FDE如何挖掘用戶所表達的需求背後的深層需求？
整理版優先睇
FDE要穿透客戶表面需求，挖掘背後業務流程卡點與系統重構需求，將AI項目定位為數字員工而非工具。
呢篇文章係由彭俊旗寫嘅，佢以FDE（前端開發體驗/數位員工設計師）嘅角度，探討點樣挖掘客戶表達需求背後嘅深層問題。作者認為，好多客戶提出嘅需求其實係佢哋自己想像嘅解決方案，例如「我想做一個AI設計師」，表面係要出圖工具，但真正問題可能係設計產能追唔上業務、品牌風格唔統一、優秀經驗冇沉澱。作者想解決嘅係FDE只識聽表面需求、做咗好靚但用唔起嘅工具呢個問題。整體結論係：FDE要做嘅唔係功能傳遞，而係系統翻譯——將模糊需求拆解成業務流程、角色職能、數據知識同可驗證結果。
作者指出，客戶成日講嘅係「佢以為自己需要嘅嘢」，FDE第一步要接住客戶說話，然後往下拆：點解而家要？解決邊個業務問題？AI替邊個做？做到咩程度？佢提出好多企業AI項目本質係做「數字員工」，唔係做工具。如果當工具做，只關心功能全唔全；當數字員工做，就要關心職責邊界、輸入輸出、協作流程、審核機制同效果指標。需求調研唔好問「你想要咩功能」，要問「而家點做？邊個環節最嘥時間？啲判斷點樣靠經驗？」
最重要係要問清楚AI承擔邊個角色：係設計助理、選題研究員定分鏡師？角色清楚咗，先知道要咩輸入、輸出咩、點樣審核。項目失敗往往唔係模型唔得，而係業務知識冇整理好——品牌手冊、爆款案例、角色設定呢啲未準備好，AI只能憑感覺。深層需求本質係企業想沉澱能力——將過去喺少數人腦裏面、零散文件、微信對話入面嘅經驗重新組織，變成系統。FDE交付嘅唔係功能列表，而係一張問題地圖：業務流程…
- 客戶表面需求往往係佢哋自己認知拼湊嘅解法，真正問題係業務流程卡點或組織能力缺失，FDE要識別背後問題而唔係直接接需求。
- 需求調研要問「而家點做？邊個環節最嘥時間？邊啲判斷靠經驗？」而唔係「你想要咩功能」，避免堆功能冇人用。
- AI項目應視為數字員工而非工具，要定義角色（如設計助理、選題研究員）、輸入輸出、協作流程同審核機制，先有清晰邊界。
- 項目失敗常見原因係業務知識未整理成AI可用形態（如品牌規範、爆款案例），FDE要幫企業沉澱經驗、流程同標準。
- FDE價值在於將模糊需求還原成真實問題，再轉化為系統方案，交付問題地圖（流程、痛點、AI切入點、驗證指標），而唔係功能列表。
客戶講嘅係解法，你睇嘅要係問題
作者開門見山話：「客戶表達嘅係一個需求，FDE 要識別嘅係背後嘅問題。」客戶成日講佢哋自己想像嘅解決方案，例如「想做一個 AI 設計師」，但真正問題可能係設計流程跟唔上業務增長、品牌風格唔統一、優秀經驗冇沉澱。FDE 如果只聽表面，好易做出睇落靚但用兩次就扔低嘅工具。
客戶說：「我想做一個 AI 設計師。」你如果只聽表面，就會以為佢要一個出圖工具。
- 1 佢話要工具，你要問：點解而家要？
- 2 佢話要功能，你要問：呢個功能解決邊個業務問題？
- 3 佢話要 AI，你要問：AI 替邊個做事？做到咩程度？結果點樣驗證？
唔好當工具做，要當數字員工做
作者認為，企業嘅 AI 項目唔應該再簡單理解成「做一個 AI 功能」，而係想讓 AI 承擔某一類崗位職能。例如 AI 設計師唔止生成圖片，要參與設計生產、理解品牌規範、接受審核、根據投放優化。
AI 創意研發唔係寫幾個標題，佢應該參與趨勢分析、爆款拆解、選題生成，最後仲要將投放反饋沉澱返嚟。
