FDE: AI چلائی گئی انجینئرنگ رولز میں نیا سرحد

میں نے پچھلے ایک ماہ میں چار دوستوں سے ملاقات کی جو تبدیلی کی تیاری کر رہے تھے — فرانت اینڈ، سولوشن آرکیٹیکٹ، پروڈکٹ منیجر، روایتی الگورتھم انجینئر، جن کے پس منظر، عمر اور شہر مختلف تھے، لیکن انہوں نے ایک ہی انگریزی مخفف پوچھا: کیا FDE [2] میرے لیے قابلِ توجہ ہے؟

FDE، جس کا مکمل نام Forward Deployed Engineer ہے [2]۔ دو سال پہلے یہ Palantir کے دائرے میں ایک اندر کا اصطلاح تھا، لیکن آج یہ میڈیکل ریکرٹرز کی شروعاتی بات، ملازمت کے اشتہارات میں ایک عام عہدہ، اور سوشل میڈیا پر "AI کے دور میں سب سے قیمتی عہدہ" کے امیدواروں میں سے ایک بن چکا ہے۔ OpenAI نے مئی 2026 میں براہ راست اس نام کے ساتھ Deployment Company [3] قائم کیا، جس کا آغازی سرمایہ کاری 40 ارب ڈالر تھا، اور واضح طور پر کہا گیا کہ وہ انجینئرز کو صارفین کے مقامی دفتر میں بھیجیں گے، صارفین کے کام کے عمل میں داخل ہوں گے؛ Anthropic کا Applied AI ٹیم بھی چار ٹائم زونز میں FDE کے لیے ملازمت کا اعلان کر رہا ہے۔ یہ واقعہ صرف ایک سال سے تھوڑا زیادہ عرصے میں اندر کی اصطلاح سے واضح الفاظ میں تبدیل ہو گیا۔

میرے پچھلے مضمون، "سپر انڈیویڈوئل کے لیے" [4]، میں "انسانی انجن" — حیرت، خود سیکھنا، خود متحرک ہونا، اور عملی صلاحیت کے بارے میں بات کی گئی تھی کہ وہ کس طرح ایک مکمل Closed-loop کے اندر جاگ زدہ ہوتے ہیں۔ لیکن انسان تیرتا نہیں ہوتا، اسے ایک مخصوص نوکری کے کوآرڈینیٹ سسٹم کو پکڑنا چاہیے۔ اگر سپر انڈیویڈوئل AI کے دور کے پیداواری تعلقات کا "س原材料" ہیں، تو FDE اس سال مارکیٹ میں نمایاں طور پر ظاہر ہونے والا سب سے واضح "نوبتی فارم" ہے۔

میرے خیال میں، FDE سلاسل مشورت کے خانے میں نہیں ہے، اور نہ ہی باہری سروسز کے خانے میں۔ یہ سپر انڈیویڈوئلز کے قریب ہے — فرق صرف اس بات میں ہے کہ FDE، "ماڈل کمپنی × کلائنٹ" کے درمیان کے خلأ میں منظم سپر انڈیویڈوئل ہے۔

کیا آپ جانتے ہیں کہ "Forward Deployed" اس لفظ کی اصل کہاں سے آئی؟ یہ اصل میں امریکی فوج کا اصطلاح تھا، "Forward Deployed Forces"، جو سمندر پار یا سامنے کی لائن پر متعین کی گئی فوجی اکائیوں کو ظاہر کرتا ہے جو قریب سے جواب دے سکتی ہیں، جبکہ گھر کے بنیادی ڈھانچے پر رہنے والی پیچھے کی فوج سے مقابلہ کرتی ہے۔ پالنٹر نے 2000 کے آخر میں اس لفظ کو سافٹ ویئر صنعت میں لایا، جس میں "انجینئرز کو سرکاری دفتر سے الگ کرکے صارفین کے مقام پر رہنے کا طریقہ" بیان کیا گیا، اور اندر کے ٹیم ناموں کو بھی فوجی ناطق ناموں جیسے ڈیلٹا اور ایکو سے نام دیا گیا۔ اب یہ اصطلاح OpenAI اور Anthropic نے دوبارہ حاصل کر لی ہے، جو صرف اتفاق نہیں ہے — انجینئرز کو سامنے کی لائن پر بھیجنا، اس کا اصل مقصد کبھی تبدیل نہیں ہوا۔

اس مضمون میں مصنف کے حالیہ چار دوستوں کے ذریعہ پوچھے گئے تین خاص شک و شبہات کا جواب دیا جائے گا:

کیا FDE ایک AI کے لباس میں ڈالی گئی مشورتی کمپنی ہے؟ اس کی روایتی مشورت سے کیا حدود ہیں؟

کیا FDE ایک زیادہ جدید سافٹ ویئر آؤٹ سورسنگ ہے؟ اس کا میرے موجودہ کام کے ساتھ کیا فرق ہے؟

