IBM 于 2026 年 9 月 21 日公开前置部署单元的编制与计价变化：3 至 4 人带 10 至 20 个智能体，6 人 pod 顶 30 人团队。 ## 这条讲的不是岗位定义，而是交付单元的编制账 前置部署 Forward Deployed Engineer（FDE）在过去一年被反复讨论，但讨论多集中在岗位定义与招聘数量上，很少有人把交付单元的人数、智能体配比和计价方式摆在一起核对。IBM 在 2026 年 9 月 21 日发布的官方技术博客做到了这一点：它把前置部署做成一个叫 Forward Deployed Unit（FDU）的交付单元，并公开了单元里几个人、配多少个智能体，以及按人小时计价的合同为什么更难自圆其说。 前置部署 Forward Deployed Engineer（FDE）能从这条里拿到的，是三组可以直接对照自己编制与报价的数字：单元 3 至 4 人配 10 至 20 个智能体、6 人 pod 顶 30 人团队、以及一个印度银行数据迁移从约 300 人 12 至 15 个月压到不足 9 个月。 前置部署 Forward Deployed Engineer（FDE）也要先划清题材边界：本条所有数字都来自 IBM 官方发布材料与其高管访谈中的自述，没有第三方审计，也没有客户侧的独立核验。 本条属于商业与交付模式观察，不是工具版本快讯，也不含可直接复制的命令行配置。 ## 一、单元编制：3 至 4 人加 10 至 20 个智能体 Javier Olaizola 是 IBM Consulting 混合云与数据业务的全球管理合伙人，他向 IBM 官方技术博客描述了一个典型 FDU 的人员构成：3 至 4 个人，分别是对业务结果负责的人、一位技术架构师或前置部署工程师、一位数据专家、以及一位行业专家。 与这 3 至 4 个人并行工作的是 10 至 20 个智能体。这些智能体承担写软件需求、生成代码、创建测试用例、扫描软件缺陷，以及在既有流程里搜索可复用模式这几类工作。 人的位置被明确放在流程两端：定义问题、提供业务与技术上下文、以及在产出交付之前判断它是否满足客户要求。这个分工是本条其他数字的前提，因为单元人数少、智能体数量多，中间那层执行被整段替换掉了。 FDU 是 Forward Deployed Unit 的缩写。IBM 对它的定位不是一个人而是一个 pod，运行在 IBM Consulting Advantage 这一交付平台上，平台提供可复用的方法、行业资产与智能体。 这套编制有一个容易被忽略的前提：Olaizola 说单元会把更多工作交给智能体的条件是团队先学会判断哪些任务系统能可靠完成，判断依据来自每次执行后的复盘，而不是来自初始设定。 ## 二、6 人 pod 顶 30 人团队，以及已经在跑的客户 IBM 在 2026 年 5 月 14 日的官方新闻稿里给出了这条内容里最容易被引用的一组数字：六人规模的 pod 完成三十人团队的工作量，原文的表述是 materially better economics。 同一份新闻稿列出了已经上线 FDU 的客户：利雅得航空 Riyadh Air、雀巢 Nestlé、喜力 Heineken 与培生 Pearson。IBM 表示正在把 FDU 从亚太、欧洲到美国规模化铺开，并持续增加投放数量。 配套的组织动作也一并公开：IBM 为 FDU 维护一条独立的技术职级通道，并从全球顶尖工程与技术院校招聘，用来保证前置部署人才的进入管道。 同一份新闻稿里有两句判断值得单独拎出来：IBM 认为行业在追逐一个叫 Forward Deployed Engineer 的岗位名称，而 FDE 的兴起不是答案、是信号；以及把交付压在单个角色上时，上线之后会出现实施与持续表现之间的缺口。 第二句指的具体现象是：当交付依赖个人角色时，系统上线后往往有压力转到下一个项目，于是实施完成了，持续表现没人负责。IBM 把这一点当成 FDU 与单纯派一名前置部署工程师的核心区别。 ## 三、印度银行数据迁移：从约 300 人 12 至 15 个月到不足 9 个月 Olaizola 给 IBM 官方博客举的例子是一个进行中的大型银行数据现代化项目。客户是印度的一家大型银行，IBM 明确表示不公开它的名字；项目内容是把成百上千个数据处理作业迁移到更新的技术上。 按传统做法，这个规模的迁移通常需要大约 300 人做 12 至 15 个月。这是 Olaizola 给出的估算基线，不是与 IBM 实际交付跑过同口径对照的实测值。 IBM 的说法是实际在不到九个月内完成，团队规模只是这个估算数字的一个零头。差距的主要来源是智能体吃掉了大部分重复的转换与测试工作。 做法本身比结论更值得抄：不再安排人逐条修正出错结果，而是让团队去研究错误、修改给系统的指令或上下文，然后重跑并测量结果有没有变好。 这个循环在原文里被描述成一个假设序列：转换遗留代码的智能体一开始大约 70% 的结果是对的，随着团队不断精炼输入，先到 85%，再到 90%。原文明确把这组百分数写成假设序列，用来解释精炼输入的思路，不是某个项目的实测准确率。 一旦这套做法在一小批遗留代码迁移作业上跑通，同样的方法就可以套用到成百上千个同类作业上。