FDE: الوظيفة الجديدة التي تقود تبني الذكاء الاصطناعي في المؤسسات

👦🏻 المؤلف: هنري (فريق DeerFlow)^[1]

في الشهر الماضي، التقى الكاتب بأربعة أصدقاء يخططون للتحول — مطور واجهات أمامية، مهندس معماري للحلول، منتج، ومهندس خوارزميات تقليدي — بخلفيات وأعمار ومدن مختلفة، لكنهم جميعًا سألوا عن نفس الاختصار الإنجليزي: FDE^[2]هل يستحق أن أذهب؟

FDE، وهي اختصار لـ Forward Deployed Engineer^[2]لقد كانت مصطلحًا داخليًا في دائرة Palantir قبل عامين، والآن أصبحت جملة افتتاحية للمُوظفين، ووظيفة متكررة في إعلانات التوظيف، وأحد المرشحين لـ "أكثر الوظائف قيمة في عصر الذكاء الاصطناعي" على وسائل التواصل الاجتماعي. أنشأت OpenAI في مايو 2026 شركة تسمى مباشرة Deployment Company^[3]باستثمار أولي قدره 4 مليارات دولار، أعلنت صراحةً عن إرسال مهندسين للعمل مباشرة في مكاتب العملاء ودمج أنفسهم في سير عمل العملاء؛ كما تقوم فرقة Applied AI في Anthropic بالتوظيف بالتزامن عبر أربع مناطق زمنية للفنيين الميدانيين (FDE). وقد تحول هذا الأمر من مصطلح داخلي إلى مفهوم واضح في غضون عام تقريبًا.

المقال السابق للكاتب «إلى الأفراد الفائقين»[4] ناقش "محرك الإنسان" — الفضول، التعلم الذاتي، الدافع الذاتي، والقدرة على التطبيق — وكيفية إثارتها داخل حلقة مغلقة كاملة. لكن الإنسان ليس معلقًا؛ فالإنسان يحتاج إلى أن يُستقبل من قبل نظام إحداثيات وظيفي ملموس. إذا كان الأفراد الفائقون هم "المادة الخام" لعلاقات الإنتاج في عصر الذكاء الاصطناعي، فإن FDE هي أكثر شكل وظيفي وضوحًا نما خلال هذا العام في السوق.

في رأيي، FDE لا تقع في خانة الاستشارات ولا في خانة التصدير. فهي أقرب إلى الفرد الفائق، والفرق الوحيد هو أن FDE هي فرد فائق منظم في الفراغ بين "نموذج الشركة × العميل".

هل تعلم من أين جاء مصطلح "Forward Deployed"؟ كان في الأصل مصطلحًا عسكريًا أمريكيًا: "Forward Deployed Forces"، ويشير إلى القوات المُنشرة في الخارج أو على الجبهة، القادرة على الاستجابة عن قرب، بالمقارنة مع القوات المُبقاة في القواعد المحلية. استخدمت Palantir هذا المصطلح في أواخر عقد 2000 لوصف نموذج العمل "إرسال المهندسين بعيدًا عن المقر الرئيسي للإقامة في مواقع العملاء"، حتى أن فرقها الداخلية سُميت بأسماء تستخدم الأحرف الصوتية العسكرية: ديلتا وإيتشو. الآن، استعادته OpenAI وAnthropic، وهذا ليس صدفة — فجوهر إرسال المهندسين إلى الجبهة لم يتغير أبدًا.

الأسئلة الثلاثة المحددة التي طرحها عليّ الأصدقاء الأربعة مؤخرًا هي ما يتناوله هذا المقال:

هل FDE شركة استشارية ترتدي مظهر الذكاء الاصطناعي؟ وأين تقع حدودها مقارنة بالاستشارات التقليدية؟

هل FDE هو استعانة بمصادر خارجية للبرمجيات أكثر تقدمًا؟ ما الفرق بينه وبين ما أقوم به الآن كطرف ثانٍ؟

هل أنا مناسب لمهنة FDE؟ أي نوع من الأشخاص ستُضخمهم هذه الوظيفة، وأي نوع سيُستهلك؟

موقف الكاتب هو تفاؤل حذر: إن FDE تنمو حقًا، لكنها بعيدة كل البعد عن أن تكون مخرج التحول للجميع. من الأهمية بمكان توضيحها أكثر من جعلها تبدو مثيرة.

إذا كان يجب اختيار حدث واحد فقط لتحديد نقطة إعادة ظهور FDE في هذه الدورة، فسيختار الكاتب 11 مايو 2026 — اليوم الذي أعلنت فيه OpenAI عن تأسيس شركة النشر.^[5]،غادر كوه برايد ليتكات قسم الأعمال الأصلي ليتولى مشاريع خاصة ويتقديم تقاريره مباشرةً لسام ألتمان، ويتفرغ بالكامل لهذا الأمر. وفي نفس الأسبوع، استحوذت OpenAI على شركة الاستشارات البريطانية للذكاء الاصطناعي Tomoro، ونقلت بشكل فوري 150 مهندسًا متقدمًا ومتخصصًا في النشر إلى الشركة الجديدة.

جدير بالذكر أن صفحة توظيف OpenAI تُعرض في نفس الوقت أكثر من عشرة وظائف FDE: في سان فرانسيسكو ونيويورك وواشنطن، بالإضافة إلى التخصصات الرأسية حسب الصناعة مثل Life Sciences وSemiconductor وGov، حتى مسؤول توظيف FDE^[6]هذا المنصب مفتوح حاليًا. يقدر المحللون أن الفريق سيتوسع إلى 2000–4000 شخص خلال ثلاث سنوات. هذا ليس حجم فريق بحثي، بل هو جيش نظامي.

