在 BlackRock 的第一個月，Mati Staniszewski 要寄一封對外的信，得先讓團隊審過一輪才送得出去。換到 Palantir 之後，入職才幾週，公司就叫他飛到北海邊的 Aberdeen，坐在客戶旁邊把現場發生的事看清楚，再帶回來。這個落差他一直記著。
後來，他成了 ElevenLabs 的共同創辦人。而 Palantir 當年那套把人送到前線的做法，如今有了一個正式的名字：Forward Deployed Engineering，簡稱 FDE。
Kevin Bai 在另一場演講上，把這個職能講成一門入門課。他現在掛在 Anthropic 的 applied AI 團隊，公司裡技術上不太有職稱這種東西；再之前，他到 Rippling 從零開始建 FDE 團隊，是第一個加入的人，一年內把隊伍帶到二十五人左右；更早，他在 Palantir 待過一段時間。他一開口就說，履歷上的公司名單不是重點，因為這門課要談的是一個職能。
買方是誰，決定你需要不需要這種人
Palantir 做的是 Foundry 這套平台，讓各種規模的組織把資料集中到一處，整理出一套本體論；用 Kevin 的說法，就是把資料變成專有名詞。倉庫就只有「倉庫」那一張表，不必再讓表一、表二、表三分別代表倉庫。有了這層整理，客戶才能在上面蓋應用。
但把這段介紹講給一位產業主管聽，對方通常只會回一句：我的資料是整齊了，然後呢？只賣技術，話就講不下去。Foundry 還附帶一筆隱形稅，客戶付了平台的錢，還要把自己的人訓練到會用，才蓋得出東西。Kevin 說，這是很糟的做生意方式。
Palantir 後來的選擇是兩件事一起賣。客戶買的不是一套軟體，也不是某個工程師的工時，而是一個結果。公司把一批很會寫程式的人送到客戶那裡，先弄懂對方生意的形狀，再在平台上把解法拼出來。一家消費品公司的主管在意的是貨架位置、是銷售周轉，不是資料怎麼被組織起來。
什麼樣的生意需要這樣一支部隊？Kevin 畫了一張二乘二的表，一邊是「你賣的東西有多技術」，另一邊是「買方有多技術」。賣技術產品給技術買方，例如 GitHub 或 Datadog，對方是 CTO、CIO，使用者本來就是工程師，這種複雜度是他們工作的一部分，不需要 FDE。賣可配置、但不是拿來開發的東西，例如 Rippling、Jira、Slack，買方不技術也沒關係。真正需要 FDE 的只剩一個角落：你賣的東西非常技術，買方卻非常不技術。
Palantir 也會遇到財星五百大裡做石油天然氣的客戶。他們的工程深度不是 Google、Meta 那種等級，那些公司的工程師要什麼應用自己蓋就好，不會來買一套蓋應用的平台。而石油公司的 pipeline 不是資料管線，是碳氟化合物。你也沒辦法期待這些客戶自己養出一支能把 Foundry 用到極致的團隊。於是有兩條路：相信客戶會花力氣自己搞懂，或者借一批他們不必招募、不必管理、也不必留下來的人。Palantir 選了後者，讓自家訓練過的工程師進駐，貼著客戶的需求，先把問題解開，再把軟體蓋出來。
這套做法後來被換成數字。把財星五百大裡的上市 SaaS 公司按平均合約價值（ACV）排開，Palantir 以四百萬美元排第一，第二名 ServiceNow 一百二十萬，第三名 Workday 六十萬；再往下，沒有一家上市 SaaS 公司跨過五十萬美元。而 Palantir 的員工數只有幾千人。
沒有平台的 FDE，叫做 dev shop
FDE 聽起來像新發明，Kevin 說它其實只是把新創早期的設計夥伴關係放大到企業規模。公司還不知道自己產品是什麼、客戶也還不知道自己買了什麼的階段，雙方會貼得很近，把產品市場適配磨出來。Palantir 當年的問題是：誰說設計夥伴關係只能發生在早期？