- 當工具做：只關心功能全唔全。
- 當數字員工做：要關心職責邊界、輸入輸出、協作流程、審核機制、效果指標，同點樣同現有團隊配合。
呢個判斷好重要——客戶表面要工具，深層要嘅係一個能嵌入流程、承擔職能、持續交付結果嘅數字員工系統。
挖需求要問流程，唔好問功能
「你想做咩功能？」係最冇用嘅問題，因為客戶會俾一堆功能清單，最後項目變成堆功能，上線後冇人穩定用。FDE 應該問呢啲：而家件事點做？邊個環節最嘥時間？邊度最容易返工？咩判斷全靠經驗？
一定要問清楚：AI 到底承擔邊個嘅邊部分工作？係設計助理、視覺生成師、定品牌規範檢查員？
- 1 你哋而家件事係點做嘅？邊個做？
- 2 由邊度開始，到邊度結束？
- 3 邊個環節最嘥時間？邊度最容易返工？
- 4 邊啲判斷全靠經驗？邊啲資料每次要重新揾？
- 5 最後咩結果出現，先算成功？
業務知識先係基礎，模型只係工具
作者點出：好多 AI 項目失敗唔係模型問題，而係企業冇將自己嘅業務知識整理成 AI 用得嘅形態。例如 AI 設計需要品牌手冊、商品資料、歷史優秀素材；AI 創意研發需要爆款案例、用戶畫像、投放數據。如果呢啲都冇，AI 只能偶爾驚豔一次，無法穩定交貨。
企業需要嘅唔係偶然驚豔，係穩定產出、持續複用、團隊可協作。
- AI 設計：品牌手冊、商品資料、歷史優秀素材、渠道規格、審核標準、常見返工原因
- AI 創意研發：爆款案例、用戶畫像、投放數據、內容風格庫、選題方法、過往成敗覆盤
- AI 漫劇：角色設定、劇情結構、畫風規範、分鏡模板、音色標準、製作流程、上線數據
呢啲知識準備好，AI 先能夠穩定產出符合業務要求嘅結果。
交付問題地圖，而唔係功能列表
一個好嘅 FDE 做完需求挖掘，唔應該只俾一份功能列表——功能列表好好寫，但唔一定有用。更重要係形成一張問題地圖，講清楚當前業務流程、關鍵角色、痛點節點、AI 適合嘅任務、第一階段驗證場景、擴展路徑。
FDE 嘅專業判斷：唔追求最靚嘅功能，而係找到最能推動業務結果嘅切入點。
- 當前業務流程係點，關鍵角色係邊個
- 痛點喺邊啲節點
- AI 適合承擔邊啲任務
- 邊啲知識數據要先整理，邊啲系統要集成
- 第一階段先驗證邊個場景，上線後用咩指標睇效果
- 未來點樣擴展成可複用能力
所以 FDE 嘅角色唔係功能傳遞者，而係系統翻譯官——將客戶模糊嘅需求還原成真實問題，再轉化為可驗證、可上線、可擴展嘅業務系統。
「客戶講嘅係一個需求，FDE 要睇穿佢背後嘅問題。」 |
我覺得，FDE 好重要嘅一種能力，就係唔可以只聽客戶口頭上講乜嘢。
因為客戶講出嚟嘅需求，好多時唔係問題本身，而係佢根據自己現有嘅認知，自己砌出嚟嘅一個「解法」。
例如客戶話：「我想做一個 AI 設計師。」
如果你只聽表面，就會以為佢要一個出圖工具。但再睇落去，真正嘅問題可能係：設計產能追唔上業務節奏，上新太快，品牌風格唔統一，營銷素材成日返工，優秀經驗都喺個別同事個腦度，冇沉澱成穩定嘅方法。
客戶話：「我想做 AI 創意研發。」
表面睇，係想俾 AI 幫佢諗橋、寫文案。但深一層，可能係創意生產好唔穩定，爆款經驗複製唔到，選題、劇本、素材、投放之間各自為政，冇連埋一齊。每次都要靠人拍腦袋、靠臨場發揮。
客戶話：「我想做 AI 漫劇。」
