大师课:FDE 如何靠部署 AI Agent 年入百万美元——Vasuman Moza(Varick Agents)

• 开场的问题：Greg 问，为什么有人当 FDE（forward deployed engineer，前线部署工程师，也就是派驻进客户公司、把 agent 真正装进对方业务流程的工程师）能拿到一百万美元？他的推理是：你部署 agent 若能给公司带来 500 万、1000 万、2500 万美元的价值，对方愿不愿意分你一块——「事实证明，愿意」。这是一道推算题，全片没有拿出任何真实薪资数据，薪酬逻辑放在后面「钱怎么分」那一节细说。→ 详细
• 为什么再录一期：Greg 说前不久和 Vas 录过一期，但那次「聊得比较宏观」，这期应观众要求往深了讲。他自己也认了一个常犯的毛病：老说「这个商业模式有意思，应用一下 AI 就行了」，却不讲到底怎么应用。Vas 当场许诺：讲清 AI 转型里端到端的工作流，以及听众自己怎么上手。→ 详细
• 讲者与利益相关：幻灯片标题页的署名是 Vas Moza，Varick Agents 的 CEO，这是一家派 FDE 进企业做 AI 转型的公司。他讲到顶尖 FDE 的画像时直接对着镜头招人（「如果你就是这样的人，我们真得聊聊，我们想招你」），片尾也坦白这次上节目最想要的就是招到人。Greg 则声明自己与这家公司没有任何利益关系。→ 详细
• 案例数据的性质，幻灯片自己标了：例 1（上市软件公司）和例 2（一家 PE 旗下的九家公司，应付账款那条流程在这一例里）的页面上标着「取自真实项目，名称与数字已改动」；例 3（60 人会计师事务所）标着「合成的典型事务所，数字为示意」。Greg 开场也说了「细节做了改动」，Vas 讲到一半又说「做过匿名处理」。所以下文所有案例数字都按「Vas 称 / 幻灯片上写着」来读：它们说明的是方法和量级，不是可以核实的客户实测。→ 详细
• 和库里其他期怎么配着看：同一位 Vas 在 AI Engineer 大会上还有一场 20 分钟演讲（见 ep107），那期后半讲了他们内部给 FDE 用的 agent 与自研模型，本期没有；本期的测绘步骤、四桶分法和三个案例的前后数字，那期没有。想看工具读 ep107，想看「进场之后每一步怎么做、账怎么算」读这期。同批 265 是另一个角度：一支 FDE 团队把自己的支持工作自动化掉。FDE 这门岗位的入门背景可见 ep106。→ 详细

▲ 图注：幻灯片「This is already happening」。四步是买一家靠人运转的公司、把工程师放进去、数字开始动、公司更值钱；下排三张卡是 Thrive Holdings、General Catalyst 和做第二三步的 FDE，脚注写明第四步是算术、不是某一笔具体交易。

• 总论点：Vas 几周前发了一篇文章叫《Don't Apply AI》（拿 applied AI「应用 AI」这个说法玩梗），核心一句是「AI 不是像刷一层漆那样涂上去的东西」，它真正牵涉的是流程再造。全场的每一步都在给这句话做注脚。→ 详细
• 已经在发生的版本：PE（私募股权）的 roll-ups（并购整合，即成批买下同类公司再统一改造）。买的是重人力、流程旧、软件也旧的公司，比如会计师事务所、IT 服务公司、律所；买完把 FDE 放进去，找出流程，摸清记录系统（system of record，企业里存「官方数据」的那套主系统，如 CRM、ERP）、例外情况、两拨人之间交接拖出的周期时间，再用 agent 把流程从头重建。他举 Thrive 为例：截至他做这份材料时，35 名工程师分布在 70 家公司里。→ 详细
• 幻灯片上多出来的背景（Vas 口头没念）：下排三张卡写着，Josh Kushner 的 Thrive Holdings 旗下 70 多家企业，以 120 亿美元估值融了 20 亿美元，OpenAI 在 2025 年 12 月入股；General Catalyst 承诺了数十亿美元去收购并重建服务型公司，在 HOA（业主协会）物业管理上有 25% 到 30% 的生产率提升；而做第二、第三步的人就是 FDE。脚注列的来源是 TechCrunch、The Next Web 和 General Catalyst 自己的文章。→ 详细
• 哪些数字在动：Vas 口头说报税快了 30%、准确率 98%，一家呼叫中心公司的毛利率做到 60% 以上；幻灯片上还多一条「半数 help desk 工单由 agent 关闭」。他唯一的提醒是，这件事比大家一开始以为的费工夫得多。→ 详细
• 估值杠杆，口头与幻灯片的说法不一样大：口头他举的例子是 10 亿美元买进，花 3 到 24 个月把 AI 落地，最理想的情况下利润率翻倍，再以 20 亿、40 亿、80 亿卖出，「这才是这些公司真正的目标」。幻灯片写得克制得多：服务型公司按利润估值，同样的倍数下利润率翻倍，公司大约值两倍；脚注还专门注明这一步「是算术，不是某一笔具体交易」。两种说法并列在这儿，哪个都不是已发生的交易。→ 详细
• Greg 替观众吐槽：这听起来就是「买一家公司、加上 AI、问号、问号、利润」。中间那两个问号，正是这期要填的东西。→ 详细

