FDE: La nueva frontera en puestos de ingeniería impulsados por IA

En el último mes, he conocido a cuatro amigos que estaban preparándose para cambiar de carrera: desarrollador frontend, arquitecto de soluciones, product manager y ingeniero de algoritmos tradicional. Con distintos antecedentes, edades y ciudades, todos hicieron la misma pregunta: ¿Vale la pena que me dedique a FDE [2]?

FDE, siglas de Forward Deployed Engineer [2]. Hace dos años era un término interno de Palantir, pero hoy se ha convertido silenciosamente en una frase inicial de reclutadores, un puesto frecuente en ofertas de empleo y una de las respuestas candidatas a "el puesto más valioso de la era de la IA" en redes sociales. OpenAI creó directamente en mayo de 2026 una empresa llamada Deployment Company [3] con una inversión inicial de 4.000 millones de dólares, declarando explícitamente su intención de enviar ingenieros a los sitios de los clientes para integrarse en sus flujos de trabajo; el equipo de Applied AI de Anthropic también está reclutando FDE simultáneamente en cuatro zonas horarias. Este término pasó de ser jerga interna a convertirse en un vocablo visible en poco más de un año.

En mi artículo anterior, "Carta a los Superindividuos" [4], discutí el "motor humano": la curiosidad, el autoaprendizaje, la autodisciplina y la capacidad práctica, y cómo se activan dentro de un Closed-loop completo. Pero las personas no flotan; necesitan ser sostenidas por un sistema de coordenadas de puesto concreto. Si los superindividuos son la "materia prima" de las relaciones de producción en la era de la IA, entonces el FDE es la forma de puesto más visible que el mercado ha desarrollado este año.

En mi opinión, FDE no está en la casilla de consultoría ni en la de externalización. Está más cerca del superindividuo; la diferencia radica en que FDE es un superindividuo organizado en el espacio intermedio entre “empresa modelo × cliente”.

¿Sabías que el término Forward Deployed proviene de? Originalmente era un término militar estadounidense, Forward Deployed Forces, que se refería a las tropas desplegadas en el extranjero o en la línea del frente, capaces de responder de forma cercana, en contraste con las fuerzas que permanecían en bases en el territorio nacional. Palantir introdujo este término en la industria del software a finales de los años 2000 para describir el modelo de trabajo de “enviar ingenieros fuera de la sede para que vivan en el sitio del cliente”, incluso nombrando a sus equipos internos con el alfabeto fonético militar: Delta y Echo. Ahora, OpenAI y Anthropic lo han retomado, no por casualidad: la esencia de enviar ingenieros a la línea del frente nunca ha cambiado.

Las tres dudas específicas que el autor ha sido preguntado recientemente por esos cuatro amigos son:

¿Es FDE una empresa de consultoría disfrazada de IA? ¿Dónde está el límite entre ella y la consultoría tradicional?

¿Es FDE una forma más avanzada de externalización de software? ¿Cuál es la diferencia entre ello y lo que yo hago como proveedor?

- ¿Soy adecuado para el puesto de FDE? ¿Qué tipo de personas se verán potenciadas por este cargo y qué tipo se verán desgastadas?

La actitud del autor es cautelosamente optimista: FDE está realmente desarrollándose, pero lejos de ser la salida de transformación para todos. Es más importante explicarlo claramente que hacerlo sonar emocionante.

Si solo se pudiera elegir un evento para marcar el momento de este nuevo auge de FDE, el autor seleccionaría el 11 de mayo de 2026: ese día, OpenAI anunció la creación de Deployment Company [5], Brad Lightcap, COO, dejó su línea comercial anterior para asumir el cargo de proyectos especiales, informando directamente a Sam Altman y dedicándose por completo a este asunto. Durante la misma semana, OpenAI adquirió la empresa británica de consultoría de IA Tomoro, incorporando de golpe a 150 Forward Deployed Engineers y Deployment Specialists en la nueva compañía.

Cabe destacar que la página de empleo de OpenAI tiene simultáneamente más de una docena de puestos de FDE: San Francisco, Nueva York, Washington, además de direcciones verticales por industria como Life Sciences, Semiconductor y Gov, e incluso el propio puesto de reclutador de FDE [6] está siendo contratado. Los analistas estiman que este equipo se expandirá a entre 2000 y 4000 personas en tres años. Esto no es el tamaño de un grupo de investigación; es un ejército regular.