表面睇，係想用 AI 生成影片。但真正嘅問題可能係：劇本、角色、分鏡、畫面、配音、剪輯、投放，每個環節都好重，協作成本高，週期長，迭代慢。成條鏈路仲未系統化過。
所以我覺得，FDE 唔可以做「客戶點乜我就俾乜」嘅角色。
真正有價值嘅地方係：你睇得明客戶點解會提出呢個需求。背後到底係邊段業務流程卡住咗？邊種組織能力未建立？邊套生產系統需要重新設計？
客戶講嘅係一個需求，FDE 要睇穿嘅係背後嘅問題。
一、客戶成日講嘅係「佢以為自己需要嘅嘢」
企業客戶提需求嘅時候，成日都唔係描述問題，而係描述佢想像中嘅解決方案。
▎ 佢話要 AI 設計師，唔一定真係缺出圖工具，更可能係設計流程已經追唔上業務增長。
▎ 佢話要 AI 創意研發，唔一定係缺幾個諗頭，更可能係企業冇一套持續產生、篩選、驗證、覆盤創意嘅方法。
▎ 佢話要 AI 漫劇，都唔只係想做個影片工具，更深層係想將內容生產由「堆人力、靠經驗」，變成「流程化、標準化、可規模化」嘅系統。
如果 FDE 只停喺表面，好容易會做出一個睇落幾型嘅嘢。客戶用兩次就掉喺度，因為佢冇入到真實業務流程，亦冇解決真正卡住嘅位。
所以第一步唔係心急俾方案，而係先接住客戶嘅說話，再拆落去。
佢話要工具，你要問：點解而家要？
佢話要功能，你要問：呢個功能解決邊個業務問題？
佢話要 AI，你要問：AI 代替邊個做嘢？做到咩程度？結果點樣驗證？
二、好多 AI 項目，本質係做緊「數碼員工」
我而家越來越覺得，企業嘅 AI 項目唔應該再簡單理解成「做一個 AI 功能」。
更準確啲講，係企業想俾 AI 承擔某一類工種嘅職能。
▎ AI 設計師唔係單純生成圖片，佢應該參與設計生產：理解品牌規範，讀取商品資訊，生成多渠道素材，適配尺寸，接受審核，再根據投放效果優化。
▎ AI 創意研發唔係寫幾個標題、俾幾個諗頭，佢應該參與趨勢分析、爆款拆解、選題生成、劇本設計，最後仲可以將投放反饋沉澱返嚟。
▎ AI 漫劇唔係「一鍵生成影片」嘅掣，佢背後係一條內容生產線：世界觀、人物設定、分鏡、畫風、配音、剪輯、覆盤，每個環節都要被組織起嚟。
客戶表面要工具，深層要嘅係一個能夠嵌入流程、承擔職能、持續交付結果嘅數碼員工系統。
呢個判斷好重要。
將佢當工具做，你只關心功能齊唔齊全。
將佢當數碼員工做，你就一定要關心職責邊界、輸入輸出、協作流程、審核機制、效果指標，以及佢點樣同現有團隊配合。
呢啲先係 FDE 要睇嘅嘢。
三、挖需求唔可以剩係問「你想要咩功能」
做需求調研，最容易問亦最冇用嘅問題就係：「你想做啲咩功能？」
客戶順住呢個問題，可以俾你列出一大串清單。最後個項目變成堆砌功能，睇落做咗好多，上線之後冇人穩定使用，亦冇產生明確價值。
FDE 應該問呢啲：
▎ 你哋而家呢件事係點樣做嘅？邊個做？
▎ 由邊度開始，去到邊度結束？
▎ 邊個環節最浪費時間？邊度最易返工？
▎ 邊啲判斷全靠經驗？邊啲資料每次都要重新揾？
▎ 邊啲標準仲未沉澱落嚟？
▎ 最後出現咩結果，先算成功？
以 AI 設計為例，咪一嚟就問想生成啲咩圖。先搞清楚：需求由邊度嚟？商品資料喺邊？品牌規範有冇？邊個審？邊個改？投放去邊？
呢啲未搞清楚，AI 出圖再勁都冇用。因為佢唔知接收咩輸入，交俾邊個，更唔知咩叫「符合業務要求」。
AI 創意研發都一樣。問題通常唔係「唔識諗創意」，而係創意太多冇得篩；唔係缺選題，係缺驗證機制；唔係做唔出內容，係創意同投放數據斷開，團隊每次都要由頭嚟過。