聽起來很浪漫，但馬上會撞到一個現實問題。如果每一位 FDE 都從零開始替客戶刻一套東西，你要維護的是一堆沒人想學的專案，程式碼品質會往下走，工程師也會先跑掉，公司的損益表則會被維護成本吃光。
Kevin 把這條線畫得很清楚：如果你讓 FDE 各自從零開始蓋，你手上就沒有一個 FDE 職能，而是一家外包工作室。外包工作室沒什麼不好，那是很賺錢的生意。差別在於 FDE 永遠站在平台上蓋，不是從零寫軟體。平台上已經有一組現成的原語，FDE 的工作是把這些原語拼成客戶真正要用的應用、流程或解法。少了這一層，你只是一次又一次重新發明輪子。
所以他在演講裡要大家先問自己兩個問題，而且問的是「需不需要」，不是「想不想要」。第一，你手上是不是真的有一個非得把複雜技術賣給不技術買方的角落？沒有的話，DevRel、開發者關係或傳統的銷售驅動流程，可能才是你要的。第二，你有沒有一個平台，或者你願不願意投資做一個？他補了一句：就算平台很強，維護負擔都已經重到很難形容，更不用說沒有平台。
原語要多細，取決於你的使用者長什麼樣。有些產業可以接受應用本身已經蓋好六成，客戶只調剩下的四成；有些場景非得給到非常細緻的設定與工具不可，不能一概而論。Kevin 拿 AWS 當例子：你當然可以自己買機櫃、自己上線、自己維護，但 1990 年代之後就沒什麼人在做這件事了；AWS 給你的是 DynamoDB 這類共用原語，讓你不必再發明一次資料庫。
接下來是分流的問題。任何只屬於某一位客戶的客製，就應該只為那位客戶存在；任何可以一般化的東西，長期來說就該被一般化。Kevin 也提醒，剛開始做 FDE 的時候，平台上的原語本來就不多，這不是問題，因為 FDE 本身就是往前偵察的角色，他們會先看到下一個該被收進平台的產品或服務長什麼樣。另外，同一個專案最好有兩個以上的 FDE 一起做，免得所有資訊壓在一個人身上，他一請假就出事；如果找外部夥伴一起做，管理的邏輯就跟你管理任何一個承包商一樣。
那 2026 年的 AI 改變了什麼？Kevin 的答案不是「大家終於發現 Palantir 那套很好」。他的假設比較根本：變的是軟體業做生意的本質。AI 讓寫程式、讓客製化軟體變得容易，於是幾乎每一個平台都變得 agentic，也就幾乎每一個平台都變得可客製。當客戶根本不知道你買到的東西能幹嘛，而你把產品成敗交到客戶的實作能力上，這樣要往高階市場賣、要往橫向或縱向擴，都會很辛苦。
同一組問題，ElevenLabs 兩題都答了
ElevenLabs 有 FDE，但 Mati 把他們放在一個不太一樣的位置：FDE 屬於產品團隊，不屬於 go-to-market 團隊。他給了兩個理由。第一，你要讓 FDE 真的去解客戶的問題，把產品往那個方向拉。第二，也是最常被漏掉的一步，你要讓他們把現場學到的東西帶回產品，讓下一個客戶拿到的版本更好。
如果只做了前半段，把力氣都花在替客戶解整合問題，卻沒有把專業知識收回產品，那本質上就只是服務而已。
Mati 對這件事的描述是拿客戶當研發。一家公司的問題很少是專屬於那一家公司的。你跟第一個客戶做完，把學到的東西放進產品體驗；第二個客戶進來時起點就不同了，而前面那個客戶也跟著受益。客戶在自己領域的專業還是他們的，那是他們贏的地方；但「怎麼把那份專業變成可用的產品體驗」這件事可以被抽象出來，可以被重複使用。
他對 Palantir 的印象，有一部分也來自這種距離感。他在 BlackRock 待過，寄信要過審；到了 Palantir，入職幾週就被送到 Aberdeen，跟客戶並肩，再把理解帶回來。他形容那種文化是：每個人預設都要站到前線一點的位置，弄清楚什麼是真實的資料問題、什麼是修得動的問題，然後把它修掉。這套想法他帶進了 ElevenLabs，連「客戶」這個詞他都用得不情願，因為在他看來，多數時候雙方是在同一個問題上一起工作的夥伴。