کیا میں FDE کے لیے مناسب ہوں؟ کون سی قسم کے لوگ اس عہدے سے بڑھ جائیں گے اور کون سے لوگ اس سے تباہ ہو جائیں گے؟

مصنف کا موقف محتاط مثبت ہے: FDE واقعی ابھر رہا ہے، لیکن یہ سب کے لیے تبدیلی کا راستہ نہیں ہے۔ اسے بڑھاوا دینا اسے تحریک دینے سے زیادہ اہم ہے۔

اگر صرف ایک ہی چیز کو FDE کے اس دور کے دوبارہ شروع ہونے کا نشان بنانا ہو، تو مصنف 11 مئی 2026 کو منتخب کرے گا — اس دن OpenAI نے Deployment Company کی تشکیل کا اعلان کیا [5]، جس میں COO Brad Lightcap اپنے سابقہ بازاری شعبے سے الگ ہو کر special projects کے لیے مخصوص طور پر Sam Altman کو رپورٹ کرنے لگے اور اس کا مکمل وقت اس کام پر لگا دیا۔ اسی ہفتے، OpenAI نے برطانیہ کی AI مشورتی کمپنی Tomoro کو خرید لیا، جس سے 150 Forward Deployed Engineers اور Deployment Specialists نئی کمپنی میں شامل ہو گئے۔

یہ قابل ذکر ہے کہ OpenAI کی ملازمت کی ویب سائٹ پر ایک ساتھ دسوں FDE پوزیشنز لگی ہوئی ہیں: سین فرانسسکو، نیو یارک، واشنگٹن، اور Life Sciences، Semiconductor، Gov جیسے صنعتی شعبوں کے مطابق عمودی سمتیں، جس میں FDE رکن کی ملازمت کا اعلان بھی شامل ہے۔ تجزیہ کاروں کا اندازہ ہے کہ یہ ٹیم تین سال کے اندر 2000–4000 افراد تک پھیل جائے گی۔ یہ ایک تحقیقی گروپ کا پیمانہ نہیں، یہ ایک معمولی فوج ہے۔

اینٹروپک کی طرف سے تقریباً ایک جیسا ہی اقدام ہے۔ ایپلائڈ AI ٹیم کے تحت فارورڈ ڈیپلویڈ انجینئر کے عہدے [7] بوسٹن، نیو یارک، سیٹل، سین فرانسسکو، واشنگٹن اور لندن میں شامل کیے گئے ہیں، جس میں 25%–50% کسٹمر کے مقام پر سفر کی ضرورت ہے۔ ایک حالیہ بار بار حوالہ دیا جانے والا مثال FIS فنانشل ٹیک کمپنی ہے — جس نے اپنے اعلان میں براہ راست لکھا ہے کہ "اینٹروپک کی ایپلائڈ AI ٹیم اور فارورڈ-ڈیپلویڈ انجینئرز FIS میں شامل ہو چکے ہیں، جہاں وہ فنانشل کرائمز AI ایجنٹ کا ڈیزائن کر رہے ہیں اور FIS کو معلومات منتقل کر رہے ہیں تاکہ وہ بعد میں مزید ایجنٹس کو خود سے وسعت دے سکے۔"

اس بات میں FDE کے کام کی اصل تصویر چھپی ہوئی ہے۔ یہ پری سیل آرکیٹیکٹ نہیں، SDR نہیں، اور نہ ہی کسٹمرز کو ٹریننگ دینے والے ایونجلسٹ ہے۔ یہ وہ انجینئر ہے جو ماڈل لے کر کسٹمر کے کوڈ بیس میں رہتا ہے۔ بریڈ لائٹکیپ خود اسے اور بھی صاف الفاظ میں کہتے ہیں: "ہمارے کسٹمرز ہمیں بتاتے ہیں کہ انہیں pilot سے production تک جانے کی صلاحیت چاہیے۔ Deployment Company ہمارے انجینئرز کو ان کی ٹیم میں شامل کر دیتا ہے اور انہیں پیشکش کرنے کے لیے تمام وسائل فراہم کرتا ہے۔"

اس بات کو ایک گراف کے طور پر بنائیں، تو تینوں طرف کا تعلق بہت واضح ہو جائے گا:

اس تصویر میں سب سے زیادہ معلومات والی دو لائنز، FDE کی طرف سے دونوں طرف فیڈ بیک ہیں۔ کسٹمر کی طرف، FDE ماڈل کو SaaS کے طور پر نہیں بیچ رہا، بلکہ کسٹمر کے ڈیٹا، اجازتیں، مطابقت، اور اندر کے سسٹم کو ایک ایسی نالی میں جوڑ رہا ہے جو ماڈل چلائے؛ ماڈل کمپنی کی طرف، FDE کسٹمر کے اصل مسائل اور ناکام نمونوں کو پروڈکٹ اور ریسرچ میں واپس لاتا ہے، جس سے روڈ میپ پر اثر پڑتا ہے—ایک بار بار غلط ہونے والا ٹول کالنگ پیٹرن، شاید SDK کا اگلا内置 ابسترکشن بن جائے۔

