课程简介
1. 符合中国式企业级FDE培养
•中国企业的各种“准FDE群体”体量庞大，角色众多，包括科技型乙方企业的项目经理，产品经理，实施工程师，技术人员，与甲方数字化企业的业务人员，产品经理，IT项目经理等。因此本课程针对不同角色向FDE转型过程中，与通用FDE能力模型的不同差异，提供针对性指导。
•与美国式Palantir公司的FDE模式不同，中国的企业级FDE（含政企）的产品形态更加复杂，部署难度更高，业务更加多样化，因此对中国式企业级FDE的要求更全面，本课程设计针对中国特色打造本土化的FDE工作场景进行模拟和训练
2. 情绪曲线精心设计
课程专门设计了学员的情绪体验路径：
•通过科学的情绪路径设计与情绪变化过程过程，提升学员对知识的理解与工作场景的敏感度。
3. 分行业深度案例库（依据行业灵活调整案例）
•金融行业（金融科技公司案例）
•快消行业（大消费领域科技企业案例）、
•制造业（行业大模型案例）
•通用场景（通用案例）
4.训战结合的学习过程
•本课程设计针对FDE在实际工作中可能遇到的问题进行场景化模拟，将FDE需要具备的能力点设计成“待解决的矛盾”，通过“矛盾的解决与复盘”来强化FDE的相关能力。
培训收益（训后可以掌握的知识与技能）
•中国本土化FDE的角色认知与能力模型
•FDE的工作场景与核心任务
•FDE在实际工作的常见问题与解决策略
目标收益
培训对象
•目标学员1（重点）： 有转型FDE意愿的科技型乙方企业的ToB项目经理，ToB产品经理，实施工程师，技术人员。
•目标学员2：有转型FDE意愿的甲方企业数字化业务人员，产品经理，IT项目经理
•课程目标： 培养具备AI应用思维、AI技术思维，AI产品思维的中国式的企业级FDE人才
课程大纲
| 第一天：中国式企业版FDE角色总览（产品讲师） |
第一章：授课-FDE角色基础认知（上午） 1.1FDE的起源与定义 •什么是FDE •FDE的核心工作职责简介（FDE可以解决的问题） ◦认知升级：从交付产品到交付结果，交付价值 ◦核心工作：把AI模型 部署下去，通过AI产品业务跑起来，把一线需求带给AI产品 •FDE的发展简介（为什么FDE又火了起来） 1.2 中美FDE的差异化分析 •为什么不能照搬美国的FDE模式（含案例解析） ◦大B客户的高度定制化 ◦私有化部署需求旺盛 ◦信创要求与合规 ◦企业级模型训练与通用模型的共存 ◦企业级数据治理的困境 •中国式企业级FDE解决的问题（含案例深度解析） ◦中国式政企业务的三种产品形态（为什么1+N形态最适合FDE） ◦部署到客户现场的是什么模型（通用大模型还是私有化模型） ◦数据治理工作的“度”在哪里 ◦如何解决定制化AI需求与通用产品的转化 ◦总结：中国式企业级FDE的核心价值 1.3中国式企业级FDE的适配对象 •FDE的核心思维与能力要求 ◦产品化思维 ◦AI技术能力 ◦项目管理意识 ◦数据视角 ◦布道精神 •哪些企业适合培养FDE ◦科技型乙方公司：AI Native公司、集团型企业下的数科公司、行业级AI解决方案公司 ◦大型数字化甲方企业 •哪些人适合转型或担当FDE ◦有转型FDE意愿的科技型乙方企业的ToB项目经理，ToB产品经理，实施工程师，技术人员。 ◦有转型FDE意愿的甲方企业数字化业务人员，产品经理，IT项目经理 ◦FDE转型过程中的核心要求 1.4 国内政企业务视角下的AI大模型部署工作概述 •私有化与国产化 •算力适配 •数据安全合规。 •数据治理与RAG •智能体开发平台 •智能体工具 1.5 FDE不同阶段的工作要点 •准备阶段 ◦硬件要求 ◦网络环境 ◦数据成熟度 •实施阶段 ◦AI模型产品部署 ◦客户业务系统对接 ◦客户数据成熟度评估与治理建议 ◦模型调试与业务验证 ◦AI产品需求的二次开放 •产品化阶段 ◦需求收集、评估与AI产品化需求提炼 ◦产品化需求反哺与验证 ◦客户培训与交接 第二章：实战沙盘-FDE工作场景体验沙盘 2.1 背景导入：某央企集团下属科技公司的AI产品交付 2.2 分角色扮演 •甲方：数字化建设团队 •乙方：FDE团队，一线交付团队，总部技术团队 •合作方：甲方业主的其他供应商团队 2.3 任务导入 •团队任务宣讲 •分角色隐藏任务下发 2.4 FDE工作场景模拟与推进 •FDE团队：制定AI产品落地FDE交付SOP与实施计划 ◦宏观SOP ◦实施准备工作要求 ◦部署计划 •甲方：制定AI产品验收清单 •合作方：依据甲方和FDE团队通知给出配合工作 •FDE团队：AI需求收集与评估 •实施计划交底会 •部署实施工作推进与困难协调 •AI产品验收标准宣讲会 •AI产品验收准备工作 •AI产品化需求提炼与分析 •验收交接与PK •验收结果公布 •AI产品化立项 2.5复盘与总结：FDE的核心工作场景与职责认知 |
| 第二天：FDE应用部署交付实战（技术讲师） |
第三章：授课-FDE角色的工程化技术能力要求 3.1 工程化的三个作战域 •D1：RAG与数据工程 ◦L0认知：看懂技术栈 ◦L1原型：端到端链路跑通 ◦L2生产：治理、溯源与归因 ◦L3沉淀：模板库与黄金问题集 •D2：Agent与应用工程 ◦L0认知：workflow vs Agent ◦L1原型：工具调用最小应用 ◦L2生产：集成、编排与重试 ◦L3沉淀：模式库与MCP组件 •D3：评测与LLMOps ◦L0认知：指标与验收语言 ◦L1原型：评测基线刻度尺 ◦L2生产：CI门禁与可观测 ◦L3沉淀：数据飞轮与验收资产 3.2 工程化底座：模型部署与推理工程 3.3 工程化贯穿带：资产沉淀与回流 第四章：FDE工程化应用部署上机实操 |
| 第三天：FDE一线需求转化实战（产品讲师） |
第五章：一线业务需求到AI应用功能的转化 5.1需求的收集与评估 •疑问与讨论：什么样的需求是真正的 AI 需求？ •三个四象限的应用： ◦需要&要求四象限（是否做需求） ◦领域&规则四象限（是否需要AI） ◦系统&功能四象限（在哪个系统做AI需求） 5.2 产品需求分析与AI系统应用功能转化 •从业务需求到 AI 系统应用功能的转化过程 ◦关键点：提示词（Prompt）的设计与应用 ◦路径：用户分析->业务场景 -> 系统场景 -> AI 功能开发（以智能体为例，考虑提示词 + 插件/工作流） •目标用户分析 ◦用户画像与用户实例 ◦三位一体的用户分析方法 ◦用户实例四象限与AI需求落位关系 •场景分析五要素 ◦业务场景：流程节点、角色、行为、结果、数据 ◦系统场景：业务场景，功能模块、操作界面、操作过程、业务满足度 •基于痛点的需求功能规划 ◦分类：行为的痛（效率低）、结果的痛（营收/成本） ◦策略：新系统新功能（AI 创新） vs 老系统新功能（AI 升级） •AI系统功能提示词与原型设计 第六章：团队练习-AI需求转化与设计实战 •各小组接收需求清单 •用户画像解析 •业务场景五要素解析 •痛点与功能点匹配 •系统场景五要素与AI功能点细化 •产出AI系统功能清单 •设计提示词与原型 •跨组互动：AI需求功能展览会 |
| 第四天：FDE-AI模型应用产品化演进实战（产品讲师） |
第七章：授课-从AI定制化需求到AI产品化需求的提炼过程 7.1 产品化需求的特征 •什么样的需求是产品化的AI需求 ◦商业价值评估 ◦产品形态 ◦AI模型的演进路线 ◦产品化的可复用性考量 •商业价值评估 ◦目标客群的特性与共性分析 ◦成本与收益的考量：市场洞察与盈利策略 ◦竞争因素：AI产品的竞争力与控制点 •AI产品的三种形态 ◦1+N形态 ◦全量产品形态 ◦工具型产品形态 ◦AI模型在三种形态下的标准化程度评估 •AI产品的演进路线 ◦AI模型应用产品的5S成功（销售成功，交付成功，产品成功，财务成功，市场成功） ◦三种形态在5S成功的演进过程 •产品化的可复用性考量 ◦概念：通用、复用、复制的区别 ◦层面：架构复用、逻辑复用、能力复用 ◦客户画像与产品化转化 7.2从AI定制化需求到AI产品化需求的提炼过程 •从客户实例到客户画像 ◦客户实例四象限分布 ◦客户画像准确度测算 ◦从单一客户过渡到细分市场 •共性需求的358原则 •产品功能与架构规划 •盈利策略与产品架构 ◦四种常见的盈利策略 ◦AI模型的盈利策略 ▪需求：客户价值与付费意愿 ▪Token（公有化）：从一锤子买卖到长期盈利 ▪算力（私有化）：AI应用场景的广度是关键 ▪产品架构与盈利策略的匹配度 •制定产品Roadmap的三个原则 •AI模型应用产品化的合理性验证思路 第八章：沙盘实战-AI需求产品化立项评审会 •各小组接收需求清单 •客户画像与客户实例解析 •产品化需求分析与提炼 •确定产品形态与盈利策略 •可复用分析 •市场洞察与竞品分析 •确定产品roadmap与简化版架构图 •制作立项报告 •立项报告宣讲与评审 |