• 个人层面的比方：你有五个收件箱、四个存文件的地方（Google Drive、Notion、iCloud Drive、桌面）、一堆通讯 app。幻灯片把它数成 17 项服务：5 个收件箱、4 个文件存储、3 个流媒体、5 个通讯类 app（这一栏里本身就列着两个日历，他口头也是照着念的），副标题是「每一个的用法都不一样，没有一样写下来过」。「调哪个 app 的 API」反倒是容易的部分，难的是说清你到底怎么用它们：客户发邮件走 Gmail，算工作，当天回；家人发消息走 iMessage 或 WhatsApp。幻灯片右栏的一句话概括得最准：选哪个 app 是容易的，每一个你怎么用才是真正的活儿。→ 详细
• 放大到公司：设想一家过去收购过八家公司的企业。幻灯片上的三个大数字是 8 家被收购的公司、5 个地区（五套法律）、23 套记录系统，右侧按城市列了八家，各挂着当地的合规要求；Vas 口头只点了圣保罗、班加罗尔、澳大利亚、悉尼。每个地区做法都不一样：芝加哥用 SAP、Salesforce、Workday，多伦多用 NetSuite、HubSpot、ADP。把 AI 往这样一家公司上一套，结果只是把一团糟变得更快（原话是个被哔掉的脏字）。所以大家才对「用 AI 就行了」这种话特别烦。→ 详细

• 总顺序：Vas 说做法有很多种，Varick 的看法是五步：流程测绘（process mapping，把一件事在公司里实际怎么流转画出来）→ 流程再造 → 构建 → 部署 → 推广铺开。写 agent 排在第三步，前两步都还不碰代码。→ 详细
• 来源一 · 访谈：从单个部门开始，比如财务部，找 AP（应付账款）、AR（应收账款）、对账、开票、银行业务、FP&A（财务规划与分析）各块的负责人聊，再一层层往下。原因是大量信息活在人的脑子里，很少有一份干净文档能让 agent 学完就干。他们老听到同一句话：「这个人在公司待了 20 年了」，事情就归这个人处理。从 Fortune 50 到小企业都一样。访谈要问出来的是：今天为什么这么做？到底谁在拍板？哪一步是走过场、哪一步真有必要？出现例外时怎么办、多久出现一次？这些统统没写下来。幻灯片上这一栏还列了五样只有人能给的东西：一条规则为什么存在、谁真正拍板、哪一步是走过场、大家私下的变通办法、没写下来的门槛值；并写着访谈的规模是「十到二十个人，当面，让他们演示给你看」。→ 详细
• Greg 把这一步叫作 human API：第一步等于造一个「人肉 API」，把数据、系统、SOP（标准作业流程）搬进现代的数字化系统。他还调侃：别以为走进一家公司，对方会有一套接好了 agent 的 Obsidian 第二大脑，「这儿可没有什么第二大脑」。Vas 接话：没有哪个东西是接上去、调一下 API 就有了知识库的，得靠你自己建，既按部门、又跨部门，非常费工夫。→ 详细
• 来源二 · 挖记录系统：Salesforce、NetSuite、Dynamics、Workday 里有大量数据，但它们不是写成「第一步、第二步」的文档。做法是「住」在对方的记录系统上面：实时访问某个 Salesforce 三到四周，就能看清进来的是什么数据、多久被修正一次；这个过程持续在跑，再用 AI 分析每个动作背后的含义，最后画出一张图——某类记录进来之后，A 流向 X、B 流向 Y、C 流向 Z。幻灯片上列的可挖指标是吞吐量、每一步的量、周期与等待时间、错误率、例外占比、实体关系与数据类型，并用一句话点出它的长处和短处：每一个案子、每一个时间戳、每一次交接都有，「量全都在，记忆一点没有」。所以他强调：「如果你只做这个而不做访谈，你就少了半幅图景。」→ 详细
• 来源三 · 现有文档：存在于人和系统之外的东西，散落在 SharePoint、Drive、Notion、Slack、Teams、Gmail 和各种电子表格里，有的已经过时，有的还不错。幻灯片把这一栏叫「挖其余的一切」，列的是 SOP 与制度、桌上那张电子表格、审批邮件串、催办邮件、在聊天里解决掉的例外、例外清单，它给你的是「没人敲进系统里的规则，以及成文流程在哪儿走了样」。三块走完，才算拿到整家公司的全貌。→ 详细
• 幻灯片底部的一句总括：访谈给的是「为什么」，挖掘给的是「是什么」，合起来才是那张图——每一步、它的量、它的等待、它归谁管。幻灯片上三栏的编号是 1、2A、2B，也就是把后两个来源都算作让 agent 去「挖」的活，只有访谈是人对人。→ 详细
• 三块的比重因公司而异：很大的公司有 10 年的 Salesforce 历史数据可以当依据；SMB（中小企业）多半没有流程、没有记录系统、没有软件，东西主要在人脑子里，得靠访谈挖。每家公司从哪个角度切入，要你自己判断。→ 详细

▲ 图注：例 1 的幻灯片。上排是流程文档上的 7 步，下排是 CRM 日志里的 20 步，三条红线是最大的三个回路，分别标着 61%、12%、30%；标题下的标签写明取自真实项目、名称与数字已改动。

