如果要用一句话概括 FDE 的工作信条，那就是：一切用结果说话。
先把「数据」和「结果」分清楚。企业软件史上从来不缺数据好看、结果糟糕的项目：功能清单百分之百打勾，但用的人只有百分之五；系统可用性四个九，业务部门却宁愿继续用电子表格。麻省理工那份报告里 95% 的失败项目，绝大多数不缺数据看板——数字都在，价值没来，因为没人对「财务报表上那行数字」负责。
FDE 模式从制度上保证「结果」不被稀释，具体靠三件事。
收钱方式向结果靠拢： Palantir 早年做政府项目，就大量采用「做成了才付钱」的安排。麦格鲁回忆起来很直白：「早期，创业公司自 己承担全部风险是合理的——做成了你再付我们。」这套逻辑在人工智能时代演化得更精细：Sierra 按「已解决的会话收费，不解决不收钱；不少 FDE 服务商按阶段交付、按结果验收。收费一旦与结果绑定，交付团队的全部行为都会重新排序——你不会再花三周打磨一个没人用的功能，因为「没人用」要你自 己买单。
成功度量前置到开工之前： FDE 项目的第一步不是写代码，是和客户一起定义「什么叫成」。Palantir 的训练营要求客户先锁定一个极其聚焦的核心战场——「把某条产线的排产冲突降 30%」，而不是「探索人工智能赋能制造」——就是为了防止项目在「探索」的名义下漂向不可证伪。OpenAI 与约翰迪尔的合作是教科书示范：先和农艺专家一起评审数百个真实作业案例，建起定制评估体系，然后才开始迭代模型。最终「化学品使用减少最高 70%」这个数字，不是事后包装的宣传口径，是开工前就定好的靶子。
最终裁判是客户组织的行为改变： 那份报告里有个辛辣的发现：只有约四成企业为员工提供官方的人工智能工具订阅，而多达九成员工，日常在用个人消费级产品解决工作问题。这意味着大量「成功上线」的项目，实际处于「官方系统空转、员工绕道而行」的状态。FDE 哲学里，系统上线不是里程碑，客户团队改变工作方式才是。Sierra 内部刻意把岗位命名为「智能体工程师」，负责人默勒解释选材标准时说：只接两类问题——真的难的，和真的有业务影响的，二者必须同时成立。
「一切用结果说话」听起来是常识，执行起来却是对整个利益结构的冒犯：销售不敢过度承诺了，因为交付团队要为结果负责；客户信息部门没法用「功能清单」交差了，因为业务部门的使用率成了验收标准；FDE 自 己也没法用「我按需求做完了」免责，因为需求本身的对错也算他的账。这正是这个角色珍贵的原因，也是它昂贵的原因。