এফডিই: এআই-চালিত ইঞ্জিনিয়ারিং ভূমিকার নতুন সীমান্ত

গত এক মাসে আমি চারজন বন্ধুর সাথে দেখা করেছি যারা ক্যারিয়ার পরিবর্তনের প্রস্তুতি নিচ্ছিল—ফ্রন্টএন্ড ডেভেলপার, সলিউশন আর্কিটেক্ট, প্রোডাক্ট ম্যানেজার এবং প্রাচীন অ্যালগরিদম ইঞ্জিনিয়ার। তাদের ব্যাকগ্রাউন্ড, বয়স এবং শহর ভিন্ন ভিন্ন হলেও তারা একই ইংরেজি সংক্ষেপণ জিজ্ঞাসা করেছিল: FDE [2] কি আমার জন্য মূল্যবান?

FDE, যার পূর্ণরূপ Forward Deployed Engineer [2]। দুই বছর আগে এটি শুধু Palantir-এর ভিতরে একটি অভ্যন্তরীণ শব্দ ছিল, কিন্তু আজ এটি হয়ে উঠেছে রিক্রুটারদের শুরুর বাক্য, চাকরির বিজ্ঞপ্তিতে প্রায়শই দেখা যাওয়া পদ, এবং সোশ্যাল মিডিয়ায় “AI যুগের সবচেয়ে মূল্যবান চাকরি”-এর প্রার্থীদের মধ্যে একটি। OpenAI 2026 সালের মে মাসে সরাসরি এই নামে Deployment Company [3] প্রতিষ্ঠা করে, যার প্রাথমিক বিনিয়োগ 40 বিলিয়ন ডলার, এবং স্পষ্টভাবে ঘোষণা করেছে যে এটি ইঞ্জিনিয়ারদের ক্লায়েন্টদের অফিসের ভিতরে, ক্লায়েন্টদের কাজের প্রবাহের মধ্যে পাঠাবে; Anthropic-এর Applied AI দলও চারটি সময়zone-এ FDE-এর জন্য নিয়োগ চলছে। এই ঘটনাটি অভ্যন্তরীণ শব্দ থেকে স্পষ্টভাবে প্রচলিত শব্দে পরিণত হতে মাত্র একবছরেরও কম সময় নিয়েছে।

আমার গত নিবন্ধটি, "সুপার ইন্ডিভিজুয়ালকে" [4], মানুষের "ইঞ্জিন"—অর্থাৎ কৌতূহল, নিজে থেকে শেখা, নিজেকে চালিত করা এবং হাতে-কলমে কাজ করার দক্ষতা—কীভাবে একটি সম্পূর্ণ Closed-loop-এর মধ্যে জাগ্রত হয়, তা নিয়ে আলোচনা করেছিল। কিন্তু মানুষ বাতাসে ভাসে না; মানুষকে একটি নির্দিষ্ট চাকরির কোঅর্ডিনেট সিস্টেমের মাধ্যমে ধরে রাখতে হয়। যদি সুপার ইন্ডিভিজুয়ালগুলি AI যুগের উৎপাদন সম্পর্কের "কাঁচামাল" হয়, তবে FDE হল এই বছরের মধ্যে বাজারের দ্বারা বিকশিত হওয়া সবচেয়ে স্পষ্ট "চাকরির রূপ"।

আমার দৃষ্টিতে, FDE পরামর্শের বাক্সে নয়, বাইরের বাক্সেও নয়। এটি সুপার ইন্ডিভিজুয়ালের কাছাকাছি—পার্থক্যটি হলো, FDE হলো “মডেল কোম্পানি × ক্লায়েন্ট”-এর ফাঁকে সংগঠিত একটি সুপার ইন্ডিভিজুয়াল।

আপনি কি জানেন—“Forward Deployed” শব্দটি কোথা থেকে এসেছে? এটি মূলত মার্কিন সেনাবাহিনীর পদ “Forward Deployed Forces” থেকে এসেছে, যা বিদেশে বা সামনের লাইনে স্থাপন করা, যাতে তারা কাছাকাছি থেকে প্রতিক্রিয়া দিতে পারে, যা মূল বেসে অবস্থিত পিছনের বাহিনীর বিপরীতে। ২০০০-এর দশকের শেষে Palantir এই শব্দটি সফটওয়্যার শিল্পে নিয়ে আসে, যা “ইঞ্জিনিয়ারদের হেডকোয়ার্টার থেকে সরিয়ে ক্লায়েন্টের স্থানে থাকার” কাজের পদ্ধতির বর্ণনা দিতে, এমনকি অভ্যন্তরীণ দলগুলিকেও সামরিক অক্ষরের নামে ডাকা হয়, Delta এবং Echo। এবার OpenAI এবং Anthropic এটি আবার নিয়েছে—এটি দুর্ঘটনা নয়—ইঞ্জিনিয়ারদের সামনের লাইনে পাঠানোর মূলভাবটি কখনও পরিবর্তিত হয়নি।

এই প্রবন্ধটি লেখককে সাম্প্রতিককালে চারজন বন্ধু দ্বারা জিজ্ঞাসিত তিনটি নির্দিষ্ট প্রশ্নের উত্তর দেয়:

FDE কি AI-এর বাইরের আবরণ পরে একটি পরামর্শদাতা কোম্পানি? এর পারম্পরিক পরামর্শদাতা কোম্পানির সাথে সীমানা কোথায়?

FDE কি একটি উন্নত সফটওয়্যার আউটসোর্সিং? এটি আমি যা করছি তার সাথে কী পার্থক্য?

আমি কি FDE-এর জন্য উপযুক্ত? এই পদটি কোন ধরনের মানুষকে বাড়িয়ে তুলবে, আর কোন ধরনের মানুষকে ধ্বংস করে দেবে?

লেখকের মতামত সাবধানে আশাবাদী: FDE সত্যিই বেড়ে উঠছে, কিন্তু এটি সবার জন্য রূপান্তরের পথ নয়। এটিকে উত্তেজনাপূর্ণভাবে নয়, বরং পরিষ্কারভাবে ব্যাখ্যা করা গুরুত্বপূর্ণ।

যদি এই পর্যায়ে FDE-এর পুনরায় প্রকাশের সময়কে শুধুমাত্র একটি ঘটনার মাধ্যমে চিহ্নিত করতে হয়, তবে লেখক নির্বাচন করবেন ২০২৬ সালের ১১ মে — সেদিন OpenAI একটি Deployment Company প্রতিষ্ঠা করার ঘোষণা করে [5], COO Brad Lightcap তাঁর আগের ব্যবসায়িক বিভাগ ছেড়ে special projects-এ চলে যান এবং Sam Altman-এর কাছে সরাসরি রিপোর্ট করেন, এই কাজটির জন্য পুরোপুরি সময় দেন। একই সপ্তাহে, OpenAI ব্রিটিশ AI পরামর্শদাতা কোম্পানি Tomoro-কে অধিগ্রহণ করে, একসাথে ১৫০জন Forward Deployed Engineer এবং Deployment Specialist-কে নতুন কোম্পানিতে ভর্তি করে।

উল্লেখযোগ্য যে, ওপেনএআইয়ের ভর্তি পৃষ্ঠায় একসাথে দশটিরও বেশি FDE পদ প্রকাশিত হয়েছে: সান ফ্রান্সিসকো, নিউ ইয়র্ক, ওয়াশিংটন, এবং Life Sciences, Semiconductor, Gov ইত্যাদি শিল্পভিত্তিক উপ-দিকগুলির সাথে, এমনকি FDE ভর্তি কর্মকর্তা [6] পদটিও খোলা। বিশ্লেষকদের অনুমান, এই দলটি তিন বছরের মধ্যে 2000–4000 জনে বাড়বে। এটি একটি গবেষণা দলের আকার নয়, এটি একটি নিয়মিত সেনাবাহিনী।

