Sie haben gerade ihren internen Prozess für den Einstieg als KI-FDE enthüllt
AAI LABS
Computing/SoftwareManagementJob Search
Transcript
00:00:00Wenn du weißt, wie man KI nutzt, bietet sich dir im Moment eine riesige Chance.
00:00:04Und interessanterweise, obwohl es eine der am meisten gesuchten Rollen für Unternehmen ist, finden sie kaum jemanden,
00:00:09der das kann. Diese Chance nennt sich Forward Deployed Engineer oder kurz FDE.
00:00:14Es ist nicht so, dass die Arbeit schwer zu lernen wäre, die Leute wissen einfach nicht, dass es diese Rolle überhaupt gibt.
00:00:19Und im letzten Monat ist diese Rolle so wichtig geworden, dass die Leiter
00:00:24dieser Teams bei OpenAI, Anthropic und Cursor alle Vorträge darüber gehalten haben. Und man
00:00:29bekommt so etwas normalerweise nicht zu hören, weil sie echte Projekte in echten
00:00:33Unternehmen durchgehen. Wir haben uns also all das angesehen und die Teile herausgefiltert, die du jetzt tatsächlich nutzen kannst. Wenn
00:00:38du neu auf diesem Kanal bist, dann willkommen! Wir sind ein Softwareunternehmen und das hier ist AI Labs, wo wir dir
00:00:43zeigen, wie man ein Unternehmen mit KI optimiert, und zwar mit bewährten Methoden aus unserem eigenen Team. In diesem Video
00:00:48werden wir darauf eingehen, was ein FDE ist, wie die großen Unternehmen diese Arbeit tatsächlich erledigen und wie du
00:00:53damit anfangen kannst. Aber bevor wir in irgendetwas eintauchen, definieren wir erst einmal, was ein FDE eigentlich
00:00:58ist. Ein Forward Deployed Engineer – oder kurz FDE – ist im Grunde jemand, dessen ganzer Job darin besteht, ein
00:01:03Unternehmen dazu zu bringen, KI tatsächlich zu nutzen. Und das bedeutet nicht, reinzugehen und sie zu beraten oder ihnen irgendein
00:01:09Strategiedokument zu überreichen. Es bedeutet, KI in den Systemen zum Laufen zu bringen, die sie bereits nutzen, so dass die Arbeit
00:01:14die ihre Leute bisher von Hand gemacht haben, stattdessen einfach von KI erledigt wird. Egal um was für einen Prozess es sich handelt,
00:01:20es gibt drei Dinge, die darin wirken: Entweder ist es ein Mensch, der die Aufgabe erledigt, oder es ist Software,
00:01:25die festen Regeln folgt, um die Aufgabe zu erledigen, oder es ist eine KI. Und ein FDE ist jemand, der genau weiß, welche
00:01:30dieser drei Instanzen welche Aufgabe im Prozess übernehmen sollte. Zum Beispiel hat ein Unternehmen einen Agenten auf seine Rückerstattungsanträge
00:01:36angesetzt, und auf dem Papier funktionierte das. Er las jeden Antrag, glich ihn mit den Rückerstattungsrichtlinien ab und lehnte
00:01:41diejenigen ab, die nicht qualifiziert waren. Aber nach ein paar Wochen begann das Unternehmen, Kunden zu verlieren, die sie schon seit
00:01:46Jahren hatten, und niemand konnte herausfinden warum, denn jede Rückerstattung, die der Agent ablehnte, war laut Richtlinie abzulehnen.