هناك حركة شبه متماثلة من جانب Anthropic. منصب مهندس مُنشر مسبقًا ضمن فريق Applied AI^[7]يتم الإطلاق في نفس الوقت في بوسطن ونيويورك وسياتل وسان فرانسيسكو وواشنطن ولندن، مع طلب أن يكون 25٪–50٪ من العملاء مسافرين إلى الموقع. مثال حديث يُستشهد به بشكل متكرر هو شركة التكنولوجيا المالية FIS — حيث كتبت صراحة في إعلانها: "لقد تم دمج فريق Applied AI من Anthropic ومهندسي forward-deployed داخل FIS لتصميم Financial Crimes AI Agent معًا، ونقل المعرفة إلى FIS لتمكينها من توسيع المزيد من agents بشكل مستقل لاحقًا".

هذا هو الواقع الحقيقي لوظيفة FDE. إنها ليست مهندس حلول ما قبل المبيعات، ولا SDR، ولا مُرشد يُدرب العملاء. إنها مهندس يحمل النموذج ويعيش داخل مستودع كود العميل. ويقول براد ليتكاب بشكل أكثر وضوحًا: "يُخبرنا عملاؤنا أنهم يحتاجون إلى القدرة على الانتقال من المرحلة التجريبية إلى الإنتاج. شركة النشر هي التي تُدمج مهندسينا ضمن فرقهم وتزودهم بالموارد الكافية لتحقيق التسليم."

ارسم هذا الأمر كرسم توضيحي، وستصبح العلاقة الثلاثية واضحة جدًا:

لاحظ الخطين الأكثر إفادة في هذه الصورة، وهما التغذية المرتدة التي تُنقل من FDE في كلا الاتجاهين. نحو العملاء، لا تبيع FDE النموذج كخدمة SaaS، بل تدمج بيانات العميل وصلاحياته وامتثاله وأنظمته الداخلية في أنبوب واحد قادر على تشغيل النموذج؛ نحو شركات النماذج، تعيد FDE نقاط الألم الحقيقية للعملاء وعينات الفشل إلى فرق المنتج والبحث، مما يؤثر على خارطة الطريق — قد يصبح نمط خطأ متكرر في استدعاء الأداة مجرد تجريد مدمج في الإصدار التالي من SDK.

لهذا السبب أعادت شركتا النموذج الرائدتين تفعيل FDE في هذه الدورة، وليس الأمر ببساطة "نحن أيضًا نريد أن نتعلم من Palantir ونقدم استشارات". إنه جهاز جمع إشارات من قبل شركات النماذج — فالمشاكل الأكثر كثافة لدى العملاء في الخطوط الأمامية لا يمكن التقاطها إلا بوجود ممثلين خاصين، حيث أن المتطلبات التي تُنقل عبر الشركاء تكون دائمًا مُشوَّهة. تسلك Anthropic مسارًا مختلطًا: فهي تدير FDE بنفسها في جانب، وتُنشئ شبكات تعاونية مشتركة مع شركات استشارية وضخمة رأس المال المخاطر. أحدهما يميل إلى الإدارة الذاتية، والآخر يميل إلى النظام البيئي، لكن جوهرهما واحد: لم تعد شركات النماذج مجرد مزودي واجهات برمجة التطبيقات، بل تريد إرسال مهندسين مباشرة إلى منتجات العملاء.

الإجابات القادمة ستتناول سؤالين شائعين جدًا مقارنين: أين تكمن الحدود بين FDE والاستشارات التقليدية (مثل ماكنزي وأي سي دي)؟ وهل هي نفس شيء توريد البرمجيات الذي نعرفه؟

عندما يسمع الكثيرون وصف وظيفة FDE لأول مرة، يكون رد فعلهم الأول: "أليس هذا مجرد إصدار جديد من ماكينزي أو إيسنزي؟"

أفهم هذا الربط. ارتداء البدلة، والسفر إلى موقع العميل، ورسم اللوحة البيضاء في غرفة اجتماعات العميل، والتوافق مع كبار المسؤولين التنفيذيين — من الناحية المرئية، يبدو أن FDE والاستشاري متشابهين جدًا. لكن بمجرد التعمق خطوة واحدة، تصبح آلية العمل الخاصة بكل منهما مختلفة تمامًا. الاستشاريون يبيعون حدود العمليات، بينما يبيع FDE حدود النماذج.

ضع هذين العنصرين جنبًا إلى جنب في جدول، وستظهر الفروق على الفور.

السطر الأكثر استحقاقًا للوقف في هذا الجدول هو "استهلاك الأصول".

أبسط منطق ربحي في الاستشارات التقليدية هو إعادة استخدام الأصول — خطة مقدمة لمؤسسة مالية واحدة يمكن تعديلها قليلاً وبيعها مرة أخرى للمنظمة التالية؛ يمكن تطبيق دليل رقمي واحد لقطاع التجزئة على ثلاثين عميلاً على التوالي. هذا هو النموذج الاقتصادي الأساسي الذي بُني عليه نمو Accenture وDeloitte وMcKinsey Digital على مدار الثلاثين عامًا الماضية.

FDE لا تمتلك هذا الأصل. قدرات النموذج لا تزال تتحرك بسرعة كبيرة — فاليوم لا يزال يتطلب سلسلة مُصممة بعناية من المُحفزات، بينما قد يكفي النموذج القادم جملة واحدة فقط. ستتدهور بسرعة "تراكم منهجية الاستشارة" أمام هذا السرعة. لذا لا يمكن لـ FDE استخدام نموذج إعادة استخدام الأصول، بل يجب إعادة تشغيل الحلقة المغلقة بالكامل في كل مرة — إعادة تقييم حدود النموذج، وإعادة اختيار مجموعة الأدوات، وإعادة تجميع شكل المنتج. يبدو ذلك غير فعال، لكنه الطريقة الوحيدة التي يمكنها مواكبة سرعة النموذج.