Anthropic está realizando casi una acción espejo. El puesto de Forward Deployed Engineer dentro del equipo de Applied AI [7] se encuentra disponible simultáneamente en seis ubicaciones: Boston, Nueva York, Seattle, San Francisco, Washington y Londres, con un requisito de viajes al cliente del 25% al 50%. Un ejemplo recientemente citado repetidamente es la empresa de tecnología financiera FIS, que en su anuncio escribió directamente: “El equipo de Applied AI y los ingenieros forward-deployed de Anthropic ya están integrados en FIS, colaborando en el diseño del Financial Crimes AI Agent y transfiriendo conocimientos a FIS para que pueda expandir independientemente más agentes en el futuro”.

Esta frase revela la verdadera naturaleza del trabajo de FDE. No es un arquitecto de preventas, ni un SDR, ni un evangelista que viene a capacitar a los clientes. Es un ingeniero que lleva modelos y se instala dentro del repositorio de código del cliente. Brad Lightcap lo dice aún más claramente: “Nuestros clientes nos dicen que necesitan la capacidad de pasar de un pilot a producción. Deployment Company consiste en insertar a nuestros ingenieros en sus equipos y proporcionarles los recursos necesarios para entregar”.

Dibujar esto en una imagen hará que la relación entre las tres partes sea muy clara:

Observe las dos líneas más informativas en esta imagen: los comentarios que FDE envía en ambas direcciones. Hacia el cliente, FDE no vende el modelo como SaaS, sino que integra los datos, permisos, cumplimiento y sistemas internos del cliente en un solo flujo capaz de ejecutar el modelo. Hacia las empresas de modelos, FDE devuelve los problemas reales de los clientes y las muestras de fallos al equipo de producto e investigación, influyendo en la hoja de ruta: un patrón de llamada a herramientas que falla repetidamente podría convertirse en la próxima abstracción incorporada en el SDK.

Por eso FDE ha sido reactivado simultáneamente por dos de las principales empresas de modelos en esta ronda, y detrás de esto no está simplemente “también queremos aprender de Palantir y hacer consultoría”. Es un dispositivo de recolección de señales para las empresas de modelos: los puntos de dolor más densos de los clientes en la primera línea solo pueden capturarse si hay representantes propios en el lugar; las necesidades transmitidas por socios siempre vienen filtradas. Anthropic sigue una ruta híbrida: opera FDE por su cuenta mientras establece redes de despliegue conjuntas con firmas de consultoría y grandes fondos de capital privado. Una enfocada en operación propia, otra en el ecosistema, pero con el mismo núcleo: las empresas de modelos ya no son solo proveedoras de API, sino que envían directamente ingenieros dentro de los productos de sus clientes.

Las siguientes respuestas abordan las dos preguntas más comunes en comparación: ¿dónde está el límite entre FDE y la consultoría tradicional (como McKinsey, Accenture, etc.)? ¿Es lo mismo que el outsourcing de software con el que estamos familiarizados?

Mucha gente, al escuchar por primera vez la descripción del trabajo de FDE, tiene como primera reacción: “¿No es esto simplemente la nueva versión de McKinsey o Accenture?”.

Entiendo esta asociación. Vestir traje, viajar al sitio del cliente, dibujar en una pizarra en la sala de reuniones del cliente y alinearse con ejecutivos de nivel C: desde la perspectiva visual, FDE y los consultores realmente parecen similares. Pero si se profundiza un nivel más, la esencia de su trabajo es completamente diferente. Los consultores venden límites de procesos, mientras que FDE vende límites de modelos.

Colocar ambos lado a lado en una tabla hace que las diferencias sean inmediatamente evidentes.

Lo más destacado en esta tabla es la línea "Depreciación de activos".

La lógica más rentable de la consultoría tradicional es la reutilización de activos: un plan para un banco se modifica ligeramente y se vende nuevamente a otro; un playbook de digitalización para el sector minorista se puede aplicar repetidamente a treinta clientes. Este es el modelo económico subyacente que ha permitido a Accenture, Deloitte y McKinsey Digital crecer durante los últimos treinta años.

FDE no tiene este activo. Las capacidades del modelo están evolucionando rápidamente: hoy aún se necesitan cadenas de prompts cuidadosamente diseñadas, pero en la próxima versión del modelo, una sola frase podría bastar. La “maduración metodológica” de la consulta se devaluará rápidamente ante esta velocidad. Por lo tanto, FDE no puede usar un modelo de reutilización de activos; en cada ciclo cerrado, debe reiniciarse por completo: reevaluar los límites del modelo, volver a seleccionar la pila de herramientas y volver a ensamblar la forma del producto. Aunque parece ineficiente, es realmente la única forma de mantenerse al ritmo de la velocidad del modelo.