اسی لیے FDE کو اس دور میں دو بڑی ماڈل کمپنیوں نے ایک ساتھ دوبارہ شروع کیا، اور اس کے پیچھے صرف “ہم بھی Palantir جیسا مشورہ دینا شروع کر دیں” جیسا کچھ نہیں ہے۔ یہ ماڈل کمپنیوں کا ایک سگنل کلیکشن ڈیوائس ہے—سب سے زیادہ کثیف صارفین کے مسائل کو صرف اپنے افراد کے موجودہ ہونے سے ہی حاصل کیا جا سکتا ہے، کیونکہ شراکت داروں کے ذریعے منتقل کردہ تقاضے ہمیشہ ایک درجہ دور ہوتے ہیں۔ Anthropic ایک مixed approach اپنا رہا ہے: ایک طرف FDE کو خود سنبھال رہا ہے، دوسری طرف مشورہ دینے والی کمپنیوں اور PE ٹائٹن کے ساتھ مشترکہ ڈپلوائمنٹ نیٹ ورک بنارہا ہے۔ ایک خود مختار پر زور دیتا ہے، دوسرا ایکو سسٹم پر، لیکن دونوں کا اندرونی مرکز ایک جیسا ہے: ماڈل کمپنیاں صرف API فراہم کنندگان نہیں رہیں گیں، وہ اپنے انجینئرز کو صارف کے پروڈکٹ میں ب без تشریف لائیں گی۔

اگلے جوابات دو سب سے عام موازنہ سوالات ہیں — FDE اور روایتی مشاورت (میکنزی، ایسنسر جیسی کمپنیوں) کے درمیان کیا حد ہے؟ اور کیا یہ ہمارے لیے جانے جانے والے سافٹ ویئر آؤٹ سورسنگ کے برابر ہے؟

زیادہ تر لوگ جب پہلی بار FDE کی ملازمت کی تفصیل سنतے ہیں، تو ان کی پہلی پ्रتکریا یہ ہوتی ہے: "کیا یہ نہیں ہے نئی میکنزی، ایسنجر؟"

مصنف کو یہ تصور سمجھ میں آتا ہے۔ سوٹ پہننا، کلائنٹ کے مقام پر سفر کرنا، کلائنٹ کے میٹنگ روم میں بیٹھ کر وائٹ بورڈ پر ڈرائنگ کرنا، اور سی-لیول ایگزیکٹو کے ساتھ مطابقت رکھنا — نظری طور پر، FDE اور مشورتی ماہرین ایک جیسے لگتے ہیں۔ لیکن اگر آپ ایک سطح اندر جائیں، تو دونوں کا کام کا ڈھانچہ بالکل مختلف ہے۔ مشورتی خدمات عمل کی سرحدیں بیچتی ہیں، جبکہ FDE ماڈل کی سرحدیں بیچتا ہے۔

ان دوں کو ایک ٹیبل میں پہلے کے ساتھ رکھیں، فرق فوراً نظر آ جائے گا۔

اس جدول میں سب سے زیادہ توجہ دینے کے قابل، "ایسٹ سیٹ" کی قسط ہے۔

سنتھی کنسلٹنگ کا سب سے زیادہ منافع بخش منطق اثاثوں کی دوبارہ استعمال ہے — ایک بینک کے لیے تیار کی گئی منصوبہ بندی، اگلے کسی کے لیے تھوڑا تبدیل کر کے دوبارہ فروخت کی جاتی ہے؛ ریٹیل صنعت کا ڈیجیٹل پلے بک تینوں کے لیے دوبارہ استعمال کیا جا سکتا ہے۔ یہ پچھلے تین دہائیوں میں Accenture، Deloitte، اور McKinsey Digital کے بڑھنے کا بنیادی مالی ماڈل ہے۔

FDE کے پاس ایسی اثاثہ نہیں ہے۔ ماڈل کی صلاحیتیں تیزی سے تبدیل ہو رہی ہیں — آج کوئی تفصیلی پرامپٹ چین کی ضرورت ہوتی ہے، جبکہ اگلے ورژن میں شاید ایک جملے میں ہی کام ہو جائے۔ اس رفتار کے مقابلے میں "طریقہ کار کا تجزیہ" جلد ہی اپنی قیمت کھو دے گا۔ اس لیے FDE کو اثاثوں کی دوبارہ استعمال کی منصوبہ بندی نہیں کرنی چاہیے، بلکہ ہر بار بند حل کو دوبارہ چلانا پڑتا ہے — ماڈل کے حدود کا دوبارہ جائزہ لینا، ٹول اسٹیک کا دوبارہ انتخاب، اور مصنوعات کے فارمیٹ کو دوبارہ جوڑنا۔ یہ لگتا ہے کہ ناکارہ ہے، لیکن ماڈل کی رفتار کے ساتھ رہنے کا واحد طریقہ ہے۔