هل تعلم أنـّـه—ما هو Product Overhang؟ الكاتب في المقال السابق 致超级个体^[4]لقد شرحنا هذا المصطلح من قبل: لقد تجاوزت قدرات النموذج أشكال المنتجات الحالية، لكنه لا يمتلك مدخلات منتج أو صلاحيات أو سياقًا لتحويلها إلى واقع. إن قيمة وظيفة FDE تكمن جوهرًا في تحويل هذه "الزيادات المعلقة" من سيناريوهات العملاء إلى منتج عملي قابل للتنفيذ. العملاء لا يشترون حصص استدعاء واجهة برمجة التطبيقات للنموذج، بل يشترون "القدرة على تنفيذ هذه الزيادات المعلقة فعليًا في أعمالهم".

وهذا يفسر أيضًا الاختلاف في سطر "هيكل المشروع". الهيكل القياسي لمشروع الاستشارة هو WOS (بيان العمل) + WBS (هيكل تقسيم العمل) + مراحل القبول: يتم توضيح ما سيتم تسليمه ومتى سيتم تسليمه وأي معايير سيتم القبول وفقًا لها في العقد. إن أساس هذا الهيكل هو أن الهدف يكون مُعرّفًا بوضوح قبل توقيع العقد.

مشروع FDE لا يتبع هذا النهج. أكثر ما يُقال من قبل العملاء هو: "أنا أعلم أن الذكاء الاصطناعي يجب أن يساعدني في شيء ما، لكنني لا أعرف ما هو." الهدف نفسه هو جزء من المشروع. لذا لا يقبل FDE وثائق نطاق العمل (SOW)، بل يقبل المهمة — اتجاه نسبيًا غامض؛ ثم يُوضّح هذا الاتجاه عبر تكرارات متتالية؛ وأخيرًا، في إحدى هذه التكرارات، يحول الفهم المتراكم للنماذج إلى شكل منتج.

يُستحق أيضًا تفصيل سطر "المخرجات". بعد مغادرة FDE، ما يبقى في نظام العميل هو وظيفة قابلة للتشغيل — قد تكون صغيرة، أو قبيحة، أو تفتقر إلى واجهة مستخدم، لكنها تُستدعى يوميًا وتُعدّل وتُنتقد. أما مخرجات الاستشارات فهي عبارة عن عروض PowerPoint وتقارير إدارة التغيير، حتى لو تم كتابة كود أو تهيئة ERP ضمن المشروع، فإن ما يبقى في أيدي كبار المسؤولين في العميل لا يزال وثيقة منهجية.

يُعدّ فقرة "الخندق الدفاعي" الأكثر دقة. إن الخندق الدفاعي لـ FDE هو الإحساس المباشر بحدود قدرات النموذج — فكلما أجريتَ عددًا أكبر من سيناريوهات العملاء الحقيقية هذا الشهر، أصبحتَ أكثر إدراكًا مما يمكن لـ Claude 4.7 فعله وما يجب الانتظار حتى Claude 5 لإنجازه. هذا الإحساس لا يمكن تضمينه في عروض PowerPoint ولا يمكن تخزينه في قاعدة معرفية، بل ينمو فقط في أدمغة المهندسين الذين عملوا فعليًا خلال الـ 90 يومًا الماضية.

لذلك، عندما يقول لك أحدهم في المرة القادمة: "أليس FDE مجرد نسخة محدثة من Accenture؟"، يمكنك الرد هكذا: مهندسو Accenture يعيدون تصميم عمليات العملاء، بينما FDE تعيد استكشاف حدود النموذج. أصول الأول يمكن أن تتراكم لعشر سنوات، بينما أصول الثاني يجب أن تنمو من جديد بعد 90 يومًا.

إذا كان اعتبار "FDE هي نسخة جديدة من Accenture" هو التفسير الخاطئ الأول، فإن اعتبار "FDE هي توريد برمجيات باهظ الثمن" هو التفسير الخاطئ الثاني. هذا التفسير أكثر إرباكًا، لأن الأدلة الظاهرة تبدو مقنعة جدًا: FDE فعلاً تذهب إلى مواقع العملاء لكتابة الكود، وفعلاً تُصمم الوظائف وفقًا لعملاء الأعمال، وفعلاً تتبع ساعات عمل العملاء. من النظرة الأولى، لا تختلف عن مهندسي التوريد الخارجي.

لكن بمجرد النظر إلى دورة التغذية الراجعة، لا يمكن إخفاء الفرق.

أكبر فرق في هذه الصورة ليس ببساطة الجزء العلوي من الرسم، بل وجود سلسلة تغذية راجعة تمتد نحو شركة النموذج في الجزء السفلي من الرسم. هذه السلسلة ليست زخرفة، بل هي السبب الحقيقي لوجود وظيفة FDE. عند تحليل هذا الفرق، هناك على الأقل أربع مجموعات مقارنة.

الأشياء المُستلمة مختلفة. الفرق الخارجي يستلم SOW — قائمة متطلبات مُحددة مسبقًا قبل توقيع العقد: ما هي الوظائف المطلوبة، وما هي تقنيات التكوين المستخدمة، وما هي معايير القبول، وكيفية التعويض في حالة المخالفة. أما FDE فيستلم mission — العميل نفسه لا يملك فهمًا واضحًا لما يريد، بل يعرف فقط أن "الذكاء الاصطناعي يجب أن يساعدني في فعل شيء ما". أساس SOW هو اليقين، بينما أساس mission هو الاستكشاف. لهما مواقف مختلفة تمامًا لبدء المشروع.

المدى مختلف. العمل المُستَوحَى من الخارج يركز على تسليم جزئي — وحدة، موقع ويب، أنبوب بيانات، وبعد الانتهاء يتم تغليفه والرحيل إلى العميل التالي. أما FDE فيقوم بتسليم كامل من البداية إلى النهاية — بدءًا من نقاط الألم في العمل، ثم اختيار النموذج، وتصميم شكل المنتج، وحتى الاحتفاظ بالمستخدمين الحقيقيين ونسبة التخلي بعد الإطلاق.

