|
近日，2026智数大会数智金融分论坛圆满落幕。会上，帆软软件FDE（Forward Deployed Engineer，前线部署工程师）AI赋能专家马晓甜，发表了题为《帆软 FDE × AI 智能体——深入业务现场，共创智能解决方案》的主题演讲。她提出的问题是：企业已经买了工具，那么工具应该如何进入每一位员工的日常工作——AI落地的终点不是交付一套系统，而是让每一个经营问题都能接上下一步行动。
FDE：把研发送到业务现场
马晓甜首先解释了这个角色的由来。FDE由Palantir提出，全称Forward Deployed Engineer，即「前线部署工程师」；在帆软的业务语境中，它指的是深入一线业务的研发工程师。其背后是帆软「全线AI Native」的2030战略，而FDE正是这场转型的先锋力量。
接到「做一个AI问数助手」这类需求时，FDE不会立即进入开发。团队先与客户讨论：这个助手给谁用？要解决什么问题？在哪些业务环节推动哪些人？问题明确之后，再继续追问：希望AI给出什么样的执行建议？这些建议如何找到负责人？流程又怎么串起来？
前期交流与深度业务梳理之后，团队会与业务老师共同确定未来页面形态，在一周内交付一个移动端或PC端Demo，让客户直观看到实现路径，同时把风险点提前暴露。此后进入POC或小场景切入，验证可行性，再逐步扩大试点。交付并不意味着结束——团队会持续关注应用是否在企业内部被真实使用、当初提问者的问题是否被真正解决、AI究竟有没有带来提效或收益，乃至问数准不准、性能是否足够。
这套模式对应的是「敏捷交付，1至2个月实现高价值落地」的节奏：Week 0完成深度业务梳理，第2周交付首个可运行版本，第4周核心功能上线，第6周全场景覆盖与性能调优，第8周完整方案上线。在技术适配上，FDE提供三种交付方式：全代码深度定制，不依赖任何平台限制；基于简道云、FineBI等成熟产品快速扩展；以及兼容私有化大模型，不限品牌、按需推荐，确保数据安全与合规。不设技术边界，以客户效果为唯一准则。
一个正在实施的金融命题：
问得出、找得准、推得动
演讲的第二部分，是一个正在实施中的金融Demo，脱敏自马晓甜团队的真实落地项目，行业为保险。
她描述了月底将近时三类角色各自的焦虑。一线代理人关心自己完成了多少业绩、签单率多少、还差多少缺口——本月如何、本季度如何、全年如何。机构督导作为一线代理人的组长，关注组内哪些组员做得好、哪些缺口很大、执行力是否出现问题、指标是否出现异常与风险。集团分析师则面向整个集团，需要做全面的分析与排摸查。
AI经营问数助手的回答路径是三步：查清现状、分析原因、明确行动——用业务语言查数据、比差异、追原因，让分析接上下一步行动。整个流程由两个User Story、三个业务视角构成：日常业绩经营与线下活动经营。
User Story：
从绩优缺口到督导下发
在一线代理人的视角下，Demo展示了三次连续追问：本月绩优是否达成、还差多少；年度期交与利润的达成差距；如何提升业绩、有没有潜在客户可以优先跟进。
Agent会调取基础数据，并与集团业务指标交叉对比，抽表之后输出完成情况。马晓甜特别说明，出表格、出报告、出卡片、图片乃至PPT，都可以通过Skill定制。
当追问「如何提升」时，Agent会从名下客户中筛选出高意向人群——打过电话邀约、参加过线下会议、近期有拜访行为——并标注客户的关注方向与建议动作。同事手中难以独立承接的线索，则可以放入协同线索池共同跟进。业绩提升建议同样由Skill承载：把优秀业务员的行动方式、联系方式与分析思路，抽象成可复用的能力。
马晓甜由此指出，与Agent对话，本质上是在与一位资深业务员对话。它能够回答从哪类客户切入、切入点在哪里、如何沟通；甚至可以在提出「想向某位客户推荐某款产品」之后，结合客户的年龄、家庭与岗位给出一套专业话术，帮助销售补齐能力缺口。
督导的视角更高一层。除业绩指标是否达成，还要管理人。Agent可以跨多张宽表查询并合并结果，先给出组织经营总览——保费、达成率、利润率、优秀业务员与签单客户数；随后是龙虎榜：一句话生成业务员返佣榜单，包含所属公司、职级与本月完成情况，也可以生成组织维度的榜单，呈现各分公司、各地区的营业额与保费达成率。榜单可直接分享到群内表彰，或用于经营分析会展示。风格与样式同样可由Skill定制，做榜与做报告的时间由此大幅压缩。