کیا آپ جانتے ہیں — پروڈکٹ اوورہینج کیا ہے؟ مصنف نے اپنے پچھلے مضمون "سپر انڈیویڈوئل کے لیے" [4] میں اس اصطلاح کی وضاحت کی ہے: ماڈل کی صلاحیتیں موجودہ پروڈکٹ فارم کے مقابلے میں زیادہ ہیں، لیکن اسے حقیقی شکل دینے کے لیے کوئی پروڈکٹ انٹری، اجازت یا سیاق و سباق دستیاب نہیں۔ FDE کے عہدے کی اہمیت بنیادی طور پر صارف کے سیناریوز میں تیرتے ہوئے اوورہینج کو ایک عملی، چلنے والے پروڈکٹ میں تبدیل کرنا ہے۔ صارفین ماڈل API کے کال کے کوٹے نہیں خرید رہے، بلکہ "کوئی اس پورے اوورہینج کو میرے بزنس میں حقیقی شکل دے سکتا ہے" کی صلاحیت خرید رہے ہیں۔

یہ "پروجیکٹ سٹرکچر" کی قطار میں فرق کو بھی سمجھاتا ہے۔ پروجیکٹ کنسلٹنگ کی معیاری سٹرکچر SOW (Statement of Work) + WBS (Work Breakdown Structure) + مراحل کی قبولیت ہے: معاہدے میں واضح طور پر لکھا جاتا ہے کہ کیا ڈیلیور کیا جائے گا، کب ڈیلیور کیا جائے گا، اور کس معیار پر قبول کیا جائے گا۔ یہ سٹرکچر کا بنیادی فرض یہ ہے کہ مقصد معاہدہ کرنے سے پہلے پہلے ہی واضح ہو چکا ہو۔

FDE کے منصوبوں میں یہ طریقہ کام نہیں کرتا۔ صارفین سب سے زیادہ یہ کہتے ہیں: "میں جانتا ہوں کہ AI کو میری مدد کرنے کے لیے کچھ کرنا چاہیے، لیکن میں نہیں جانتا کہ کیا۔" ہدف خود منصوبے کا حصہ ہے۔ اس لیے FDE SOW نہیں لیتا، بلکہ mission لیتا ہے — ایک نسبتاً ادھورا رخ؛ پھر iteration کے ذریعے ایک ایک کر کے اس رخ کو واضح کرتا ہے؛ اور آخر میں کسی ایک iteration میں، جمع کردہ ماڈل کی سمجھ کو ایک مصنوعات کے شکل میں تبدیل کر دیتا ہے۔

"ڈیلیوریبل" کی قطار بھی وضاحت کے قابل ہے۔ جب FDE چلا جاتا ہے، تو کلائنٹ سسٹم میں ایک کام کرنے والا فنکشن باقی رہ جاتا ہے—شاید چھوٹا، شاید بے شکل، شاید کوئی صارف انٹرفیس نہ ہو، لیکن یہ روزانہ کسی کے ذریعے کال کیا جاتا ہے، تبدیل کیا جاتا ہے، اور تنقید کا نشانہ بناتا ہے۔ مشورے کا ڈیلیوریبل PPT اور تبدیلی کے انتظام کی رپورٹ ہوتا ہے، چاہے پروجیکٹ میں کوڈ لکھا گیا ہو یا ERP سیٹ اپ کیا گیا ہو، آخر میں کلائنٹ کے اعلیٰ انتظامیہ کے پاس صرف ایک طریقہ کار کا دستاویز ہوتا ہے۔

"حفاظتی دیوار" کا ایک لائن سب سے باریک ہے۔ FDE کیحفاظتی دیوار ماڈل کی صلاحیتوں کے حدود کا عملی تجربہ ہے — آپ نے اس ماہ کتنے حقیقی صارفین کے سیناریوز چلائے، آپ کو اسی لیے زیادہ معلوم ہوگا کہ Claude 4.7 کون سے کام کر سکتا ہے اور کون سے کام Claude 5 کا انتظار کرنا پڑے گا۔ یہ تجربہ پی پی ٹی میں نہیں لکھا جا سکتا اور نہ ہی جانکاری کے ذخیرہ میں رکھا جا سکتا، یہ صرف پچھلے 90 دنوں میں عملی طور پر کام کرنے والے انجینئرز کے دماغ میں پیدا ہوتا ہے۔