其他被他搬過來的還有幾件事：小隊作戰、最好的想法勝出、沒有頭銜、層級很少。他在 Palantir 的時候，自己跟 C 字輩之間只隔了三、四步；ElevenLabs 現在把層級上限訂在五層，而且他希望未來是更少，不是更多。
研究跟交付，擺在同一個屋簷下
ElevenLabs 在 2022 年成立。那時每天被談論的主題還是加密貨幣和元宇宙，AI 反而沒什麼人搶，對兩個第一次創業的人來說是難得的好時機。他們推出第一版產品的時候，ChatGPT 的第一個版本還沒問世。Mati 的搭檔 Piotr 是他認識十五年的好朋友，在 Google 做過知識圖譜的文字模型，更早在學校做影像與視覺模型的研究。Mati 自己念數學，做的是最佳化模型，曾幫英國國民保健署在 COVID 期間算疫苗怎麼配送，也待過油氣產業做能源最佳化，後來在 BlackRock 與 Pantheon 把風險模型帶到客戶端。用他的話說，他一路都站在「把東西做出來」和「把它交到客戶手上」的交界。
公司從第一天就想解一道題：研究跟產品交付，能不能放在同一個屋簷下？
觸發點來自波蘭。波蘭的電影長年只用一個聲音配整部片，不管角色是男是女，全部由同一個人唸完，情緒跟語調當場消失。Mati 從小看這種片長大。2021 年他發現這個現象還在，而且跟他小時候一模一樣。他認為未來這件事一定會被改掉：每個人聽到的是原音，帶著原本的情緒與語調。
但要解配音，得先拆解配音。整條流程有三步：轉錄、翻譯、用另一種語言重新生成。當時的技術每一個零件都不夠好，聲音一聽就知道是機器人，還沒有跨過恐怖谷。開源圈有一份還不錯的成果，可是很不穩定，生成一次要等很久；NVIDIA 在語音轉文字那一塊有一些好研究；翻譯端 DeepL 和 Google 的版本還算堪用。也就是說，沒有一條現成的路可以走，他們得自己解掉其中一步，Piotr 就是那個把研究團隊組起來的人。
真正把事情推到另一個方向的，是創作者的回饋。他們拿配音的點子去問創作者，對方說配音很好，可是今天有別的問題：錄壞的那一句能不能改掉、錄之前能不能讓腳本先唸一遍聽聽看、或者畫面上乾脆不要我出聲，讓 AI 念就好。於是他們先把語言切換放到一邊，回頭解語音生成，讓人能把內容配上有品質的聲音。2022 年，他們做出第一個跨過人聲品質門檻的模型；到今天，研究範圍已經涵蓋整個音訊：文字轉語音、語音轉文字、在地化，以及讓語音代理能對話的編排層。
訪談裡有人拿本田來對照。那段故事說，本田的創辦人認為本田不是車廠，而是一個研究引擎的實驗室，甚至把研發切成獨立公司，用銷售額的一個比例去養；只要讓工程師和研究員一直實驗，東西就會一直長出來，製造端再想辦法把它變成產品。Mati 說，這跟今天的 ElevenLabs 沒有差太遠：一個專注的研究實驗室、研究工程、產品工作，再加上很多支小隊去追特定的產品問題。
研究端只做音訊，是一個刻意的選擇。他們認為自己在音訊架構上有一批世界上最好的人，而音訊這種東西一半是科學、一半是藝術，生成出來的聲音好不好聽帶有主觀成分，所以更需要聚焦。資料、算力、架構這三件事裡，他們認為還有很多問題卡在架構上，他們想專心解那一塊。
那這份聚焦能不能擋住更大的實驗室？Mati 說他們內部確實會談這件事。他的判斷是：長期來看，純研究上的領先不一定能維持同樣的差距，所以產品和生態系變得很重要。生態系在他口中包含品牌與信任，也包含一個市集：人可以把聲音放上去、平台認證、被人使用就分潤。現在市集上有兩萬個聲音，涵蓋不同口音、風格、語言、年齡與性別；有些缺口沒人補，ElevenLabs 就自己去找人來補。
產品線有三條核心，外加三個還在發展的賭注；核心底下大約六個應用，再往下可以延伸出二、三十件事。營收最大的兩塊是語音代理與創作工具。Eleven Reader 可以把文件變成用聽的內容，Eleven Productions 處理真人在迴圈裡校正與在地化。至於知識工作與 coding，他們講得很白：那不是他們的強項，也不是他們的領域，那個戰場太兇，他們不碰。Mati 想看的是未來幾年裡，大概會有三個平台承載大部分的互動，而他們要當其中專門處理溝通的那一個。
