金蝶用友实施顾问的第三条路：从AI辅助交付到FDE

视线拉回到我们国内的ERP实施顾问圈，相信很多顾问都已经开始用AI工具干活：用各种Agent跑Skill批量建账号、用知识库查配置方案、用Agent盯项目进度。效率确实上去了。但这叫AI辅助实施 ，不叫FDE。

两者的区别在于：AI辅助实施，交付的还是ERP系统，只是实施顾问用AI把自己干活的速度提上来了。客户拿到的是配好的系统加操作培训，和以前一样。FDE则不同，他交付的是AI能力本身，帮客户搭建Skill、知识库、Agent，让客户的业务人员能自己用AI查库存、对报表、审单据。客户拿到的不是配好的系统，而是一套能自己跑的AI工具链 。

ERP厂商正在把AI能力嵌入产品底座，金蝶有灵基，用友有YonClaw。但这只是厂商侧的进化。真正的变量在交付侧： 谁把这些AI能力带到客户现场、接进业务系统、让一线人员真正用起来？ 这个角色，就是FDE。

有人会问：既然FDE是部署AI能力，那IT运维、开发工程师是不是也能做？可以上手，但难以深耕。实施顾问有三个壁垒，纯技术人员跨不过去。

第一， 业务翻译能力 。即了解客户需求，并能把客户需求落地成AI指令的能力。客户说「我们要做信用管控」，实施顾问知道这在ERP里涉及信用额度、账期、发货控制、超信用特批四个节点，不是一个开关。FDE要把这种业务理解翻译成AI能执行的指令，让AI帮客户查信用、控发货、触发审批。AI听不懂客户的模糊需求，需要有人翻译。

第二， 场景判断力 。同一个功能，制造业和零售业的用法完全不同。什么场景该用什么配置、什么操作有风险、什么流程该卡什么该放，这是几百个项目堆出来的肌肉记忆，文档教不会AI。FDE部署AI能力时，这些判断决定了AI在客户现场能不能真正用起来。

第三， 客户信任关系 。ERP实施是重信任生意。客户愿意把系统、数据、流程交给你，是因为你在现场待了几个月，证明了你能解决问题。FDE要在AI部署中延续这个信任，让AI跟着你一起干活，而不是反过来。

而且老丁有个预感，久经考验的国内实施顾问转FDE会发展的更好，核心原因是实施顾问以前服务过的很多企业原本就是偏语义驱动、非结构化、靠人和默契协作。

03

CAPABILITIES

FDE的三层核心能力：Skill化、知识库化、Agent化

FDE的三重角色分别是业务融合、知识治理以及系统落地。对应的它就需要三种能力，这三种能力就像盖楼：地基、墙体、屋顶，每一层都以前一层为基础，但三层同时都在建。

图难于其易，为大于其细。 难事从容易处入手，大事从细微处做起。FDE的能力建设也一样，从最简单的Skill化开始。

第一层：Skill化，把操作变成指令

这是最底层的能力。实施顾问的日常里，有大量「每次做都一样」的操作：建账号、配权限、导基础数据、出初始化报告。这些操作有标准流程、固定输入输出，不需要每次重新判断。

把它们打包成Skill，用Agent一键执行。Skill化做得越扎实，上层能力的空间就越大。

Skill化在AI辅助实施和FDE阶段都要用。自己干活时用它提效，给客户部署时用它搭建AI能力的基础模块。区别在于：给自己用的Skill可以粗糙，给客户用的Skill必须稳定、可靠、有清晰的输入输出。

第二层：知识库化，把经验变成可检索的判断力

每个做了五年以上的实施顾问，脑子里都有一本活字典：什么行业什么配置、哪个接口容易出问题、什么报错对应什么原因。

知识库化，就是把这本字典变成AI能检索的东西。把过往的项目配置方案、常见问题处理记录、行业最佳实践整理进知识库，让AI在部署和运行时能调取。

这一层叠加在第一层之上。Skill执行「做什么」，知识库回答「怎么判断」。客户说「我们要做信用管控」，Skill执行建参数、配流程，知识库告诉AI遇到制造业和零售业应该用不同的信用规则。

这一步的价值最容易被低估： Skill让AI能干活，知识库让AI能干对活。 没有这一层，部署给客户的AI能力就是一个会动但经常出错的机器。

第三层：Agent化，把能力组装成自主工作流

前两层解决「AI能做什么」和「AI怎么判断」，第三层解决「AI怎么做完一整件事」。

Agent本质上是一个调度器。它把多个Skill串成工作流、在关键时刻调用知识库做判断、按规则推进节点、标记异常。FDE用Agent编排，把零散的Skill和知识库组装成客户业务人员能直接用的完整AI能力。