تو اگلی بار جب کوئی کہے کہ "FDE تو نئی ورژن ایسنزر ہے"، تو اس طرح جواب دیں: ایسنزر کے انجینئرز客户的 پروسیجرز کو دوبارہ ڈیزائن کرنے جاتے ہیں، جبکہ FDE ماڈل کی سرحدوں کو دوبارہ سمجھنے جاتا ہے۔ پہلے کے اثاثے دس سال تک مستحکم رہ سکتے ہیں، جبکہ دوسرے کے اثاثے 90 دن بعد دوبارہ ترقی کرنا پڑتے ہیں۔

اگر "FDE نئی نسخہ ایسنزر ہے" پہلا غلط فہمی ہے، تو "FDE مہنگا سافٹ ویئر آؤٹ سورسنگ ہے" دوسرا ہے۔ یہ سطح زیادہ گمراہ کن ہے کیونکہ ظاہری شواہد بہت زیادہ لگتے ہیں: FDE واقعی صارفین کے مقام پر کوڈ لکھتا ہے، واقعی صارفین کے کاروبار کے مطابق فنکشنز کو کسٹمائز کرتا ہے، اور واقعی صارفین کے کام کے وقت کے مطابق کام کرتا ہے۔ ایک نظر میں، یہ آؤٹ سورس انجینئرز سے کوئی فرق نہیں رکھتا۔

لیکن صرف فیڈ بیک لوپ کو دیکھ کر ہی فرق واضح ہو جاتا ہے۔

اس تصویر میں سب سے اہم فرق اس بات میں نہیں کہ تصویر کا اوپری حصہ کتنا آسان ہے، بلکہ تصویر کے نیچے والے حصے میں ماڈل کمپنی تک جانے والی ایک ردعمل کی کڑی کا ہونا ہے۔ یہ کڑی سجاوٹ نہیں ہے، بلکہ FDE پوزیشن کے وجود کا اصل سبب ہے۔ اس فرق کو الگ الگ دیکھیں تو کم از کم چار جوڑے مقابلہ ہیں۔

جس چیز کو جوڑا جا رہا ہے وہ الگ ہے۔ باہری فریق SOW جوڑتا ہے — ایک وضاحت شدہ ضروریات کی فہرست جو معاہدے پر دستخط کرنے سے پہلے ہی تعریف کر دی گئی ہوتی ہے: کون سے فنکشنز بنائیں، کون سا ٹیکنالوجی اسٹیک استعمال کریں، کس معیار پر قبولیت کا جائزہ لیا جائے، اور خلاف ورزی پر کیا معاوضہ دیا جائے۔ FDE mission جوڑتا ہے — کلائنٹ خود بھی نہیں جانتا کہ وہ کیا چاہتا ہے، صرف یہ جانتا ہے کہ "AI کو میری مدد کرنی چاہیے۔" SOW کی بنیاد یقینیت پر ہے، جبکہ mission کی بنیاد تلاش پر ہے۔ دونوں کا پروجیکٹ شروع کرنے کا انداز بالکل مختلف ہے۔

دائرہ کار مختلف ہے۔ آؤٹ سورس کیا جانے والا کام محدود تحویل ہوتا ہے — ایک ماڈیول، ایک ویب سائٹ، ایک ڈیٹا پائپ لائن، جسے مکمل کر کے پیک کر دیا جاتا ہے اور پھر اگلے کلائنٹ کی طرف منتقل ہو جاتا ہے۔ FDE ایک مکمل حلقہ کام کرتا ہے — بزنس کی پریشانیوں سے شروع کرتے ہوئے، ماڈل کے انتخاب تک، مصنوعات کی شکل کے ڈیزائن تک، اور پھر لانچ کے بعد حقیقی صارفین کی ریٹینشن اور چر کے تک۔

چارج کا طریقہ مختلف ہے۔ یہ سب سے زیادہ غیر متوقع بات ہے۔ ایک ماڈل کمپنی اپنے FDE کو کسٹمر کے مقام پر بھیجتی ہے، جس کا نہ صرف اس پروجیکٹ سے کتنی کنسلٹنگ فیس حاصل ہوگی، بلکہ یہ بھی دیکھتا ہے کہ اس کسٹمر کا اگلے دور میں کتنے ٹوکن استعمال ہوں گے؟ کیا وہ ریٹینشن کسٹمر بنے گا؟ کیا وہ مزید بزنس لائنز تک وسعت پائے گا؟ FDE کا اصل KPI، پروجیکٹ کی تصدیق پر لکھا گیا عدد نہیں، بلکہ ماڈل ٹوکن کی لمبے عرصے تک کی استعمال کی منحنی ہے۔