¿Sabías qué es el Product Overhang? En mi artículo anterior, “Para los superindividuos” [4], expliqué este término: la capacidad del modelo supera la forma de producto actual, pero carece de una entrada de producto, permisos y contexto para materializarlo. El valor del rol FDE radica esencialmente en convertir esos Overhang colgantes en escenarios del cliente en un producto concreto y funcional. El cliente no compra cuotas de llamadas a la API del modelo, sino la capacidad de “alguien que pueda materializar realmente este conjunto de Overhang en mi negocio”.

Esto también explica la diferencia en la línea "estructura del proyecto". La estructura estándar de un proyecto de consultoría es el SOW (Statement of Work) + el WBS (Work Breakdown Structure) + la aprobación por etapas: en el contrato se especifica claramente qué se entregará, cuándo se entregará y según qué criterios se aceptará. Este marco asume que el objetivo ya está definido antes de firmar el contrato.

El proyecto de FDE no sigue este enfoque. La frase más común que los clientes dicen es: “Sé que la IA debería poder ayudarme con algo, pero no sé qué es.” El objetivo mismo forma parte del proyecto. Por eso, FDE no acepta SOW, sino misiones: una dirección relativamente vaga; luego, mediante iteraciones, va aclarando progresivamente esa dirección; finalmente, en alguna de esas iteraciones, convierte el conocimiento acumulado en los modelos en una forma de producto.

La línea de "entregables" también merece ser desarrollada. Después de que FDE se vaya, lo que queda en el sistema del cliente es una funcionalidad operativa: puede ser pequeña, fea o carecer de interfaz de usuario, pero se utiliza, modifica y critica diariamente. Los entregables de la consultoría son presentaciones en PPT e informes de gestión del cambio; incluso si en el proyecto se escribió código o se configuró ERP, lo que finalmente queda en manos de los ejecutivos del cliente sigue siendo un documento metodológico.

La línea del "moat" es la más sutil. El moat de FDE es la sensibilidad en tiempo real sobre los límites de las capacidades del modelo: cuántos escenarios reales de clientes hayas ejecutado este mes, eso te dice mejor que otros qué puede hacer Claude 4.7 y qué debe esperar a Claude 5. Esta sensibilidad no se puede escribir en una presentación ni incluirla en una base de conocimientos; solo crece en la mente de los ingenieros que han trabajado directamente en los últimos 90 días.

Entonces, la próxima vez que alguien diga "¿FDE no es solo la nueva versión de Accenture?", puedes responder así: Los ingenieros de Accenture re diseñan los procesos de sus clientes, mientras que FDE reexplora los límites del modelo. Los activos del primero pueden persistir durante diez años; los del segundo deben crecer nuevamente después de 90 días.

Si decir que "FDE es la nueva versión de Accenture" es la primera malinterpretación, entonces decir que "FDE es un servicio caro de externalización de software" es la segunda. Esta capa es más engañosa, porque las evidencias superficiales parecen muy contundentes: FDE realmente va a los sitios de los clientes para escribir código, realmente personaliza funciones según los negocios de los clientes, y realmente está disponible durante las horas laborales de los clientes. A primera vista, no se distingue de un ingeniero externalizado.

Pero tan solo con mirar el bucle de retroalimentación, la diferencia no puede ocultarse.

La diferencia más importante en esta imagen no es lo simple que es la parte superior, sino la adición de una cadena de retroalimentación que se extiende hacia la empresa de modelos en la parte inferior. Esta cadena no es decorativa; es la razón real de la existencia del puesto de FDE. Al desglosar esta diferencia, al menos hay cuatro pares de comparaciones.

Lo que se recibe es diferente. El outsourcing recibe un SOW: una lista de requisitos claramente definida antes de firmar el contrato: qué funciones se deben desarrollar, qué pila tecnológica utilizar, qué criterios de aceptación aplicar y cómo compensar en caso de incumplimiento. El FDE recibe una misión: el cliente no tiene claro qué quiere, solo sabe que “la IA debería poder ayudarme con algo”. El SOW se basa en la certeza; la misión se basa en la exploración. Son dos enfoques completamente distintos para iniciar un proyecto.

El alcance es diferente. El trabajo externo se enfoca en entregas parciales: un módulo, un sitio web, un pipeline de datos; una vez terminado, se empaqueta y se abandona para pasar al siguiente cliente. FDE se encarga de extremo a extremo: desde el problema de negocio hasta la selección del modelo, el diseño de la forma del producto y la retención y churn de usuarios reales tras el lanzamiento.

La forma de facturación es diferente. Esto es lo más contraintuitivo. Una empresa de modelos envía a un FDE al sitio del cliente, y lo que realmente les importa no es solo cuánto cobrarán por este proyecto, sino: ¿cuántos tokens consumirá este cliente en el futuro? ¿Se convertirá en un cliente de retención? ¿Se ampliará a más líneas de negocio? El verdadero KPI del FDE es la curva de consumo a largo plazo de tokens del modelo, no el número en el acta de aceptación del proyecto.