00:01:52Also ging der FDE zu der Person, die diesen Job früher gemacht hatte, und es stellte sich heraus, dass sie einen eigenen Schritt
00:01:57hatten, der nicht dokumentiert war. Sie prüften, wie die Bestellung bezahlt worden war, und wenn der Kauf
00:02:02über eine Firmenkreditkarte getätigt wurde, genehmigten sie ihn einfach, ohne weiterzulesen,
00:02:06weil diese von Unternehmen stammen, die jeden Monat kaufen, und wegen einer Rückerstattung zu streiten kostet einen das Konto. Die Richtlinie
00:02:11sagte dazu überhaupt nichts – sie hatten das vor Jahren selbst so herausgefunden. Also wurde diese Prüfung
00:02:16als feste Regel in den Arbeitsablauf aufgenommen, noch vor allem, was das Modell entschied. Wenn man nun mit Menschen arbeitet, gibt es ein
00:02:22Problem: Die meisten von ihnen können dir nicht sagen, was sie brauchen. Sie beschreiben etwas, das sie sich bereits ausgemalt haben,
00:02:26anstelle des Problems, das sie tatsächlich haben. Und das ist das größte Problem dabei, ein Unternehmen dazu zu bringen,
00:02:31KI anzunehmen. Hier ist der Grund: Die Leute, die die Arbeit tatsächlich erledigen, müssen einfach nur ihren Job abschließen. Sie wollen
00:02:36einfach, dass das Ergebnis so leicht wie möglich herauskommt. Sie betrachten den Prozess selbst nicht, daher ist es
00:02:41wirklich schwer, etwas zu bauen, das sie annehmen würden. Und genau da befinden sich die meisten Unternehmen im Moment.
00:02:46Seit KI populär geworden ist, integrieren sie sie in alles, was sie tun, ohne tatsächlich zu wissen,
00:02:51ob sie sie überhaupt brauchen. Genau deshalb stellt plötzlich jeder jemanden ein, der das für ihn
00:02:55regeln kann. Stellenausschreibungen für diese Rolle sind innerhalb eines Jahres um 729 Prozent gestiegen. AWS hat eine Milliarde
00:03:02Dollar in den Aufbau einer ganzen Abteilung für Forward Deployed Engineers gesteckt, und OpenAIs eigenes FDE-Team wuchs
00:03:08von zwei Leuten im Januar auf 39. Und das alles geschah verdammt schnell, denn vor drei Jahren brauchte im Grunde
00:03:13niemand einen FDE, und jetzt gibt es allein bei Y Combinator über hundert Start-ups, die für diese Rolle einstellen,
00:03:19wo viele der heute größten Start-ups ihren Anfang nahmen. Colin Jarvis leitet das Forward-Deployed-Team
00:03:24bei OpenAI, und er sagt, es gibt einfach nicht viele FDEs da draußen, also stieg die Nachfrage
00:03:29vor den Leuten. Bevor wir tiefer in diese Rolle eintauchen, wäre es toll, wenn du den Kanal abonnierst
00:03:34und den Like-Button drückst. Diese kleine Geste der Unterstützung hilft uns sehr. Die Nachfrage ist also da,
00:03:40Da ist also Nachfrage, aber das erklärt noch nicht, warum ein FDE ein eigener Beruf sein muss,
00:03:45denn die Tools sind nicht das Schwierige. Jeder kann sie sich besorgen und die meisten Unternehmen haben sie schon.
00:03:51Letztes Jahr hat das MIT genau dazu eine Studie durchgeführt: Sie untersuchten 300 KI-Projekte
00:03:56und befragten Hunderte von Leuten in den beteiligten Unternehmen. Sie fanden heraus, dass 95 Prozent dieser Projekte
00:04:03überhaupt keinen messbaren Nutzen brachten. Die Schlussfolgerung des MIT war, dass die Unternehmen selbst
00:04:08die Fehler verursachten, nicht die Modelle. Diejenigen, die nichts erreichten, nutzten generische Tools,
00:04:13die in einer Demo gut aussahen, aber bei echter Arbeit sofort versagten, und nichts, was sie darum bauten,
00:04:18lernte jemals, wie ihr Geschäft tatsächlich ablief. Nun, Vasuman Moza macht diese Art von Arbeit beruflich:
00:04:24Er war Ingenieur bei Meta und sorgt mit seiner Firma dafür, dass KI in großen Unternehmen funktioniert –
00:04:30er ist im Grunde ein FDE. Er hat also aus nächster Nähe miterlebt, wie viele dieser Projekte schiefgehen,
00:04:36und sagt, dass KI einfach auf kaputte Prozesse geklatscht wird, weil sich niemand den Prozess vorher ansieht.
00:04:41Ein Manager, mit dem er sprach, hatte ein Zehn-Millionen-Dollar-Budget in drei Monaten verbrannt,
00:04:46obwohl es für ein ganzes Jahr reichen sollte. Sein Unternehmen hatte allen die Tools in die Hand gedrückt
00:04:51und sie machen lassen. Das Geld war weg, ohne dass das Unternehmen dadurch auch nur in irgendetwas besser wurde.