فیڈ بیک کی جگہ الگ ہے۔ یہ چار گروپوں میں سب سے گہرا گروپ ہے۔ باہر کے منصوبوں میں، کلائنٹ کا فیڈ بیک صرف باہر کی کمپنی تک ہی پہنچتا ہے اور اس کمپنی کے مستقبل میں دوسرے لوگوں کو بیچنے والے مصنوعات پر کوئی اثر نہیں ڈالتا۔ FDE کا فیڈ بیک مدل کمپنی کے روڈ میپ میں واپس آتا ہے — صارفین کے حقیقی سیناریوز میں ملنے والی ہر پریشانی، ہر پرامپٹ ناکامی، اور ہر ٹول کال کی خرابی، اگلے ورژن کے ٹریننگ ڈیٹا، اگلے ورژن کے ٹول ڈیزائن، اور اگلے ورژن کے پروڈکٹ فنکشنز کے لیے ان پٹ بن جاتی ہے۔ یعنی، مدل کمپنی کے لیے، ہر FDE ڈپلوئمنٹ والے صارف ایک قدرتی ڈیزائن پارٹنر بھی ہوتا ہے۔

یہی وہ اصل وجہ ہے کہ مدل کمپنیاں FDE کو بلند تنخواہ دینے کے لیے تیار ہوتی ہیں۔ وہ صرف ایک سروس فروخت نہیں کر رہیں، بلکہ اپنے صارفین کے مقامات پر حقیقی دنیا کے مصنوعات کے سگنلز جمع کر رہی ہیں۔ یہ سگنلز خریدے نہیں جا سکتے، نہ ہی حاصل کیے جا سکتے ہیں، نہ ہی سروے کے ذریعے نکالے جا سکتے ہیں — یہ صرف ایک خاص انجینئر کے ذریعے حاصل ہوتے ہیں، جو ایک خاص صارف کے کام کے عمل میں کچھ بار دیواروں سے ٹکرا کر انہیں واپس لاتا ہے۔

کیا آپ جانتے ہیں کہ OpenAI اور Anthropic کے FDE ٹوٹل کمپنیشن کتنے ہو سکتے ہیں؟ Levels.fyi پر Anthropic کے سافٹ ویئر انجینئرز کے علیحدہ ڈیٹا [8] کے مطابق، تجربہ کار SDE کا میڈین ٹوٹل کمپنیشن اب \$710K تک پہنچ چکا ہے۔ FDE کا عہدہ زیادہ خطرناک ہے — نہ صرف ماڈل کی صلاحیتوں کی عدم یقینیت، بلکہ صارفین کے کاروبار کی عدم یقینیت اور پروڈکٹ فارمیٹ کی عدم یقینیت کا سامنا بھی کرنا پڑتا ہے، اس لیے صنعت کے جائزے [9] میں بتایا گیا ہے کہ فرنٹیر AI لیبارٹریز میں FDE کے سینئر لیولز کا ٹوٹل کمپنیشن عام طور پر 350K - 550K کے درمیان ہوتا ہے، جبکہ Staff لیول اور اس سے اوپر کے لیولز \$630K+ تک پہنچ سکتے ہیں۔ یہ رقم صرف “بائیٹ آؤٹ گھنٹوں” کے لیے ادا نہیں کی جا رہی، بلکہ “پروڈکٹ + صارف + ماڈل” تینوں خطرات کو اکٹھا اٹھانے والے کو ادا کی جا رہی ہے۔ > 2006ء کو واپس جائیں، جب میرا شروعاتی کام شروع ہوا، میں ایک مرکزی خصوصی شرکت میں ملازم تھا، جس وقت ہم اطلاعاتی تبدیلی پر تھے، اس دوران ہمارے گروپ نے ایکسنزر کے مشیروں کو ملازمت دلائی، جس کے لیے گروپ کو روزانہ 3500 روپے مشاورت فees ادا کرنے پڑتے تھے، جو کچھ سالوں تک رہے، اور انہیں وقت کے میڈیا نے “گولڈن کالر” کہا۔ میرا بعد میں جرمن SAP کمپنی میں منتقل ہونا پڑا، SAP نے مشاورت صنعت کا ایک نام تعریف کر دیا، اور SAP مشیر “گولڈن کالر” کا علامت بن گئے۔ اس طرح دکھائی دे�تا ہے کہ FDE کا تنخواہ کم از کم 24-36 ماہ تک مستقل طور پر بڑھتा رہے گا، اور مانگ بھی مستقل طور پر بڑھ رہی ہے۔

بیرونی تنصیب طاقت کا استعمال ہے، جبکہ FDE فرنٹ لائن سینسر ہے۔ ان دو چیزوں کو الگ نہ رکھنا، گاہک کو یہ غلط فہمی دے دے گا کہ وہ FDE کو SOW کے ذریعے ملازمت دے سکتے ہیں، اور امیدوار بھی FDE کے لیے بیرونی تنصیب کے طریقے سے کام کریں گے۔ دونوں طرف جلد ہی دیوار سے ٹکرا جائیں گے۔

بہت سے لوگوں کو یہ غلط فہمی ہے کہ FDE اس لفظ کو OpenAI نے ایجاد کیا ہے۔ اصل میں نہیں۔ اس کی دو تاریخی جڑیں ہیں، ایک Palantir سے اور دوسری 2023 کے بعد کی نئی نسل کی مدل کمپنیوں سے۔ ان دو جڑوں کو ایک ساتھ دیکھنے سے آپ FDE کے عہدے کے اصل کام کو بہتر طور پر سمجھ سکتے ہیں۔