有一條線他們沒有跨過去
這個「不碰」不是空話，兩年前他們真的試過另一個方向。當時他們想做對嘴與虛擬人像：切換語言的時候把嘴型也換掉，或者讓一個虛擬人像替你把內容唸出來。但那一邊的模型品質還不夠，問題出在影片，不在音訊。就算把最好的音訊放進去，體驗也不會好。Mati 說，在那個時間點硬做下去，對公司是一次嚴重的失焦，因為音訊在那個產品裡不會變成超能力。所以他們把那個方向停住。
現在情況變了。開源社群在影片與影像這一端出現了幾組夠好的模型，讓音訊、影像、影片可以合起來交付一個結果，他們也開始回頭看這個交集，最近的例子是把一支廣告帶到國際市場。不過這次有一條線畫得很清楚：他們不從零開始做真正的文字轉影片模型。他們要站的位置是，你手上已經有一個素材，需要有人幫你改，把音訊那一層加上去，再把它帶回家。
他們判斷一個新產品要不要做的問法也很一致：把我們的音訊模型放進這個產品體驗裡，我們有沒有獨特的優勢？如果這個體驗的瓶頸不在音訊、不在語音溝通，那就不值得做。
從一份 podcast，到一通客服電話
Deutsche Telekom 是最能說明「同一組產品能長到多深」的例子。他們用 ElevenLabs 的音訊做 podcast、做 Magenta 應用裡的內容，也用來做廣告，再把廣告鋪到受眾面前。客服中心用的是語音代理，接上知識庫：有人打進來想了解產品，很快就拿到答案；要退款、要處理最近的帳單問題，也走同一條流程。更近一步，他們把代理放進網路裡：T-Mobile 的用戶打電話時，可以請一個代理加入通話，幫忙安排預約，或者把對話即時翻譯給另一頭的人聽。
這條路是從行銷開始的。兩年前，語音代理還不夠可靠，反應也不夠快，行銷是當時最明顯可以用的場景。Deutsche Telekom 先做每日 podcast，用 ElevenLabs 的聲音把世界正在發生的事唸給客戶聽。等到價值被證明，才往客服走。
往客服走，真正難的變成整合。要接上客戶用的 CRM，要接上電話系統，可能是 SIP trunking，也可能是 Twilio；要讓代理在接起電話的那一刻，照著客戶自己的邏輯走。ElevenLabs 的 FDE 會跟對方的團隊一起在德國波昂工作，把整合做完，確定代理照流程走、有該有的知識。Mati 說，語音代理最硬的一段其實是上線測試：先用模擬通話驗證，再縮小規模試跑，然後才部署、放大。部署完也不是結束，還要持續評估、監看、修正行為。
他們把這件事的順序講得很清楚：不要只做概念驗證，要把效益驗出來，才談擴大合作。同一套邏輯也用在自家網站上。訪客可以像以前一樣填下拉式表單，也可以直接用語音跟代理講。Mati 說選語音的人不只手續比較快，留下來的資訊也更多：他們會講出問題、講出更多使用場景，公司也更容易把人接到對的地方。這個 AI SDR 由總部開發，交給各地團隊調整當地的語感。
目前跑最快的產業是金融科技，Revolut、Klarna、PagBank、Customers Bank 都在名單上；再來是醫療與電信；零售電商是今年才開始動起來。
組織這一端，ElevenLabs 的做法是很多支小隊，通常不到十個人，各自追一個產品問題。非技術團隊裡也放工程師，人才、營運、法務都有，一部分原因是把重複的工作自動化，另一部分是拉高整隊人用 AI 的水準。法務這種一定要中央化的功能還是在中央，另外還有一支團隊專門把「怎麼賣 ElevenLabs」整理成別人可以照著做的教材，畢竟產品線太多，客戶很容易被搞混。營收工程是他們花最多力氣的地方之一：對話被記錄、被教練、被整理，業務不必再手動填欄位。