অ্যানথ্রোপিকের ক্ষেত্রে প্রায় প্রতিচ্ছবি কার্যক্রম। অ্যাপ্লাইড এআই দলের ফরওয়ার্ড ডিপ্লয়েড ইঞ্জিনিয়ার পদটি [7] বোস্টন, নিউ ইয়র্ক, সিয়াটল, সান ফ্রান্সিসকো, ওয়াশিংটন এবং লন্ডন—ছয়টি স্থানে একসাথে ঘোষণা করা হয়েছে, যেখানে 25%–50% ক্লায়েন্ট সাইটে ভ্রমণের প্রয়োজন। একটি সাম্প্রতিক বারবার উল্লেখিত উদাহরণ হলো ফিনটেক কোম্পানি FIS—এটি ঘোষণায় সরাসরি লিখেছে “অ্যানথ্রোপিকের অ্যাপ্লাইড এআই দল এবং ফরওয়ার্ড-ডিপ্লয়েড ইঞ্জিনিয়ারদের FIS-এর মধ্যে এমবেড করা হয়েছে, যাতে Financial Crimes AI Agent-এর ডিজাইনে একসাথে কাজ করা যায় এবং FIS-কে জ্ঞান স্থানান্তর করা যায়, যাতে এটি পরবর্তীতে আরও বেশি agent-এর বিস্তার করতে পারে।”

এই বাক্যটিতে ফডিই চাকরির প্রকৃত রূপ লুকিয়ে আছে। এটি প্রি-সেলস আর্কিটেক্ট, এসডিআর বা ক্লায়েন্টদের প্রশিক্ষণ দেওয়ার জন্য আসা ইভাংজেলিস্ট নয়। এটি মডেল নিয়ে ক্লায়েন্টের কোডবেসে বসে থাকা ইঞ্জিনিয়ার। ব্র্যাড লাইটক্যাপ নিজেই আরও স্পষ্টভাবে বলেছেন: “আমাদের ক্লায়েন্টরা আমাদের বলেছে, তাদের প্রয়োজন হলো pilot থেকে production-এ যাওয়ার ক্ষমতা। Deployment Company হলো আমাদের ইঞ্জিনিয়ারদের তাদের টিমের মধ্যে পাঠিয়ে, ডেলিভারির জন্য পর্যাপ্ত সম্পদ প্রদান।”

এটিকে একটি চিত্রে চিত্রিত করুন, তাহলে তিন পক্ষের সম্পর্কটি খুব স্পষ্ট হয়ে উঠবে:

এই চিত্রে সবচেয়ে বেশি তথ্যপূর্ণ দুটি লাইন হল এফডিই দ্বারা দুই দিকে প্রেরিত ফিডব্যাক। গ্রাহকের দিকে, এফডিই মডেলকে এসএএস হিসাবে বিক্রি করে না, বরং গ্রাহকের ডেটা, অধিকার, সঙ্গতি এবং অভ্যন্তরীণ সিস্টেমকে একটি মডেল চালানোর জন্য একত্রিত করে; মডেল কোম্পানির দিকে, এফডিই গ্রাহকের প্রকৃত সমস্যা এবং ব্যর্থ নমুনা পণ্য এবং গবেষণায় ফিরিয়ে আনে, যা রোডম্যাপকে প্রভাবিত করে—একটি পুনরাবৃত্তভাবে ভুল হওয়া tool calling pattern-এর জন্যই SDK-এর পরবর্তী বিল্ট-ইন অ্যাবসট্রাকশন তৈরি হতে পারে।

এই কারণেই FDE এই রাউন্ডে দুটি শীর্ষস্থানীয় মডেল কোম্পানি একসাথে পুনরায় চালু করেছে—এর পিছনে শুধু “আমরাও Palantir-এর মতো কনসাল্টিং করব” এই ধারণা নয়। এটি মডেল কোম্পানিগুলির একটি সিগন্যাল সংগ্রহ ডিভাইস—সবচেয়ে ঘন ঘন ক্লায়েন্টের সমস্যা শুধুমাত্র নিজেদের মানুষ উপস্থিত থাকলেই ধরা যায়, পার্টনারদের মাধ্যমে প্রেরিত চাহিদা সবসময় একটু দূরে। Anthropic একটি মিশ্র পথ অনুসরণ করছে: একদিকে FDE-এর নিজস্ব অপারেশন, অন্যদিকে কনসাল্টিং কোম্পানি এবং PE বড়দের সাথে জয়েন্ট ভেঞ্চার ডিপ্লয়মেন্ট নেটওয়ার্ক। একটি নিজস্ব অপারেশন-ভিত্তিক, অন্যটি ecosystem-ভিত্তিক, কিন্তু উভয়েরই মূলমন্ত্র একই: মডেল কোম্পানিগুলি এখন শুধু API সরবরাহকারী নয়, এগুলির ইঞ্জিনিয়ারদেরকেও সরাসরি ক্লায়েন্টের পণ্যের মধ্যে পাঠানো হচ্ছে।

পরবর্তীতে উত্তর দেওয়া হবে দুটি সবচেয়ে সাধারণ তুলনামূলক প্রশ্ন—FDE এবং প্রাচীন পরামর্শ (ম্যাকিনসি, এসিন্সেল ইত্যাদি) এর সীমানা কোথায়? এটি আমাদের পরিচিত সফটওয়্যার আউটসোর্সিং-এর সঙ্গে একই কিনা?

এফডিই-এর কাজের বর্ণনা প্রথমবার শুনে অনেকের প্রথম প্রতিক্রিয়া হয়: “এটা তো নতুন ম্যাকিনসি, এসেনজি!”

আমি এই সংযোগটি বুঝতে পারি। সুটকেস পরে, ক্লায়েন্টের স্থানে যাওয়া, ক্লায়েন্টের মিটিং রুমে বসে ব্ল্যাকবোর্ডে আঁকা, C-লেভেলের ম্যানেজমেন্টের সাথে সমন্বয় করা—দৃশ্যের দিক থেকে, FDE এবং কনসালটিং কনসালট্যান্টদের মধ্যে পার্থক্য কম। কিন্তু শুধু একটু ভিতরের দিকে গেলে, দুটির কাজের মূলভিত্তি সম্পূর্ণ ভিন্ন। কনসালটিং বিক্রি করে প্রক্রিয়ার সীমানা, FDE বিক্রি করে মডেলের সীমানা।

এই দুটিকে একটি টেবিলে পাশাপাশি রাখলে পার্থক্য তাৎক্ষণিকভাবে প্রকট হয়ে ওঠে।

এই টেবিলের সবচেয়ে বেশি থামার মতো হলো "সম্পদের অবচয়" লাইন।

প্রাচীন পরামর্শের সবচেয়ে লাভজনক যুক্তি হল সম্পদের পুনঃব্যবহার—একটি ব্যাংকের জন্য প্রস্তাবনা, পরবর্তীটির জন্য কিছুটা পরিবর্তন করে আবার বিক্রি করা; একটি খুচরা শিল্পের ডিজিটাল প্লেবুক তিন দশকেরও বেশি গ্রাহকের উপর পুনরাবৃত্তি করা। এটিই গত তিন দশকে এসেন্টিউর, ডেলোইট, ম্যাকিনসি ডিজিটালের বৃদ্ধির মূল অর্থনৈতিক মডেল।

এফডিই-এ এই সম্পদটি নেই। মডেলের ক্ষমতা দ্রুত পরিবর্তন হচ্ছে—আজ এখনও প্রতিটি প্রম্পট চেইন সুন্দরভাবে ডিজাইন করতে হয়, কিন্তু পরবর্তী ভার্সনে শুধু একটি বাক্যেই কাজটি শেষ হয়ে যাবে। এই গতিতে “পদ্ধতির সঞ্চয়” দ্রুত মূল্যহীন হয়ে যাবে। তাই এফডিই সম্পদ পুনর্ব্যবহারের মডেল ব্যবহার করতে পারে না; প্রতিবার সম্পূর্ণ সম্পন্ন চক্রটি আবার চালানো লাগবে—মডেলের সীমানা আবার মূল্যায়ন, টুলস্ট্যাক আবার বাছাই, এবং পণ্যের আকৃতি আবার গঠন। এটি অপকারীভাবে দেখা যাচ্ছে, কিন্তু এটিই মডেলের গতির সাথে চলার একমাত্র উপায়।

আপনি কি জানেন—প্রোডাক্ট ওভারহ্যাঙ্গ কী? আমি আগের প্রবন্ধ “সুপার ইন্ডিভিজুয়ালকে” [4] এ এই শব্দটি ব্যাখ্যা করেছি: মডেলের ক্ষমতা বর্তমান পণ্যের আকারের চেয়ে বেশি, কিন্তু এটিকে বাস্তবায়নের জন্য কোনো পণ্যের ইনপুট, অনুমতি বা প্রসঙ্গ নেই। FDE পদটির মূল্য মূলত গ্রাহকের পরিস্থিতিতে ঝুলছে এমন ওভারহ্যাঙ্গগুলিকে একটি বাস্তবায়নযোগ্য পণ্যে পরিণত করা। গ্রাহকরা মডেল API-এর কল কোটা কিনছেন না, বরং “এই ওভারহ্যাঙ্গগুলিকে আসলে আমার ব্যবসায়ে বাস্তবায়ন করতে পারে”—এই ক্ষমতা কিনছেন।