سب سے پہلے ایک وقت کی لکیر دیکھیں۔

پہلا ریڈیکل پالنٹر ہے۔

پالنٹیر کو 2003 میں پیٹر تھیل، الیکس کارپ، جو لونسڈیل سمیت دیگر نے قائم کیا، اور اس کے ابتدائی صارفین امریکی خفیہ ادارے تھے۔ کارپ کے پاس CS کا کوئی پس منظر نہیں تھا — وہ فرانکفرٹ میں فلسفی یورگن ہیبرماس کے ساتھ ڈاکٹریٹ کی تعلیم حاصل کر رہے تھے، اور امریکہ واپس آنے کے بعد تھیل نے انہیں سی ای او کے طور پر شامل کیا۔ FDE کا عہدہ بالکل اس "غیر معمولی سی ای او + انتہائی خفیہ صارفین" کے ترکیب سے پیدا ہوا: 36Kr کے جائزے [10] میں واضح طور پر لکھا گیا ہے کہ پالنٹیر کو ابتدائی طور پر خفیہ اداروں نے بہت تنقید کی، کیونکہ انجینئرز کو حقیقی بزنس سیناریوز تک رسائی نہیں مل رہی تھی، اور ضرورتیں متعدد ترجموں کے بعد بگڑ چکی تھیں۔ بعد میں پالنٹیر نے ایک بات معاہدہ کی — اپنے انجینئرز کو صارف کے مقام پر بھیجنا، جہاں وہ خفیہ تجزیہ کاروں کے ساتھ مل کر کام کریں۔ یہ ماڈل بعد میں شیام سانکر نے نظام بنا دیا، جو FDE کا ابتدائی روپ بن گیا۔

2009 تک، FDE کو تجارتی شعبے میں وسعت دی گئی۔ جے پی مورگن نے Palantir کے Metropolis پلیٹ فارم کو لاگو کرتے ہوئے، 120 FDE اندر کے خطرات کی نگرانی کے لیے مقرر کیے گئے۔ اس وقت سے، FDE صرف "انجینئرز کو میدان میں بھیجنا" نہیں رہا، بلکہ ایک منظم客户 انڈر امبدڈنگ اسٹریٹجی بن گیا: Foundry / Gotham کو صرف لائسنس دے کر نہیں، بلکہ صارف کے کاروباری پروسیس میں حقیقی طور پر شامل کرنا۔

پالنٹیر کی FDE نوکری کے لیے ایک غیر متوقع معیار ہے — CS کی ڈگری کی ضرورت نہیں۔ یہ بات "کیا آپ جانتے ہیں؟" میں شامل کی جا سکتی ہے۔

کیا آپ جانتے ہیں — پالنٹیر FDE کو CS کی ڈگری کی ضرورت نہیں؟ سکل اسکاوتر کی طرف سے تیار کردہ پالنٹیر کی ملازمت کی معیارات [11] اور پالنٹیر کی سرکاری کیریئرز ویب سائٹ [12] کے مطابق، پالنٹیر غیر CS ماہرین کو واضح طور پر خوش آمدید کہتا ہے، اور حالیہ FDE ملازمین میکانیکل انجینئرنگ، معاشیات، فلسفہ جیسے شعبوں سے تعلق رکھتے ہیں۔ اس کے لیے حقیقت میں دو چیزوں پر زور ہے: ناقص معلومات میں بھی کام کرنے کی صلاحیت، اور سی لیول کے صارفین کے ساتھ براہ راست بات چیت کرنے کی صلاحیت۔ CS ڈگر ایک اضافی فائدہ ہے، نہ کہ داخلے کا ذریعہ۔ کارپ خود اس معیار کا پہلا نمونہ تھا — ایک فلسفہ پڑھنے والا سی ای او، جس نے فزکس، ریاضی اور فلسفہ پڑھنے والے FDEs کا ایک گروہ ترتیب دیا۔

دوسرا جڑ 2023 کے بعد کی نئی نسل کی مدل کمپنی ہے۔

چیٹ جی پی ٹی کے 2022 کے آخر میں جاری ہونے کے بعد، اوپن اے آئی نے جلد ہی ایک بات سمجھ لی: مدل کے API کو دستاویزات پر لگا کر صارفین کو خود جوڑنے کے لیے چھوڑنا، بالکل بھی کام نہیں کر رہا تھا۔ صارفین استعمال نہیں کرنا چاہتے تھے، بلکہ انہیں نہیں معلوم تھا کہ اسے کیسے استعمال کریں—ان کے پاس کاروباری مسائل تھے، لیکن مصنوعات کا کوئی فارمیٹ نہیں تھا۔ اس لیے اوپن اے آئی، اینتھرپک، کوہیر، اسکیل، گلین، سیریئرا، ہیبیا، اور ڈیکاگن جیسی کمپنیاں، FDE کو بڑے پیمانے پر ملازمت دینا شروع کر دیں۔