• 客户画像与数据性质：Vas 称这是 Varick 实际做完的一个项目；幻灯片的标签则写明「取自真实项目，名称与数字已改动」，所以下面的数字是改动过的版本。一家上市的 B2B 软件公司，营收约 50 亿美元，约 150 款产品，解决方案顾问口头说「一大堆」、幻灯片上写约 175 人，是 CRO（首席营收官）把他们请进去的。难点一栏幻灯片只写了一个词「上市」，解释是每一笔折扣都会落进某个要对外披露的季度；Vas 口头说的是要应付监管和法律。→ 详细
• 文档上的版本 · 7 步：对方其实有流程文档，Vas 记得是此前请一家咨询公司做项目时测绘出来的（听写应为 Deloitte，存疑）。上面是一条直线：做报价 → 提交 → 到 deal desk（交易审批台）→ 审批 → 发出 → 谈判 → 签约，「干净利落」。他的提醒是：只从一个角度看、甚至只问一个人，得到的总是这种版本，对方讲给你的可能就是个不对的故事，所以还得去访谈别人。→ 详细
• 实际的版本 · 20 步、7 个回路：他们在对方 CRM（他记得是 Salesforce）上部署了流程挖掘（process mining）agent，从日志里跑出来的是一个 20 步的流程，里面有 7 个回路（走到某一步出问题就绕回前面重来）。幻灯片只画了最大的三个并标了占比，三个数与口头一致：条款审核把报价打回给销售，61% 的请求会走这一圈（Vas 口头的描述是「从第一步走到第四、第五步，一有问题就绕回第一步」）；法务打回，12%；新报价重新走一遍审批，30%。另外四个回路的占比，幻灯片和口头都没给。这些全都没有成文记录，是他那支 FDE 团队进去之后才画出来的。→ 详细
• 多出来的 13 步是什么：幻灯片把 20 步摊开之后可以看到，文档上没有的步骤分两类。一类是文档没写的审核：条款审核、财务、法务、安全。另一类是返工与重复：问 RevOps（营收运营）、重做、打回销售、重新提交、再过一遍 deal desk、出新报价、再提交、再审批、再发出。后一类占了九步，文档漏掉的大头是「同一件事做了两遍」。→ 详细
• 这张图本身就是交付物：Vas 说，整个销售部门的流程被这么清晰地画出来，此前从来没有人给部门里的任何人看过，以至于 CRO 和 CFO 们会说「我感觉你们比我们自己还懂我们部门」。他认为这才是症结：你跑去说「我们想用 AI」，可是用在哪儿？哪个流程是坏的？要解决的问题是什么？没有这一步，这些都答不上来。→ 详细
• Greg 的工厂比方：每家公司都像一座工厂，从上往下看有装配线、有不同环节、旁边还有做账的办公室。FDE 做的事是把每个部门提炼成一组系统，然后摊开来看——底下三层分别是数字化工具（Salesforce、NetSuite 这类）、真正干活的 agent、还有人。很多公司以为自己有一套完整的系统，其实看见的只是冰山一角。→ 详细

▲ 图注：例 1 的 20 步分桶结果。左列淡出的 8 步是删掉的，其后是纯代码 4 步、agent 5 步、人做决策 3 步；副标题写着八步是被删掉、不是被自动化。

• 例 1 的精确分法（口头只说了「有五步是 agentic 的」，其余三个数只在幻灯片上）：20 步里删掉 8 步、纯代码 4 步、agent 5 步、人做决策 3 步。幻灯片副标题的原话是「八步是被删掉的，不是被自动化的。agent 为每一次审核做好准备。人来审批、谈判、签字」。被删的是返工和跑了两遍的审核（问 RevOps、重做、打回销售、重新提交、第二次 deal desk、再提交、再审批、再发出）；纯代码是提交、deal desk、发出、出新报价；agent 是做报价、条款审核、财务、法务、安全；人是审批、谈判、签约。删掉的步数比交给 agent 的还多。→ 详细
• 桶一 · 删掉：判据是「在 AI 之后的世界里，这一步就不该存在」。先问这一步该不该有，再谈怎么自动化。后面「五天计划」和收尾清单两页幻灯片还给这四个桶定了先后：删掉、纯代码、agent、人，「按这个顺序」，并写着多数人是从模型那一步开始的。→ 详细
• 桶二 · 纯代码：判据是有规则可循、不需要判断、没有变数，就是「如果 x 就 y」；就算有变数，也不过是多写几个分支（他说的 switch case）。典型是一次简单的 API 调用：发生了这个，就执行那个。能写死的就写死，不必劳动模型。→ 详细
• 桶三 · agent（原话 agentic）：判据有两条，一是需要判断，二是有足够的历史数据，让你能把规则讲得相当具体。报价案例里的例子是做报价，要判断客户是谁、这单对我们值多少、要花多少、要调配哪些资源。财务那边他举的是发票归类：某个明细行写着显示器，多半归到办公用品；但如果它来自某个特定供应商，就知道它其实不是办公用品。→ 详细
• 桶四 · 人做决策（human in the loop，人留在回路里把关）：判据是风险最高、「你真的出不起错」的事，他口头列的是审批、谈判、签约、提交付款（报价这一页幻灯片上只有前三项，提交付款是他口头多说的）。往外付款这一步上面多半该有个人盯着，理由很具体：不想让 agent 从头跑到尾，否则一张钓鱼诈骗的假发票进来，agent 说「这看着挺正规的，那就直接付了吧」，钱就出去了。→ 详细
• 四个桶合起来的意思：不是什么都该交给 agent，有些就该是确定性的代码，有些必须留给人，还有一些根本不该存在。Vas 的说法是，怎么分「得靠你自己把这些想清楚」，这正是 FDE 的判断力所在。→ 详细

▲ 图注：示意画面，不是客户真实系统。左边是 Salesforce 样式的待审批报价列表，右边是 Slack 样式的 deal-desk 频道，Varick Agent 贴出一张审批卡片和三个按钮，由人来点。

