Saas、平台與 Forward-Deployed 模式

當公司說想現代化，或者想用 AI 賦能組織，它們通常在談工具。更困難的問題，是營運模式。

AI 不會因為大家可以使用模型、copilot 或新應用，就自然在整個組織變得有用。它需要組織變得可被軟件讀懂：工作要被捕捉、標準化、儲存、取回、設定權限，並可透過工具採取行動。

所以採購決定很重要。Saas、MSP、agency、consultant、platform 和 forward-deployed team 不是可以互換的「AI transformation」購買方式。它們是改變工作如何發生的不同方法。

Saas 可以標準化一條已知工作流程。MSP 可以營運和支援系統。Agency 可以按清晰 brief 執行交付。Consultant 可以診斷、設計和引導變革。Platform 可以提供數據、workflow、interface、權限和工具所需的可重用基礎元件。

Forward-deployed platform 不同，因為它由營運問題出發，貼近工作去建立系統。當組織自己的數據、判斷、流程、例外情況和專業語言本身就是價值的一部分，這種模式才有理由存在。

現代化的選項

這張表重要，因為 AI 令舊有現代化分類變得不夠。公司可以買工具、支援、執行和建議，但仍然缺少 agent 最需要的東西：一個持久 representation，呈現組織實際如何工作。

Saas 作為交付模式

美國 National Institute of Standards and Technology 把 Software as a Service 定義為：使用 provider 在 cloud infrastructure 上運行的 applications，consumer 不管理底層 infrastructure，通常只有限度 application configuration。這就是 Saas 的力量：provider 處理 hosting、upgrades、reliability 和 product development，customer 則付費取得 access。

當 workflow 已經在很多組織之間相當熟悉，這個 model 很有效。Email、payroll、CRM、accounting、HR、ticketing、analytics、project management 和 document management 都受惠於 standardisation。除非有特殊理由，公司不應自己 build email service 或 payroll engine。

Saas 也有清楚的 cost logic。Customer 通常付 subscription 或 usage fee，而不是 funding bespoke software build。Vendor 把 product 和 infrastructure costs 分散到很多 customers。Customer 得到更快 time to value、更低 maintenance burden，以及由別人維持的 product roadmap。

Tradeoff 是 product 必須 generalise。Saas product 可以 support configuration、integrations 和 custom fields，但它的 economics 取決於同時對很多 customers 有用。

MSPs、agencies 和 consultants

MSPs、agencies 和 consultants 在很多 modernisation decisions 裏都坐在 Saas 旁邊。

MSP，即 managed service provider，通常負責一項 defined technology service：infrastructure、devices、cloud operations、security monitoring、backups、help desk、compliance support 或 ongoing administration。ITPro 把 managed IT services 描述為把 IT infrastructure 和 operations outsourced 給 third-party providers，通常透過 recurring contracts 和 continuous support 運作。當問題是 reliability、coverage、technical operations 或 specialist skills access，這很有價值。

但它的重心是 operate 和 support 一項 service，不是 discover business 的 unique workflow logic。

Agencies 解決另一個問題。好的 agency 可以圍繞 defined brief 快速行動：設計 new site、build workflow automation、connect tools、produce content、improve conversion、ship prototype 或交付 specific digital experience。這種 craft 和 execution speed 可以很有價值。

限制在 scope。Agency work 通常圍繞 projects、deliverables、retainers 或 campaigns 組織。當目標是 specific output，這完全正確。但用 AI enable organisation 不只是 deliverable problem。它需要 durable data models、permissions、retrieval paths、workflow tools、review boundaries 和 ownership。

Consultants 在組織需要 diagnosis、strategy、process redesign、governance、procurement support、change management 或 executive alignment 時很有用。在 AI programmes 裏，這可以很重要：很多失敗不是 model failures，而是 operating failures。組織不知道哪個 workflow 重要、誰擁有 decision、data 在哪裏、甚麼應該 automation、甚麼必須留給 review。

限制是 consulting 可以停在 design layer。一份好的 strategy deck 可以指出問題，卻不會令組織更可被 software 讀懂。除非工作配合 durable build layer，結果可能是 recommendations、workshops 和 roadmaps，而不是 people 和 agents 可以使用的 system。

Platform 作為 system-building layer

Platform 不同於單一 Saas application。

在這篇文章裏，platform 指的是 reusable layer：它容許 bespoke workflows 不用 bespoke foundations 也可以被建立。它提供圍繞組織 build operating system 的 primitives：data models、permissions、workflows、interfaces、APIs、search、automation、review queues、deployment infrastructure，以及讓人或 agents 行動的 tools。