Los comentarios tienen destinos diferentes. Este es el grupo más profundo de los cuatro. En proyectos externos, los comentarios del cliente solo llegan hasta la empresa externa y no afectan los productos futuros que la empresa externa venderá a otros. En cambio, los comentarios de FDE regresan al roadmap de la empresa de modelos: cada obstáculo, cada fallo de Prompt y cada error en la llamada a herramientas que los clientes encuentren en escenarios reales se convierten en entrada para la próxima versión de datos de entrenamiento, diseño de herramientas y funciones del producto. Es decir, cada cliente que implementa FDE es, para la empresa de modelos, al mismo tiempo un socio de diseño natural.

Esta es la verdadera razón por la que las empresas de modelos están dispuestas a pagar altos salarios para contratar FDE. No solo están vendiendo un servicio; están recolectando señales del producto en el mundo real en los sitios de los clientes. Estas señales no se pueden comprar, capturar ni obtener mediante encuestas: solo pueden ser recogidas por un ingeniero concreto, dentro de un flujo de trabajo de cliente específico, tras chocar varias veces contra una pared.

¿Sabías que el paquete total de compensación para FDE en OpenAI y Anthropic puede alcanzar qué cantidad? Según los datos públicos de ingenieros de software en Anthropic en Levels.fyi [8], la mediana del paquete total para SDE senior ya ha llegado a $710K. El puesto de FDE conlleva un riesgo mayor: debe enfrentar la incertidumbre en la capacidad del modelo, la incertidumbre en los negocios del cliente y la incertidumbre en la forma del producto; por lo tanto, según la recopilación de la industria [9], los paquetes totales para FDE de nivel medio a avanzado en laboratorios de IA前沿 generalmente oscilan entre $350K y $550K, mientras que los niveles Staff o superiores pueden alcanzar más de $630K. Este salario no se paga por “horas de trabajo externas”, sino por ser el responsable que asume la combinación de tres riesgos: “producto + cliente + modelo”. > Recuerda 2006, cuando el autor comenzó su carrera en una empresa estatal central, en plena transformación digital; en ese momento, los consultores de Accenture contratados por nuestro grupo cobraban 3.500 yuanes diarios, permaneciendo durante años, y fueron llamados por los medios de la época “líderes dorados”. Más tarde, el autor se unió a la empresa alemana SAP, que incluso acuñó un término para la industria de consultoría: los consultores SAP se convirtieron en el símbolo de los “líderes dorados”. Desde esta perspectiva, los salarios de los FDE aumentarán continuamente durante los próximos 24 a 36 meses, y la demanda también seguirá creciendo de forma estable.

La externalización es arbitraje de mano de obra, y FDE es un sensor de primera línea. Confundir estos dos conceptos hará que el cliente crea que puede contratar a FDE mediante un SOW, y que los candidatos traten el puesto de FDE como si fuera un trabajo externalizado. Ambos lados chocarán rápidamente contra una pared.

Mucha gente cree erróneamente que el término FDE fue inventado por OpenAI. En realidad, no lo fue. Tiene dos raíces históricas: una proveniente de Palantir y otra de las empresas de modelos de nueva generación después de 2023. Al comparar estas dos raíces lado a lado, se puede comprender con mayor claridad qué hace realmente el puesto de FDE.

Primero, echemos un vistazo a una línea de tiempo.

La primera raíz es Palantir.

Palantir fue fundada en 2003 por Peter Thiel, Alex Karp, Joe Lonsdale y otros, con sus primeros clientes siendo agencias de inteligencia estadounidenses. Karp no tenía antecedentes en informática: obtuvo su doctorado en Filosofía con Jürgen Habermas en Fráncfort y fue reclutado por Thiel para ser CEO tras regresar a Estados Unidos. El cargo de FDE surgió precisamente de esta combinación de “CEO no típico + clientes altamente confidenciales”: según un resumen de 36Kr [10], Palantir fue fuertemente criticada por las agencias de inteligencia en sus inicios, ya que los ingenieros no tenían acceso a escenarios de negocio reales, y los requisitos se distorsionaban tras múltiples traducciones. Posteriormente, Palantir logró un acuerdo que permitía a sus ingenieros trabajar directamente en las instalaciones de los clientes, junto con analistas de inteligencia. Este modelo fue posteriormente sistematizado por Shyam Sankar, convirtiéndose en el prototipo del FDE.