• 定位要反着来：很多人把 AI agent 当成一个新的界面（surface，用户要另外打开去操作的地方），Varick 的做法正好相反。Vas 说这一点最能打动企业高管，也是他给所有想做 FDE 的人的强烈建议：把自己定位成「在他们的记录系统里面搭 agent」。例子是让 agent 去挖对方的 Salesforce，并且直接在 Salesforce 里执行操作，用户不用进任何新地方。→ 详细
• 幻灯片上的示意画面（页面小字读得出的大意是示意重建、模拟数据，不是客户真实系统的截图）：标题是「agent 在 CRM 里干活，人来拍板」。agent 在 Slack 频道里贴出的审批卡片下面有三个按钮：按申请批准、附条件批准、暂缓。副标题把分工说得很清楚：一个折扣申请进来，agent 把制度、底线和先例凑齐，算出区间，然后停下。→ 详细
• 为什么不能劝人换系统：Vas 转述客户的原话，有人花了好几年、好几百万美元（他记得有一次是 1000 万美元）才从一套 ERP 迁到另一套，CRM 也一样。所以如果你推销 AI 的说法是「我们要把你从 Salesforce 搬到这个 AI 原生的 CRM 上」，用他的话说，「那你已经失去他们了」。唯一的例外是还没有 CRM 的小企业，可以直接给他们上一套。→ 详细
• 连人工把关也不出原来的工具：需要人做决策的环节，只是 Slack 里的一条消息。好处是不用重新培训员工——他们本来就习惯这些工具——所以一上来就能跑起来，使用率爬得快。→ 详细
• Greg 的归纳：卖任何东西都要走阻力最小的那条路；让对方整个换软件、再灌一堆 agent 世界的新概念，阻力最大。Vas 补一句：他们没听说过 Jev、Muse 这些东西，保持简单就好。→ 详细

▲ 图注：同一个 PE 旗下五家都用 NetSuite 的公司，月末关账分别是 12、9、15、18、13 步；红色格子是催和等的步骤。

• 案例的身份：幻灯片把这一例叫「九家公司，一个私募股权老板」，同样标着「取自真实项目，名称与数字已改动」。出资方（sponsor）是一只中型基金，旗下 26 家投资组合公司、分属 7 个行业（标注里还带着「运营合伙人」字样），是它把 Varick 请进去、把每一扇门打开的。26 家里做了九家，分成两个项目：先做 5 家用 NetSuite 的，再做 4 家用 Dynamics 的。→ 详细
• 不分组就做不完：一家 PE 机构在几十家公司里持股，想在所有公司把 AI 全面铺开。Vas 口头的算法是：26 家公司就是 26 个项目，每家 10 个部门、每个部门 10 条工作流，照这么做，他说哪怕只想做出一点成效，都得在 3 年里派出 5 万名 FDE（这个数只在口头，幻灯片上没有）。→ 详细
• 分组的办法：按记录系统归类。给 26 家公司做财务，就把其中 5 家用 NetSuite 做 ERP 的归一组、4 家用 Dynamics 的归一组。幻灯片把「为什么是这九家」写成三个「一」：一个项目只对一套 ERP（集成只做一次，部署到用它的每一家）；一个问题（应付、应收和月末关账，九家都是靠人手往 Excel 里敲）；一套政治（出资方把你引荐给每一位 CFO，从第一天起就是自上而下的支持）。FDE 的功课是吃透每款软件已经有什么能力、没有什么能力，缺口在哪儿补，再怎么和对方在用的其他工具打通（他点了 Ramp、Brex、BlackLine、Concur、Expensify，还有一个听写存疑、按上下文应是 Tipalti）；销售运营那边同理，有的用 Salesforce、有的用 HubSpot。→ 详细
• 好处有两个：一是只需要处理共性，用记录系统这一个入口把事情理顺，不被扯向四面八方；二是顺带简化了内部政治，因为一遍又一遍面对的是同一类买家（CFO）。→ 详细
• 同一套 NetSuite，五种跑法：那五家公司全在用 NetSuite，同一件事——幻灯片上写明是月末关账——却分别是 12 步、9 步、15 步、18 步、13 步，每家内部还有地区差异。幻灯片给每家注明了它靠什么在跑：第 1 家靠 Excel 加离岸团队，第 2 家全在 ERP 里做（步数最少的 9 步），第 3 家是 ERP 加表格加一个共享邮箱，第 4 家是 NetSuite 加一套旧账本（最多的 18 步），第 5 家是 ERP 加共享邮箱。图上标红的步骤全是「催」和「等」：催对账单、发邮件给财务主管、等回复、催回复、二次复核、查邮箱。→ 详细
• 五种跑法收成一种：测绘出来之后，PE 机构最常问的是「打法手册（playbook）是什么」——明天再收购一家新公司，该照什么流程走、用什么软件。答案就是幻灯片最下面那一行，「五家共用一个关账定义」，6 步：对账单经数据接口自动进来 → 规则匹配 → agent 把例外整理好 → 人处理例外队列 → 过账 → 关账。Vas 自己承认这张图是夸张化的画法，现实里很少真能做到人人六步，但可以做到相当接近，靠的是深度参与、和各方一起测绘、再带着预见去做再造。→ 详细