Platform 不只是 user click buttons 的地方。它是 operating model 之下的 system-building layer。

當工作不能被化約成 standard application category，這個分別很重要。Law firm、finance team、care organisation、property practice 和 relationship-led business 可能都需要 documents、tasks、finance records、client context、approvals 和 reporting。但這些 objects 的意義會隨 practice 改變。

同一個「task」可以因 evidence、risk、client relationship、deadline、regulation、owner 和 approval boundary 而有很不同意思。同一個「client update」在一個 context 可能 routine，在另一個 context 可能 sensitive。同一個「renewal」可以是小 admin item，也可以是 strategic operating decision。

當組織需要 shared infrastructure，但不需要 one-size-fits-all workflow，platform 就有用。

Forward-deployed model

Forward-deployed engineering 是一種 delivery model：engineers 貼近 client environment 工作，在 operational context 裏理解、build、adapt 和 deploy systems。

Palantir 透過 Forward Deployed Software Engineers 普及這個 model。Business Insider 把 Palantir FDSEs 描述為會 embed with clients、real time adapt software，並把 technical work 和 direct customer problem-solving 結合的 engineers。MarketWatch 亦報道 major AI companies 在推動 enterprise AI usage 時採用類似 forward-deployed approaches。

重要的不是 job title。重要的是 posture。

它不是假設 product 已經完成、client 只需要 onboarding。Forward-deployed model 假設 system 的第一個版本，需要透過工作本身 discover。Engineers 和 operators 會學習組織的 vocabulary、data、constraints、review points、edge cases 和 success criteria。

這創造一種不同的 engagement。

Forward-deployed model 應該留下 working software、structured data、operating models，以及組織可繼續使用的 tools。它的評判標準，是組織是否變得更 legible、operable 和 improvable。

它也不應該代表 bespoke forever。最好的版本會把 client discovery 轉化成 reusable platform capability。Specific workflow 圍繞 client 配置；foundations 則因每次未來 deployment 而更強。

成本分別

Saas 通常較便宜開始，但有用的比較不是「便宜 vs 貴」。而是 buyer 正在付錢買甚麼。

Published Saas pricing 可以顯示 order of magnitude。Salesforce Sales Cloud 列出的 plans，由 Starter Suite 每 user 每月 $25，到 Agentforce 1 Sales 每 user 每月 $550，按 edition monthly 或 annually billed。因此 50 人 team 會看到一條 visible subscription line，低端每月 $1,250，高端每月 $27,500，這還未計 implementation、add-ons、integration work、data migration 和 internal administration。

這就是 Saas 的價值。Customer 為 seats 或 usage 付費，vendor 把 product development 和 infrastructure costs 分散到很多 customers。Entry cost 可預計。Customer 通常可以由 department 開始，之後擴展，並避免 funding bespoke build。

Forward-deployed model 有不同 cost structure。Buyer 正在 funding 一隊人去理解 operating area、map data、build interfaces、connect systems、deploy workflows，以及與 users iterate。即使未計 vendor margin，一個小 implementation team 也比 Saas subscription 昂貴得多。美國 Bureau of Labor Statistics 報告 2024 年 5 月 software developers 的 median annual wage 是 $133,080。三位 developers 以這個 median wage 計，單是 wages 已約每月 $33,000。加上 product、design、delivery leadership、benefits、overhead、security、infrastructure 和 vendor margin，一個認真的 forward-deployed engagement，focused pilot 常見是每月數萬美元；當工作跨多個 systems、teams 和 governed production workflows，年度費用可以進入六位或七位數。

大型 public platform programmes 展示了這個邏輯的上限。NHS England 與 Palantir 的 Federated Data Platform contract 被報道約為七年 £330 million。這不是正常 client engagement 的 benchmark，而且有政治爭議，但它說明 category difference：連接 national institution 內 fragmented operational data 的 platform programme，不會像 department Saas 一樣定價。

實際理解方式，是按 stage 看。

MSPs、agencies 和 consultants 又是另一種形狀。MSP costs 通常 recurring 和 predictable，因為 buyer 正在買 coverage：support hours、service levels、monitoring、administration、cybersecurity 和 ongoing operations。Agency costs 通常 project-based 或 retainer-based，因為 buyer 正在買 specialist execution 和 deliverables。Consulting costs 通常 project-based 或 retainer-based，因為 buyer 正在買 expertise、analysis、programme delivery 和 change capacity。全部都可以有價值，但沒有一種會自動創造 AI 需要的 operating layer。