00:04:56Und der Grund, warum diese Arbeit die vollständige Aufgabe von jemandem sein muss, ist, dass niemand im Unternehmen
00:05:00sie sonst erledigen wird. Die Ingenieure haben ihre eigene Arbeit zu bewältigen und die Leute,
00:05:05vollkommen normal wirken, und Palantir hat ein ganzes Jahr an einen dieser Workarounds verloren.
00:05:10Die Umstellung auf ein neues Dateiformat steckte fest, weil ein Ingenieur immer wieder sagte, das neue Format sei schlechter, und niemand
00:05:15herausfinden konnte, warum, bis sich jemand ihre Arbeit tatsächlich ansah. Es stellte sich heraus, dass sie die Daten überprüft hatte,
00:05:20indem sie die Dateien per Doppelklick öffnete, und das neue Format bot nichts, worauf man doppelklicken konnte. Also baute ihr das Team
00:05:26noch in derselben Nacht etwas, mit dem sie die neuen Dateien auf dieselbe Weise öffnen konnte, und sie genehmigte den Umzug zwei Tage später.
00:05:31Deshalb lohnt es sich, jemanden zu haben, dessen ganzer Job darin besteht, all das herauszuarbeiten, bevor irgendetwas
00:05:36gebaut wird, denn die Alternative ist eine Verschwendung aller Kosten und Anstrengungen. Viele große Unternehmen wie
00:05:42Anthropic und OpenAI haben kürzlich Vorträge darüber gehalten, wie sie diesen gesamten Prozess intern handhaben.
00:05:47Wir haben die besten dieser Vorträge zusammengestellt, und als wir sie analysierten, stellten wir fest, dass dieselben Muster immer wieder
00:05:52in jedem einzelnen Arbeitsablauf auftauchten. Der erste Schritt besteht darin, den Prozess auszuwählen, der das Unternehmen tatsächlich
00:05:57etwas kostet, und bei KI bedeutet das im Grunde Volumen. Du suchst also nach der Person, die
00:06:0250 Mal am Tag dieselbe Art von Nachricht bearbeitet, denn die Automatisierung einer einzigen Nachricht spart niemandem etwas, aber die Automatisierung
00:06:08einer Nachricht, die tausend Mal pro Woche gesendet werden muss, ist der Punkt, an dem das Unternehmen tatsächlich produktiver
00:06:13wird und mehr verdient. Und diesen Job findet man jetzt leicht, weil ein Unternehmen seine ganze Vergangenheit bereits in
00:06:19seiner Support-Historie hat. Gib das einem Modell, und es sagt dir, wo das Volumen liegt. OpenAIs Team tat
00:06:24genau das bei einer der größten Banken der Welt: Sie nahmen sich den einen Job vor, den Tausende von
00:06:29Beratern jeden Tag machten, und etwa 98 Prozent von ihnen nutzten am Ende das, was sie gebaut hatten. Der zweite Schritt ist zu bauen,
00:06:35auf was auch immer das Unternehmen bereits betreibt, und bei KI ist das viel wichtiger als früher,
00:06:40denn ein Agent ist nur so viel wert, wie er erreichen kann. Wenn ein Team also seine gesamte Arbeit bereits in Notion führt, musst
00:06:45du ihnen kein separates System bauen und das alles rüberziehen, nur damit ein Agent es leichter lesen kann.