এটি “প্রকল্প কাঠামো” লাইনের পার্থক্যও ব্যাখ্যা করে। পরামর্শ প্রকল্পের মানক কাঠামো হল SOW (Statement of Work) + WBS (Work Breakdown Structure) + পর্যায়ভিত্তিক গ্রহণ: চুক্তিতে স্পষ্টভাবে লেখা থাকে যে কী ডেলিভারি করা হবে, কখন ডেলিভারি করা হবে এবং কোন মানদণ্ডে গ্রহণ করা হবে। এই কাঠামোটির পূর্বশর্ত হল চুক্তি স্বাক্ষরের আগেই লক্ষ্যগুলি স্পষ্টভাবে সংজ্ঞায়িত হয়ে যাওয়া।

FDE-এর প্রকল্পগুলি এই পদ্ধতির সাথে সামঞ্জস্যপূর্ণ নয়। গ্রাহকরা সবচেয়ে বেশি বলেন: “আমি জানি AI আমাকে কিছু করতে সাহায্য করবে, কিন্তু আমি জানি না কী।” লক্ষ্যটিই প্রকল্পের অংশ। তাই FDE SOW গ্রহণ করে না, বরং mission—একটি আপেক্ষিকভাবে অস্পষ্ট দিকনির্দেশ—গ্রহণ করে; তারপর iteration-এর মাধ্যমে ধাপে ধাপে দিকনির্দেশটিকে স্পষ্ট করে; শেষে, কোনও একটি iteration-এ, সঞ্চিত মডেলের বোঝাকে একটি পণ্যের রূপে রূপান্তরিত করে।

"ডেলিভারেবল" লাইনটিও বিস্তারিতভাবে আলোচনা করা উচিত। এফডিই চলে যাওয়ার পরে, ক্লায়েন্টের সিস্টেমে একটি কাজ করা ফাংশন থেকে যায়—এটি হয়তো খুব ছোট, হয়তো অসুন্দর, হয়তো কোনো ইউজার ইন্টারফেস নেই, কিন্তু এটি প্রতিদিন ব্যবহার করা হয়, পরিবর্তন করা হয়, এবং অভিযোগ করা হয়। পরামর্শের ডেলিভারেবল হল PPT এবং পরিবর্তন ব্যবস্থাপনা রিপোর্ট, যদিও প্রকল্পে কোডিং করা হয়েছিল বা ERP কনফিগার করা হয়েছিল, শেষপর্যন্ত ক্লায়েন্টের এক্সিকিউটিভদের হাতে থাকে একটি পদ্ধতি-ভিত্তিক ডকুমেন্ট।

“প্রতিরক্ষা প্রাচীর” লাইনটি সবচেয়ে সূক্ষ্ম। FDE-এর প্রতিরক্ষা প্রাচীর হল মডেলের ক্ষমতার সীমানা সম্পর্কে বাস্তবসম্মত অনুভূতি—আপনি এই মাসে কতগুলি বাস্তব গ্রাহক সিনেরিও চালান, তার উপর ভিত্তি করেই আপনি বুঝতে পারবেন যে Claude 4.7 কী করতে পারে এবং কী জিনিস Claude 5-এর অপেক্ষায় থাকতে হবে। এই অনুভূতিটি PPT-এ লেখা যায় না, জ্ঞানভাণ্ডারেও রাখা যায় না, এটি শুধুমাত্র গত 90 দিনের মধ্যে কাজের হাতে নেওয়া ইঞ্জিনিয়ারদের মস্তিষ্কে বেড়ে ওঠে।

তাই পরে যদি কেউ বলে “FDE তো নতুন ভার্সনের একন্সেল”, তাহলে এভাবে উত্তর দিন: একন্সেলের ইঞ্জিনিয়াররা গ্রাহকদের প্রক্রিয়াগুলোকে পুনর্নির্মাণ করে, আর FDE মডেলের সীমানা পুনরায় অনুসন্ধান করে। প্রথমটির সম্পদ দশ বছর ধরে সঞ্চিত থাকে, আর দ্বিতীয়টির সম্পদ ৯০ দিনের মধ্যেই আবার বাড়তে হয়।

যদি "FDE হল নতুন সংস্করণের একন্সেন" প্রথম স্তরের ভুল ব্যাখ্যা হয়, তবে "FDE হল মহংগা সফটওয়্যার আউটসোর্সিং" হল দ্বিতীয় স্তর। এই স্তরটি আরও বিভ্রান্তিকর, কারণ পৃষ্ঠস্তরের প্রমাণগুলি খুবই প্রবল: FDE প্রকৃতপক্ষে গ্রাহকের সাইটে কোড লিখে, গ্রাহকের ব্যবসার জন্য কাস্টমাইজড ফিচার তৈরি করে, এবং গ্রাহকের কাজের সময়ে কাজ করে। প্রথম দৃষ্টিতে, এটি আউটসোর্সড ইঞ্জিনিয়ারদের থেকে কোনও পার্থক্য দেখায় না।

কিন্তু ফিডব্যাক লুপটি দেখলেই পার্থক্যটি লুকানো যায় না।

এই চিত্রের সবচেয়ে গুরুত্বপূর্ণ পার্থক্য হল চিত্রের উপরের অংশটি কতটা সহজ নয়, বরং চিত্রের নিচের অংশে মডেল কোম্পানির দিকে একটি ফিডব্যাক চেইন যোগ হওয়া। এই চেইনটি একটি সজ্জা নয়, এটিই FDE পদটির বাস্তবিক অস্তিত্বের কারণ। এই পার্থক্যটি বিশ্লেষণ করলে, কমপক্ষে চারটি তুলনা পাওয়া যায়।

যে জিনিসগুলো জুড়ে নেওয়া হয় তা ভিন্ন। বাইরের দল SOW-এর সাথে যুক্ত হয়—একটি চুক্তি স্বাক্ষরের আগেই স্পষ্টভাবে সংজ্ঞায়িত প্রয়োজনীয়তার তালিকা: কোন ফাংশনগুলি তৈরি করতে হবে, কোন টেকস্ট্যাক ব্যবহার করতে হবে, কোন মানদণ্ডে গ্রহণযোগ্যতা নির্ধারণ করতে হবে, এবং লঙ্ঘনের ক্ষেত্রে কীভাবে ক্ষতিপূরণ দিতে হবে। FDE মিশনের সাথে যুক্ত হয়—ক্লায়েন্ট নিজেই ঠিক করে উঠতে পারছেননি যে তিনি কী চান, শুধুই জানেন “AI-এর মাধ্যমে আমাকে কিছু করতে সাহায্য করা উচিত।” SOW-এর ভিত্তি হলো নিশ্চিততা, আর mission-এর ভিত্তি হলো অন্বেষণ। দুটিরই প্রকল্প শুরুর দৃষ্টিভঙ্গি সম্পূর্ণভাবে ভিন্ন।

পরিসরটি ভিন্ন। আউটসোর্স করা কাজগুলি হয় আংশিক ডেলিভারি—একটি মডিউল, একটি ওয়েবসাইট, একটি ডেটা পাইপলাইন, শেষ হলে প্যাকেজ করে চলে যায়, পরের ক্লায়েন্টের দিকে। FDE করে এন্ড-টু-এন্ড—ব্যবসায়িক চ্যালেঞ্জ থেকে শুরু করে, মডেল সিলেকশন, পণ্যের ফর্ম ডিজাইন, এবং লঞ্চের পরে বাস্তব ব্যবহারকারীদের retention এবং churn পর্যন্ত।

বিলিং পদ্ধতি ভিন্ন। এটি সবচেয়ে অপ্রত্যাশিত। একটি মডেল কোম্পানি একজন FDE-কে ক্লায়েন্টের সাইটে পাঠায়, এবং শুধুমাত্র এই প্রকল্পের জন্য কতটা পরামর্শ ফি আদায় হবে তার চেয়ে বেশি গুরুত্ব দেয়: এই ক্লায়েন্ট আগামীতে কতটা token খরচ করবে? কি এটি retention ক্লায়েন্ট হবে? কি এটি আরও বেশি বিজনেস লাইনে বিস্তৃত হবে? FDE-এর প্রকৃত KPI হল প্রকল্পের গ্রহণযোগ্যতা চিঠিতে উল্লিখিত সংখ্যা নয়, বরং মডেল token-এর দীর্ঘমেয়াদী খরচের বক্ররেখা।