طريقة التسعير مختلفة. هذه النقطة هي الأقل بديهية. شركة نموذج ترسل FDE إلى موقع العميل، واهتمامها النهائي لا يقتصر فقط على كم من الرسوم الاستشارية ستُجمع من هذا المشروع، بل أيضًا: كم عدد الرموز التي سيستهلكها هذا العميل في المستقبل؟ هل سيصبح عميلًا مخلصًا؟ هل سيتوسع إلى مزيد من خطوط الأعمال؟ الهدف الحقيقي لـ FDE هو منحنى الاستهلاك طويل الأجل للرموز النموذجية، وليس الرقم الموجود على إيصال قبول المشروع.

وجهات التغذية الراجعة مختلفة. هذه المجموعة هي الأعمق بين المجموعات الأربع. في المشاريع المُستَودَعة، لا تتجاوز التغذية الراجعة من العميل الشركة المُستَودِعة، ولا تؤثر على المنتجات التي ستبيعها الشركة المُستَودِعة للآخرين في المستقبل. أما تغذية FDE الراجعة، فتعود إلى خريطة طريق شركة النموذج — حيث يصبح كل حفرة يواجهها العميل في السيناريوهات الواقعية، وكل فشل في Prompt، وكل خطأ في استدعاء الأداة، مدخلًا لبيانات التدريب الإصدار التالي، وتصميم الأداة الإصدار التالي، ووظيفة المنتج الإصدار التالي. بمعنى آخر، كل عميل يتم نشره عبر FDE هو، بالنسبة لشركة النموذج، شريك تصميم طبيعي.

هذا هو السبب الحقيقي وراء رغبة شركات النماذج في دفع رواتب عالية لتعيين مهندسي تطوير العملاء. فهم لا يبيعون خدمة فقط، بل يجمعون إشارات حول أشكال المنتجات في العالم الحقيقي من مواقع العملاء. هذه الإشارات لا يمكن شراؤها أو التقاطها أو استخلاصها من استبيانات — فهي لا يمكن جمعها إلا من قبل مهندس محدد، داخل تدفق عمل عميل محدد، بعد أن يصطدم بجدران عدة مرات.

هل تعلم؟ ما هو إجمالي تعويض FDE لـ OpenAI وAnthropic؟ وفقًا للبيانات العامة لمهندسي البرمجيات في Anthropic على Levels.fyi^[8]، بلغ الوسيط الإجمالي لـ SDE المتمرس 710,000 دولارًا. إن وظيفة FDE تحمل مخاطر أعلى — فهي تواجه عدم اليقين في قدرات النموذج، وعدم اليقين في أعمال العميل، بالإضافة إلى عدم اليقين في شكل المنتج، لذا فإن تجميع الصناعة^[9]يُشار إلى أن الحدود العليا للعقود الشاملة في مختبرات الذكاء الاصطناعي المتقدمة FDE تتراوح بين 350K - 550K، ويمكن للمرتبات على مستوى Staff وأعلى أن تصل إلى 630K+ دولار. هذا السعر لا يُدفع مقابل "ساعات العمل المُستَنْدَة"، بل مقابل تحمل المخاطر المُركبة المتمثلة في "المنتج + العميل + النموذج". > تذكّر عام 2006، عندما بدأ الكاتب عمله في شركة تابعة للدولة المركزية، حيث كانت الشركة تمر بمرحلة التحول الرقمي؛ في ذلك الوقت، كانت الشركة تُوظّف مستشارين من Accenture في الموقع، وكانت تدفع لهم 3500 يوان يوميًا كرسوم استشارية، واستمرّوا لسنوات عديدة، ووصفتهم وسائل الإعلام آنذاك بـ"الطبقات الذهبيّة". لاحقًا، انتقل الكاتب إلى شركة SAP الألمانية، التي عرّفت مصطلحًا جديدًا في صناعة الاستشارات، وأصبح مستشارو SAP رمزًا للطبقات الذهبيّة. ومن هذا المنظور، فإن رواتب FDE ستستمر في الارتفاع على مدى 24 - 36 شهرًا على الأقل، كما أن الطلب عليها في ارتفاع مستقر.

الاستعانة بمصادر خارجية هي استغلال للفرق في تكاليف العمالة، بينما FDE هو جهاز استشعار في الخط الأمامي. الخلط بين هذين الأمرين سيجعل العميل يظن أنه يمكنه توظيف FDE باستخدام طريقة SOW، وسيجعل المرشحين يتعاملون مع FDE كعملية استعانة بمصادر خارجية. كلا الطرفين سيصطدمان بجدار سريعًا.

يعتقد الكثيرون خطأً أن مصطلح FDE تم ابتكاره من قبل OpenAI. لكن هذا غير صحيح. فله جذور تاريخية مزدوجة: واحدة من Palantir، والأخرى من شركات النماذج الجديدة بعد عام 2023. عندما تنظر إلى هاتين الجذرين جنبًا إلى جنب، يمكنك فهم أفضل لما يقوم به هذا المنصب حقًا.

انظر أولاً إلى خط زمني.

الجذر الأول هو Palantir.

تم تأسيس Palantir في عام 2003 من قبل بيتر ثيل وأليكس كارب وجو لونسديل وغيرهم، وكان أول عملائها هي الوكالات الاستخباراتية الأمريكية. لا يمتلك كارب خلفية في علوم الحاسوب — فقد أجرى أبحاثه للدكتوراه في فرانكفورت مع الفيلسوف يورغن هابرماس، ثم تم جره من قبل ثيل للعمل كرئيس تنفيذي بعد عودته إلى الولايات المتحدة. لقد نشأ هذا المنصب FDE بالضبط من هذا المزيج "من رئيس تنفيذي غير نموذجي + عملاء شديدو السرية": مراجعة من 36Kr^[10]تم التعبير عن ذلك بوضوح شديد: في مراحله المبكرة، تعرضت Palantir لانتقادات شديدة من وكالات الاستخبارات، وذلك لأن المهندسين لم يكن لديهم وصول إلى سيناريوهات عمل حقيقية، ونتيجة لتحويل المتطلبات عبر مستويات متعددة، أصبحت متشوهة. لاحقًا، نجحت Palantir في تحقيق مشروع واحد — وهو السماح للمهندسين الخاصين بها بالدخول مباشرة إلى مواقع العملاء والعمل جنبًا إلى جنب مع محللي الاستخبارات. وقد قام شيم سانكار بتوحيد هذا النموذج لاحقًا، ليصبح نواة FDE.

