在職場上，你是不是也常被當成這種「萬能好人」？
懂一點技術，也懂一點業務流程，大家遇到各種疑難雜症都喜歡來找你討救兵。而你總是不嫌麻煩，願意花時間了解問題在哪裡，再想辦法把事情處理好。
如果你常陷入這種循環，先別急著自嘲是「工具人」。
其實，在軟體和企業服務領域，這種願意了解現場問題、想辦法把事情解決的人，正是 FDE（Forward Deployed Engineer，前線部署工程師） 很需要的特質。
系統沒有壞，但每天用起來就是很麻煩
最近我收到會計部門的一個求救。
「聯合 ERP 匯出來的分類帳報表，每次都要花幾個小時人工剪剪貼貼，可以不要整理得這麼痛苦嗎？
我們實務上的閱讀習慣，必須同時看到『日記帳明細（含傳票彙總）』和『分類帳明細』，但是它就沒有。」
這其實是很多企業導入套裝系統後，都可能遇到的問題。
系統功能沒有壞，也不是產不出報表，而是產出的格式不符合會計同仁平常工作的需求
最後，系統雖然幫忙產出了資料，使用者卻還是得花好幾個小時，自己複製、貼上、整理和彙總。
這時候，不同角色通常會有不同的反應。
- 一般的工程師可能會說：「系統標準格式就是這樣，要修改就得提需求、開專案、排時程。」一來一往，可能好幾個月就過去了。
- 消極的使用者可能會說：「好吧，那我每個月就認命加班，繼續複製貼上」。
- 具備 FDE 思維的人則會想「先別急著大改系統，去看看他們平常怎麼整理資料，有沒有更簡單的方法，可以省掉這些重複工作？」。
實際動手做：用 AI 幫 Excel 加上一鍵整理報表功能
我沒有一開始就埋頭去修改 ERP ，而是先坐在會計旁邊，看看他們平常怎麼工作。
從理解痛點到全面落地，我分成四個步驟。
步驟一、先到現場看看，了解大家平常怎麼工作
我先了解會計平常習慣怎麼看報表，以及他們如何把不同傳票和帳務明細整理在一起。
先搞懂他們為什麼要這樣整理，才能做出真正符合工作需求的工具，而不是又做出一個大家不想用的新系統。
步驟二、借助 AI 快速寫出 VBA 核心邏輯
確認 ERP 匯出的原始資料長什麼樣子，以及最後希望整理成什麼格式後，我就把資料範例、欄位對應方式和整理規則交給 AI。
只要 Prompt 描述得夠精確，原本需要花好幾天慢慢寫、反覆修改的 Excel VBA 程式，現在可以先請 AI 協助產生，再透過實際測試和修正，快速完成。
步驟三、直接放進 Excel 的自訂功能列
即使 VBA 程式寫好了，如果每次都要開啟開發人員工具、再找到巨集執行，對一般使用者來說還是有點麻煩。所以我進一步把 VBA 整理好，放到 Excel 上方的「自訂功能區」，讓使用者不用找巨集，只要點選按鈕就能執行。
會計同仁從 ERP 匯出資料後，只要點一下上方的「一鍵彙總報表」按鈕，過去需要花好幾個小時，手動整理好幾百行的帳務資料，現在只要按一下按鈕，就能自動完成整理和排版！
步驟四、附上簡單的操作說明，讓整個部門都能使用
最後我附上圖文並茂的簡易操作說明，讓同仁可以在自己的電腦上完成範本載入。
這樣一來，工具就不再只有我自己會用。其他同仁照著操作說明，也能在自己的電腦上安裝和使用，讓整個財會部門都能受惠。
什麼是 FDE？真正重要的不是會寫多少程式
FDE（Forward Deployed Engineer，前線部署工程師）到底在做什麼？
簡單來說，就是工程師不只是坐在辦公室裡等需求，而是直接走進客戶或使用者的工作現場，看看大家平常怎麼工作、哪裡最花時間、哪些事情一直重複做。