ফিডব্যাকের গন্তব্য ভিন্ন। এটি চারটি গ্রুপের মধ্যে সবচেয়ে গভীর। বাইরের প্রকল্পগুলিতে, ক্লায়েন্টের ফিডব্যাক শুধুমাত্র আউটসোর্সিং কোম্পানির কাছেই পৌঁছায়, এবং এটি আউটসোর্সিং কোম্পানির ভবিষ্যতে অন্যদের জন্য বিক্রি করা পণ্যকে প্রভাবিত করে না। FDE-এর ফিডব্যাক তবে মডেল কোম্পানির রোডম্যাপের দিকে ফিরে আসে—ক্লায়েন্টগুলি বাস্তব পরিস্থিতিতে যে প্রতিটি সমস্যা, প্রতিটি Prompt-এর ব্যর্থতা, প্রতিটি টুল-কল বাগের সম্মুখীন হয়, সেগুলি পরবর্তী ভার্সনের ট্রেনিং ডেটা, পরবর্তী ভার্সনের টুল ডিজাইন, এবং পরবর্তী ভার্সনের পণ্য ফিচারের ইনপুট হয়ে ওঠে। অর্থাৎ, FDE-এর প্রতিটি ডিপ্লয়মেন্টকৃত ক্লায়েন্ট, মডেল কোম্পানির জন্য একটি প্রাকৃতিক design partner-এর মতো।

এটিই মডেল কোম্পানিগুলি এফডিইকে উচ্চ বেতনে নিয়োগ করার প্রকৃত কারণ। তারা শুধু একটি সেবা বিক্রি করছে না, তারা ক্লায়েন্টের স্থানে বাস্তব জগতের পণ্যের আকৃতির সংকেত সংগ্রহ করছে। এই সংকেতগুলি কেনা যায় না, ধরা যায় না, প্রশ্নাবলীর মাধ্যমেও বের করা যায় না—এগুলি শুধুমাত্র একজন নির্দিষ্ট ইঞ্জিনিয়ার একটি নির্দিষ্ট ক্লায়েন্ট ওয়ার্কফ্লোতে কয়েকবার দেয়ালের সাথে ধাক্কা খেয়েই ফিরিয়ে আনতে পারে।

আপনি কি জানেন—OpenAI এবং Anthropic-এর FDE-এর মোট প্যাকেজ কত হতে পারে? Levels.fyi-এ Anthropic-এর সফটওয়্যার ইঞ্জিনিয়ারদের প্রকাশিত ডেটা [8] অনুযায়ী, অভিজ্ঞ SDE-এর মোট প্যাকেজের মধ্যকার মধ্যমা এখন \$710K। FDE পদটি আরও বেশি ঝুঁকিপূর্ণ—এটি মডেলের ক্ষমতার অনিশ্চয়তা, গ্রাহকের ব্যবসায়িক অনিশ্চয়তা এবং পণ্যের আকৃতির অনিশ্চয়তা সবগুলোর সাথে মোকাবিলা করে; তাই শিল্পের সংকলন [9] অনুযায়ী, অগ্রণী AI ল্যাবে FDE-এর মধ্যম থেকে উচ্চতর মোট প্যাকেজ 350K - 550K-এর মধ্যে, Staff-এর চেয়ে উচ্চতর পদে \$630K+ পর্যন্ত পৌঁছায়। এই বেতন “বহির্ভূত কাজের ঘন্টা”-এর জন্য প্রদান করা হচ্ছে না, বরং “পণ্য + গ্রাহক + মডেল” —এই তিনটি ঝুঁকির সমন্বয়কে বহনকারীকেই প্রদান করা হচ্ছে। > 2006 সালের কথা মনে করুন, আমি তখনই কাজে যোগদান করি, একটি কেন্দ্রীয় সরকারি প্রতিষ্ঠানে, যখন আমাদের গ্রুপটি তখনইডিজি-এর (信息化) রূপান্তরের মধ্যেদিয়ে যাচ্ছিল। সেইসময়, Accenture-এর পরামর্শদাতাদেরকে আমাদের গ্রুপটি 3500元/দিন (প্রতিদিন 3500 Yuan) পরামর্শশুল্কের জন্য প্রদান করত, 3-4বছরেরওবেশি। 2006-এরসময়,মিডিয়াগুলোতাদের“সোনালি-মুখ” (金领)বলেছিল।আমিপরেSAPজার্মানি-তেযোগদানকরি, SAP-এইপরামর্শশিল্পেএকটিবিশেষনামসৃষ্টিকরেছিল, SAPপরামর্শদাতা “সোনালি-মুখ” (金领)এরপ্রতীকহয়েউঠেছিল।এইভাবেদেখা যাচ্ছে, FDE-এরবেতনঅন ít 24–36মাসধরেউঠতেথাকবে,এবংচাহিদাওস্থিরভাবেবৃদ্ধিপাচ্ছে।

বাহ্যিক কর্মচারী হল শ্রম আর্বিট্রেজ, এবং FDE হল ফ্রন্টলাইন সেন্সর। এই দুটি জিনিসকে বিভ্রান্ত করলে, ক্লায়েন্ট ভুলভাবে মনে করতে পারেন যে FDE কে SOW-এর মাধ্যমে নিয়োগ করা যায়, এবং প্রার্থীরা FDE-এর জন্য বাহ্যিক কর্মচারীর মতো দৃষ্টিভঙ্গি অনুসরণ করবে। উভয় পক্ষই দ্রুত বাধায় আটকা পড়বে।

অনেকে ভুল করে মনে করেন যে FDE শব্দটি OpenAI দ্বারা আবিষ্কৃত। কিন্তু এটি সত্য নয়। এর দুটি ইতিহাসের মূল রয়েছে, একটি Palantir থেকে এবং অন্যটি 2023-এর পরের প্রজন্মের মডেল কোম্পানি থেকে। এই দুটি মূলকে পাশাপাশি দেখলে FDE পদটি সত্যিকারের কী কাজ করছে তা আরও স্পষ্টভাবে বুঝতে পারবেন।

একটি সময়রেখা দেখুন।

প্রথম মূল হল পালান্টির।

প্যালান্টির ২০০৩ সালে পিটার থিয়েল, অ্যালেক্স কার্প, জো লন্সডেল ইত্যাদি দ্বারা প্রতিষ্ঠিত হয় এবং প্রথম গ্রাহক ছিল মার্কিন গোয়েন্দা সংস্থা। কার্পের কোনও কম্পিউটার সায়েন্সের পটভূমি ছিল না—তিনি ফ্রাঙ্কফুর্টে দার্শনিক ইউরগেন হাবারমাসের কাছে ডক্টরেট করেছিলেন, এবং মার্কিন যুক্তরাষ্ট্রে ফিরে আসার পরই থিয়েল তাকে সিইও হিসেবে যোগ দিতে বলেন। FDE পদটি ঠিক এই “অ-প্রচলিত CEO + অত্যন্ত গোপনীয় গ্রাহক” সংমিশ্রণ থেকেই জন্মগ্রহণ করেছিল: 36Kr-এর পুনর্বিবেচনা [10] -এ স্পষ্টভাবে উল্লেখ করা হয়েছে, Palantir-এর প্রাথমিক দিনগুলিতে গোয়েন্দা সংস্থাগুলি খুবই সমালোচনা করেছিল, কারণ ইঞ্জিনিয়ারদের বাস্তব ব্যবসায়িক পরিস্থিতির অ্যাক্সেস ছিল না, এবং চাহিদা বহুপর্যায়ের অনুবাদের মধ্যেদিয়ে বিকৃত হয়েছিল। পরবর্তীতে Palantir-এর একটি ঘটনা সম্পন্ন হয়—তাদেরই ইঞ্জিনিয়ারদেরকে গ্রাহকের স্থানের মধ্যেই পাঠানো, এবং গোয়েন্দা বিশ্লেষকদের সঙ্গেই একসঙ্গে কাজ করতে। এই মডেলটি Shyam Sankar-এর দ্বারা ব্যবস্থাগতভাবে বিকশিত হয়,যা FDE-এর পূর্বসূরিরূপে পরিণত হয়।