Para 2009, FDE se expandió al ámbito comercial. Cuando JPMorgan implementó la plataforma Metropolis de Palantir, 120 FDE fueron asignados para monitorear amenazas internas. Desde entonces, FDE ya no se limitó simplemente a “enviar ingenieros de viaje”, sino que se convirtió en un enfoque sistemático de inserción en el cliente: integrar realmente Foundry/Gotham en los flujos de negocio del cliente, en lugar de simplemente entregar una licencia y retirarse.

La contratación de FDE de Palantir tiene un criterio contraintuitivo: no requiere un título en CS. Esto se puede incluir en "¿Sabías que?".

¿Sabías que Palantir FDE no requiere un título en Ciencias de la Computación? Según los criterios de contratación de Palantir recopilados por SkillScouter [11] y la página de carreras oficial de Palantir [12], Palantir da la bienvenida explícitamente a candidatos sin antecedentes en CS; recientemente, los contratados para FDE provienen de disciplinas como ingeniería mecánica, economía y filosofía. Lo que realmente evalúa son dos cosas: la capacidad de actuar con información incompleta y la habilidad para comunicarse directamente con clientes de nivel C. Un título en CS es un plus, no un requisito de entrada. El propio Karp es el primer ejemplo de esta norma: un CEO con formación en filosofía que ha liderado a un equipo de FDE con fondos en física, matemáticas y filosofía.

La segunda raíz es una empresa modelo de la nueva generación después de 2023.

Después del lanzamiento de ChatGPT a finales de 2022, OpenAI se dio cuenta rápidamente de una cosa: colgar la API del modelo en la documentación y dejar que los clientes la integraran por sí mismos era completamente inviable. Los clientes no querían no usarla, sino que no sabían cómo hacerlo: tenían problemas de negocio, pero no tenían una forma de producto. Por eso, empresas como OpenAI, Anthropic, Cohere, Scale, Glean, Sierra, Hebbia y Decagon comenzaron a contratar en masa a FDE.

Esta ola de FDE aprende directamente del playbook de Palantir: enviar ingenieros a los sitios de los clientes para ejecutar extremo a extremo un flujo de trabajo. Pero el portador del producto ya es completamente diferente: en la era de Palantir, los FDE se encargaban de integración de datos y personalización de UI; los FDE de nueva generación se enfocan en diseño de prompts, orquestación de agentes, llamadas a herramientas e inserción de flujos de trabajo.

En el artículo especializado de Pragmatic Engineer sobre FDE [13], esta nueva versión se denomina “embedded with enterprises to make Claude solve real, specific, high-value problems”—la formulación es casi idéntica a la de Palantir en su momento, solo que se reemplazó “datos” por “modelos”.

Al ver juntas estas dos raíces, se pueden identificar un conjunto claro de similitudes y diferencias.

Punto en común: los clientes no compran software. Los clientes compran “ingenieros + conjunto de herramientas que resuelven mis problemas”. Esto ha sido anómalo en la historia de 30 años del software empresarial. SAP, Oracle y Salesforce vendían el software en sí: los ingenieros existían como recursos de apoyo para “hacer que el cliente pudiera permitirse este software”. Palantir invierte esto: las herramientas existen como palancas para “permitir que los FDE resuelvan problemas en el cliente”. Las nuevas generaciones de empresas de modelos heredan esta relación invertida: OpenAI no vende una licencia de GPT-4, vende “nuestros FDE que pueden usar GPT-4 para ayudarte a implementar la automatización del servicio al cliente”.

Diferencia: La era de Palantir se enfoca en la integración de OPS: el punto central es la integración de datos, la modelización de ontologías y la gobernanza de permisos. La nueva generación se enfoca en la implementación de capacidades de modelos: el punto central es el diseño de prompts, la orquestación de agentes y la optimización de retención. La primera es como una versión avanzada de un integrador de sistemas, la segunda como una extensión de un ingeniero de productos.

Un último hecho interesante: muchos de los primeros FDE de Palantir luego se convirtieron en emprendedores o se unieron directamente a empresas de modelos de nueva generación. En los equipos iniciales de Anthropic, OpenAI, Sierra y Hebbia, se pueden contar una larga lista de ex-Palantir. No es una coincidencia: el puesto de FDE obliga a una persona a asumir simultáneamente el riesgo del producto, el riesgo del cliente y el riesgo de ingeniería, casi como un curso de entrenamiento para emprendedores. El autor prefiere ver a Palantir como un campo de entrenamiento secreto para emprendedores: no solo forma ingenieros, sino un grupo de personas que saben cómo impulsar algo desde cero hasta uno en medio de información incompleta. Dos raíces que finalmente se unieron después de 2023.