Olaizola 把这层意思总结成一句话：关键是在输入上下功夫，原文是 It's about working on the inputs。 ## 四、按人小时计价的合同为什么更难自圆其说 传统咨询合同把收入与投入项目的人数和工作小时绑定。Olaizola 的说法是，一个只需要更少的人、更短时间的交付模型，会让这种计价结构更难被论证。 他的原话是：如果按小时计价，任何人的动机基本上都是把小时数做大，而不是把结果做好。 IBM 官方博客同时提到客户已经在往另一个方向推：随着 AI 自动化部分技术工作，企业正在向咨询公司施压，要求更低的费用、固定价格的项目、以及更贴近绩效的合同条款。 前置部署 Forward Deployed Engineer（FDE）在这条上要算的账很直接：当交付单元从十人以上降到 3 至 4 人时，继续用人数乘以单价来报价会把收入自动压掉，按结果、按里程碑或按订阅计价的结构才有空间。 同一条逻辑也解释了为什么这套模型对客户有吸引力：客户买到的不是人数与工时，而是对结果的承诺，交付方把效率提升留在了自己的毛利里，而不是让客户为省下来的工时继续付钱。 ## 五、行业侧的对齐数据：Gartner 的 22% 与 85%，以及 17% 的平均 AI 回报 这篇文章同时引用了两组外部数据，用来解释为什么小单元交付会变多。 Gartner 在 2026 年 9 月 1 日公布的一组发现基于 1303 位受访者，受访组织年营收均不低于 5000 万美元。结果是仅有 22% 的组织把 AI 扩展到多个业务单元或转为 AI 优先，同期有 85% 的职能负责人表示计划在 2026 年增加 AI 支出。 IBM 商业价值研究院的一项新研究给出的 2026 年企业 AI 平均投资回报率为 17%。投入增长与回报兑现之间的落差，正是 Olaizola 所说客户已经越过边缘实验、开始要分红的背景。 Olaizola 对市场情绪转折的表述是：客户的问题从「AI 能做什么」变成了「把你的 AI 投资分红拿给我看」。 这三个数字可以直接当作客户会议上的开场材料。前置部署 Forward Deployed Engineer（FDE）据此把交付目标定在可量化的单点结果，比定在铺开范围更容易立项，因为 22% 说明大多数组织还没把 AI 铺到多个业务单元，17% 说明平均回报还不高。 ## 六、价值挪到了判断层 随着智能体接手更多例行工作，Olaizola 认为人的专业价值会挪到对结果的评估上。 智能体可以承担开发者、架构师和分析师传统工作的一部分，但人仍要判断结果是否符合客户架构、是否满足安全要求、是否合规。他给的反例很具体：一个软件跑得通，但如果违反银行的安全规则、或者依赖了企业不能使用的数据，它就是不可用的。 他把这个变化概括成一句：价值基本上已经转移到判断层，原文是 the judgment layer。 这条对能力晋升路径有直接影响。Olaizola 提到，专业服务公司过去用初级员工做研究、分析和基础技术工作，这套模型会改变初级人员做的事：他们从进入单元的第一天起就在资深同事旁边定义问题、评估智能体产出、做判断选择，判断力的养成从副产品变成目的。 ## 七、哪些工作不该交给智能体 Olaizola 明确表示不认为每个业务流程都会依赖 AI 智能体。他给出的判据是任务形状：输入已知、输出可预测、规则固定的任务，传统软件往往比去做概率判断的系统更高效；涉及解释、灵活性和判断的任务，才更适合智能体。 他的结论是一句否定形式的表述：AI 会嵌入到所有地方，但不是所有工作负载都会变成智能体驱动，原文是 AI will be embedded everywhere, not all the workloads will be agent-based。 前置部署 Forward Deployed Engineer（FDE）可以从这条里拿走一条选型规则：在客户现场做范围界定时，先把规则固定、输入输出可预测的那部分路由给确定性代码，把智能体的预算留给解释与判断类任务，以减少上线后的返工与评测成本。 它同时否掉了另一种做法：把整条流程无差别地交给智能体，然后用更大规模的评测去兜住不确定性。按任务形状分流在成本上更可控，也更符合客户既有的审计口径。 ## 八、单元依赖的平台：IBM Consulting Advantage 与 Process Studio FDU 不是一个纯人力编制，它运行在 IBM Consulting Advantage 上，这个平台提供智能体、可复用的方法与其他咨询工作工具。IBM 把这条路线的核心表述为：把专业能力从个人身上搬进可复用的平台、框架、工具与加速器。 IBM 在 2026 年 5 月 6 日的官方发布里把前置部署工程师与领域专家明确列为交付角色，并给出 Process Studio 的一个可核对量级：在一个客户项目中，IBM 分析了 1400 份流程文档，发现超过 1000 个改进机会，并重新设计了工作流，预计在 18 个月内把这个客户的运营成本降低超过 25%。 前置部署 Forward Deployed Engineer（FDE）在这里的取舍很清楚：单元人数能降到 3 至 4 人，前提是背后有平台承接可复用的方法与智能体；没有平台的团队照搬这个编制，只会把原来十个人的活压给三四个人。 