer neuen Form, die aus der fortwährenden Verschmelzung von Beratungsunternehmen und SaaS-Diensten entsteht.

Athena: Die meiste Energie wird nach wie vor in die Kundengewinnung gesteckt

Ich habe derzeit meinen Standort in Japan und habe mit Partnern aus der ganzen Welt ein globales FDE-Team aufgebaut.

Nach meinem Umzug nach Japan war eine der eindrucksvollsten Lieferungen für ein grenzüberschreitendes Handelsunternehmen in Osaka.

Sie vertreiben eine große Anzahl von Spielzeug-SKUs und müssen zu jeder Jahreszeit die Beschaffung und den Lagerbestand auf Grundlage der Verkaufsdaten der Vorjahre planen. Die Daten waren immer vorhanden, das lokale SaaS-System wird seit vielen Jahren verwendet, aber die Entscheidung, wann nachbestellt werden soll, hängt nach wie vor von der Erfahrung mehrerer langjähriger Mitarbeiter ab. Täglich verschiedene Systeme öffnen, um Daten abzufragen, Statistiken zu erstellen und diese auszuwerten, ist zu einem festen Prozess geworden.

Anfangs habe ich überlegt, für das Unternehmen ein völlig neues System zu entwerfen.

Aber als ich das Unternehmen betrat und den gesamten Geschäftsprozess vollständig verstand, habe ich diesen Gedanken verworfen. Das Problem lag nicht in der technischen Entwicklung, sondern in den jahrzehntelang entstandenen Arbeitsgewohnheiten. Viele Belege, Genehmigungen und sogar Geschäftsdokumente existieren noch in Papierform, und das Unternehmen möchte auch nicht, dass die KI die bisherigen Arbeitsweisen vollständig verändert.

Daraufhin habe ich auf der Grundlage der vorhandenen Daten und Wissensdatenbank einen Agent hinzugefügt. Neue Mitarbeiter müssen nicht mehr überall nach Informationen suchen, sie können direkt Fragen stellen und erfahren, wann eine bestimmte SKU in den Vorjahren am besten verkauft wurde, wie viel Lagerbestand derzeit vorhanden ist und ob nachbestellt werden muss. Wenn der Lagerbestand ungewöhnlich ist, warnt der Agent aktiv, anstatt dass man erst die Daten durchsuchen muss.

Der gesamte Prozess hat sich kaum verändert, aber es gibt einen digitalen Mitarbeiter, der ständig Geschäftserfahrungen lernt.

Dieses Projekt fasst fast alle aktuellen Tätigkeiten von FDE zusammen und hat mir klargemacht: Das eigentliche Problem, das Unternehmen lösen müssen, ist nicht die KI selbst, sondern die Probleme, die sich täglich wiederholen.

Eigentlich hätte ich vor einem Jahr nicht gedacht, dass ich einmal als FDE arbeiten würde.

In den letzten Jahren war ich als Produktmanager in der Internet- und Fintech-Branche tätig. Als die KI begann, schnell in Unternehmen Einzug zu halten, kamen ständig Menschen auf mich zu, um zu fragen: Welche Aufgaben lassen sich der KI überlassen? Welche Prozesse lassen sich weiter optimieren? Ein CTO-Freund dachte über dasselbe nach, also haben wir uns zusammengetan, ein kleines Team gegründet und begonnen, KI-Lieferungen für Unternehmen durchzuführen. Die Mitglieder verteilen sich hauptsächlich auf Tokio, Nordamerika, Hongkong und das chinesische Festland. Wenn Kunden persönliche Gespräche vor Ort wünschen, können wir sofort dort sein.

Ich dachte ursprünglich, dass die technische Entwicklung die meiste Zeit in Anspruch nehmen würde, aber als ich wirklich als FDE angefangen habe, habe ich festgestellt, dass das nicht der Fall ist.

Oft können Unternehmen nicht genau sagen, was sie brauchen, sie wissen nur, welche Prozesse ineffizient sind und welche Aufgaben sich täglich wiederholen. Bevor ein Projekt wirklich beginnt, wird viel Zeit darauf verwendet, den Kunden bei der Strukturierung der Geschäftsprozesse zu begleiten, die Abläufe zu verstehen und die echten Probleme zu finden.

Der Punkt, an dem Unternehmen wirklich bereit sind zu zahlen, ist nicht vollständig die KI.

Sowohl im Inland als auch im Ausland interessieren sich Kunden letztendlich nur für wenige Fragen: Hat sich die Effizienz verbessert? Sind die Kosten gesunken? Ist das Geschäft gewachsen? KI ist nur eine Möglichkeit, diese Ergebnisse zu erzielen, nicht das Ziel. Deshalb arbeiten wir mit Kunden meist nicht gleich mit einer vollständigen Umgestaltung zusammen, sondern beginnen mit dem schmerzhaftesten Szenario, lassen den Kunden zuerst das Ergebnis sehen und entscheiden dann, ob wir weiterarbeiten wollen.

Das ist auch der Grund, warum wir ständig daran arbeiten, unsere grundlegenden Fähigkeiten aufzubauen.

Im Gegensatz zu vielen vollständig kundenspezifisch gelieferten Projekten entwickeln wir für jeden neuen Kunden kein komplett neues System, sondern iterieren auf der Grundlage unseres eigenen AIOS und des zugrundeliegenden Basismodells. Neue Agenten, Arbeitsabläufe