找到問題之後，再想辦法用技術解決。可能是調整系統、串接不同工具，也可能只是寫一個小程式，就能讓原本很麻煩的工作變簡單。
重點不是用了多厲害的技術，而是最後有沒有真的幫使用者解決問題。
但為什麼有了 AI，很多公司的問題還是沒有解決？
因為 AI 不會自動知道員工每天怎麼工作，也不一定知道大家嘴巴說的問題，究竟是不是最需要解決的問題。
例如：會計同仁說報表不好用，真正的問題可能不是報表少了一個功能，而是每天都得花好幾個小時，把不同格式的資料重新整理一次。
如果沒有先搞懂這件事，就算 AI 寫出再漂亮的程式，也不一定能真正幫上忙。
所以，真正有價值的不是埋頭寫程式，也不是背了一堆 AI 工具清單，而是你願意走到第一線，聽懂對方在說什麼，找出真正麻煩的地方，再用最簡單有效的方法把問題解決。
這就是我認為 FDE 最重要的工作思維。
FDE 跟駐點工程師有什麼不同？
常有人在討論，這不就是「駐點工程師」換個高級的英文名字而已嗎？
其實，兩者的工作重點不太一樣。
- 駐點工程師通常是依照客戶的需求，在現場提供技術支援、維護系統或協助處理問題，工作重點是把客戶交辦的事情做好。
- FDE 前線工程師則不只是把交辦的工作完成，還會主動了解客戶遇到的問題，思考有沒有更好的解決方法，並把現場的經驗和需求帶回公司，讓產品和服務持續改善。
當然，這不代表駐點工程師不需要解決問題，而是兩種角色在工作目標和思考角度上有所不同。
以我這次的 ERP 報表案例來說，雖然不是典型的客戶端 FDE 專案，但我認為背後的工作思維很接近：
先理解使用者真正遇到的問題，再選擇合適的技術，把事情解決。
這也是為什麼，我認為要成為一名優秀的 FDE，不能只想著「程式寫完、功能可以執行就好」，還要進一步思考：
- 這個功能真的解決使用者的問題了嗎？
- 有沒有更簡單、更省時間的做法？
- 這個解決方案能不能讓其他部門或客戶也受益？
- 能不能把這次的經驗，變成下一次可以重複使用的方法？
這也是為什麼 FDE 除了需要技術能力，還要懂得與人溝通、理解業務需求，並且站在整個產品的角度思考。
這些能力不是看幾篇文章、學幾套 AI 工具就能馬上具備的，而是需要在一次又一次的實際工作中，慢慢累積經驗。
真正有價值的，是知道該用 AI 解決什麼問題
回頭看這次的經驗，我覺得最值得分享的，其實不是用了什麼厲害的 AI 工具，也不是寫出了多少行 VBA 程式碼，而是從一個看似很小的問題開始，會計同仁每個月都得花好幾個小時整理報表，能不能想辦法讓這件事變簡單？
從了解他們平常怎麼工作，到找出適合的解決方式，再運用 AI 寫出程式，最後把功能放進 Excel，讓其他同仁也能直接使用。
整個過程看起來不複雜，但真正重要的是，你有沒有注意到別人遇到的問題，以及願不願意花時間把它解決。
能夠幫團隊解決問題、減少重複工作，甚至讓公司省下時間和成本的人，無論在哪個團隊，都能發揮很大的價值。
真正稀缺、無法取代的，從來不是「會不會用 AI」，而是「知不知道該用 AI 去解決什麼問題」。
能夠看出別人真正遇到的問題，聽懂他們的需求，再運用 AI 和技術做出實用的工具，這才是我們在 AI 時代最值得培養的能力。
所以，下次當你又被同事叫去幫忙救火時，不妨多想一步這次的問題，有沒有機會從根本解決？能不能做成一個工具，讓大家以後都不用再重複處理？
也許你以為自己只是在幫忙處理雜事，但其實你正在培養 FDE 最重要的能力。
你的團隊是不是也有被系統報表卡住，只能靠人工硬撐的地方？
歡迎與我聯繫，一起聊聊怎麼運用 AI 和技術，讓原本麻煩的工作變得更簡單。