• 谁把他们请进去：经常是 CIO（首席信息官），出发点是想把全公司都用 AI 过一遍；也有 CEO、CFO、CRO 这类只管自己部门的人，说「这是我的部门，我想在这儿上点东西」。前面的报价案例就是 CRO 请的。Vas 提醒：CFO 自己都承认他们是出了名的多疑，想卖给 CFO，「祝你好运」。→ 详细
• Varick 交付的价值分三个桶：节省成本、营收提升、风险缓释。Greg 觉得 CFO 只关心降成本，Vas 说基本没错，但还有一个同样打动 CFO 的点：月末关账（month-end close）要多久？他们听到的回答是大概 22 天、4 周、6 周，都超过一个月了。如果能压到 4 天或 8 天、准确率还更高，哪怕成本和现在一样，CFO 也觉得值。也就是说，对方并不是只想把现有那堆糙活原样留着、只求更便宜，他们确实想要更快、更准。→ 详细
• Greg 的总结：看人说话。对 CIO、CTO 讲效率、产出、生产力、跟得上最新进展；这事接着交到 CFO 手里，他们在乎的就是营收提升和降成本。→ 详细
• Vas 的一句话版：「卖的是结果。」面对 CHRO（首席人力资源官）或首席人才官，要讲的是你能更快招到更好的人、从入职第一天起更快把人带出来；他们在这儿不是想省钱，要的是好得多的产出。→ 详细

▲ 图注：同一页幻灯片两个状态的上下拼接。上：改造前，17 步、6 个经手方、6 个例外回路；下：改造后，7 步、4 个 agent、3 个人工决策；最底一行是五项前后对比的 KPI。流程框里的步骤名在画面上读不出。

• 测绘出来的现状：Vas 称这是一份真实的流程测绘，同时明说「做过匿名处理」、不能透露客户工作流的细节——和这一例幻灯片上「名称与数字已改动」的标签是一个意思。对象是应付账款（accounts payable，公司付钱给供应商的那条线），幻灯片副标题写它是「从交易日志里测绘出来的」。改造前一共 17 步，幻灯片上还标着 6 个经手方（供应商、发票处理团队、财务系统、预算负责人、财务领导层、付款台）和 6 个例外回路；他们花了两三周，靠访谈加流程挖掘摸出来。而这在他见过的里面还算不复杂的，40 步、200 步的工作流都见过。→ 详细
• 别跳过让客户看清自己这摊乱局的那一步：Vas 对 FDE 的要求是先把现状画出来给客户看，原话是「他们想看到这个。看了会心碎，但他们需要」。然后再摆出 agent 化之后的版本：一是看上去清爽得多，对方能长出一口气；二是实际跑起来也顺，该 agent 处理的 agent 处理，需要的地方留人把关。→ 详细
• 前后五组数字（口头与幻灯片逐项一致，但都是改动过的数字）：流程步骤 17 → 7；周期时间（cycle time，一张发票从进来到处理完要多久）24 天 → 6 天（口头后一个数没带单位，幻灯片上写的是 6 days）；例外回路 6 个 → 1 个；发票直通率（straight-through rate，不经任何人工例外处理、一路走完的比例）18% → 87%；单张发票处理成本 31 美元 → 6 美元，他口头说降幅 80%。幻灯片上改造后的版本还标着「7 步、4 个 agent、3 个人工决策」，副标题强调三样没变：同样的制度、同样的审批人、完整的审计轨迹。→ 详细
• 他最看重的是直通率那一项：18% 意味着这家客户的大多数发票其实都在走例外路径，「这说明你的流程非常差」。而把它修好，他特意强调「这属于流程再造的活儿，甚至都不全是 agent 的事」——收益的大头来自把流程理顺，不是来自模型多聪明。→ 详细
• 卖给高管的那页图怎么画：Greg 建议，卖给 CFO 时把 agent 摆在流程图上，旁边标每个月的预估成本，因为跟人比那个数字会低得吓人。Vas 说准确率和其他 KPI 同理，哪个高管都吃这一套；而且 FDE 的工作有一部分就是拿这些 KPI 立标准——现在跑得多糟、将来跑成什么样——然后用它要求自己，六个月后才能说「这是我做到的」。→ 详细

• Greg 先替他挡一下：单张发票成本从 31 美元降到 6 美元，公司多出来的利润空间可能自己留一部分，也可能让一部分给客户。→ 详细
• Vas 的说法：他们的客户多是 Fortune 1000、Fortune 500 级别，想赢、想增长，最常见的是资源重新配置而不是大规模裁员。这些公司宁可让财务部门最好的那批人别再手工分派发票、审批、解析发票，去做杠杆更高的事：FP&A 规划、跨职能岗位，或者组建公司自己的 FDE 团队。他承认「岗位会发生迁移」，但认为想赢的公司不会去裁 50% 的人。这是卖方的说法，他没有给出客户侧的人员数据。→ 详细