La convergencia de las dos raíces ocurre principalmente en el extranjero. En China, el término FDE no ha existido mucho tiempo, pero el trabajo al que se refiere no surgió de la nada. Para comprender el FDE en China, primero se deben identificar sus dos predecesores locales, y luego las tres diferencias contextuales entre el FDE chino y el estadounidense.

Dos predecesores locales

El primero era un arquitecto de soluciones de un proveedor de nube. Durante los últimos diez años, Alibaba Cloud, Tencent Cloud y Huawei Cloud han formado un equipo completo de Solution Architects (SA) que presentan arquitecturas a los clientes, escriben POC, elaboran planes de migración y colaboran en la implementación hasta el lanzamiento. Dentro de Huawei, también existe una serie especializada de “ingenieros de implementación” encargados de ejecutar los proyectos en las instalaciones del cliente. Este sistema ya cubre el 80% del trabajo de FDE, pero su enfoque sigue estando en la etapa previa a la venta y la implementación: la responsabilidad del ciclo completo de iteración del producto no recae en el SA; si cambian los requisitos, se debe seguir un proceso de cambio, y si se cambia el modelo, se debe esperar a la programación del centro.

La segunda línea proviene de una nueva secuencia surgida dentro de startups de IA. MiniMax publica en Boss Zhipin el puesto de “Experto en soluciones preventas de IA”, y empresas de modelos como Moonshot, Zhipu, Tongyi y Hunyuan también tienen publicados puestos similares. Los nombres varían ligeramente, pero los contenidos de las descripciones son altamente convergentes: comprender los escenarios del cliente, realizar demos, ajustar prompts, ejecutar RAG, redactar propuestas de entrega y coordinar con el equipo de ingeniería del cliente hasta el lanzamiento. Este grupo de puestos representa verdaderamente los “FDE nacionales”.

Tres diferencias de suelo y agua

La implementación privada y el cumplimiento de datos aplastan el modelo de llamada pura de modelos. Los clientes B2B en China exigen mucho más que los datos no salgan del dominio, que los pesos del modelo sean controlables y que la auditoría sea rastreable, en comparación con el mercado estadounidense. En un proyecto FDE, el trabajo de llamar puramente a la API y ejecutar prompts puede representar solo el 30%, mientras que el 70% restante consiste en trasladar el modelo a la sala de servidores del cliente, configurar la autenticación, integrarse con la plataforma de datos y realizar el registro de cumplimiento.

Las capacidades del modelo aún están alineándose con los SOTA, y el espacio de mejora se ha reducido al nivel de ingeniería. En Estados Unidos, OpenAI y Anthropic pueden cautivar a los clientes con las propias capacidades del modelo; en China, las diferencias entre las capacidades de Tongyi, DouBao, Kimi, GLM y DeepSeek no son tan marcadas, por lo que los clientes evalúan más los aspectos de ingeniería como la orquestación de Agentes, la calidad de la recuperación RAG, la integración de herramientas y el diseño de flujos de trabajo. En China, los FDE no compiten con “nuestro modelo es tan potente”, sino con “¿puedo hacer funcionar realmente este negocio?”.

La disposición a pagar y el ritmo de fijación de precios en el segmento B difieren de los de Estados Unidos. El modelo de Palantir, que consiste en “enviar primero a un FDE y luego cobrar suscripciones de alto precio”, es difícil de replicar directamente. Los presupuestos de los clientes locales siguen los ciclos de compra anuales, con una tendencia hacia modelos basados en proyectos; el modelo comercial del FDE suele ser una mezcla de suscripción + licencia privada + entrega de proyectos.

Una posición única: FDE interno

Muchos equipos de IA dentro de grandes empresas están comenzando a utilizar el modelo FDE para servir a "clientes internos". Alibaba Cloud PAI ha asignado ingenieros a Taobao, y Tencent Hunyuan también tiene mecanismos similares para conectar con WeChat y el lado de publicidad. En JD, los puestos listados son "Ingenieros de implementación industrial", "Ingenieros de aplicaciones de IA" y "Expertos en negocios inteligentes", que en esencia son FDE internos: llevan las capacidades del equipo de modelos de forma end-to-end al lado del negocio. Esto brinda a los líderes de grandes empresas una nueva perspectiva: unos pocos FDE internos ubicados en el lado del negocio, que generen el primer demo y entreguen los datos de ROI al dueño del negocio, disolverán las barreras departamentales más rápido que diez reuniones de alineación.