| 第五天：路演与闭营（双导师） |
第九章：路演与闭营 9.1 各小组制作路演PPT •FDE全场景成果产出复盘 •FDE核心能力模型与核心工作SOP •后续学习与提升计划 9.2 各小组路演报告宣讲与评比 9.3 颁奖与闭营 |
|
第一天：中国式企业版FDE角色总览（产品讲师） 第一章：授课-FDE角色基础认知（上午） 1.1FDE的起源与定义 •什么是FDE •FDE的核心工作职责简介（FDE可以解决的问题） ◦认知升级：从交付产品到交付结果，交付价值 ◦核心工作：把AI模型 部署下去，通过AI产品业务跑起来，把一线需求带给AI产品 •FDE的发展简介（为什么FDE又火了起来） 1.2 中美FDE的差异化分析 •为什么不能照搬美国的FDE模式（含案例解析） ◦大B客户的高度定制化 ◦私有化部署需求旺盛 ◦信创要求与合规 ◦企业级模型训练与通用模型的共存 ◦企业级数据治理的困境 •中国式企业级FDE解决的问题（含案例深度解析） ◦中国式政企业务的三种产品形态（为什么1+N形态最适合FDE） ◦部署到客户现场的是什么模型（通用大模型还是私有化模型） ◦数据治理工作的“度”在哪里 ◦如何解决定制化AI需求与通用产品的转化 ◦总结：中国式企业级FDE的核心价值 1.3中国式企业级FDE的适配对象 •FDE的核心思维与能力要求 ◦产品化思维 ◦AI技术能力 ◦项目管理意识 ◦数据视角 ◦布道精神 •哪些企业适合培养FDE ◦科技型乙方公司：AI Native公司、集团型企业下的数科公司、行业级AI解决方案公司 ◦大型数字化甲方企业 •哪些人适合转型或担当FDE ◦有转型FDE意愿的科技型乙方企业的ToB项目经理，ToB产品经理，实施工程师，技术人员。 ◦有转型FDE意愿的甲方企业数字化业务人员，产品经理，IT项目经理 ◦FDE转型过程中的核心要求 1.4 国内政企业务视角下的AI大模型部署工作概述 •私有化与国产化 •算力适配 •数据安全合规。 •数据治理与RAG •智能体开发平台 •智能体工具 1.5 FDE不同阶段的工作要点 •准备阶段 ◦硬件要求 ◦网络环境 ◦数据成熟度 •实施阶段 ◦AI模型产品部署 ◦客户业务系统对接 ◦客户数据成熟度评估与治理建议 ◦模型调试与业务验证 ◦AI产品需求的二次开放 •产品化阶段 ◦需求收集、评估与AI产品化需求提炼 ◦产品化需求反哺与验证 ◦客户培训与交接 第二章：实战沙盘-FDE工作场景体验沙盘 2.1 背景导入：某央企集团下属科技公司的AI产品交付 2.2 分角色扮演 •甲方：数字化建设团队 •乙方：FDE团队，一线交付团队，总部技术团队 •合作方：甲方业主的其他供应商团队 2.3 任务导入 •团队任务宣讲 •分角色隐藏任务下发 2.4 FDE工作场景模拟与推进 •FDE团队：制定AI产品落地FDE交付SOP与实施计划 ◦宏观SOP ◦实施准备工作要求 ◦部署计划 •甲方：制定AI产品验收清单 •合作方：依据甲方和FDE团队通知给出配合工作 •FDE团队：AI需求收集与评估 •实施计划交底会 •部署实施工作推进与困难协调 •AI产品验收标准宣讲会 •AI产品验收准备工作 •AI产品化需求提炼与分析 •验收交接与PK •验收结果公布 •AI产品化立项 2.5复盘与总结：FDE的核心工作场景与职责认知 |
|