• 来源要说清：幻灯片给这一例的标签是「合成的典型事务所，数字为示意」；Vas 口头的说法是这家「其实不是我们的客户」，是他和业内另一个人聊天时听来的。两种说法不完全一样，但指向同一件事：这一例的数字不是 Varick 自己量出来的。放进来是因为它代表中小企业这一侧，而且他认为「如果这是你的第一个 FDE 项目，你大概就该从这里起步」。→ 详细
• 画像与难点：60 人，营收约 1200 万美元（幻灯片注 4 位合伙人），约 400 个客户、按月做账，四套系统，「由谁请进来」一栏写的是老板，即管理合伙人。难点幻灯片写作「400 种做法」：每个客户交账的方式都不一样。Vas 说他甚至听说有的发票发过来是一张照片，拍的是有人在笔记本上随手写的字，他就是在那一刻明白了：这不是把 AI 往上一套就完事的，得真正钻进去。→ 详细
• 说的和做的：业务约定书（engagement letter，事务所和客户签的服务说明）上写的是 6 步：收集资料 → 分类 → 对账 → 合伙人复核 → 交付 → 开账单。实际的工作日志是 14 步，多出来的是催、再问、问客户、重做、标记、打回、修改、再复核。幻灯片只画了最大的两个回路：追着客户要资料，写的是「70% 的月份」会发生（Vas 口头说的是收集之后要回头再问，70% 的时候会出现）；合伙人把东西打回来，35%。→ 详细
• 分桶结果（口头只念了「三个 agent、两个人工决策」，其余在幻灯片上）：14 步里删掉 5 步（再问、重做、打回、修改、再复核，全是返工和重复）；纯代码 4 步（收集、分类、对账、开账单，靠银行流水接口和规则）；agent 3 步（催资料、问客户、标记例外）；人做决策 2 步（合伙人复核签字、由人把结果交付给客户）。幻灯片副标题是一句很顺口的分工：规则做账，agent 催办，合伙人仍然签字，仍然由人去和客户说话。→ 详细
• 这一页的结论：幻灯片底部写着「一家 1200 万美元的事务所和一家 50 亿美元的公司，同一套方法，同样四个桶」。→ 详细

• 测绘之外的第二项功课：Vas 强调，FDE 的工作不只是把回路画出来，还要让客户明白它发生一次的代价。如果 35% 的时候都得绕这一圈，那是多少钱、多少时间？从团队里这一个人交到下一个人，中间等了多久？他说大量的时间就耗在这儿。→ 详细
• Michael Hammer 30 年前的话：Vas 说他那篇文章里引了研究过数字化转型的 Michael Hammer——你可能有 20 个步骤，就算把每一步都提速，整个流程也未必变快，因为真正起决定作用的是步骤之间的周期时间，「那 20 天的时间就是这么来的」。Vas 的结论是，今天看到的还是同一回事。他后面不看好「让每个人干得快一点」、更看重「把活儿整段拿走」，用的也是这个逻辑。→ 详细

• 企业现状与起点：Vas 的观察是，大多数公司用的是 Microsoft Copilot，其次是 Claude Code，再其次是 Codex。想做的很多东西，尤其对中小企业，应该先从 skill 文件做起（写给 agent 的可复用操作说明），不管用哪一家。→ 详细
• 大实验室不想让你知道的事（Vas 的原话）：真要自己构建 agent（他坦白说这需要工程能力），你想实现的大部分东西并不需要前沿模型。他们见过真正需要部署 Fable 或 Astra 的情况非常少；日常用的是 Opus 4.8，更多时候是 Sonnet，或者 GPT 里思考档位调低一些的模型，另外还有开源模型。→ 详细
• 大企业对中国模型的抵触：Vas 称这是给观众的一点内行话——大企业不想用出自中国的模型，要么不能用，要么就是有一种很硬的抵触，尽管在他看来模型不过是一堆浮点数。他们用过开源的 Muse，在获准的地方有时也用中国模型，Grok 也用得不错。→ 详细
• 结论是别把自己圈死：非前沿模型、Grok、Muse、GLM、Kimi、Qwen 都是工具箱里的工具，「你应该拿每一个工作流去对每一个模型做基准测试」，测出来哪个合适用哪个。→ 详细

• Greg 的问题：个人 agent 平台开始做大了，他点了 Grok Bot、Muse（刚宣布了面向小企业的 Muse for small business）、偏消费者的 Instinct，问 Vas 会不会拿这类东西去部署进企业。Vas 补了一个：OpenAI 前一天刚发的 Dots。→ 详细
• Varick 的两条线：一条是 sidekick agent，也就是你的 copilot（副驾）——你跟它聊，它把事办了；Instinct、Dots、Grok Bot、Muse 在他看来都是这条线的延伸，共同点是「你得跟它聊」。另一条是 background agent（后台 agent），它们真的在后台干活，不打扰你，一直做同样的事，需要时才来叫你一声，因为「它们本来就知道自己该做什么」。而后台 agent 之所以能知道该做什么，靠的正是前面那一整套流程测绘与再造。→ 详细
• 为什么现在不用个人 agent 进企业：Vas 觉得这里有东西可以被打开，他也能想象两条线将来接上——用一个 Muse 或 Grok Bot 来搭后台 agent——但企业场景下针对个人 agent 的治理机制（谁能让它做什么、出了错谁负责、怎么审计）现在还没到位，需要从软件工程角度介入多深，中间仍有一道巨大的鸿沟。所以到目前为止用例有限。→ 详细
• ROI 的差距是他选边的理由：「我们宁可把工作从他们手上拿走，而不是让他们干得更快，因为 ROI 的差别就在这里。」Vas 称前一种（sidekick）让产出快 10% 到 20%，后一种（background）让产出快 70% 到 80%，准确率还更高。这组数字没有给出测算口径。→ 详细
• 可以对着听的另一种看法：同批 263 里 OpenAI 的 Tibo 说，精调 agent 工作流只是过渡阶段；Vas 这边则认为个人 agent 在企业里缺治理，回报来自吃透流程之后的后台 agent。两边立场不同，这里只并列，不替谁下结论。→ 详细