২০০৯ সালের মধ্যে, FDE ব্যবসায়িক ক্ষেত্রে বিস্তৃত হয়েছিল। JPMorgan যখন Palantir-এর Metropolis প্ল্যাটফর্ম চালু করেছিল, তখন ১২০ জন FDE অভ্যন্তরীণ হুমকি নিরীক্ষণের জন্য নিযুক্ত হয়েছিল। এই সময় থেকে, FDE শুধুমাত্র “ইঞ্জিনিয়ারদের কাজে পাঠানো” নয়, বরং একটি ব্যবস্থাগত গ্রাহক-এমবেডেড পদ্ধতি হয়ে উঠেছিল: Foundry / Gotham-কে গ্রাহকের ব্যবসায়িক প্রবাহের মধ্যে প্রতিষ্ঠিত করা, শুধুমাত্র একটি লাইসেন্স দিয়ে চলে যাওয়ার পরিবর্তে।

পালান্টিয়ারের FDE নিয়োগের একটি অপ্রত্যাশিত মানদণ্ড হলো—CS ডিগ্রির প্রয়োজন হয় না। এটি “জানতেন কি?”-এ যোগ করা যেতে পারে।

আপনি কি জানেন—Palantir FDE-এর জন্য কম্পিউটার সায়েন্সের ডিগ্রির প্রয়োজন নেই? SkillScouter দ্বারা সংকলিত Palantir ভর্তি মানদণ্ড [11] এবং Palantir-এর অফিসিয়াল careers পেজ [12] অনুযায়ী, Palantir স্পষ্টভাবে কম্পিউটার সায়েন্স ছাড়াও অন্যান্য বিষয়ের প্রার্থীদের স্বাগত জানায়, এবং সম্প্রতি FDE-এর নিয়োগের মধ্যে মেকানিকাল ইঞ্জিনিয়ারিং, অর্থনীতি, দর্শন ইত্যাদি বিষয়ের প্রার্থীরা অন্তর্ভুক্ত। এটি আসলে দুটি জিনিসের উপর জোর দেয়: অসম্পূর্ণ তথ্যের মধ্যেও কাজ করতে পারা, এবং C-লেভেলের ক্লায়েন্টদের সঙ্গে সরাসরি কথা বলতে পারা। CS ডিগ্রি একটি অতিরিক্ত পয়েন্ট, কিন্তু প্রবেশাধিকারের জন্য দরকারী নয়। Karp-এর নিজেই এই মানদণ্ডের প্রথম উদাহরণ—একজন দর্শনের শিক্ষার্থী CEO, যিনি পদার্থবিদ্যা, গণিত, দর্শনের শিক্ষার্থীদের FDE-এরা নিয়ে গড়েছেন।

দ্বিতীয় মূলটি 2023 এর পরের প্রজন্মের মডেল কোম্পানি।

ChatGPT 2022 এর শেষের দিকে প্রকাশিত হওয়ার পর, OpenAI দ্রুত একটি বিষয় বুঝতে পারে: মডেল API কে ডকুমেন্টেশনের উপর ঝুলিয়ে দিয়ে ক্লায়েন্টদের নিজেদের সংযোগ করতে দেওয়া সম্ভব হচ্ছিল না। ক্লায়েন্টরা ব্যবহার করতে চাইছিল না এমন নয়, বরং তারা জানত না কীভাবে ব্যবহার করবে—তাদের ব্যবসায়িক সমস্যা ছিল, কিন্তু পণ্যের রূপ ছিল না। তখন OpenAI, Anthropic, Cohere, Scale, Glean, Sierra, Hebbia, Decagon—এই সবকোম্পানি বড় পরিসরে FDE-এর চাকরির জন্য নিয়োগ শুরু করে।

এই প্রবাহে FDE ঠিক Palantir-এর প্লেবুক শিখছে—ইঞ্জিনিয়ারদের ক্লায়েন্ট সাইটে পাঠানো, একটি কাজের প্রবাহকে এন্ড-টু-এন্ড চালানো। কিন্তু পণ্যের বাহন এখন সম্পূর্ণ ভিন্ন: Palantir-এর যুগে FDE ডেটা ইন্টিগ্রেশন এবং UI কাস্টমাইজেশন করত, নতুন প্রজন্মের FDE প্রম্পট ডিজাইন, এজেন্ট অর্ডারিং, টুল কল এবং ওয়ার্কফ্লো এম্বেডিং করছে।

প্র্যাগমেটিক ইঞ্জিনিয়ারের এফডিই সম্পর্কিত নিবন্ধ [13] এ এই নতুন সংস্করণকে "এন্টারপ্রাইজগুলির সাথে এমবেড করে ক্লডকে বাস্তব, নির্দিষ্ট এবং উচ্চ-মূল্যের সমস্যাগুলি সমাধান করতে সহায়তা করা" বলে উল্লেখ করা হয়েছে—এটি পালানটিরের আগের বিবৃতির সাথে প্রায় একই, শুধু "ডেটা"কে "মডেল" দিয়ে প্রতিস্থাপন করা হয়েছে।

এই দুটি মূল একসাথে দেখলে, একটি স্পষ্ট সাদৃশ্য এবং পার্থক্যের সেট দেখা যায়।

সাধারণ বিষয়: গ্রাহকরা সফটওয়্যার কিনছেন না। গ্রাহকরা কিনছেন “আমার সমস্যা সমাধান করতে পারে এমন ইঞ্জিনিয়ার + টুলসের সংমিশ্রণ”। এটি গত ত্রিশ বছরের কর্পোরেট সফটওয়্যার ইতিহাসে অস্বাভাবিক। SAP, Oracle, Salesforce শুধুমাত্র সফটওয়্যারই বিক্রি করে—ইঞ্জিনিয়ারদের উদ্দেশ্য ছিল “গ্রাহককে এই সফটওয়্যারটি ব্যবহার করতে সক্ষম করা”। Palantir এর বিপরীত: টুলগুলি “FDE-কে গ্রাহকের কাছে সমস্যা সমাধানের জন্য সক্ষম করা”-এর জন্য একটি লিভারেজ হিসেবে বিদ্যমান। নতুন প্রজন্মের মডেল কোম্পানিগুলি এই উল্টো সম্পর্ককে গ্রহণ করেছে—OpenAI GPT-4-এর লাইসেন্স বিক্রি করছেন না, বরং “আমাদের FDE GPT-4-এর মাধ্যমে আপনার কাস্টমার সাপোর্টকে অটোমেশনের মাধ্যমে চালু করতে পারবে”।

পার্ল্যানটিয়ারের পুরনো সংস্করণ মূলত OPS ইন্টিগ্রেশনে ফোকাস করে—প্রধান জোর দেওয়া হয় ডেটা ইন্টিগ্রেশন, অন্তর্ভুক্তি মডেলিং এবং অ্যাক্সেস গভর্ন্যান্সে। নতুন প্রজন্মের ফোকাস মডেল ক্ষমতা বাস্তবায়নে—প্রধান জোর দেওয়া হয় Prompt ডিজাইন, Agent অর্গানাইজেশন এবং retention অপ্টিমাইজেশনে। পুরনোটি সিস্টেম ইন্টিগ্রেটরের উন্নত সংস্করণের মতো, আর নতুনটি পণ্য ইঞ্জিনিয়ারের বিস্তৃতির মতো।

একটি মজার তথ্য: প্যালানটিরের প্রাথমিক FDE রা পরে অনেকেই উদ্যোক্তা হয়েছিলেন বা সরাসরি নতুন প্রজন্মের মডেল কোম্পানিগুলিতে যোগ দিয়েছিলেন। Anthropic, OpenAI, Sierra, Hebbia-এর প্রাথমিক দলগুলিতে একাধিক পূর্ব-প্যালানটির নাম খুঁজে পাওয়া যায়। এটি দৈব নয়—FDE পদটি একজনকে পণ্যের ঝুঁকি, গ্রাহকের ঝুঁকি এবং ইঞ্জিনিয়ারিংয়ের ঝুঁকি একসাথে বহন করতে বাধ্য করে, যা প্রায় একটি উদ্যোক্তা প্রশিক্ষণের মতো। লেখক প্যালানটিরকে একটি অদৃশ্য উদ্যোক্তা ট্রেনিং ক্যাম্প হিসাবে দেখতে পছন্দ করেন: এটি শুধুমাত্র ইঞ্জিনিয়ারদেরই প্রশিক্ষণ দেয়নি, বরং অসম্পূর্ণ তথ্যের মধ্যেও কিছুকে শূন্য থেকে এক-এর দিকে এগিয়ে নিয়ে যাওয়ার দক্ষতা সম্পন্নদের। দুটি মূল, 2023-এর পরে একত্রিত হয়।