بحلول عام 2009، امتدت FDE إلى المجال التجاري. عندما نشرت JPMorgan منصة Palantir Metropolis، تواجد 120 من FDE لمراقبة التهديدات الداخلية. ومنذ ذلك الحين، لم تعد FDE مجرد "إرسال مهندسين في رحلات عمل"، بل أصبحت استراتيجية متكاملة للاندماج مع العملاء: حيث يتم دمج Foundry / Gotham فعليًا في تدفق أعمال العميل، وليس مجرد توزيع ترخيص ثم المغادرة.

يوجد معيار غير بديهي في توظيف FDE الخاص بـ Palantir — لا يتطلب شهادة في علوم الحاسوب. يمكن إدراج هذا الأمر في "هل تعلم؟"

هل تعلم أن Palantir FDE لا تشترط شهادة في علوم الحاسوب؟ وفقًا لمعايير التوظيف التي جمعتها SkillScouter^[11]وموقع التوظيف الرسمي لـ Palantir^[12]تُرحب Palantir بوضوح بمرشحين غير متخصصين في علوم الحاسوب، حيث جاء مؤخراً مُوظفو FDE من تخصصات مثل الهندسة الميكانيكية، والاقتصاد، والفلسفة. الشيئان اللذان تركز عليهما حقاً هما: القدرة على اتخاذ إجراءات في ظل معلومات غير كاملة، والقدرة على التواصل المباشر مع عملاء من المستوى التنفيذي. إن شهادة علوم الحاسوب هي ميزة إضافية، وليست شرطاً للقبول. كارب نفسه هو أول نموذج لهذه المعايير — وهو رئيس تنفيذي درس الفلسفة، وقاد فريقاً من FDE متخصصين في الفيزياء والرياضيات والفلسفة.

الجذر الثاني هو شركة نموذج من الجيل الجديد بعد عام 2023.

بعد إطلاق ChatGPT في أواخر عام 2022، أدركت OpenAI شيئًا واحدًا بسرعة: وضع واجهة برمجة التطبيقات للنموذج على الوثائق وترك العملاء يتصلون بها بمفردهم كان أمرًا غير قابل للتنفيذ. العملاء لم يكونوا غير راغبين في الاستخدام، بل لم يكونوا يعرفون كيف يستخدمونه — فكان لديهم مشكلات تجارية، لكن لا توجد أشكال منتجات لديهم. لذلك بدأت هذه المجموعة من الشركات — OpenAI وAnthropic وCohere وScale وGlean وSierra وHebbia وDecagon — في توظيف عدد كبير من FDE.

هذه الموجة من FDE تتعلم من خطة عمل Palantir — إرسال المهندسين إلى مواقع العملاء لتنفيذ تدفق عمل كامل من البداية إلى النهاية. لكن وسيلة المنتج أصبحت مختلفة تمامًا: في عصر Palantir، كان FDE يركز على دمج البيانات وتخصيص واجهة المستخدم، بينما يركز FDE الجديد على تصميم الأوامر، وترتيب الوكلاء، واستدعاء الأدوات، وإدراج تدفقات العمل.

مقالة Pragmatic Engineer عن FDE^[13]يُطلقون على هذا الإصدار الجديد في الصين "مدمج مع المؤسسات لجعل كلاود يحل مشكلات حقيقية وتحديدًا ذات قيمة عالية" — وهي صياغة تشبه تمامًا ما فعلته بالانتير في ذلك الوقت، مع استبدال "البيانات" بـ"النماذج".

عند النظر إلى هذين الجذرين معًا، يمكنك رؤية مجموعة من أوجه التشابه والاختلاف الواضحة.

النقطة المشتركة: العملاء لا يشترون برنامجًا. العملاء يشترون "هندسة قادرة على حل مشكلتي + مجموعة أدوات". كان هذا غير طبيعي في تاريخ برامج الشركات على مدار الثلاثين عامًا الماضية. كانت SAP وOracle وSalesforce تبيع البرنامج نفسه — حيث كان المهندسون موارد داعمة موجودة فقط لـ"جعل هذا البرنامج في متناول العميل". أما Palantir فتقلب هذا النموذج رأسًا على عقب: الأدوات موجودة كرافعة لتمكين FDE من حل المشكلات لدى العميل. ورثت شركات النموذج الجديد هذه العلاقة المعكوسة — فـOpenAI لا تبيع ترخيص GPT-4، بل تبيع "قدرة مهندسينا على استخدام GPT-4 لمساعدتك في أتمتة خدمة العملاء".

الفرق: عصر Palantir يركز على تكامل OPS — المحور الرئيسي هو تكامل البيانات ونمذجة النطاق وإدارة الصلاحيات. الجيل الجديد يركز على تنفيذ القدرات النموذجية — المحور الرئيسي هو تصميم الأوامر وترتيب الوكلاء وتحسين الاحتفاظ. الأول يشبه النسخة المتطورة من متكامل الأنظمة، والثاني يشبه التمديد لمهندس المنتجات.

حقيقة مثيرة أخرى: العديد من مهندسي Palantir في المراحل المبكرة أصبحوا رواد أعمال، أو انضموا مباشرة إلى شركات النماذج الجديدة. يمكن ذكر قائمة طويلة من أسماء خريجي Palantir ضمن الفرق المبكرة لـ Anthropic و OpenAI و Sierra و Hebbia.这不是巧合——FDE هذا المنصب يجبر الشخص على تحمل مخاطر المنتج ومخاطر العميل ومخاطر الهندسة في آنٍ واحد، كأنه دورة تدريبية للريادة. يفضل الكاتب اعتبار Palantir كمعسكر تدريب ريادي خفي: فهي لا تُخرج فقط مهندسين، بل مجموعة من الأشخاص الذين يعرفون كيف يدفعون مشروعًا من الصفر إلى الواحد في ظل معلومات غير كاملة. جذران، اجتمعا في النهاية بعد عام 2023.