FDE 要揾嘅唔係客戶口講第一個講出嚟嘅問題，而係真正卡住業務運轉嗰個點。
四、一定要問清楚：AI 到底承擔邊個嘅邊部分工作
呢點最關鍵。
AI 唔可以模糊咁話「幫助業務」，呢個講法太空泛。你一定要將佢具體到角色同任務。
▎ 喺 AI 設計入面，佢係設計助理、視覺生成師、素材適配員，定係品牌規範檢查員？
▎ 喺 AI 創意研發入面，佢係選題研究員、劇本策劃、創意分析師，定係爆款拆解助手？
▎ 喺 AI 漫劇入面，佢係編劇助手、分鏡師、角色設定師，定係生產協調員？
角色一旦清楚，後面嘅事先清楚：佢需要咩輸入？輸出啲咩？邊個審核？出錯邊個負責？結果入邊個流程？點樣被評價？
呢啲唔定義清楚，AI 項目就會變成「睇落可以做好多嘢，但冇人真正依賴佢」嘅玩具。
真正能夠落地嘅系統，邊界一定係清楚嘅。
五、項目失敗通常唔係模型唔得，係業務知識未整理好
而家一講 AI 項目，開口就係模型、提示詞、工作流、自動化。
呢啲當然重要，但更基本嘅問題係：企業有冇將自己嘅業務知識，整理成 AI 可以用到嘅形態？
▎ AI 設計需要：品牌手冊、商品資料、歷史優秀素材、渠道規格、審核標準、常見返工原因。
▎ AI 創意研發需要：爆款案例、用戶畫像、投放數據、內容風格庫、選題方法、過往成敗覆盤。
▎ AI 漫劇需要：角色設定、劇情結構、畫風規範、分鏡模板、音色標準、製作流程、上線數據。
如果呢啲都冇，AI 只能憑感覺生成。間中驚豔一次，但冇辦法穩定交付。
企業需要嘅唔係間中驚豔，係穩定產出、持續複用、團隊可以協作。
所以 FDE 唔可以剩係接模型，要幫企業將經驗、流程、標準、數據整理出嚟。只有呢啲就位，AI 先真正長入業務系統入面。
六、深層需求唔係「功能需求」，係「系統重構需求」
客戶話「我要 AI 設計師」，深層可能係設計生產系統要重構。
以前：提出需求→理解→反覆溝通→揾素材→出圖→修改→適配平台。
FDE 要睇嘅係：邊啲步驟可以標準化？邊啲知識可以沉澱？邊啲環節交俾 AI？邊啲一定要留俾人審？
客戶話「我要 AI 創意研發」，深層可能係創意生產系統要重構。
以前靠少數人嘅經驗同靈感。而家要建立由洞察、選題、篩選、劇本、生產到覆盤嘅完整迴路。
客戶話「我要 AI 漫劇」，深層可能係內容生產系統要重構。
呢個唔係單點工具，係一條生產線。劇本、角色、畫面、聲音、剪輯、分發、數據，全部要組織起嚟。
呢啲就係系統視角。
唔係客戶要乜就做乜，而係判斷：呢個需求背後，企業真正要升級嘅係邊套生產機制。
七、交付嘅唔係需求文檔，而係一張「問題地圖」
一個好嘅 FDE，需求挖掘結束之後，唔應該剩係掉出一份功能列表。
功能列表易寫，但未必有用。
更重要嘅係形成一張問題地圖，講清楚：
▎ 而家嘅業務流程係點，關鍵角色係邊個
▎ 痛點喺邊啲節點
▎ AI 適合承擔邊啲任務
▎ 邊啲知識數據要先整理，邊啲系統要集成
▎ 第一階段先驗證邊個場景，上線後用咩指標睇效果
▎ 將來點樣擴展成可複用嘅能力
例如 AI 漫劇，客戶一開始可能想要「一鍵生成整部短劇」。
但你拆完會發現，第一階段最值得做嘅根本唔係「一鍵生成」，而係先將角色設定、分鏡劇本、畫風統一、素材生產標準化。
因為呢啲環節穩咗，後面嘅規模化先有地基。
呢個就係 FDE 嘅專業判斷：唔係追求最靚嘅功能，而係揾到最能推動業務結果嘅切入點。
八、深層需求嘅本質，係企業想將能力沉澱落嚟
好多企業表面買 AI，實際上係買緊一種新嘅組織能力。