• 第一项 · 懂活儿实际怎么干成：自己下功夫把记录系统研究透（Salesforce、NetSuite、Dynamics 各提供什么、不提供什么），还要懂业务职能本身该怎么运转，比如应付账款应该怎么跑。这个要么自学，要么结合着进到一家公司里去学。→ 详细
• 第二项 · 交付生产级代码：得能干工程的活。Vas 说这不要求你是计算机本科出身、当过十年软件工程师，「尤其是 AI 工程已经进步到今天这个程度」；但你得能把调用各个记录系统的 agent 真正上线，而且可审计性、治理、安全都到位。→ 详细
• 第三项 · AI 这一层：知道该用哪个模型；知道哪些事可以放心交给模型、哪些不行；会用 eval（评测）去测每个模型；会优化 harness（包在模型外面、负责调度工具和上下文的那层外壳）；还要会处理 agent 做错动作的情况，比如出现幻觉之后怎么回滚。→ 详细
• 幻灯片给三项各起了名字，还标了这种人平时在哪儿：一是 operator（懂业务怎么运转的人），知道哪一步是走过场、谁真正拍板，「咨询公司有这种人」；二是 engineer，把生产级软件交付进记录系统，管集成、权限、回滚，「软件公司有这种人」；三是 AI engineer，搭 eval 和不绑定某一家模型的 harness，知道模型能被托付什么，「AI 实验室有这种人」。三个圈的交集才是 FDE，底部一句话：几乎没有人三样集于一身。副标题说，这就是这份工作值钱的原因，三个案例每一个都同时用到了这三样。→ 详细
• 三样都要出类拔萃，再加沟通：Vas 说三样都能做到的人非常非常少见，通常只占一两样，或者三样都平平；而顶尖的要求是三样都拔尖，外加能跟高层对话、说服他们这条路是对的（沟通这第四点只在口头，幻灯片上没有）。他就是在这里直接开口招人的，并补了一句「人人都在找顶尖的 FDE」。→ 详细
• Greg 的类比：这种人相当于 NBA 球员，最顶尖的 0.1%。但他强调这是学得会的：不需要 CS 学位，要的是一门心思学这门手艺、实际部署的经验，以及在各种生态里反复练手（开源与闭源、Microsoft 生态、Salesforce 生态），听得懂所有这些词，再用能打动高管的方式讲出来。→ 详细

• Greg 的推算：派 FDE 进去解决的问题，轻轻松松就是每年几百万美元的节省和效率提升。他转述年轻时一位知名创始人（有过好几次数十亿美元级退出）给的建议：找工作，最好的那份是离钱最近的，也就是能证明你优化了收入和利润的那份，因为这种人自然拿得最多。于是有了那道算术：你给公司带来 1000 万美元价值，我能不能付你其中的 10%，也就是 100 万美元？他的原话是「也许可以吧，这可能是笔做得成的交易」。→ 详细
• Vas 的两句补充：一是对方能交付多少，付其中的 10%，雇主「眼都不会眨一下」；二是甚至有 PE 公司招 FDE 时直接给 carry（业绩分成，即基金卖出获利后分给管理团队的那部分）里的一定比例，他举的数是：10 亿美元买下、希望卖到 50 亿，中间的差额你拿 0.5%，依据是你为他们干成的活儿。→ 详细
• 照实说这一节的证据强度：全片支撑「年入百万」的就是上面这两样——一道「价值的 10%」的假设算术，和「有 PE 给 carry」的说法，而且都只在口头。幻灯片标题页的副标题虽然写着「年入百万美元的 AI 工作背后的确切工作流」，但 16 页幻灯片上没有任何薪酬数字。没有任何一个真实的 FDE 薪资数字、没有 Varick 自己的薪酬结构、也没有说多少人拿到了这个数。能确定的只是定价逻辑：按交付的价值分成，而不是按工时计价；并且两人都把它限定在「顶尖里的顶尖」身上。→ 详细

▲ 图注：幻灯片「Do this next week」，每天一件事。周五一栏写的是在一门你熟悉的生意上把周一那步重做一遍，和 Vas 口头说的去联系小企业不是一回事。

• 这一页的前提：幻灯片标题是「下周就做」，副标题写着「每天一件事，对象是你自己的生活，先别碰任何 AI；周五，换到一门生意上做」。五列标着周一到周五。→ 详细
• 周一 · 列清单：把存着你东西的每一个 app 都列出来（就像他开头数自己的收件箱那样），写下哪个说了算、哪个会对不上、事情该怎么路由，等于给自己的生活做一整套流程测绘。幻灯片的写法是：五个收件箱、四个文件存储、同一个餐厅 app 的三个登录账号，写下两个对不上时听谁的。→ 详细
• 周二 · 拿出上周做过的 20 件事：幻灯片举的是付账单、订位、归档收据，并要你数一数有几件事两次走的是同一条路，答案是「几乎没有」。Vas 口头换了个例子，说取消订阅是大头，在 Instinct 和 Muse 上看到很多人让 agent 去退掉自己早忘了的东西；还自嘲 Adobe 每月扣他 40 美元、扣了两年。→ 详细
• 周三 · 把一个流程一步一步写下来：比如付一笔账单从头到尾怎么走（幻灯片：从那封邮件到银行，每一次点击、每一个标签页、每一段等待），或者自由职业者怎么为工作提交发票。尽量写细，五种做法、十种例外都写进去。→ 详细
• 周四 · 把每一步归进四个桶：哪些直接删掉？哪些是确定性的？哪些是 agentic 的？哪些还得你本人在场？幻灯片上多一句要紧的话：删掉、交给代码、交给模型、还是自己留着，「按这个顺序」，而多数人是从模型开始的。→ 详细
• 周五 · 两个版本，并列记：幻灯片写的是「在一门你熟悉的生意上，把周一那步重做一遍」——牙医诊所、律所、街角的小店都行——量一量干活的时间和等待的时间，然后做出能去掉一步的最小的东西。Vas 口头说的却是另一件事：想清楚要联系谁，去联系一批中小企业（找人引荐，或直接冷外联，即不经介绍去联系陌生人），提出帮他们做这件事，而且只就一个流程。一个是找一门熟悉的生意练手，一个是出去拿第一个客户，他没有解释两者的差别。→ 详细
• 第一单怎么做：从一个工作流开始，弄得超级简单，然后替对方把所有事都做了——skill 文件写好，个人助理搭好（Instinct、Muse、Grok Bot、Dots，哪个都行），agent 建起来，再给一个时间表。Vas 的建议是刚起步时必要的话免费做，「相信我，这份经验更值钱」，下一单就可以收五位数、六位数美元。→ 详细
• 不想当 FDE 的人也能用：Greg 指出这套东西对两类人有价值，一是想当 FDE 的，二是想让自己公司更 AI 原生的——后者除了周五不用去联系别人，周一到周四做的就是「理解这套系统，再优化这套系统」。Vas 补充，客户常问「我们怎么在内部培养自己的 FDE」，他给的也是同一套打法。→ 详细