দুটি মূলের সংযোগ প্রধানত বিদেশে ঘটে। দেশে, FDE শব্দটি কয়েকটি বছর আগে প্রকাশিত হয়েছে, কিন্তু এটি যে কাজগুলির সাথে সম্পর্কিত, তা হঠাৎ করে আবির্ভূত হয়নি। দেশীয় FDE বুঝতে হলে, প্রথমে এর দুটি স্থানীয় পূর্বসূরীকে বুঝতে হবে, তারপর এটিকে মার্কিন FDE-এর সাথে তিনটি পরিবেশগত পার্থক্যের সাথে তুলনা করতে হবে।

দুটি স্থানীয় পূর্বসূরী

প্রথম পূর্বসূরী ছিলেন ক্লাউড প্রোভাইডারের সলিউশন আর্কিটেক্ট। গত দশকে অ্যালিবাবা ক্লাউড, টেনসেন্ট ক্লাউড এবং হুয়াওয়ে ক্লাউড একটি সম্পূর্ণ সলিউশন আর্কিটেক্ট (SA) দল গড়ে তুলেছে, যারা ক্লায়েন্টদের কাছে আর্কিটেকচার ব্যাখ্যা করে, POC তৈরি করে, মাইগ্রেশন পরিকল্পনা করে এবং চালু পর্যন্ত ডেলিভারির সাথে সমন্বয় করে। হুয়াওয়ের অভ্যন্তরে প্রকল্পগুলি ক্লায়েন্টের ডেটা সেন্টারে বাস্তবায়নের জন্য বিশেষভাবে “ডেলিভারি ইঞ্জিনিয়ার” সিরিজও রয়েছে। এই ব্যবস্থা FDE-এর 80% কাজ করছে, তবে এর মূল ফোকাস এখনও প্রি-সেলস এবং ডিপ্লয়মেন্টে—এন্ড-টু-এন্ড পণ্যের পুনরাবৃত্তির দায়িত্ব SA-এর হাতে নয়, প্রয়োজনীয়তা পরিবর্তনের জন্য পরিবর্তন প্রক্রিয়ায় যেতে হয়, মডেল পরিবর্তনের জন্য হেডকোয়ার্টারের সময়সূচীর অপেক্ষা করতে হয়।

দ্বিতীয় পূর্বসূরী হল একটি এআই স্টার্টআপে নতুনভাবে তৈরি হওয়া সিকোয়েন্স। মিনিম্যাক্স BOSS জব পোস্ট করছে “এআই প্রি-সেল সলিউশন এক্সপার্ট” পদে, এবং মন্থ অফ দ্য ডার্ক, জিজ্ঞাপ, টংই, হুনইয়ান সহ অন্যান্য মডেল কোম্পানিগুলিও এই ধরনের পদের বিজ্ঞপ্তি দিচ্ছে। নামগুলি কিছুটা ভিন্ন, কিন্তু জব ডেসক্রিপশনের বিষয়বস্তু অত্যন্ত সদৃশ: গ্রাহকের সিনেরিও বুঝতে পারা, ডেমো তৈরি করা, প্রম্পট টিউন করা, RAG চালানো, ডেলিভারি সলিউশন লেখা, এবং গ্রাহকের ইঞ্জিনিয়ারিং টিমের সাথে লাইভকরণের জন্য কাজ করা। এই পদগুলি হল “ভারতীয় FDE”-এর প্রকৃত অর্থে।

তিনটি জলবায়ু পার্থক্য

প্রাইভেট ডিপ্লয়মেন্ট এবং ডেটা কমপ্লায়েন্স শুধুমাত্র মডেল কল মডেলকে চাপ দিয়েছে। চীনা বি-টু-বি ক্লায়েন্টদের ডেটা অ্যান্ড রিজিয়ন থেকে বাইরে যাওয়ার প্রয়োজনীয়তা, মডেল ওয়েটস নিয়ন্ত্রণের প্রয়োজনীয়তা এবং অডিট ট্রেসেবিলিটির প্রয়োজনীয়তা মার্কিন বাজারের তুলনায় অনেক বেশি। একটি FDE প্রকল্পে, শুধুমাত্র API কল এবং Prompt চালানোর কাজের পরিমাণ সম্ভবত 30% এরও কম, বাকি 70% হলো মডেলটি ক্লায়েন্টের ডেটা সেন্টারে স্থানান্তর, অথেনটিকেশন চালু, ডেটা মিডলওয়্যারের সাথে ইন্টিগ্রেশন, এবং কমপ্লায়েন্স রেজিস্ট্রেশন।

মডেলের ক্ষমতা এখনও SOTA-এর পিছনে পিছনে ছুটছে, এবং এর বিকাশের স্থান প্রকৌশল স্তরে সীমাবদ্ধ হয়ে আসছে। মার্কিন যুক্তরাষ্ট্রের OpenAI এবং Anthropic মডেলের ক্ষমতাই ক্লায়েন্টদের মনোভাব বদলে দিতে পারে; কিন্তু চীনা টংই, ডোবাও, Kimi, GLM, DeepSeek-এর মডেলের ক্ষমতার পার্থক্য ততটা বেশি নয়, তাই ক্লায়েন্টদের সিদ্ধান্তগুলি বেশিরভাগই Agent অর্ডারিং, RAG রিট্রিভ্যাল কোয়ালিটি, টুল ইন্টিগ্রেশন এবং Workflow ডিজাইনের মতো প্রকৌশলগত ক্ষমতার উপর নির্ভর করে। চীনা FDE-এরা “আমাদের মডেলটি কতটা শক্তিশালী” নয়, “আমরা কি এই ব্যবসায়িক প্রক্রিয়াটি বাস্তবে চালাতে পারি” —এই প্রশ্নের উপর প্রতিযোগিতা করছে।

বি-এন্ডের প্রিমিয়াম প্রস্তুতি এবং মূল্যনির্ধারণের গতি মার্কিন যুক্তরাষ্ট্রের সাথে সামঞ্জস্যপূর্ণ নয়। পালান্টিরের মতো “প্রথমে এফডিই পাঠানো, তারপর উচ্চ মূল্যের সাবস্ক্রিপশন শুল্ক নেওয়া” মডেলটি সরাসরি অনুকরণ করা কঠিন। দেশীয় গ্রাহকদের বাজেট বার্ষিক ক্রয়ের সাথে মিলে যায়, পেমেন্ট প্রকল্প-ভিত্তিক দিকে ঝুঁকে, এবং এফডিইয়ের ব্যবসায়িক মডেলটি প্রায়শই সাবস্ক্রিপশন + প্রাইভেট লাইসেন্সিং + প্রকল্প ডেলিভারির মিশ্রণ হিসেবে গঠিত।

একটি অনন্য পজিশনিং: ইন্টারনাল FDE

অনেক বড় কোম্পানির অভ্যন্তরীণ এআই দলগুলি এখন "অভ্যন্তরীণ গ্রাহকদের" জন্য FDE মডেল ব্যবহার শুরু করেছে। আলিবাবা ক্লাউড PAI এর ইঞ্জিনিয়ারদের তারা তাওবাওতে পাঠিয়েছে, টেনসেন্ট হুনয়ানও ওয়েচ্যাট এবং বিজ্ঞাপন বিভাগের সাথে সমান্তরালভাবে কাজ করার মতো কিছু পদ্ধতি ব্যবহার করে। JD-এ "শিল্প বাস্তবায়ন ইঞ্জিনিয়ার", "এআই অ্যাপ্লিকেশন ইঞ্জিনিয়ার" এবং "স্মার্ট বিজনেস এক্সপার্ট" শিরোনামগুলি দেখা যায়, যা মূলত অভ্যন্তরীণ FDE—মডেল দলের ক্ষমতা পুরোপুরি বিজনেস সাইডে পৌঁছে দেওয়া। এটি বড় কোম্পানির লিডারদের জন্য একটি নতুন ধারণা দেয়: কয়েকজন অভ্যন্তরীণ FDE-কে বিজনেস সাইডে চিহ্নিত করে, প্রথম demo-টি চালু করে, ROI-এর ডেটা বিজনেসের ম্যানেজারদের হাতে দিলে, ডিপার্টমেন্টের দেয়ালগুলি দশটি মিটিংয়ের চেয়েও দ্রুত ধ্বংস হয়ে যাবে।