▎ AI 設計師背後，係想沉澱設計能力。
▎ AI 創意研發背後，係想沉澱創意能力。
▎ AI 漫劇背後，係想沉澱內容生產能力。
以前呢啲能力喺少數人嘅腦入面、零散嘅文件入面、微信羣嘅聊天記錄入面、一次一次的臨時溝通入面。
FDE 要做嘅，就係將呢啲經驗、流程、標準、數據同系統重新組織起嚟，令 AI 參與入去，持續產出穩定結果。
所以 FDE 嘅價值，唔係「我可以幫你駁個模型」。
真正嘅價值係：我可以幫你將一個模糊需求，拆解成業務流程、角色職能、數據知識、系統能力同可驗證結果。
結語
挖掘深層需求，本質上唔係做訪談，而係睇系統。
客戶表達嘅係需求，FDE 要睇到嘅係業務問題。
客戶睇到嘅係工具，FDE 要睇到嘅係流程。
客戶期待嘅係 AI 能力，FDE 要交付嘅係可驗證、可上線、可擴展、可沉澱嘅業務系統。
呢個亦係我認為 FDE 最重要嘅價值：
將客戶模糊嘅需求，還原成真實問題；
將真實問題，轉化為系統方案；
將系統方案，交付成企業入面真正行得鬱嘅 AI 數碼員工。
AI 唔會取代思考者， FDE 唔係功能嘅傳遞者，而係系統嘅翻譯官。 |
Resona · 鳴 · 令每一次對話，都有迴響 2026-05-22 · 彭俊旗 |
「客戶表達的是一個需求，FDE 要識別的是背後的問題。」 |
我認為，FDE 很重要的一種能力，就是不能只聽客戶嘴上說了什麼。
因為客戶說出來的需求，往往不是問題本身，而是他基於當前認知，自己拼湊出來的一個"解法"。
比如客戶說："我想做一個 AI 設計師。"
你如果只聽表面，就會以為他要一個出圖工具。但往下看，真正的問題可能是：設計產能跟不上業務節奏，上新太快，品牌風格不統一，營銷素材反覆返工，優秀經驗都在個別人腦子裏，沒沉澱成穩定的方法。
客戶說："我想做 AI 創意研發。"
表面看，是想讓 AI 幫他想點子、寫文案。但深一層，可能是創意生產極不穩定，爆款經驗不可複製，選題、腳本、素材、投放之間各管各的，沒有連起來。每次全靠人拍腦袋、拼臨場發揮。
客戶說："我想做 AI 漫劇。"
表面看，是想用 AI 生成視頻。但真正的問題可能是：劇本、角色、分鏡、畫面、配音、剪輯、投放，每個環節都很重，協同成本高，週期長，迭代慢。整條鏈路還沒有被系統化過。
所以我覺得，FDE 不能只做"客戶點什麼，我就端什麼"的角色。
真正有價值的地方在於：你能看懂客戶為什麼會提出這個需求。這背後到底是哪段業務流程卡住了？哪種組織能力沒建起來？哪套生產系統需要重新設計？
客戶表達的是一個需求，FDE 要識別的是背後的問題。
一、客戶經常說的是"他以為自己需要的東西"
企業客戶提需求時，經常不是在描述問題，而是在描述他想象中的解決方案。
▎ 他說要 AI 設計師，不一定是真缺出圖工具，更可能是設計流程已經跟不上業務增長了。
▎ 他說要 AI 創意研發，不一定是缺幾個點子，更可能是企業沒有一套持續產生、篩選、驗證、覆盤創意的方法。
▎ 他說要 AI 漫劇，也不只是想做個視頻工具，更深層是想把內容生產從"堆人力、拼經驗"，變成"流程化、標準化、可規模化"的系統。
如果 FDE 只停在表層，很容易做出一個看起來挺酷的東西。客戶用兩次就扔在那了，因為它沒進真實業務流程，也沒解決真正卡脖子的地方。
所以第一步不是急着給方案，而是先把客戶的話接住，往下拆。
他說要工具，你要問：為什麼現在要？