可核对的另一面是这台平台已经在产生收入：IBM 在 2026 年 1 月披露其生成式 AI 业务规模越过 125 亿美元，其中约五分之四来自咨询，说明客户付费买的是被交付起来的系统，而不是模型调用本身。 ## 九、谁该行动，以及具体怎么做 第一类该行动的是正在组建或改造交付团队的工程负责人。做法是先按 FDU 的四类角色把现有 pod 拆开核对：是否有明确对业务结果负责的人、是否有技术架构师或前置部署工程师、是否有数据专家、是否有行业专家。缺哪一类，就在下一次投标前补上，而不是靠加班补。 第二类该行动的是准备把报价从人天改成结果的交付负责人。具体动作是挑一个已经在跑的项目，把估算口径换成两列：基线成本按传统人数与周期算，例如 300 人乘以 12 至 15 个月；实际成本按真实投入人数与周期算。这两列数字是改计价结构时唯一有说服力的材料。 第三类该行动的是在客户现场做范围界定的人。前置部署 Forward Deployed Engineer（FDE）的做法是在范围文档里显式写出两条边界：哪些任务属于规则固定、输入输出可预测，因此交给确定性代码；哪些任务属于解释与判断类，因此交给智能体加人工评估。 适用条件有三条需要说清楚。第一，这套编制成立的前提是任务可批量化，Olaizola 举的数据迁移就是成百上千个同类作业；如果客户现场只有一两个一次性作业，智能体的复用价值会大幅下降。第二，它依赖平台的智能体与可复用资产，自建团队需要先补齐这一层。第三，它要求有人能持续精炼输入，70% 到 85% 再到 90% 是靠改指令与上下文换来的，不是靠换模型换来的。 退出与回滚方式也要在合同里预留。因为单元人数少，人员一旦离开就难以维持产能，建议保留一条把交付单元回退到传统编制与固定人天计价的条款；同时把智能体的输入与上下文配置当作交付物存档，而不是留在个人提示词里，这样换人时不必从头重建。 还有一个反向判断规则：如果客户的风险暴露、控制权与商业模式契合度三个问题答不上来，就不要按结果计价。按结果报价意味着交付方承担了业务不确定性，缺这三项判断能力时，这套定价结构会把风险全部留在自己这边。 ## 十、原文自述的局限与本条未覆盖的场景 局限一，本条所有数字都来自 IBM 自述。IBM 官方博客与新闻稿没有提供第三方审计、没有提供客户的量化确认，也没有说明这些数字是否经过外部复核。 局限二，那个印度银行客户没有具名，IBM 明确表示不公开它的身份，因此外部无法核验项目范围与基线口径。 局限三，约 300 人做 12 至 15 个月是 Olaizola 给出的传统做法估算，不是与 IBM 实际交付做过同口径对照的实测值，两个数字不应被当作严格的对照实验引用。 局限四，70%、85% 与 90% 在原文里被明确描述为一个假设序列，用来解释精炼输入的思路，不是某个项目的实测准确率。 局限五，六人 pod 完成三十人团队工作量的口径没有说明是否计入平台授权、模型调用与基础设施成本，因此不能直接换算成单位成本下降比例。 局限六，成本侧细节缺失：IBM 没有公开 FDU 的定价方式、人员成本结构，以及智能体调用的用量与费用，本条不做推算。 局限七，本条未覆盖的场景包括：FDU 在非英语环境与强数据出境约束地区的适用性；上线后的长期运维成本与 Day 2 责任划分；以及平台之外的第三方工具链替代方案。 局限八，FDU 是交付组织形态，不是产品版本，因此本条没有可供升级或降级的软件版本号，读者不要把它当成可安装的技术方案。 ## 十一、与本站既有条目的差异说明 本条主体是 IBM 的 Forward Deployed Unit 交付单元模型与它的计价逻辑。检索本站已发布列表的标题，含 IBM 的条目为 1 条，是一条关于 IBM Research 智能体一致性评估方法的稿件，其技术面是 Pass^5 与 Mean@5 的缺口诊断；含 FDU 或 Forward Deployed Unit 的条目为 0。 两条的落点不同：那一条落在智能体评测指标与诊断方法上，本条落在交付单元的编制、平台依赖与计价结构上，不是同一事件，也不是同一技术面。 本站已有条目覆盖过岗位数量、地区编制迁移与政府采购中标这类角度。前置部署 Forward Deployed Engineer（FDE）在本条里换到的是单位经济性视角，即一个人月能产出多少交付结果，以及这种变化如何反过来改写合同的计价结构。 ## 原始来源 原始来源： https://www.ibm.com/think/news/ai-tightening-consulting-teams-forward-deployed-units https://newsroom.ibm.com/2026-05-14-A-New-Way-to-Make-AI-Actually-Work-in-the-Real-World https://newsroom.ibm.com/2026-05-06-ibm-consulting-expands-ai-capabilities-to-accelerate-enterprise-transformation