00:06:50Du verbindest den Agenten über ein MCP mit ihrem Notion, und jeder arbeitet weiter so wie sie es
00:06:56schon immer taten. So funktionieren die meisten von ihnen, weil sie kein System aufgeben wollen, in das sie bereits viel
00:07:00Zeit und Geld gesteckt haben. Einer von Mozas Kunden hatte fünf Millionen Dollar und fünf Jahre darauf verwendet, in ihr
00:07:05Finanzsystem zu wechseln, weshalb es nie in Frage kam, sie von diesem System wegzubewegen. Der ganze Job bestand darin,
00:07:10alles andere in diesem Unternehmen damit kommunizieren zu lassen. Der dritte Schritt besteht darin, die Arbeitsweise der Menschen nicht mehr
00:07:16als nötig zu verändern. Wenn jemand jahrelang einen Prozess mit elf Schritten ausgeführt hat und du ihm eine Ein-Schritt-
00:07:21Version gibst, hören sie auf, sie zu nutzen. Früher haben sie die Arbeit währenddessen überprüft, und jetzt ist die Mitte weg und
00:07:26von ihnen wird verlangt, einer Antwort zu vertrauen, die einfach aufgetaucht ist. Also sagt Moza, du musst den Prozess so aussehen
00:07:31lassen, wie die Leute ihn bereits kennen. Du lässt den Agenten die Arbeit innerhalb jedes Schritts erledigen, aber du behältst
00:07:35die Schritte bei, damit die Leute immer noch etwas haben, das sie sehen können und das ihnen zeigt, dass die Antwort richtig ist,
00:07:40und der letzte Schritt besteht darin, viel mehr Zeit für Vertrauen als für das Bauen einzuplanen. Bei genau derselben Bank
00:07:45war die technische Seite nach sechs bis acht Wochen fertig, und dann dauerte es weitere vier
00:07:50Monate an Testphasen und Piloten, bevor sich die Berater tatsächlich auf sie verlassen wollten, denn wenn man
00:07:55jeden Tag etwas auf dieselbe Weise tut, wie man es im vergangenen Jahr getan hat, dann muss sich jede Änderung
00:08:00an diesem Prozess ihren Platz erst verdienen, egal ob man sie 5.000 Leuten oder fünf gibt.
00:08:05Aber bevor wir weitermachen, hören wir ein Wort von unserem Sponsor Dex AI, der Personalvermittlung für Softwareentwickler.
00:08:10Du hast keinen Mangel an Möglichkeiten, sondern einen Mangel an den richtigen. Die besten Stellen werden niemals ausgeschrieben;
00:08:15sie gehen an denjenigen, der im Netzwerk ist. Dex behebt das: Es arbeitet vollständig in deinem Auftrag, kein Jobboard,
00:08:20kein Personalvermittler. Es ist der Insider, der dich in den Raum bringt. Also habe ich es ausprobiert:
00:08:25Du briefst Dex einmal darüber, was du tust und was du willst. Ehrlich gesagt hat mich das Gespräch überzeugt,
00:08:30es stellt die richtigen Fragen und versteht, worauf du abzielst. Dann erledigt es die Arbeit – keine Bewerbungen, keine Recruiter-Filter.
00:08:36Dex kommt mit einer kurzen Auswahlliste an geprüften Positionen von Start-ups wie Linear und Atio zurück, die im Durchschnitt über 150.000 liegen.
00:08:43Jede Stelle ist passgenau handverlesen, niemals von einem Bot zusammengekratzt. Du bekommst einen direkten Draht zum Einstellungsteam mit offenem Gehalt,
00:08:49wobei die Vermittlung zum Angebot im Schnitt 29 Tage dauert im Vergleich zu 55 auf einem Jobboard.
00:08:55Und sobald du das getan hast, wirst du fast nie feststellen, dass der gesamte Prozess von KI ausgeführt werden sollte.
00:09:00Einige Schritte bleiben als Software, einige gehen an das Modell und einige bleiben bei einer Person.
00:09:06In Mozas Beispiel eines Prozesses mit acht Schritten liefen am Ende vier der Schritte eigenständig,
00:09:11weitere drei liefen mit einer Person, die das Ergebnis überprüfte, bevor es irgendwohin ging,
00:09:16und der letzte blieb vollkommen menschlich. Und der Grund, warum dieser Schritt vollkommen menschlich ist, liegt daran,
00:09:21dass es sich um eine Geschäftsentscheidung handelt, die KI noch nicht treffen kann. Entweder sind also die Kosten dafür,
00:09:26es falsch zu machen, zu hoch, um sie abzugeben, oder der Schritt kommt nicht oft genug vor, als dass sich ein Modell dafür lohnen würde.
00:09:32Drittens musst du für die Arten bauen, wie das System versagen kann, und nicht nur für den Fall, in dem alles glattläuft.