他說要功能，你要問：這個功能解決哪個業務問題？
他說要 AI，你要問：AI 替誰做事？做到什麼程度？結果怎麼驗證？
二、很多 AI 項目，本質是在做"數字員工"
我現在越來越覺得，企業的 AI 項目不該再簡單理解成"做一個 AI 功能"。
更準確地說，是企業想讓 AI 承擔某一類崗位職能。
▎ AI 設計師不是單純生成圖片，它應該參與設計生產：理解品牌規範，讀取商品信息，生成多渠道素材，適配尺寸，接受審核，再根據投放效果優化。
▎ AI 創意研發不是寫幾個標題、給幾個點子，它應該參與趨勢分析、爆款拆解、選題生成、腳本設計，最後還能把投放反饋沉澱回來。
▎ AI 漫劇不是"一鍵生成視頻"的按鈕，它背後是一條內容生產線：世界觀、人物設定、分鏡、畫風、配音、剪輯、覆盤，每個環節都要被組織起來。
客戶表面要工具，深層要的是一個能嵌入流程、承擔職能、持續交付結果的數字員工系統。
這個判斷很重要。
把它當工具做，你只關心功能全不全。
把它當數字員工做，你就必須關心職責邊界、輸入輸出、協作流程、審核機制、效果指標，以及它怎麼和現有團隊配合。
這才是 FDE 要看的東西。
三、挖需求不能只問"你想要什麼功能"
做需求調研，最容易問也最沒用的問題就是："你想做什麼功能？"
客戶順着這個問題，能給你列出一長串清單。最後項目變成堆功能，看起來做了很多，上線後沒人穩定使用，也沒產生明確價值。
FDE 應該問這些：
▎ 你們現在這件事是怎麼做的？誰在做？
▎ 從哪裏開始，到哪裏結束？
▎ 哪個環節最耗時？哪裏最容易返工？
▎ 哪些判斷全靠經驗？哪些資料每次都要重新找？
▎ 哪些標準還沒沉澱？
▎ 最後什麼結果出現，才算成功？
以 AI 設計為例，別一上來就問想生成什麼圖。先搞清楚：需求從哪來？商品資料在哪？品牌規範有沒有？誰審？誰改？投到哪？
這些沒搞清楚，AI 出圖再強也沒用。因為它不知道接收什麼輸入，交給誰，更不知道什麼叫"符合業務要求"。
AI 創意研發也一樣。問題往往不是"不會想創意"，而是創意太多沒法篩；不是缺選題，是缺驗證機制；不是做不出內容，是創意和投放數據斷開，團隊每次重頭再來。
FDE 要找的不是客戶嘴上第一個說出來的問題，而是真正卡住業務運轉的那個點。
四、一定要問清楚：AI 到底承擔誰的哪部分工作
這是最關鍵的一點。
AI 不能模糊地說"幫助業務"，這個說法太空了。你必須把它具體到角色和任務。
▎ 在 AI 設計裏，它是設計助理、視覺生成師、素材適配員，還是品牌規範檢查員？
▎ 在 AI 創意研發裏，它是選題研究員、腳本策劃、創意分析師，還是爆款拆解助手？
▎ 在 AI 漫劇裏，它是編劇助手、分鏡師、角色設定師，還是生產協調員？
角色一旦清楚，後面的事才清楚：它需要什麼輸入？輸出什麼？誰審核？出錯誰負責？結果進哪個流程？怎麼被評價？
這些不定義清楚，AI 項目就會變成"看起來能幹很多事，但沒人真正依賴它"的玩具。
真正能落地的系統，邊界一定是清楚的。
五、項目失敗往往不是模型不行，是業務知識沒整理好
現在一講 AI 項目，開口就是模型、提示詞、工作流、自動化。
這些當然重要，但更基礎的問題是：企業有沒有把自己的業務知識，整理成 AI 可以使用的形態？
▎ AI 設計需要：品牌手冊、商品資料、歷史優秀素材、渠道規格、審核標準、常見返工原因。
▎ AI 創意研發需要：爆款案例、用戶畫像、投放數據、內容風格庫、選題方法、過往成敗覆盤。