আগের প্রবন্ধে, "সুপার ইন্ডিভিজুয়ালকে প্রতিবেদন" [4], আমি সুপার ইন্ডিভিজুয়ালের পাঁচটি ইঞ্জিন উল্লেখ করেছি: প্রচুর কৌতূহল, অনুসন্ধান এবং উদ্ভাবনশীলতা, নিজে থেকে শেখার ক্ষমতা, নিজেকে চালিত করার ক্ষমতা এবং হাতে-কলমে কাজ করার ক্ষমতা। এই পাঁচটি বিষয় FDE-এর প্রবেশাধিকারের জন্য প্রয়োজন, কিন্তু সবকিছু নয়। FDE পদটির জন্য এই পাঁচটি ইঞ্জিনের বাইরেও কিছু খুব নির্দিষ্ট অতিরিক্ত বৈশিষ্ট্য আছে, এবং কিছু ব্যক্তিত্বের চিত্রও স্পষ্টভাবে অনুপযুক্ত। আমি অনেক দক্ষ ইঞ্জিনিয়ারকে FDE-তে পরিবর্তনের পর সমস্যায় পড়তে দেখেছি, এবং সমস্যাগুলির বেশিরভাগই দক্ষতার নয়, বরং ব্যক্তিত্ব এবং কাজের পছন্দের।

এফডিই-এর জন্য পাঁচটি গুণাবলী

বিক্রয় এবং যোগাযোগের প্রতি অপ্রতিকূল অবস্থান নিয়ে না। FDE-এর দৈনিক কাজ হল দরজা বন্ধ করে কোড লেখা, বরং ক্লায়েন্টের CTO, ব্যবসায়িক নেতৃত্ব, ক্রয়, সঙ্গতি এবং IT-এর সাথে সরাসরি যোগাযোগ। একটি সাধারণ গতিপথ: ক্লায়েন্ট CTO ডেমোর মধ্যেই আপনাকে বিরত করেন, FDE-এর প্রতিক্রিয়া হওয়া উচিত “আমি ফিরে একটি নতুন ভার্সন তৈরি করে পরের সপ্তাহে আবার আসব” নয়, বরং তাৎক্ষণিকভাবে IDE খুলে Prompt পরিবর্তন করে আবার চালান। “ক্লায়েন্ট উপস্থিত, আমি পরিবর্তন করছি” — FDE-এর সাধারণ অবস্থা।

অস্পষ্টতার মধ্যে আনন্দ পান। FDE-কে কোনো পরিষ্কার PRD পাওয়া যায় না, শুধু একটি বাক্য—“আমরা AI দিয়ে কিছু করতে চাই।” ক্লায়েন্টও নিজেই ঠিক কী চায় তা বুঝতে পারছে না, FDE-কে তাকে সাহায্য করতে হবে এই অস্পষ্ট প্রত্যাশাকে বিশদ আকারে পরিণত করতে। যদি আপনি শুধুমাত্র পরিষ্কার প্রয়োজনীয়তা থাকলেই কাজে নেমেন, তাহলে FDE-এর দিনটি আপনাকে উদ্বিগ্ন করে তুলবে।

শক্তিশালী ইঞ্জিনিয়ারিং দক্ষতা প্রয়োজন, কিন্তু 10x প্রয়োজন নয়। FDE-এর জন্য আপনাকে কোম্পানির সবচেয়ে পরিষ্কার কোড লেখা বা সবচেয়ে গভীর অ্যালগরিদম ব্যবহারকারী হতে হবে না; এটি শুধু চায় যে আপনি এন্ড-টু-এন্ড কাজ করতে পারেন: ফ্রন্টএন্ডে একটি ক্লিকযোগ্য পেজ তৈরি করতে পারেন, ব্যাকএন্ডে একটি চলমান সার্ভিস তৈরি করতে পারেন, এবং মডেলটি ব্যবসায়িক ডেটা সোর্সের সাথে যুক্ত করতে পারেন। FDE-এর জগতে, “প্রায়ই ঠিকমতোই চলে” — এটি দুর্বলতা নয়, এটি একটি গুণ।

প্রতিক্রিয়ার মাধ্যমে উন্নতির প্রতি আকর্ষিত। FDE-এর কাজে অসংখ্য “ক্লায়েন্টের দ্বারা ফেরত পাঠানো এবং আবার শুরু করা” এর মুহূর্ত রয়েছে: আজকের ডেমো কালকে বিজনেস টিম বলবে “এটা আমার চাওয়া জিনিস নয়”; গত সপ্তাহে যে প্ল্যানটি নিয়ে কনফার্ম করা হয়েছিল, এই সপ্তাহে ক্লায়েন্টের একজন নতুন ম্যানেজার এটি আবার করতে বলবে। FDE-এর জন্য উপযুক্ত ব্যক্তিরা এই প্রতিক্রিয়াকে জ্বালানি হিসেবে ব্যবহার করবে, এন্ড-টু-এন্ড দায়িত্ব নিবে এবং “প্রয়োজনীয়তা পরিষ্কারভাবে বলা হয়নি” বলে অন্যদের দোষ দেবে না।

মডেলের সীমানা সংবেদনশীল। এটি সবচেয়ে প্রযুক্তিগত এবং অদৃশ্য নিয়ম। FDE-কে বুঝতে হবে কোন কাজটি LLM-এর জন্য উপযুক্ত, কোনটি নয়, এবং কীভাবে fallback করতে হবে—এই সংবেদনশীলতা পেপার পড়ে বোঝা যায় না, শুধুমাত্র ব্যর্থতার কেসগুলোর মাধ্যমেই শেখা যায়। ব্যর্থ স্যাম্পলগুলো জমা হয়ে FDE-এর মডেলের সীমানা সম্পর্কে মাসকল মেমরি গড়ে ওঠে: কোন সিনারিওতে RAG ব্যবহার করতে হবে, কোনটিতে রুলস ফলো করতে হবে, আর কোনটিতে মানুষকে fallback এন্ট্রি দিতেই হবে।

FDE-এর জন্য উপযুক্ত নয় এমন চার ধরনের মানুষ

কোডের মধ্যে লুকিয়ে থাকতে চাওয়া শুধুমাত্র প্রযুক্তিগত প্রেমিক। FDE-এর প্রায় 50% সময় কোড লেখার বদলে ক্লায়েন্ট মিটিং, অভ্যন্তরীণ সমন্বয়, পণ্য আলোচনা এবং চুক্তি এগিয়ে নেওয়ায় ব্যয় হয়। যদি আপনার আনন্দের উৎস হয় চার ঘন্টা ধরে কারও ব্যবহার ছাড়াই কোড লেখা, তাহলে FDE আপনাকে দীর্ঘমেয়াদে মানসিকভাবে ক্ষয়িত করে দেবে।

OKR ছাড়া কিছু করতে পারে না এমন মানুষ। FDE-এর লক্ষ্যগুলি আপনার পারফরম্যান্স টেবিলে নয়, ক্লায়েন্টের কাছে অবস্থিত। কাজের প্রগতি ক্লায়েন্টের প্রকল্পের নোড, মডেলের ক্ষমতার পরিবর্তন এবং আপনার স্কেনারিওর প্রতি আপনার বিচারের সমন্বয়ে নির্ধারিত হয়। "OKR থাকলেই বুঝব কী করতে হবে" এই অভ্যাসটির মানুষদের জন্য কোনো আঁকড়া খুঁজে পাওয়া যাবে না।

যারা "পদোন্নতি"কে "কাজের গুণ" থেকে বেশি গুরুত্ব দেয়। FDE-এর জন্য বড় কোম্পানির পদোন্নতি ব্যবস্থায় কোনও সুবিধা নেই—গ্রাহক সন্তুষ্টি, প্রকল্প চুক্তি, পুনর্ব্যবহারের হার এই মাপকাঠিগুলি কোডের পরিমাণ বা ডিপ্লয়ের কমপ্লেক্সিটির তুলনায় পদোন্নতি মূল্যায়নে কম প্রভাবশালী। যদি আপনার কাজের প্রেরণার শীর্ষে পদোন্নতি থাকে, তাহলে FDE ভালো বিকল্প নয়।

ব্যবসায়িক প্রেক্ষাপটের প্রতি বিদ্বেষ রাখেন। FDE-কে গ্রাহকের P&L, ROI, ক্রয় প্রক্রিয়া, সঙ্গতির প্রয়োজনীয়তা বুঝতে হবে। যদি আপনি স্বাভাবিকভাবেই টাকা, চুক্তি, ব্যবসায়িক যুক্তি নিয়ে কথা বলতে অসহজবোধ করেন, তাহলে FDE-এর কাজটি আপনাকে মনে করিয়ে দেবে যে আপনি আপনার প্রযুক্তিগত আদর্শকে বিক্রি করছেন।

সেলফ-চেক তালিকা

7টি প্রশ্ন, প্রতিটি FDE-এর একটি বাস্তব কাজের পরিস্থিতির সাথে মিলে যায়। 5টির বেশি “হ্যাঁ” উত্তর দিলে FDE বিষয়ে গুরুতরভাবে বিবেচনা করুন, 3টির কম উত্তর দিলে সাবধানে চিন্তা করুন।

আপনি কি প্রতিদিনের ৫০% সময় কোডিং থেকে ক্লায়েন্ট মিটিং, বার্তা ও ফোন কলের দিকে সরিয়ে নিতে চান?