发现问题同样关键。Agent可下钻至业绩垫底机构的缺口人员Top5，结合返佣、终身险与活动数据，定位缺口人员与责任经理，查看其基础信息、本月与上月对比及业务表现——约谈几场、邀约几位客户、到场多少——并给出归因与改进建议。流程再向前一步：与督办系统、待办系统或企业微信、钉钉等工具打通后，可一键下发督导待办，业务员在企业微信中收到任务，明确补齐时限与产品方向。
集团分析师的视角更偏全局。Demo中以山东、江苏、浙江三家省级分公司做PK，对比保费达成率与利润达成率，统计时点为2026年9月7日，其中山东与江苏的保费达成率相差15.6个百分点；随后继续下钻山东，查看下属业务部的累计保费与达成率排名。
User Story：
参场不等于出单
第二个故事线围绕线下活动经营展开。流程本身并不复杂：电话邀约、现场沟通与产品讲解、签单，以及可能发生的退费。但其中有一个关键变量——业务员是否到场，对签单转化率影响非常大。
一线代理人的痛点在细节里。上月邀约了多批高端单客户，但奔跑在一线的业务员非常繁忙，往往记不清究竟来了几位客户。让Agent查询表单，几分钟内即可回答参加活动的客户数量、购买意向与历史保单情况。随后层层下钻：筛选近三年保费十万元以上的大额客户、查看地区分布、核对参场与签到明细，最终聚焦到具体客户，结合档案给出跟进建议。马晓甜表示，这一场景把过去需要在多个系统中反复查找、靠电话逐一收集信息的动作，压缩为一次完整链路。
督导的关注点不同：这么多代理人打了电话，代理人本身有没有到场？到场率如何？签单情况如何？更实际的还有成本问题——办了多场活动，签单转化率偏低，甚至未能覆盖成本，这样的活动还要不要继续办、对组织和地区意味着什么。
Agent的回答沿着「参场—出单—面访—提醒」推进：先看谁参加、频次多少；再看谁出单、金额与件数；再核查最近面访记录及与历史的差异。当追问「参场频次高，为什么仍未出单」时，可以继续下钻到每位业务员何时邀约客户、有无到场、到场后是否签单、未出单的是谁、是否有特殊说明，以及面访记录相较以往的变化。最后同样可以一键下发待办，例如要求联系上次邀约但未到场的客户完成回访。
集团分析师则关注举办成本、ROI、各地区举办情况与转化率，以及与去年同期的对比，并可通过表单或报告呈现整体情况，进一步下钻到江苏分公司等具体公司，查看业务表现与业务归因分析。在这一视角下，既要找弱项，也要看标杆：山东转化下降明显，便拆解活动场次、主动邀约、参与客户、签到率与转化率；江苏表现较好，则比较下属业务室的活动规模与转化表现。
从BI到AI：
为什么能接住下一步行动
两类场景背后，是两个共同能力。其一是灵活追问：用业务语言连续提问，按权限切换时间、地区与团队，随问题深入改变分析维度。其二是业务归因：围绕异常组织对比与指标拆解，呈现可能原因及其判断依据，支撑有针对性的经营举措。
马晓甜对比了BI与AI的差别。BI的局限在于无法穷举问题的可能性——即便做了大量报表，实际经营中仍会不断产生新的问数需求。AI的优势则是能够灵活识别语义，判断提问人真正关注哪些字段，再到数据库中拆解、拼装。
另一个变化来自经验的沉淀。如果某位业务员做出了一个Skill，其他人无需重复建设，直接@这个Skill即可复用分析能力与图表效果，组织内部的经验由此实现加速传播。
从业务反馈看，过去业务员需要在多个系统之间反复查找客户信息与历史保单，一天中真正用于与客户沟通的时间被大幅压缩；龙虎榜这类材料原先由专门小组制作，需要三到五天才能拉出集团整体数据再手工制表，且各人分别使用工具导致产出效果不统一，如今在统一的Agent中直接取数制表，效果收敛一致。目前该应用已进入试用状态，团队仍在持续调试。
演讲最后，马晓甜表示，FDE希望从客户的业务出发，把AI的能力真正落实到企业的应用之中，也期待与更多业务伙伴探讨落地过程中的卡点与痛点，让AI真正为业务提效。 | 