00:09:38Und Moza sagt, dass es, wenn es nur einen Weg gibt, wie etwas richtig laufen kann, auch tausend Wege gibt, wie es schiefgehen kann.
00:09:43Wenn du also nur für den Weg baust, wie es richtig läuft, ist das, was du gebaut hast, wertlos.
00:09:48Und bei KI bedeutet das meistens, mit den Stellen umzugehen, an denen sich das Modell nicht sicher ist,
00:09:53weil es dir so oder so eine Antwort liefert, selbst wenn es überhaupt keine Ahnung hat.
00:09:58Viertens musst du sicherstellen, dass das System tatsächlich funktioniert, bevor du es auch nur in die Nähe von etwas Echten lässt.
00:10:03Nun, ein Modell gibt jedes Mal eine etwas andere Antwort, selbst wenn du ihm dieselbe Frage stellst.
00:10:08Wenn du das System also nur ein paar Mal testest, wirst du die seltenen Fälle verpassen, in denen es umkippt.
00:10:14Was du stattdessen tust, ist, echte Beispiele aus dem von dir aufgeschriebenen Prozess zu nehmen, bei denen du die richtige Antwort bereits kennst.
00:10:19Dann lässt du das System über all diese Beispiele laufen und zählst, wie viele es richtig hinbekommen hat,
00:10:24und dann schaust du dir die an, die es verfehlt hat, und behebst diese.
00:10:29Und zuletzt musst du eine Zahl darauf kleben, was es tatsächlich wert war.
00:10:34Du solltest in der Lage sein zu sagen, ob es Geld eingebracht, Kosten eingespart oder ein Risiko verringert hat,
00:10:39weil nichts anderes zählt. Nun, bei Cursor hat sich jemand bei ihnen beschwert, dass ein Agent
00:10:44ihn zweitausend Dollar am Tag kostete, und als sie ihn fragten, was dieser Agent eigentlich tat,
00:10:50stellte sich heraus, dass er nur auswählte, welchen Ingenieur man rausschicken sollte, um kaputte Geräte zu reparieren.
00:10:55Also fragten sie ihn, was es ihn kostete, die falsche Person rauszuschicken, und das war mehr als zweitausend am Tag,
00:11:00und er stimmte sofort zu, weil er alles, worauf er geschaut hatte, nur das war, was ihn der Agent kostete, und er nie sah,
00:11:05was er ihm einsparte. Und diese fünf Schritte sind die Art und Weise, wie wir den internen Chatbot in unserem eigenen Softwareunternehmen
00:11:09gebaut haben. Wenn du unsere vorherigen Videos gesehen hast, weißt du, dass es im Grunde nur eine Chat-Schnittstelle ist,
00:11:14die den nicht-technischen Leuten in unserem Team erlaubt, Claude Code und alles, was es kann, zu nutzen.
00:11:20Wir haben es gebaut, weil die Leute in Personalwesen und Buchhaltung keine Ingenieure sind,
00:11:25und alles rund um Claude Code voraussetzt, dass man einer ist. Bevor Claude Code etwas Nützliches für ihre Arbeit tun konnte,
00:11:30müsste es mit Slack und E-Mail und dem Rest von dem verbunden werden, was sie jeden Tag nutzen,
00:11:35und das ist ein Einrichtungsjob, den keiner von ihnen je machen würde. Also übernimmt die Chat-Schnittstelle all diese Verbindungen für sie,
00:11:39und sie tippen einfach ein, was sie brauchen. Aber wir fingen nicht direkt an zu bauen: Unsere Ingenieure setzten sich
00:11:44zuerst mit den Leuten aus Personalwesen und Buchhaltung zusammen, weil die Technik keine echte Ahnung davon hatte,
00:11:49wie diese Abteilungen ihre Tage tatsächlich verbrachten. Also verbrachten sie ordentlich Zeit in diesen Abteilungen,
00:11:54schrieben jede einzelne repetitive Sache auf, die von Hand erledigt wurde,
00:11:59und arbeiteten dann heraus, welche davon ein Modell vernünftigerweise übernehmen könnte.
00:12:03Und dieses Dokument entpuppte sich als der Großteil des Builds. Diese aufgeschriebenen Prozesse wurden zu den Anweisungen,
00:12:09denen die Agenten folgen, und dem Wissen, aus dem der Chatbot antwortet.