يحدث اندماج الجذرين الرئيسيين في الخارج بشكل أساسي. داخل البلاد، لم يظهر مصطلح FDE منذ فترة طويلة، لكن المهام التي يُقصد بها ليست ظاهرة من العدم. لفهم FDE المحلي، يجب أولاً فهم سلفيه المحليين، ثم الفروق الثلاثة بينه وبين نسخة FDE الأمريكية.

سابقتان محليتان

كان أول سلفه مهندس حلول لدى مزود سحابي. لقد نمت على مدى العقد الماضي فرق كاملة من مهندسي الحلول (SA) لدى علي بابا كلاود وتيان تين كلاود وهواوي كلاود، حيث كانوا يشرحون البنية للعملاء، ويكتبون نماذج إثبات المفهوم، ويعدون خطط الهجرة، ويدعمون عملية التسليم حتى التشغيل. كما أن هواوي لديها داخلها سلسلة مخصصة من "مهندسي التسليم" مسؤولة عن تنفيذ المشاريع في مراكز بيانات العملاء. وقد غطت هذه النظامية بالفعل 80% من مهام FDE، لكن تركيزها لا يزال على ما قبل البيع والنشر — فمسؤولية التكرار المنتج الكامل لا تقع على عاتق مهندس الحلول، وعند تغيير المتطلبات يجب اتباع إجراءات التغيير، وعند تغيير النموذج يجب الانتظار حتى يتم جدولة ذلك من قبل المقر الرئيسي.

السابق الثاني هو سلسلة نشأت حديثًا في شركة ناشئة للذكاء الاصطناعي. تُعلن MiniMax عن وظيفة "خبير حلول ما قبل البيع للذكاء الاصطناعي" على BOSS Zhipin، كما تُعلن شركات النماذج مثل Yueqi Anmian و Zhipu و Tongyi و Hunyuan عن وظائف مشابهة. تختلف الأسماء قليلاً، لكن محتوى وصف الوظيفة متماثل إلى حد كبير: فهم سيناريوهات العملاء، وإجراء عروض توضيحية، وضبط المُحفزات، وتشغيل RAG، وكتابة خطط التسليم، والتنسيق مع فرق الهندسة لدى العملاء حتى الإطلاق. هذه المجموعة من الوظائف هي بالفعل "FDE المحلية" بمعنى دقيق.

ثلاثة فروق في التربة والماء

نشر خاص + الامتثال للبيانات يُثقل نمط الاستدعاء النقي للنموذج. متطلبات العملاء المؤسسيين المحليين فيما يتعلق بعدم خروج البيانات من الحدود، والتحكم في أوزان النموذج، وإمكانية تتبع المراجعة أعلى بكثير من السوق الأمريكية. في مشروع FDE، قد لا تمثل كمية العمل المرتبطة باستدعاء API وتشغيل Prompt سوى 30٪، بينما تمثل الـ 70٪ المتبقية نقل النموذج إلى مراكز بيانات العميل، وتمكين المصادقة، وربط منصة البيانات، وإجراء تسجيل الامتثال.

ما زالت قدرات النموذج تسعى لمواكبة SOTA، وقد تقلص مجال الأداء إلى المستوى الهندسي. يمكن لـ OpenAI وAnthropic في الولايات المتحدة إثارة اهتمام العملاء من خلال قدرات النموذج نفسها؛ أما في الصين، فالفروق في القدرات بين Tongyi وDoubao وKimi وGLM وDeepSeek ليست كبيرة، لذا يركز عملاء الشركات أكثر على القدرات الهندسية مثل ترتيب الوكلاء وجودة استرجاع RAG وتكامل الأدوات وتصميم سير العمل. في الصين، لا يُقاس FDE بـ"كم هو قوي نموذجي"، بل بـ"هل يمكنني تنفيذ هذه العملية التجارية فعليًا؟"

رغبة الجانب B في الدفع ووتيرة التسعير تختلف عن الولايات المتحدة. من الصعب نسخ نموذج Palantir "إدخال FDE أولاً، ثم فرض اشتراكات بأسعار عالية". ميزانيات العملاء المحليين تتبع المشتريات السنوية، وغالبًا ما تميل إلى الدفع القائم على المشاريع، وغالبًا ما يكون نموذج عمل FDE مزيجًا من الاشتراك والتراخيص الخاصة وتسليم المشاريع.

موقع فريد: FDE داخلي

تبدأ فرق الذكاء الاصطناعي داخل كبرى الشركات في استخدام نموذج FDE لخدمة "العملاء الداخليين". فقد أرسلت Alibaba Cloud PAI مهندسين للعمل داخل Taobao، كما تمتلك Tencent Hunyuan آلية مشابهة للربط مع WeChat وفريق الإعلانات. على JD، تُذكر المسميات الوظيفية مثل "مهندس تنفيذ صناعي" و"مهندس تطبيقات الذكاء الاصطناعي" و"خبير الأعمال الذكية"، وهي في جوهرها فرق FDE داخلية — تُنقل قدرات فرق النماذج من البداية إلى النهاية إلى جانب الأعمال. وهذا يمنح قادة الشركات الكبرى فكرة جديدة: بضع فرق FDE داخلية تُ stationed على جانب الأعمال، وتُطلق أول نموذج تجريبي، وتُقدّم بيانات العائد على الاستثمار إلى مدراء الأعمال، فسيتم تفكيك جدران الأقسام أسرع من عقد عشر اجتماعات مواءمة.