透明是另一個刻意的選擇。公司裡幾乎所有文件都對所有人開放，這件事讓 AI 有東西可以彙整：現在每個團隊在幹嘛、哪些事有效、哪些沒效、缺口在哪裡，管理層看得到訊號，就能提早介入，而不是等人來報告。Mati 在乎的是資訊的顆粒度：你要聽到的是最靠近問題的那個人怎麼說，而不是經過主管轉述的版本。多數人的直接下屬接近十個，層級上限五層。還有一個他期待的方向：如果 AI 真的能改變組織的運作方式，他希望未來層級是更少，而不是更多。
這中間也有人來敲門。具體的收購提案有三、四次，最近一次在去年六月。他們沒賣。Mati 的說法是，這大概是他們最好的想法配上最好的時機，繼續自己蓋下去比較合理；Piotr 也一樣，只是他不喜歡露面。
讓機器聽起來不像機器
ElevenLabs 最初想做一個「完美」的語音代理：不該有的停頓不要有，聽起來要像人。結果是不像。後來他們加了那些該有的東西，語助詞、猶豫、停頓，跟代理講話的體驗突然跳了一個檔次，大家開始覺得可以接受。Mati 說，不完美本身就是關鍵。
這件事放在語音上會更有感。文字要靠讀者自己想、自己詮釋，但文字沒有情緒、沒有語調、沒有那些講不好的地方，也沒有停頓。語音是身分的一部分：你聽到一個人的聲音，就知道那是誰。
所以語音模型的難，有一半來自這件事。文字模型的資料再多，維度還是相對單純；語音不一樣，每一個聲音都不同，而且對每個人聽起來都不一樣。光是文字轉語音的評測就非常難做，因為不同模型生成的是不同的聲音，本身就沒辦法直接比較。
另外一條線是找回聲音。有人因為 ALS 或喉癌失去聲音，ElevenLabs 陪他們把聲音重建起來，這樣的人到現在超過一萬個。有一位音樂家失去聲音之後想繼續演出，他們重建了他的聲音，他與老團員開了一場演唱會，現在正在巡迴。一位女議員去年失去聲音，仍然想繼續鼓舞別人，第一次帶著 AI 聲音進了議場。還有一位叫 Tim Green 的人，曾是暢銷作家、也是頂尖的 NFL 球員，後來得了 ALS，他選擇開一個 podcast，今年拿到一座 Emmy，用的就是 ElevenLabs 替他重建的聲音。消息出去之後，從幾百人到幾千人寫信來問，怎麼把自己的聲音拿回來。合作對象則有大約八百個組織，分布在無障礙、教育、文化這些領域。
Mati 對 AI 的立場講得很直：這件事要為人工作，要放大人的可能，而不是取代人。同時他也知道語音可以偽造，所以防護與安全是同一條線上的事。
他們的北極星是《銀河便車指南》裡的翻譯魚：塞在耳邊，就能聽懂身邊所有語言。那張投影片在很早的簡報裡就出現過。但他們沒有打算自己造出那條魚；他們想讓每個人在自己手上的裝置、既有的工作與生活裡就有這條魚。
順著這個邏輯，Mati 把下一個瓶頸指向人跟智慧溝通的方式，裝置的重要性反而排到後面。十二個月之後，語音一定會是其中一個主要方式，而且它會懂你：把 IQ 和 EQ 接在一起，知道你現在的感覺，跟著調整，懂得停下來想一下，再重新接回對話。過去幾十年是我們在學技術的語言，鍵盤、螢幕、程式語言，都是為了控制它才學的。現在可以把方向翻回來，用人最原始的方式講話，讓技術來配合人。他拿電話與電報比喻：電報要學它的語言才會用，電話拿起來就講，講的就是你本來就會的事。
三個問題
把兩邊放在一起看，Kevin 的問題其實就是 ElevenLabs 每天的日常：你有沒有一個非得把複雜技術賣給不技術買方的場景？你有沒有一個平台，讓前線的人不必從零開始？再加上 Mati 補的第三題：現場學到的東西，有沒有回到產品裡？第三題沒答，前面兩題答得再漂亮，做的還是服務。
AI 讓「蓋東西」變便宜之後，會蓋的人變多了，但知道該蓋什麼、並且把學到的東西收回產品，這件事沒有跟著變便宜。平台的價值是把一次解過的問題變成下一次的原語；FDE 的價值是走進客戶的場景，把沒人寫得出來的規格帶回來。兩者缺一，產品就會停在展示。
Kevin 留給聽眾的定義還是最短的那一句：FDE 就是一個面向客戶的軟體工程師。你會願意把他當一般的軟體工程師招進來，同時也敢把他放到客戶面前。剩下的邊做邊學，因為這行是手藝。