# FDE系列15：售前方案的困境——方案很好，但落不了地？

> 本文是《FDE工程师-从AI技术实现到业务落地》系列文章第15篇

---

**"方案是好的，但交付团队做不了。"**

**这可能是在AI项目中最让人崩溃的一句话。**

***

## 售前/解决方案的困境

售前和技术方案工程师，是"画饼"的人，也是"背锅"的人。

画饼的时候，什么都能做。交付的时候，什么都做不了。

### 典型困境：售前与交付的信息断层

某AI公司中标了一个大项目。

售前方案里写的是"使用最新的多模态大模型，实现全场景智能化"。

交付团队进场后，发现：
- 客户的数据是Excel表格，不是结构化数据库
- 客户的环境没有GPU，跑不了大模型
- 客户的IT团队只有3个人，而且都是"半路出家"

**售前承诺了"100分"，交付只能做到"60分"。**

客户不满意，交付团队背锅，售前团队说"是你们交付能力不行"。

**这个问题的根源，不是"交付团队能力不行"，而是"售前和交付的信息断层"。**

***

## 售前方案的"承诺陷阱"

### 陷阱一：过度承诺

为了拿下项目，什么都说"能做"。

**解决方案**：售前团队在方案中，要明确区分"一定能做"和"需要验证"。

- "一定能做"：产品已有的能力
- "需要验证"：需要PoC验证的假设
- "需要开发"：需要额外投入的定制化需求

### 陷阱二：技术至上

方案里全是"最先进的技术"，但没考虑客户的实际情况。

**解决方案**：方案要按照"技术可行性 × 业务价值 × 实施难度"三个维度评估。

| 技术方案 | 技术可行性 | 业务价值 | 实施难度 | 综合评分 |
|:--|:--:|:--:|:--:|:--:|
| 大模型方案 | 中 | 高 | 高 | 中 |
| 小模型+规则方案 | 高 | 中 | 低 | 高 |
| 规则引擎方案 | 高 | 低 | 低 | 中 |

**选"综合评分"最高的，不是"技术最先进"的。**

### 陷阱三：忽略环境差异

方案是基于"理想环境"写的，但客户的环境是"混沌的"。

**解决方案**：方案中增加"环境假设"章节，明确列出：
- 客户需要提供什么环境
- 客户需要提供什么数据
- 客户需要安排什么资源

**如果客户的环境不满足假设，项目需要调整方案或延期。**

***

## FDE式售前：从"画饼"到"护城河"

FDE式的售前，不是"画饼"，而是"建立信任的护城河"。

### 关键动作一：Discovery Checklist

在写方案之前，先做"需求发现"。

**FDE的Discovery Checklist：**

**技术层面**
- [ ] 客户的技术栈是什么？（编程语言、数据库、中间件）
- [ ] 客户的部署环境是什么？（云/IDC/混合）
- [ ] 客户的数据情况如何？（数据量、数据质量、数据源）
- [ ] 客户的安全要求是什么？（等保、数据不出境、加密要求）

**业务层面**
- [ ] 客户的业务痛点是什么？（不是"想要什么"，是"痛在哪里"）
- [ ] 客户的决策链是什么？（谁说了算、谁有否决权）
- [ ] 客户的预算范围是什么？（不是"多少钱"，是"愿意花多少钱"）
- [ ] 客户的预期时间是什么？（什么时候想要、什么时候必须上线）

**组织层面**
- [ ] 客户的项目团队是什么？（谁负责、谁支持、谁用）
- [ ] 客户的技术能力是什么？（IT团队有多少人、什么水平）
- [ ] 客户的变革意愿是什么？（愿意改变流程吗？愿意改变习惯吗？）

### 关键动作二：FDE参入售前

FDE在售前阶段就介入，而不是等到项目签了再进场。

**FDE在售前阶段的作用：**
- 评估方案的技术可行性
- 识别方案的风险点
- 提供"更贴合实际"的方案建议
- 建立客户的信任

### 关键动作三：分阶段交付

不要把"所有东西"放在一个方案里。

**分阶段交付：**

**Phase 1：MVP（最小可行产品）**
- 时间：4-6周
- 目标：验证核心价值
- 产出：一个可用的功能，让客户"用上"

**Phase 2：扩展**
- 时间：4-8周
- 目标：扩展功能和覆盖范围
- 产出：更多功能，更多用户

**Phase 3：优化**
- 时间：持续
- 目标：持续优化和迭代
- 产出：更好的体验，更高的效率

**分阶段交付的好处：**
- 客户能"早点看到"价值
- 团队能"及时调整"方向
- 风险能"分散管理"

***

## 真实案例：智能喷洒方案

某农业科技公司想做AI智能喷洒，降低农药用量。

**传统售前方案：**
"我们使用最新的计算机视觉技术，结合多光谱遥感数据，通过深度学习模型实时识别病虫害，精准喷洒农药。"

**听起来很酷，但交付团队一看：**
- 客户没有多光谱遥感数据
- 客户的地块没有网络覆盖
- 客户的设备不支持精准喷洒

**FDE式售前方案：**

**Phase 1（4周）**
- 用手机拍照 + 简单图像识别
- 人工确认病虫害区域
- 手动调整喷洒量

**Phase 2（4周）**
- 集成无人机航拍
- 自动化病虫害识别
- 半自动喷洒

**Phase 3（持续）**
- 全自动精准喷洒
- 持续优化识别模型

**结果：**
- Phase 1上线后，农药用量降低了60%
- 客户看到了价值，愿意继续投入
- 团队积累了经验，后续实施更顺畅

**不追求"一步到位"，而追求"步步为盈"。**

***

## 售前方案自检清单

- [ ] 我的方案中，有没有"过度承诺"？
- [ ] 我有没有考虑"客户的实际环境"？
- [ ] 我有没有和"交付团队"对齐？
- [ ] 我有没有建议"分阶段交付"？
- [ ] 我有没有做"Discovery Checklist"？
- [ ] 我有没有让FDE提前介入？

***

## 🔥 关注「AI拉呱」

本系列持续更新中。

**下一篇预告：** **FDE系列16：运维安全的困境——做好了没人知道，做坏了全世界都知道**

我们不见不散。

传统售前方案："我们使用最新的计算机视觉技术，结合多光谱遥感数据，通过深度学习模型实时识别病虫害，精准喷洒农药。"

FDE系列15：售前方案的困境——方案很好，但落不了地？

高级算法工程师

人工智能

职业发展

售前方案落地难源于过度承诺与信息断层，应通过DiscoveryChecklist摸清客户环境，区分“一定能做”与“需验证”，以技术可行性×业务价值×实施难度筛选方案，并采用MVP分阶段交付降低风险，实现步步为盈而非一步到位。

计算机视觉

结构化数据

图像识别

深度学习

中间件

数据库

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

FDE系列15：售前方案的困境——方案很好，但落不了地？-腾讯云开发者社区-腾讯云

FDE系列15：售前方案的困境——方案很好，但落不了地？

FDE系列15：售前方案的困境——方案很好，但落不了地？

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