第二天：FDE应用部署交付实战（技术讲师） 第三章：授课-FDE角色的工程化技术能力要求 3.1 工程化的三个作战域 •D1：RAG与数据工程 ◦L0认知：看懂技术栈 ◦L1原型：端到端链路跑通 ◦L2生产：治理、溯源与归因 ◦L3沉淀：模板库与黄金问题集 •D2：Agent与应用工程 ◦L0认知：workflow vs Agent ◦L1原型：工具调用最小应用 ◦L2生产：集成、编排与重试 ◦L3沉淀：模式库与MCP组件 •D3：评测与LLMOps ◦L0认知：指标与验收语言 ◦L1原型：评测基线刻度尺 ◦L2生产：CI门禁与可观测 ◦L3沉淀：数据飞轮与验收资产 3.2 工程化底座：模型部署与推理工程 3.3 工程化贯穿带：资产沉淀与回流 第四章：FDE工程化应用部署上机实操 |
|
第三天：FDE一线需求转化实战（产品讲师） 第五章：一线业务需求到AI应用功能的转化 5.1需求的收集与评估 •疑问与讨论：什么样的需求是真正的 AI 需求？ •三个四象限的应用： ◦需要&要求四象限（是否做需求） ◦领域&规则四象限（是否需要AI） ◦系统&功能四象限（在哪个系统做AI需求） 5.2 产品需求分析与AI系统应用功能转化 •从业务需求到 AI 系统应用功能的转化过程 ◦关键点：提示词（Prompt）的设计与应用 ◦路径：用户分析->业务场景 -> 系统场景 -> AI 功能开发（以智能体为例，考虑提示词 + 插件/工作流） •目标用户分析 ◦用户画像与用户实例 ◦三位一体的用户分析方法 ◦用户实例四象限与AI需求落位关系 •场景分析五要素 ◦业务场景：流程节点、角色、行为、结果、数据 ◦系统场景：业务场景，功能模块、操作界面、操作过程、业务满足度 •基于痛点的需求功能规划 ◦分类：行为的痛（效率低）、结果的痛（营收/成本） ◦策略：新系统新功能（AI 创新） vs 老系统新功能（AI 升级） •AI系统功能提示词与原型设计 第六章：团队练习-AI需求转化与设计实战 •各小组接收需求清单 •用户画像解析 •业务场景五要素解析 •痛点与功能点匹配 •系统场景五要素与AI功能点细化 •产出AI系统功能清单 •设计提示词与原型 •跨组互动：AI需求功能展览会 |
|
第四天：FDE-AI模型应用产品化演进实战（产品讲师） 第七章：授课-从AI定制化需求到AI产品化需求的提炼过程 7.1 产品化需求的特征 •什么样的需求是产品化的AI需求 ◦商业价值评估 ◦产品形态 ◦AI模型的演进路线 ◦产品化的可复用性考量 •商业价值评估 ◦目标客群的特性与共性分析 ◦成本与收益的考量：市场洞察与盈利策略 ◦竞争因素：AI产品的竞争力与控制点 •AI产品的三种形态 ◦1+N形态 ◦全量产品形态 ◦工具型产品形态 ◦AI模型在三种形态下的标准化程度评估 •AI产品的演进路线 ◦AI模型应用产品的5S成功（销售成功，交付成功，产品成功，财务成功，市场成功） ◦三种形态在5S成功的演进过程 •产品化的可复用性考量 ◦概念：通用、复用、复制的区别 ◦层面：架构复用、逻辑复用、能力复用 ◦客户画像与产品化转化 7.2从AI定制化需求到AI产品化需求的提炼过程 •从客户实例到客户画像 ◦客户实例四象限分布 ◦客户画像准确度测算 ◦从单一客户过渡到细分市场 •共性需求的358原则 •产品功能与架构规划 •盈利策略与产品架构 ◦四种常见的盈利策略 ◦AI模型的盈利策略 ▪需求：客户价值与付费意愿 ▪Token（公有化）：从一锤子买卖到长期盈利 ▪算力（私有化）：AI应用场景的广度是关键 ▪产品架构与盈利策略的匹配度 •制定产品Roadmap的三个原则 •AI模型应用产品化的合理性验证思路 第八章：沙盘实战-AI需求产品化立项评审会 •各小组接收需求清单 •客户画像与客户实例解析 •产品化需求分析与提炼 •确定产品形态与盈利策略 •可复用分析 •市场洞察与竞品分析 •确定产品roadmap与简化版架构图 •制作立项报告 •立项报告宣讲与评审 |
|
第五天：路演与闭营（双导师） 第九章：路演与闭营 9.1 各小组制作路演PPT •FDE全场景成果产出复盘 •FDE核心能力模型与核心工作SOP •后续学习与提升计划 9.2 各小组路演报告宣讲与评比 9.3 颁奖与闭营 |
近期公开课推荐