每條路線都有 hidden costs。Saas 在 tools multiply、seats underused、integrations fragile，以及 teams 因 product 不符合真實運作而 work around 時，可以變得昂貴。MSPs 在 provider 變成另一個 dependency、卻沒有改善 operating model 時，可以變得昂貴。Agencies 在 outputs 累積但沒有 shared architecture 時，可以變得昂貴。Consultants 在 recommendations 沒有變成 durable systems 時，可以變得昂貴。Forward-deployed work 在 scope 不清、custom work 沒有轉成 reusable platform capability，或 vendor 留下一個 client 不能 operate 的 system 時，也可以變得昂貴。

正確 model 取決於 fit 的價值。如果 workflow 是 generic，Saas 通常勝出。如果 workflow 需要 reliable operation，MSP 可能足夠。如果需要 defined output，agency 可能正確。如果問題是 diagnosis 和 alignment，consulting 可能正確。但如果 workflow 包含組織的 edge，fit 就不是 luxury。fit 就是 product。

為甚麼 AI 改變計算方式

AI 令 forward-deployed model 更重要，因為 AI systems 需要 context，不只是 access。

Generic Saas workflow 可以 standardise users 在一個 product 裏做甚麼。MSP 可以 keep systems operating。Agency 可以 ship defined digital work。Consultant 可以幫 leaders 決定 AI 應該在哪裏重要。但 AI-enabled operating system 必須理解整個組織正在發生甚麼。

它需要 access to evidence、owners、permissions、commitments、deadlines、documents、decisions 和 tools。它需要知道自己可以 read 甚麼、prepare 甚麼、update 甚麼，以及甚麼需要 human review。

組織要變得可被 software 讀懂。Important work 要從 emails、documents、meetings、databases、finance tools、case systems、task boards、calendars 和 operational records 進入，然後被 structured 成 stable concepts，例如 client、matter、owner、source、approval、risk、renewal、action、review 和 outcome。

產生出來的 operating state 需要 durable storage、auditability 和 controlled interfaces：search、retrieval、APIs、editors、queues、review surfaces、controlled write paths 和 workflow controls。

這更像 build 一層 digital operating layer，而不是買工具、外判 support、commission deliverable 或寫 transformation plan。

AI 也改變 uniqueness 的價值。過往 software cycles 裏，unique workflows 常被視為 friction。建議通常是 standardise、simplify、use the product as designed。對很多 commodity workflows，這仍然正確。但在 high-value work 裏，組織的 uniqueness 可以正是重點：它的 judgment patterns、client relationships、evidence standards、operating cadence 和 proprietary context。

如果 system 能 represent it，AI 就可以使用這種 edge。

Wall Street Journal 報道 AI startups 正重拾 forward-deployed engineering，因為 generative AI 往往需要更多 hands-on implementation：teams embed with customers，一方面教 enterprises 如何使用 AI，另一方面教 AI 如何在 specific customer environments 裏行動。這就是核心。AI 不只是 software adoption。它是 organisational translation。

為甚麼是 forward-deployed，而不是 one-size-fits-all

每個組織都有不同形狀。

兩間 firm 都可以把 process 稱為「client onboarding」，但意思很不同。一間可能最關心 compliance evidence。另一間可能最關心 relationship history。另一間可能最關心 budget authority、operational handover 或 partner review。表面 workflow 一樣。operating meaning 不同。

One-size-fits-all product 必須 flatten 這些差異。Forward-deployed platform 嘗試 model 它們。

這不代表所有東西都應該 custom。好的 platform work 應避免為 custom 而 custom。目標是分清甚麼應該 reusable，甚麼必須 specific。

Reusable parts 包括 authentication、permissions、data connectors、retrieval、audit logs、workflow primitives、review queues、interface components 和 deployment infrastructure。Specific parts 包括 client ontology、workflows、source systems、approval logic、operating cadence 和 domain language。

Forward-deployed model 成功，是因為它把 client specificity 變成 structured system，而不是產生 one-off scripts。

Engagement 會是甚麼感覺

Saas engagement 通常由產品開始：軟件做甚麼、怎樣配置、user 怎樣採用。

MSP engagement 通常由服務邊界開始：哪些系統受支援、service level 如何、哪些 incident 會處理、監察甚麼、怎樣升級。

Agency engagement 通常由 brief 開始：需要設計、建立、推出、整合、撰寫或改善甚麼。

Consulting engagement 通常由診斷和設計開始：問題是甚麼、誰需要 alignment、甚麼應改變、programme 怎樣治理。

Forward-deployed platform engagement 由營運範圍開始：哪類工作重要、證據在哪裏、誰擁有決定權、每星期有甚麼改變、甚麼被卡住、甚麼敏感、甚麼可以自動化、甚麼必須留在 review 之後。