一个查库存的Agent，内部可能是这样运转的：接收业务人员的一句话查询，调用库存查询Skill获取数据，调用知识库判断库存是否低于阈值，如果低于阈值自动生成补货建议，最终把结果推送给业务人员。从头到尾，业务人员只说了一句话。

三层能力的叠加决定FDE的段位。 Skill化决定「能做什么」，知识库化决定「能做多对」，Agent化决定「能做多完整」。三层都扎实，FDE才算成型。

能力层	解决什么问题	典型应用	没有这一层会怎样
Skill化	AI能做什么	建账号、导数据、出报告	所有操作靠手工，AI只是个聊天窗口
知识库化	AI判断对不对	行业配置规则、常见问题答案	AI能干但经常干错，客户不敢用
Agent化	能做多完整	串联多Skill+调用知识库判断	零散Skill各自为战，客户用不起来

04

DELIVERY

FDE交付什么：AI能力，而非系统配置

金蝶和用友的实施顾问都熟悉一套标准方法论：项目准备、蓝图设计、系统实现、上线准备、持续支持。这套方法论不会被推翻，但FDE在它之上叠加了一层新的交付。

关键区别：传统实施到「上线验收」就结束了，FDE的交付从「客户能用AI干活」才真正开始。系统上线是实施的终点，却是FDE运营的起点。

世异则事异，事异则备变。 时代变了，做事的方法就得变。实施方法论的核心思想没变，但交付内容必须从「系统」升级到「AI能力」。

实施顾问转型FDE并不需要成为程序员，反而需要的是四种新能力：

第一， 结构化表达 。能把模糊的业务需求拆成「输入什么、判断什么、输出什么」的确定性描述。这是让AI听懂你指令的基础，也是帮客户把业务翻译成AI能力的基础。

第二， 工具链组装 。知道Agent能做什么、MCP怎么接、Skill怎么写、知识库怎么建。把现成的组件拼成解决方案，而不是从零造轮子。

第三， 异常判断 。AI执行过程中，什么时候该让它继续、什么时候该叫停。这种判断力来自业务经验，AI替代不了。

第四， 持续迭代 。FDE的工作方式：持续优化Skill、更新知识库、调整Agent逻辑。客户业务在变，AI能力也得跟着变。

真正要走通这条路，需要一张成长地图：知道自己站在哪、下一站去哪、什么算到位。

第一阶段：效率突破（0-3个月）

目标：让自己变成 AI辅助实施者 。

这一阶段的任务很集中：把日常重复操作Skill化，覆盖率达到70%以上。你会写Skill、调Skill、优化Skill，但这些Skill都是给自己用的。

检验标准：你交付的还是ERP系统，但实施效率明显提升，加班减少。这一步没做到位，后面全是空中楼阁。

第二阶段：场景验证（3-6个月）

目标：在1个客户完成 首次AI能力部署 。

交付物从这里开始变了。你不再只是配好ERP就走，而是帮客户搭一套能自己用的AI能力。挑客户最痛的一个场景，建Skill加知识库，让客户一线人员真正用起来。

检验标准只有一个：客户用了3个月后还在用，而且主动问能不能再加一个场景。客户不用，就是没部署成功。

第三阶段：规模复制（6-12个月）

目标：形成行业模板， 跨客户复用 。

第一个客户的成功经验沉淀成模板，第二个客户的部署周期应该压缩一半。这一阶段的核心能力是Agent编排和行业知识库建设，你开始同时服务多个客户的AI能力部署。

检验标准：同时服务的客户数翻倍，但你的精力没有线性增加。如果客户翻倍你也翻倍加班，说明模板没沉淀成功。

第四阶段：方法论输出（12个月以上）

目标：带团队转型，输出 部署方法论 。

你从一个人做FDE，变成带团队做FDE的人。把经验变成标准流程、检查清单、质量门槛，让团队成员照着做。同时开始向厂商反向输出需求：客户现场最缺什么AI能力、哪些Skill该做成产品标配，你比产品经理清楚。

检验标准：团队中至少2人达到第二阶段水平，你的方法论被其他项目组引用。

先定位你在哪个阶段，下个月的目标就是上一个台阶。现在不是焦虑的时候，是动手的时候。

每个行业的窗口期都不长。ERP实施顾问这个群体，在AI时代有一个天然的起跑优势，你离客户最近、你最懂业务、你已经在现场了。这是AI工程师、数据科学家都拿不到的入场券。但窗口不会一直开着。等厂商把AI能力做成标准配置、等客户自己学会了搭AI工具链，FDE这个角色的稀缺性就会下降。

老丁见过太多人，在新的可能性面前站了很久，等别人先踩出一条路。但在FDE这件事上，踩路的应该是你，也只能是你。因为你踩出来的路，就是新生代实施顾问的职业方向。

现在准备好没有？FDE之路从明天的第一个Skill开始。