الكاتب في المقال السابق "الرسالة إلى الأفراد الفائقين"^[4]تم ذكر خمسة محركات للفرد الفائق: فضول قوي، روح استكشاف وابتكار قوية، قدرة عالية على التعلم الذاتي، دافع ذاتي قوي، ومهارات عملية قوية. هذه الأشياء الخمسة هي تذكرة الدخول إلى FDE، لكنها ليست كل شيء. بالإضافة إلى هذه المحركات الخمسة، يمتلك منصب FDE مجموعة من السمات الإضافية المحددة جدًا، وهناك أيضًا عدة أنماط شخصية لا تناسبه بشكل واضح. لقد رأى الكاتب العديد من المهندسين المتميزين الذين انتقلوا إلى FDE وأصيبوا بصدمة ثقافية، وغالبًا ما تكمن المشكلة ليس في القدرات، بل في الشخصية وتفضيلات العمل.

السمات الخمسة المناسبة لـ FDE

لا تتجنب المبيعات أو التواصل. لا يقتصر يوم عمل FDE على كتابة الكود في عزلة، بل يتضمن التفاعل المباشر مع CTO العميل، ومسؤولي الأعمال، والمشتريات، والامتثال، وفريق تكنولوجيا المعلومات. النمط النموذجي: عندما يقطع CTO العميل العرض التوضيحي، لا يمكن لـ FDE أن يرد بـ "سأقوم بتعديل النسخة وأعود الأسبوع القادم"، بل يجب أن يفتح محرر الكود فورًا ويعدل الـ Prompt ويعيد تشغيله أمامه. "العميل موجود، وأنا أقوم بالتعديل" هو الوضع الطبيعي لـ FDE.

استمتع بالمنطقة الضبابية. لا يحصل FDE على PRD واضح، بل على جملة واحدة: "نريد فعل شيء باستخدام الذكاء الاصطناعي". حتى العميل نفسه لا يستطيع تحديد ما يريده بدقة، ويحتاج إلى أن يرافقه FDE ليحول هذا التوقع الضبابي إلى شكل ملموس. إذا كنت تتحرك فقط عندما تكون هناك متطلبات واضحة، فسيجعلك FDE تشعر بالقلق كل يوم.

قوة هندسية قوية ولكن لا يتطلب 10x. لا يحتاج FDE أن تكون الشخص الذي يكتب أنظف كود أو أعمق خوارزميات في الشركة، بل يحتاج إلى قدرتك على تنفيذ حل كامل من البداية إلى النهاية: واجهة أمامية يمكنها إنشاء صفحة قابلة للنقر، خلفية يمكنها إنشاء خدمة تعمل، ونموذج يمكنه الاتصال بمصادر بيانات الأعمال. في عالم FDE، "الكفاية تكفي" ليست عيبًا، بل هي فضيلة.

يُحبّ تحسين العمل من خلال التغذية الراجعة. يحتوي عمل FDE على لحظات كثيرة "يُطلب منك إعادة العمل بعد انتقاد العميل": اليوم، يُقال لك بعد العرض التوضيحي إن "هذا ليس ما أردته"؛ الأسبوع الماضي، تم التوافق على خطة، لكن هذا الأسبوع، يُغيّر العميل مديرًا تنفيذيًا ويطلب إعادة العمل من جديد. الأشخاص المناسبون لدور FDE يتعاملون مع هذه التغذية الراجعة كوقود، ويتحملون المسؤولية الكاملة من البداية إلى النهاية، ولا يلقون اللوم على "عدم وضوح طلب العميل".

حساس لحدود النموذج. هذه هي الأكثر تقنية والأكثر خفية. يجب على FDE أن يُحدّد المهام المناسبة لتنفيذها بواسطة نموذج LLM وما لا يناسبه، وكيفية التحول إلى بديل — هذه الحساسية لا يمكن استخلاصها من الأوراق البحثية، بل تُكتسب فقط من خلال حالات الفشل. مع تراكم عينات الفشل، يطور FDE ذاكرة عضلية لحدود النموذج: متى يجب استخدام RAG، ومتى يجب الاعتماد على القواعد، ومتى يجب توفير مدخل بديل للإنسان.

الأربعة أنواع غير المناسبين لـ FDE

شخص تقني يحب الاختباء في الكود. FDE يقضي حوالي 50% من وقته ليس في كتابة الكود، بل في اجتماعات العملاء، والتنسيق الداخلي، ومناقشات المنتج، ودفع العقود. إذا كان مصدر سعادتك هو كتابة الكود دون مقاطعة لمدة أربع ساعات متواصلة، فسيجعلك FDE في حالة إرهاق نفسي مستمرة.

الأشخاص الذين يحتاجون إلى OKR ليتحركوا. أهداف FDE تتركز على العميل، وليس على جدول أدائك. يتم تحديد تقدم العمل من خلال عقد مشروع العميل، وتغيرات قدرات النموذج، وتقديرك الخاص للسيناريو. الأشخاص المعتادون على "الانتظار حتى يكون لديهم OKR لمعرفة ما يجب فعله" سيجدون صعوبة في العثور على نقطة ارتكاز.

الأشخاص الذين يعطون أولوية للترقية على حساب العمل. لا يحظى FDE بميزة في نظام الترقيات في الشركات الكبرى — فمؤشرات رضا العملاء، وتوقيع المشاريع، ومستوى إعادة الاستخدام لا تُسمع صوتها كثيرًا مقارنةً بكمية الكود وعدد مرات النشر أثناء مراجعة الرتبة. إذا كان الترقية هو دافعك الأول في عملك، فـ FDE ليس خيارًا جيدًا.

الأشخاص الذين يقاومون السياق التجاري. يجب على FDE أن يفهم ربحية العميل وخسارته، والعائد على الاستثمار، وعملية الشراء، ومتطلبات الامتثال. إذا كنت تكره بشكل طبيعي الحديث عن المال، أو العقود، أو المنطق التجاري، فسوف يشعرك عمل FDE بأنك تخون مثاليتك التقنية.