▎ AI 漫劇需要：角色設定、劇情結構、畫風規範、分鏡模板、音色標準、製作流程、上線數據。
如果這些都沒有，AI 只能憑感覺生成。偶爾驚豔一次，但無法穩定交付。
企業需要的不是偶爾的驚豔，是穩定產出、持續複用、團隊可協作。
所以 FDE 不能只接模型，得幫企業把經驗、流程、標準、數據整理出來。只有這些就位了，AI 才能真正長進業務系統裏。
六、深層需求不是"功能需求"，是"系統重構需求"
客戶說"我要 AI 設計師"，深層可能是設計生產系統要重構。
過去：提需求→理解→反覆溝通→找素材→出圖→修改→適配平台。
FDE 要看的是：哪些步驟能標準化？哪些知識能沉澱？哪些環節交給 AI？哪些必須留人審？
客戶說"我要 AI 創意研發"，深層可能是創意生產系統要重構。
過去靠少數人的經驗和靈感。現在要建立從洞察、選題、篩選、腳本、生產到覆盤的完整迴路。
客戶說"我要 AI 漫劇"，深層可能是內容生產系統要重構。
這不單點工具，是一條生產線。劇本、角色、畫面、聲音、剪輯、分發、數據，都要被組織起來。
這就是系統視角。
不是客戶要什麼就做什麼，而是判斷：這個需求背後，企業真正要升級的是哪一套生產機制。
七、交付的不是需求文檔，而是一張"問題地圖"
一個好的 FDE，需求挖掘結束後，不應該只扔出一份功能列表。
功能列表好寫，但不一定有用。
更重要的是形成一張問題地圖，講清楚：
▎ 當前業務流程是什麼，關鍵角色是誰
▎ 痛點在哪些節點
▎ AI 適合承擔哪些任務
▎ 哪些知識數據要先整理，哪些系統要集成
▎ 第一階段先驗證哪個場景，上線後用什麼指標看效果
▎ 未來怎麼擴展成可複用能力
比如 AI 漫劇，客戶一開始可能想要"一鍵生成整部短劇"。
但你拆完會發現，第一階段最值得做的根本不是"一鍵生成"，而是先把角色設定、分鏡腳本、畫風統一、素材生產標準化。
因為這些環節穩了，後面的規模化才有地基。
這就是 FDE 的專業判斷：不追求最炫的功能，而是找到最能推動業務結果的切入點。
八、深層需求的本質，是企業想把能力沉澱下來
很多企業表面買 AI，實際是在買一種新的組織能力。
▎ AI 設計師背後，是想沉澱設計能力。
▎ AI 創意研發背後，是想沉澱創意能力。
▎ AI 漫劇背後，是想沉澱內容生產能力。
過去這些能力在少數人腦子裏、零散文件裏、微信羣聊天記錄裏、一次次臨時溝通裏。
FDE 要做的，就是把這些經驗、流程、標準、數據和系統重新組織起來，讓 AI 參與進去，持續產出穩定結果。
所以 FDE 的價值，不是"我能幫你接個模型"。
真正的價值是：我能幫你把一個模糊需求，拆解成業務流程、角色職能、數據知識、系統能力和可驗證結果。
結語
挖掘深層需求，本質上不是做訪談，而是看系統。
客戶表達的是需求，FDE 要看到的是業務問題。
客戶看到的是工具，FDE 要看到的是流程。
客戶期待的是 AI 能力，FDE 要交付的是可驗證、可上線、可擴展、可沉澱的業務系統。
這也是我認為 FDE 最重要的價值：
把客戶模糊的需求，還原成真實問題；
把真實問題，轉化為系統方案；
把系統方案，交付成企業裏真正跑得起來的 AI 數字員工。
AI 不會取代思考者， FDE 不是功能的傳遞者，而是系統的翻譯官。 |
Resona · 鳴 · 讓每一次對話，都有迴響 2026-05-22 · 彭俊旗 |