En mi artículo anterior, “Carta a los Superindividuos” [4], mencioné los cinco motores del superindividuo: gran curiosidad, fuerte espíritu de exploración e innovación, alta capacidad de aprendizaje autodidacta, fuerte motivación interna y excelente habilidad práctica. Estas cinco cualidades son el boleto de entrada para FDE, pero no lo son todo. Además de estos cinco motores, el puesto de FDE requiere un conjunto de rasgos específicos adicionales, y hay ciertos perfiles de personalidad claramente inadecuados. He visto a demasiados ingenieros excelentes que pasan a FDE y no logran adaptarse; los problemas, en su mayoría, no radican en sus habilidades, sino en su personalidad y preferencias laborales.

Cinco cualidades adecuadas para FDE

No rechazar las ventas ni la comunicación. La rutina diaria de un FDE no consiste en cerrarse a escribir código, sino en interactuar directamente con el CTO, los responsables de negocio, compras, cumplimiento y TI de los clientes. Un ritmo típico: el CTO del cliente interrumpe el demo en pleno desarrollo; la reacción del FDE no puede ser “vuelvo a modificarlo y vuelvo la próxima semana”, sino abrir inmediatamente el IDE, modificar el Prompt y volver a ejecutarlo frente a él. “El cliente está aquí, y yo estoy modificando” es la norma para un FDE.

Disfruta de la zona borrosa. FDE no recibe un PRD claro, sino una frase como: “Queremos hacer algo con IA”. El cliente tampoco sabe exactamente qué quiere, y necesita que FDE lo acompañe para dar forma concreta a estas expectativas vagas. Si solo puedes actuar cuando hay una necesidad clara, FDE te hará sentir ansiedad todos los días.

Fuerte capacidad técnica, pero no se requiere un rendimiento 10x. FDE no necesita que seas la persona con el código más limpio o los algoritmos más profundos de la empresa; lo que necesita es que puedas llevar un proyecto de extremo a extremo: crear una página web funcional en el frontend, implementar un servicio operativo en el backend y conectar el modelo con fuentes de datos empresariales. En el mundo de FDE, “lo suficientemente bueno” no es una debilidad, es una virtud.

Le gusta ser pulido por la retroalimentación. En el trabajo de un FDE hay muchos momentos en los que “el cliente exige volver a hacerlo”: hoy el demo, mañana el equipo de negocio dice “esto no es lo que quería”; la semana pasada se acordó una solución, y esta semana el cliente cambió de ejecutivo y exige volver a hacerla. Las personas adecuadas para ser FDE convierten esta retroalimentación en combustible, asumen la responsabilidad end-to-end y no echán la culpa a “que el equipo de requisitos no lo explicó bien”.

Es sensible a los límites del modelo. Esta es la más técnica y más implícita de todas. El FDE debe poder determinar qué tareas son adecuadas para que las realice un LLM y cuáles no, y cómo debe realizar el fallback; esta sensibilidad no se puede percibir leyendo artículos, sino solo aprenderse a través de casos de fallo. Con el acumulo de muestras fallidas, el FDE desarrolla memoria muscular sobre los límites del modelo: ¿qué escenarios requieren RAG, qué escenarios deben seguir reglas y qué escenarios requieren necesariamente una puerta de fallback humana?

Cuatro tipos de personas que no son adecuadas para FDE

Técnico puro que quiere esconderse en el código. El FDE pasa aproximadamente el 50% del tiempo fuera de escribir código: en reuniones con clientes, coordinación interna, discusiones de producto y avance de contratos. Si tu fuente de felicidad es escribir código sin interrupciones durante cuatro horas seguidas, el FDE te llevará a un agotamiento mental prolongado.

Las personas que necesitan OKR para moverse. Los objetivos de FDE están centrados en el cliente, no en tu hoja de rendimiento. El progreso del trabajo se determina por los hitos del proyecto del cliente, los cambios en la capacidad del modelo y tu juicio sobre el escenario. Quienes tienen la costumbre de “necesitar un OKR antes de saber qué hacer” no encontrarán un punto de anclaje.

Quienes valoran más el ascenso que el trabajo. FDE no tiene ventaja en el sistema de ascensos de las grandes empresas: métricas como la satisfacción del cliente, la firma de proyectos y la tasa de reutilización no pesan tanto en la evaluación de nivel como la cantidad de código o la frecuencia de lanzamientos. Si el ascenso es tu motivación principal, FDE no es una buena opción.

Personas que rechazan el contexto comercial. El FDE debe comprender la P&L, el ROI, los procesos de compra y los requisitos de cumplimiento del cliente. Si te repugna naturalmente hablar de dinero, contratos o lógica comercial, el trabajo de FDE te hará sentir que estás vendiendo tus ideales técnicos.