• Greg 问硬件：大企业有敏感数据，是不是很多人要求把开源模型跑在本地（on-premise，机器放在自己机房里，不走云）？Vas 的回答是「这种需求我们一例都没碰到过」。他知道有公司专门把 GPU 集群租给或卖给体量大、监管严的企业，但 Varick 合作过的银行、金融服务、医疗、制药这些监管最严的客户，他认为还没走到那一步，「也许最终会，但现在还没有」。→ 详细
• Greg 提到 OpenAI 的 Private Intelligence：他照着页面念——OpenAI 在 DevDay 上发布的这项功能主打零数据留存（zero data retention，简称 ZDR，服务方不保存你发过去的内容）加私密安全处理，可以做自动化的安全审查，企业不必让 OpenAI 的人员接触底层内容。Greg 的解读是，企业想用这些模型，但不太愿意把钥匙交给 OpenAI。Vas 说自己错过了这条消息。→ 详细
• Varick 现在的做法：通过 Azure Foundry、AWS Bedrock、Google Vertex 这几家云来调用模型，这些云已经同意不拿数据去训练、零数据留存。Vas 认为数据问题对很多公司会越来越要紧，所以 OpenAI 推这个说得通。→ 详细

▲ 图注：收尾页「So don't apply AI」的六步打法，第六条写着十二个月之后才是它管用的唯一证明；底栏是 Varick 的网站和每周文章的地址。

• 如果只留下一句话：Vas 说就是「别『应用』AI」。他认为大多数 AI 试点失败的原因正是把 AI 往业务上硬贴，做得很虚：要么给所有人发一份 Claude Code 许可证，要么建一个其实并不理解工作流的 agent。→ 详细
• 幻灯片上的六步打法（副标题说它对牙医诊所、律所和上市公司都管用；Vas 称他们能把一个个部门改造成功靠的就是这套）：① 找到真实的流程——访谈拿「为什么」，agent 在记录系统和其余一切上面拿「是什么」；② 把经过的时间和真正动手的时间分开量——「等待才是流程本身，干活只是几分钟的事」；③ 定义一个流程、一个负责人——得是能跨所有部门签字的人，「这一步跟 AI 毫无关系」；④ 把每一步归类——删掉、纯代码、agent、人，按这个顺序；⑤ 先定基线再动手建——「把数字写在墙上」，制度不变、审批人不变、审计轨迹完整；⑥ 建一次，到处部署，再量一遍。Vas 口头念的时候把最后一条拆开成了「建一次到处部署」和「持续度量」，所以听起来像七步。→ 详细
• 多久之后算证明，两处说法不同：Vas 口头讲的节奏是先花四周做审计，摸清对方的系统并把 POC（概念验证，小范围跑通的样板）做出来；接下来四周把 agent 建出来；再过 3 个月、6 个月回去对账——以前是这样，现在是这样——证明给 CFO 看。幻灯片第六条写的却是「十二个月之后，那才是它管用的唯一证明」。这里并列记下，不替他统一。→ 详细
• 他的收尾：这不是「做了 AI、部署完、收工」，FDE 的工作是端到端把所有事都做了。→ 详细

本期无闪电问答，收尾只有几句：

• Greg 声明自己与 Varick 没有任何利益关系（「Vas 没请我喝过一杯啤酒，没给我打过钱」），请他来只是因为他在这件事上是世界级的，而且肯把看家的东西讲出来。→ 详细
• Vas 坦白这次上节目最想要的收获是招人；Greg 打趣他嘴上说别 apply AI，转头就说来 apply 我的公司。→ 详细
• Greg 给观众的最后一句：不管你是想当 FDE，还是只想把这套方法用起来，都亲自下场动手去做。他这次请 Vas 回来，起因是看到了那篇文章。→ 详细

对话里没有念出具体账号或网址；最后一页幻灯片的底栏写着网站 varickagents.com 和每周文章 varickagents.com/newsletter。Greg 说会在视频简介里放三样东西：这份演示材料的链接、Vas 的社交账号、以及那篇《Don't Apply AI》文章。Vas 表示 Varick 正在招 FDE。→ 详细