所以早期工作更協作。通常包括訪談、workflow observation、數據存取、system mapping、prototype review 和 iterative deployment。Client 不只是買方。Client 是 operational truth 的來源。

這可能比 Saas onboarding 更重。它應該如此。這項工作更接近建立系統，而不是安裝 app。

回報是系統可以更貼合組織。它不要求 user 把工作翻譯成通用 software category，而是讓平台學習組織自己的 category。

Client 應該期待甚麼

好的 forward-deployed engagement 應有可見階段。

Discovery

團隊應識別營運範圍、user、source system、重要決策、現有痛點和成功準則。

Pilot

第一個 deployment 應在狹窄 workflow 證明價值。不應試圖一次過為整個組織建模。

Deployment

系統應連接真實數據、支援真實 user，並處理日常工作裏重要的 approval boundary。

Iteration

模型應隨着團隊學到哪些 field、workflow、search、automation 和 review surface 真正有用而改善。

Handover and governance

Client 應明白建立了甚麼、甚麼可重用、誰擁有哪些決定、甚麼需要 review，以及未來變更怎樣處理。

不應發生甚麼

Forward-deployed model 如果變成無管理的 bespoke work，就會失敗。

它不應變成沒有持久系統的 endless consulting。不應留下只有 vendor 明白的一次性 script。不應在 product、implementation 和 client operations 之間製造 unclear ownership。不應把每個 client request 都變成產品的 custom branch。

目標不是避免所有 customisation。目標是有紀律的 customisation。特定 workflow 應該建在可重用 foundation 上。

Saas 仍然是正確選擇的時候

Forward-deployed model 不是永遠正確。

當 workflow 標準、風險中等、implementation speed 比 operating fit 更重要，而組織願意採用產品預設模式，Saas 更好。很多團隊應該為 commodity workflow 選 Saas，因為它更便宜、更快、maintenance 更低。

當主要需要是 reliability、security、support 和 existing systems 的 operational coverage，MSP 更好。當需要 defined deliverable，例如 site、campaign、integration、prototype、automation、content system 或 digital experience，agency 更好。當組織需要 strategy、diagnosis、governance、procurement help 或 change leadership，而尚未知道應該 build 甚麼，consultant 更好。

當 workflow 高價值、跨職能、context-heavy、數據分散，或位於組織 differentiation 的核心，forward-deployed platform work 更好。當 AI 或 agent 被期望支援工作，它尤其 relevant，因為那些系統需要的不只是單一 application 的 access。它們需要營運模式。

Forward-Deployed Platform 的論點

支持 forward-deployed platform 的論點，不是每間公司都需要 custom software，也不是 Saas、MSP、agency 和 consultant 不好。它們回答的是不同問題。

Saas 為 generalise 而設計。MSP 為營運和支援而設計。Agency 為執行 specialist brief 而設計。Consultant 為建議、alignment 和引導變革而設計。Platform 為組合而設計。Forward-deployed engineering 為發現組織真正的 operating shape，並把它變成 working software 而設計。

對 AI 來說，這個分別重要。Agent 不能在一個自己讀不懂的組織裏負責任地行動。它們需要 context、tool、permission、evidence 和 review boundary。建立這一層需要的不只是 subscription。它需要為組織建模。

所以我們使用 forward-deployed model。不是因為 Saas、MSP、agency 或 consultant 錯，而是因為 AI-enabled operating system 必須貼近工作建立。

資料來源

1. NIST Special Publication 800-145: The NIST Definition of Cloud Computing
2. Salesforce: Sales Cloud pricing
3. U.S. Bureau of Labor Statistics: Software Developers, Quality Assurance Analysts, and Testers
4. ITPro: What is a managed IT service?
5. ITPro: MSP 3.0: Managed services enter a new era
6. Business Insider: The Palantir job that grows startup founders
7. MarketWatch: Anthropic and OpenAI are following Palantir's playbook
8. Wall Street Journal: AI Startups Have a New Secret Weapon: Forward Deployed Engineers
9. Financial Times: Inside Palantir's fight over the future of the NHS
10. IBM: What is workflow automation?
11. IBM: What is business intelligence?