২. গ্রাহক আপনাকে বললেন “এটা কাজ করছে না, আমি ঠিক বুঝিয়ে বলতে পারছি না কেন” এর সময়, আপনার প্রথম প্রতিক্রিয়া কৌতূহল, নাকি অসহনশীলতা?

৩. কেউ আপনার জন্য প্রডাক্ট রিকোয়ারমেন্ট ডকুমেন্ট লিখে দেয়নি, কিন্তু আপনি কি এক সপ্তাহের মধ্যে Claude Code-এর সাথে একটি ক্লায়েন্টের জন্য দেখানোর যোগ্য প্রোটোটাইপ চালাতে পারবেন?

৪. একই ডেলিভারির জন্য ক্লায়েন্ট আপনাকে ৮টি ভার্সন পরিবর্তন করতে বললেও, আপনি কি যান্ত্রিকভাবে কাজ করার পরিবর্তে আপনার বিচারশক্তি বজায় রাখতে পারেন?

৫. মডেল ভুল উত্তর দিলে, আপনার প্রথম প্রতিক্রিয়া হবে ফলব্যাক ডিজাইন করা, নাকি মডেলের কথা নিয়ে অভিযোগ করা?

৬. আপনি চুক্তি স্বাক্ষর করতে, প্রতিবেদন লিখতে, গ্রাহকের অনুমোদন নিতে এবং আইনি শর্তাবলীর জন্য আইনি দলের সাথে কথা বলতে প্রস্তুত আছেন?

৭. আপনি দ্রুত প্রোটোটাইপ এবং দ্রুত ব্যর্থতা গ্রহণ করতে পারেন?

পাঁচটি বৈশিষ্ট্য, চারটি বিপরীত ছবি, সাতটি আত্ম-পরীক্ষা, শেষ পর্যন্ত একই প্রশ্ন: আপনি কি আপনার পণ্য অনুভূতি, প্রকৌশল এবং ব্যবসায়িক বিচারকে একই কাজের প্রবাহে একসাথে উন্নত করতে চান?

আগের নিবন্ধে আমি আলোচনা করেছিলাম “মানুষের ইঞ্জিন”: কৌতূহল, অন্বেষণের আবেগ, নিজে থেকে শেখার ক্ষমতা, নিজেকে চালিত করার ক্ষমতা, হাতে-কলমে কাজ করার ক্ষমতা—এগুলোকে বড় কোম্পানিগুলোর ভিতরে কীভাবে সম্পূর্ণ বন্দুকের মতো উত্তেজিত করা যায়। এই নিবন্ধটি অন্য একটি বিষয়—পদের রূপ—নিয়ে। FDE হল AI-এর ঔদ্যোগিক বিপ্লবের প্রথম পদ, যার নাম, বেতন পরিসর, চাকরির বিজ্ঞপ্তি এবং গ্রাহকদের প্রতিশ্রুতি-ভিত্তিক যাচাইকরণ রয়েছে। এটি “সুপার ইন্ডিভিজুয়াল” ধারণার সমার্থক নয়, বরং এই পুনঃগঠনের মধ্যেই প্রথমটি, যা অস্তিত্বহীন থেকে বাস্তবের দিকে পদক্ষেপ।

FDE শেষ নয়। লেখকের মতে, FDE হল নতুন বিভাগীকরণের মধ্যে প্রথম যে রূপের নাম পাওয়া গেছে। এরপর আসবে Forward Deployed PM, Forward Deployed Designer, Forward Deployed Researcher—যেসব পেশা গ্রাহকের পরিস্থিতির সাথে ঘনিষ্ঠভাবে সংযুক্ত এবং অস্পষ্ট অঞ্চলে পণ্যকে বিকশিত করার প্রয়োজনীয়তা রাখে, সবগুলোরই নিজস্ব “ফরওয়ার্ড ডিপ্লয়ড” সংস্করণ দেখা যাবে। চাকরির নাম পরিবর্তিত হবে, কিন্তু মূল যুক্তি একই: মডেলের ক্ষমতা এগিয়ে থাকে, পণ্যের রূপ পিছনে অনুসরণ করে, এবং চাকরির কাঠামো কাজের প্রবাহের সাথে পুনরায় বিভক্ত হয়।

তিনটি পাঠকের জন্য প্রত্যেকের জন্য একটি বাক্য রাখুন।

টেকনিক্যাল মানুষদের জন্য: FDE আপনাকে কোম্পানিতে সবচেয়ে ভালো কোডার হতে চায় না, কিন্তু এটি চায় যে আপনি আপনার সময়ের অর্ধেক কোডিংয়ের পরিবর্তে ক্লায়েন্টদের সাথে কাজ করতে প্রস্তুত থাকবেন। যদি আপনার উত্তর হয় “হ্যাঁ”, তবে মার্কেটের জন্য খুলা হয়েছে—দেশীয় শীর্ষ মডেল কোম্পানি, ক্লাউড প্রভাইডার এবং বড় কোম্পানির অভ্যন্তরীণ AI টিমগুলির নিয়োগ প্রক্রিয়া ত্বরান্বিত হচ্ছে। যদি আপনার উত্তর হয় “না”, তবে এতেই কোনো সমস্যা নেই—নতুন ভাগবিভাগেও আপনার জন্য অন্যান্য পদ তৈরি হবে।

এইচআর এবং ওডি-এর জন্য: "নাম ও বাস্তবতার বিচ্ছিন্নতা"-এর প্রতি সতর্ক থাকুন। আপনার কোম্পানিতে ইতিমধ্যেই কিছু FDE কাজ করছে, শুধুমাত্র তাদের পদবীতে "সমাধান বিশেষজ্ঞ", "শিল্প আর্কিটেক্ট", "এআই অ্যাপ্লিকেশন ইঞ্জিনিয়ার" লেখা আছে। তাদের চিহ্নিত করুন, পুনর্বিন্যাস করুন, এবং তাদের কাজের সাথে মেলে এমন একটি বিকাশের পথ দিন—এটি শূন্য থেকে নতুন কর্মচারীদের নিয়োগের চেয়ে বেশি দক্ষ।

প্রশাসকদের জন্য: FDE মডেল শুধু বাইরের জন্য নয়, ভিতরের জন্যও ব্যবহার করা যায়। কোম্পানির ভিতরে কয়েকটি “অভ্যন্তরীণ FDE” বিজনেস সাইডে নিয়োগ করুন, যাতে মডেল টিমের ক্ষমতা বিজনেস প্রক্রিয়ার মধ্যে এন্ড-টু-এন্ড চালানো যায়—এটি একটি নতুন AI বিভাগ তৈরি করে আরও দশটি ক্রস-টিম কোঅর্ডিনেশন মিটিং আয়োজন করার চেয়ে অনেক বেশি দক্ষ। বিভাগীয় দেয়ালগুলি সংগঠনগত ডিজাইন দ্বারা দূরীভূত হয় না, বরং একটি কার্যকরী ডেমো দ্বারা।

এআই যুগের কর্মজীবনের রূপান্তর শুরু হয়ে গেছে, FDE এটির প্রথম সংকেত, এটি আমাদের বলছে: মডেলের ক্ষমতার পরিবর্তনের গতি এতটাই দ্রুত যে এটি নতুন চাকরির সৃষ্টি করেছে। লেখক পাঠকদের জন্য একটি নির্দিষ্ট প্রশ্ন রেখে যাচ্ছেন—যদি তিন বছর পরে আপনার কোম্পানির সংগঠনগত চার্টে তিনটি নতুন পদ যোগ হয়, আপনি অনুমান করুন, এগুলো কী হবে? এই প্রশ্নটি ভালোভাবে চিন্তা করা, এই নিবন্ধটি পড়ার চেয়েও বেশি উপকারী।

👦🏻 লেখক: হেনরি (ডিয়ারফ্লো টিম) [1]