共 5 篇文章
以埃森哲与Google Cloud成立Gemini Enterprise业务集团、组建千人FDE队伍为引，探讨中国金融业在'人工智能+'行动下如何打造与用好前向部署工程师（FDE）：不追求规模本身，而是建成驻场、跨界、可复用的现场工程力量，并从组织建制、能力认证、资产沉淀三层给出落地路径。
2026年9月2日德勤全球宣布推出Open Model Engineering实践，核心动作之一是在全球雇佣、培训并认证基于开源模型的forward deployed engineers（FDE，前向部署工程师）。本文拆解该新闻稿并溯源FDE概念，论证银行为何尤其需要FDE，并给出银行版FDE的七维能力画像与落地路径。
张慧敏在《企业Agent工程方法论：从企业现实到可演进Harness的构建与治理》中提出：企业Agent落地的主要挑战，正从单轮生成与局部推理，转向在既有系统、授权结构与审计要求中实现可靠行动与可控演进，其核心结论是'模型能力不会自动转化为企业行动资格'。银行是'企业现实'密度最高的行业——账户状态、授信敞口、风控规则、授权矩阵与审计轨迹数十年沉淀，恰是该方法论最典型的适用场域。本文论证该观点在银行业的成立性，给出银行落地Harness的原因、六步路径与分层风险防范，主张银行智能体的核心竞争力不在单一模型，而在以Harness为控制层、以Harness Cell为演进边界、以Learning Runtime为治理机制的可演进工程体系。
Datawhale《FDE案例100》以24个真实企业AI落地案例记录FDE（前向部署工程师）如何把技术变成业务结果：从央国企财务报销、线下零售对账到跨境快消数据断层，反复出现一套高度收敛的执行方法论。本文通读全案例集，提炼六条共法，并逐一映射到银行业的财务、对账、报送、贷后与内部运营场景，给出银行版FDE的行动清单。
以arXiv最新论文《Agentic Software: How AI Agents Are Restructuring the Software Paradigm》为切入点，论证银行并不会因AI智能体而淘汰软件工程师：核心账务与风控需要更厚的传统工程内核，外围业务才能交给智能体。本文给出银行版'双内核'结论与四类新兴角色定义。