Lista de verificación autónoma

7 preguntas, cada una correspondiente a un escenario real de trabajo de FDE. Si responde "sí" a más de 5, considere seriamente FDE; si responde "sí" a 3 o menos, recomienda ser cauteloso.

¿Estás dispuesto a trasladar el 50% de tu tiempo diario desde el código a reuniones con clientes, responder mensajes y llamadas telefónicas?

2. Cuando el cliente te dice "Esto no funciona, pero no puedo explicar por qué", ¿tu primera reacción es curiosidad o impaciencia?

3. Nadie te escribió un PRD, ¿puedes ejecutar en una semana un prototipo funcional con Claude Code que puedas mostrar al cliente?

4. ¿Puedes mantener tu juicio en lugar de ejecutar mecánicamente cuando un cliente te pide 8 versiones de la misma entrega?

5. Cuando el modelo da una respuesta incorrecta, ¿tu primera reacción es diseñar un fallback o quejarte de que el modelo no funciona?

6. ¿Estás dispuesto a firmar contratos, redactar informes, gestionar la aceptación del cliente y coordinar con el departamento jurídico sobre los términos de cumplimiento?

7. ¿Puedes aceptar prototipos rápidos y fracasos rápidos?

Cinco rasgos, cuatro tipos de perfiles inversos y siete preguntas de autoevaluación: al final, es la misma pregunta: ¿estás dispuesto a pulir al mismo tiempo tu sentido del producto, tu capacidad técnica y tu juicio comercial dentro del mismo flujo de trabajo?

En el artículo anterior, discutí el "motor humano": la curiosidad, el espíritu de exploración, la capacidad de autoaprendizaje, la autodisciplina y la habilidad práctica, y cómo se pueden activar de forma integral dentro de grandes empresas. Este artículo aborda otro tema: la forma de los puestos de trabajo. El FDE es la primera nueva forma de puesto con nombre, rango salarial, descripción de trabajo y validación de pago por parte de clientes en la revolución industrial de la IA. No es sinónimo del concepto de "superindividuo", sino el primer punto de referencia concreto que se ha materializado desde lo abstracto en esta ola de reestructuración.

FDE no es el final. El autor considera que FDE es simplemente la primera forma en surgir un nombre dentro de la nueva división del trabajo. Vendrán después Forward Deployed PM, Forward Deployed Designer, Forward Deployed Researcher: todos los puestos estrechamente vinculados a los escenarios del cliente y que requieren desarrollar productos en zonas ambiguas, generarán sus propias versiones de “despliegue anticipado”. Los nombres de los puestos cambiarán, pero la lógica subyacente será la misma: las capacidades del modelo van por delante, la forma del producto las sigue, y la estructura de los puestos se reorganiza según los flujos de trabajo.

Deja una frase para cada uno de los tres tipos de lectores.

Para los técnicos: FDE no requiere que seas la persona con el código más fuerte en la empresa, pero sí exige que estés dispuesto a dedicar la mitad de tu tiempo a los clientes en lugar de al código. Si tu respuesta es “sí”, la ventana del mercado acaba de abrirse y las contrataciones en las principales empresas de modelos en China, proveedores de nube y equipos internos de IA de grandes empresas se están acelerando. Si tu respuesta es “no”, no hay problema: en esta nueva división del trabajo surgirán otros puestos para ti.

Para RRHH y OD: Estén atentos a la "desconexión entre nombre y realidad". Es posible que ya tengan un grupo de FDE trabajando en su empresa, pero con títulos como "Experto en Soluciones", "Arquitecto de Industria" o "Ingeniero de Aplicaciones de IA". Identifíquenlos, reclassifíquenlos y brindenles un camino de crecimiento alineado con su trabajo real; esto es más eficiente que contratar nuevos empleados desde cero.

Para los gerentes: El modelo FDE no solo puede aplicarse externamente, sino también internamente. Establecer algunos “FDE internos” en los equipos operativos para integrar las capacidades del equipo de modelos directamente en los procesos de negocio puede ser mucho más eficiente que crear un nuevo departamento de IA y realizar diez reuniones de alineación interequipo. Las barreras departamentales no se eliminan mediante el diseño organizacional, sino mediante un demo funcional.

La transformación profesional en la era de la IA ya ha comenzado, y FDE es la primera señal: nos indica que la velocidad con la que cambian las capacidades de los modelos ya es tan rápida que está creando nuevos puestos de trabajo. El autor deja a los lectores una pregunta concreta: si dentro de tres años tu empresa añade tres nuevos puestos en su organigrama, ¿cuáles crees que serán? Reflexionar sobre esta pregunta es más útil que leer este artículo en sí.

👦🏻 Autor: Henry (equipo DeerFlow) [1]