AI 从业者的身份焦虑与 FDE 的昙花一现
如今，大家见面已不好意思自称“做 AI 的”，因为这个词几乎成了“忽悠”的代名词。
但事还得干。为了摆脱这个尴尬标签，AI 圈曾集体换名为"FDE"。然而，FDE 这个词没用几天也扑了街，甚至被直接贴上“高级大忽悠”的标签，同样难以为继。
这并非岗位名称的问题，而是整个行业急功近利的闹剧结果。
企业 AI 实施顾问：全球抢手的“旧”岗位
实际上，行业原本的岗位——企业 AI 实施顾问（AI Implementation Consultant），现已成为全球范围内越来越值钱的抢手货。
这个“旧”岗位之所以如此吃香，主要原因有四：
1. 企业 AI 绝非“开箱即用”
许多人误以为 AI 像 SaaS 一样，下载部署即可使用。但在真实的企业环境中，通用 AI 工具并不属于企业 AI 的核心范畴。换句话说，企业 AI 从来没有“开箱即用”的产品，几乎都需要重度实施。
2. 高度个性化的业务适配
即便是两家业务完全一样的企业，其经营模式、管理逻辑和核心诀窍也天差地别。如果实施出来的结果一样，那一定是做错了。若结果必须一致，客户直接使用软件或 SaaS 即可，无需引入 AI。要想让实施效果个性化地适配不同企业，极度考验顾问的功底。
3. 传统软件人才难以转型
传统软件实施人员或产品经理想进入 AI 实施交付领域，基本没有可能。因为传统软件依赖固定的编程逻辑，而 AI 依靠的是“数据 + 推理”的逻辑。传统软件交付的套路，在企业 AI 场景中完全行不通。
4. 极高的底层技术门槛
这是最关键的一点：该岗位的进入门槛天然筛掉了 90% 的人。很多人误以为 AI 实施就是搭建 Agent 或跑自动化，其实这些用户自己就能完成，根本不需要顾问。
真正的门槛不在上层应用，而在底层架构。合格的企业 AI 实施顾问，除了懂数据、懂架构、懂业务外，还必须精通 Context Layer（上下文层），包括 Ontology（本体论）、KG（知识图谱）、Semantic Layer（语义层）等概念和实践，同时需熟悉相关实施工具。
提出这些硬性要求并非为了炫技，而是若不满足，客户的 AI 项目极可能会泡汤。当前不缺做 AI 的人，但同时具备上述所有条件的人才寥寥无几。
遍地的企业 AI 需求与合格顾问数量的巨大反差，正是他们身价水涨船高的根本原因。