قائمة التحقق الذاتي

7 أسئلة، كل منها يتوافق مع سيناريو عمل حقيقي لـ FDE. إذا أجبت بـ "نعم" على خمسة أسئلة أو أكثر، ففكر جديًا في FDE؛ إذا أجبت بـ "نعم" على ثلاثة أسئلة أو أقل، يُوصى بالحذر.

هل أنت مستعد لنقل 50% من وقتك اليومي من الكود إلى اجتماعات العملاء، والرد على الرسائل والمكالمات؟

2. عندما يخبرك العميل "هذا لا يعمل، ولا أستطيع توضيح السبب"، هل يكون رد فعلك الأول فضولًا أم تململًا؟

3. لا أحد كتب لك وثيقة متطلبات المنتج، هل يمكنك في غضون أسبوع تنفيذ نموذج أولي يمكن عرضه للعملاء مع Claude Code؟

4. هل يمكنك الحفاظ على قدرتك على التقييم، وليس تنفيذ الأوامر بشكل آلي، عندما يطلب العميل منك تعديل نفس التسليم 8 مرات؟

5. عندما يعطي النموذج إجابة خاطئة، هل ردك الأول هو تصميم حل بديل، أم الشكوى من أن النموذج غير جيد؟

6. هل أنت مستعد للتوقيع على العقد، وإعداد التقارير، ومرافقة العملاء للحصول على قبولهم، والتنسيق مع القسم القانوني بشأن الشروط المتوافقة؟

7. هل يمكنك قبول النماذج الأولية السريعة والفشل السريع؟

خمسة صفات، وأربع صور عكسية، وسبعة أسئلة ذاتية، في النهاية جميعها تدور حول نفس السؤال: هل أنت مستعد لصقل حس منتجك وقدراتك الهندسية وحكمك التجاري في نفس سير العمل؟

في المقال السابق، ناقشتُ "محرك الإنسان": الفضول، روح الاستكشاف، القدرة على التعلم الذاتي، الدافع الذاتي، والقدرة العملية، وكيفية تحفيزها بشكل كامل ومستقر داخل الشركات الكبرى. أما هذا المقال فيناقش أمرًا آخر — شكل الوظيفة. إن FDE هو أول شكل وظيفي جديد في الثورة الصناعية للذكاء الاصطناعي يحمل اسمًا، ونطاقًا للرواتب، ووصفًا وظيفيًا للتوظيف، وتحققًا من عملاء يدفعون مقابل الخدمة. إنه ليس مرادفًا لمفهوم "الفرد الفائق"، بل هو أول إحداثية تنتقل من الخيال إلى الواقع في هذه الموجة من إعادة الهيكلة.

FDE ليس النهاية. رأي الكاتب هو أن FDE هو فقط أول شكل يكتسب اسماً في التقسيم الجديد. سيظهر لاحقاً Forward Deployed PM و Forward Deployed Designer و Forward Deployed Researcher — جميع المهن المرتبطة ارتباطاً وثيقاً بسيناريوهات العملاء والتي تتطلب تطوير المنتج في المناطق الضبابية، ستنتج نسخاً "مُقدَّمة" خاصة بها. ستتغير أسماء الوظائف، لكن المنطق الأساسي واحد: قدرات النموذج تسير في المقدمة، بينما تسعى أشكال المنتجات للحاق بها، وتُعاد تقسيم هيكل الوظائف وفقاً لتدفق العمل.

اترك جملة واحدة لكل فئة من القراء الثلاث.

للمطورين التقنيين: لا يتطلب منك FDE أن تكون أفضل مبرمج في شركتك، لكنه يتطلب منك أن تكون مستعدًا لنقل نصف وقتك من الكود إلى العملاء. إذا كانت إجابتك "نعم"، فهذا يعني أن نافذة السوق قد فُتحت للتو، وعمليات التوظيف لدى أكبر شركات النماذج المحلية، ومزودي السحابة، وفرق الذكاء الاصطناعي الداخلية في الشركات الكبرى تتسارع. وإذا كانت إجابتك "لا"، فلا بأس بذلك، فستظهر وظائف أخرى في هذا التقسيم الجديد تناسبك.

لـ HR و OD: كونوا حذرين من "الانفصال بين الاسم والواقع". قد يكون لدى شركتك بالفعل مجموعة من FDE يعملون، لكن وظائفهم مسجلة تحت مسميات مثل "خبير حلول" أو "مهندس معماري صناعي" أو "مهندس تطبيقات الذكاء الاصطناعي". حدد هؤلاء الأشخاص، وأعد تصنيفهم، ووفر لهم مسار نمو يتوافق مع محتوى عملهم — فهذا أكثر كفاءة من توظيف أشخاص جدد من الصفر.

للمديرين: نموذج FDE ليس مخصصًا فقط للخارج، بل يمكن أيضًا تطبيقه داخليًا. من خلال تعيين عدد قليل من "FDE الداخليين" في جوانب الأعمال، ودمج قدرات فريق النماذج بشكل كامل في عمليات الأعمال، قد يكون هذا أكثر كفاءة بكثير من إنشاء قسم ذكاء اصطناعي جديد وعقد عشر اجتماعات لتنسيق الفرق. الجدران بين الأقسام لا تُزال من خلال التصميم التنظيمي، بل من خلال عرض تجريبي ناجح.

لقد بدأ التحول المهني في عصر الذكاء الاصطناعي، وFDE هو أول إشارة إنذار، فهي تخبرنا أن سرعة تغير قدرات النماذج أصبحت سريعة لدرجة تدفع إلى ظهور وظائف جديدة. يرغب الكاتب في ترك قارئه بسؤال ملموس — إذا ظهرت ثلاث وظائف جديدة على مخطط هيكل منظمتك بعد ثلاث سنوات، فما هي الوظائف الثلاث التي تعتقد أنها ستكون؟ التفكير بوضوح في هذا السؤال أكثر فائدة من قراءة هذه المقالة نفسها.