00:12:14Dann gaben wir die erste Version an diese Abteilungen zurück und ließen sie an ihrer eigenen echten Arbeit nutzen,
00:12:19und sie kamen zurück und sagten uns, dass es ihnen tatsächlich Zeit sparte.
00:12:24Die letzte Frage ist nun, worin du eigentlich gut sein musst, um all das zu betreiben.
00:12:29Eines der Unternehmen, die genau für diesen Job einstellen, sucht Leute, die sich in Geschäftsprozessen und Technologie breit auskennen,
00:12:34mit einem Bereich, in dem sie wirklich tief drin sind, und sie sagen, die Geschäftshälfte wird on the job beigebracht,
00:12:39während die technische Hälfte das nicht wird. Aber für dich ist das wahrscheinlich umgekehrt,
00:12:45weil du dich nur auf die Geschäftshälfte konzentrieren musst, da das Bauen jetzt von Agenten übernommen wird.
00:12:50Und das ist in Ordnung, denn ein Palantir-Manager sagt, dass die Person, die bei diesem Job scheitert,
00:12:54der vorsichtige Ingenieur ist, der Code will, der auch in 10 Jahren noch Bestand hat.
00:12:59Der Job besteht darin, schnell etwas Klobiges vor einen echten Nutzer zu bringen,
00:13:05was im Grunde sowieso das ist, was dir ein Agent wie Claude Code beim ersten Durchlauf liefert.
00:13:09Jetzt, da du weißt, was ein FDE tut und wie die Arbeit tatsächlich erledigt wird,
00:13:15schauen wir uns an, was du damit anfängst. Der Ort, an dem du anfängst, ist das kleinste Unternehmen,
00:13:20in das du physisch hineinmarschieren kannst – also wo immer du arbeitest oder irgendwo, das ein Freund führt.
00:13:25Dann fragst du denjenigen, der es leitet, ob du eine Stunde damit verbringen darfst, dich neben die Person zu setzen,
00:13:30die den repetitivsten Job an dem Ort macht, während sie ihn tatsächlich ausführt.
00:13:36Und dann lässt du einfach die fünf Schritte über das laufen, was du gesehen hast. Was am anderen Ende herauskommt,
00:13:41wird Audit genannt, und es ist eine echte Sache, für die Unternehmen tatsächlich bezahlen.
00:13:47Moza, der diese KI-Projekte in großen Unternehmen leitet, beginnt jedes einzelne davon mit einem Audit, bevor etwas gebaut wird,
00:13:51und er sagt, dass die erste Phase der größte Engpass im gesamten Job ist,
00:13:57und das ist es, was du Leuten präsentierst, egal ob du dich für einen FDE-Job bewirbst oder ein Unternehmen direkt pitcht,
00:14:02weil du darin den Prozess eines echten Unternehmens aufgeschrieben hast, die Schritte, die du an KI übergeben würdest,
00:14:07und was jeder davon für sie an Geld wert ist. Nun, wir haben kuratierte Roadmaps und Guides für diejenigen,
00:14:12die tiefer in die Rolle des FDE eintauchen wollen, die in AI Labs Pro zu finden sind,
00:14:18was unsere Community ist. Wenn du also in dem, was wir tun, einen Wert gefunden hast
00:14:23und den Kanal unterstützen möchtest, ist dies der beste Weg, das zu tun. Der Link ist in der Beschreibung.
00:14:28Das bringt uns an das Ende dieses Videos. Wenn du den Kanal unterstützen
00:14:32und uns helfen möchtest, weiterhin solche Videos zu machen, kannst du das tun, indem du den Super-Thanks-Button unten verwendest.
00:14:38Wie immer vielen Dank fürs Zuschauen, und wir sehen uns im nächsten.
00:14:44Das bringt uns an das Ende dieses Videos. Wenn du den Kanal unterstützen möchtest
00:14:49und uns helfen möchtest, weiterhin solche Videos zu machen, kannst du das tun, indem du den Super-Thanks-Button unten verwendest.
00:14:54Wie immer vielen Dank fürs Zuschauen, und ich sehe dich im nächsten.
00:14:59Video.