اس لہر میں FDE Palantir کے ایکشن پلے کو سیکھ رہا ہے — انجینئرز کو صارفین کے مقام پر بھیجا جاتا ہے تاکہ ایک مکمل ورک فلو کو انجام دیا جا سکے۔ لیکن پروڈکٹ کا ذریعہ بالکل مختلف ہو چکا ہے: Palantir کے دور میں FDE کا کام ڈیٹا انٹیگریشن اور UI کسٹمائزیشن تھا، جبکہ نئی نسل کے FDE کا کام پرومپٹ ڈیزائن، ایجینٹ آرگنائزیشن، ٹولز کا استعمال، اور ورک فلو کا انڈیمبڈمنٹ ہے۔

پرگماتک انجینئر کے FDE کے بارے میں مضمون [13] میں اس نئی نسخے کو "اینٹرپرائزز کے ساتھ ڈالا گیا تاکہ کلاؤڈ حقیقی، خاص اور اعلیٰ قیمت والے مسائل حل کرے" کہا گیا ہے — جو پالینٹر کے وقت کے تصور کے تقریباً مطابق ہے، صرف "ڈیٹا" کو "موڈل" سے بدل دیا گیا ہے۔

ان دو جڑوں کو ایک ساتھ دیکھ کر، آپ ایک واضح مشترکہ نکات اور فرق کا اندازہ لگا سکتے ہیں۔

مشترکہ نقطہ: صارفین سافٹ ویئر نہیں خرید رہے ہیں۔ صارفین "میرے مسائل حل کرنے والے انجینئرز + ٹولز کا مجموعہ" خرید رہے ہیں۔ گزشتہ تیس سالوں کی کاروباری سافٹ ویئر کی تاریخ میں یہ بات غیر معمولی تھی۔ SAP، Oracle، Salesforce صرف سافٹ ویئر فروخت کرتے تھے — انجینئرز صرف "صارفین کو اس سافٹ ویئر کو استعمال کرنے میں مدد کرنے" کے لیے معاون وسائل تھے۔ Palantir اس کا اُلٹا ہے: ٹولز صرف "FDE کو صارف کے پاس مسائل حل کرنے میں مدد دینے" کے لیے موجود ہیں۔ نئی نسل کی ماڈل کمپنیاں اس الٹا رشتہ جاری رکھتی ہیں — OpenAI GPT-4 کا لائسنس نہیں بیچ رہا، بلکہ "ہمارے FDE GPT-4 کا استعمال کرکے آپ کے کسٹمر سپورٹ کو آٹومیٹ کر سکتے ہیں"۔

فرق: پالنٹیر کے دور میں OPS اندماج پر زور — اہم باتیں ڈیٹا اندماج، اوبجیکٹ ماڈلنگ، اور اجازت کے انتظام پر ہیں۔ نئی نسل مدل کی صلاحیتوں کے عملی اطلاق پر زور دیتی ہے — اہم باتیں پرامپٹ ڈیزائن، ایجنٹ کی ترتیب، اور ریٹینشن کے بہترین طریقوں پر ہیں۔ پہلا نظام اندماج کرنے والے کا ترقی یافتہ ورژن ہے، جبکہ دوسرا مصنوعات انجینئر کا وسیع تر ورژن ہے۔

آخر مزیدار بات یہ ہے کہ Palantir کے ابتدائی FDE افراد میں سے بہت سے بعد میں کاروباری قائم کرنے والے بن گئے، یا براہ راست نئی نسل کی مدل کمپنیوں میں شامل ہو گئے۔ Anthropic، OpenAI، Sierra، اور Hebbia کے ابتدائی ٹیم میں، ex-Palantir کے ناموں کی لمبی فہرست دیکھی جا سکتی ہے۔ یہ مصادفہ نہیں ہے — FDE کا عہدہ خود اس بات پر مجبور کرتا ہے کہ آپ ایک ساتھ پروڈکٹ کا خطرہ، صارفین کا خطرہ، اور انجینئرنگ کا خطرہ اٹھائیں، جو تقریباً ایک کاروبار قائم کرنے والے کی تربیت ہے۔ مصنف Palantir کو ایک ایکسٹریم کاروباری ٹریننگ کیمپ کے طور پر دیکھنا پسند کرتا ہے: یہ صرف انجینئرز نہیں، بلکہ ایک ایسی ٹولی پیدا کرتا ہے جو ناقص معلومات میں بھی کسی چیز کو صفر سے ایک تک لے جانے کا طریقہ جانتی ہے۔ دونوں جڑیں 2023 کے بعد مل گئیں۔

دو جڑوں کا ادغام زیادہ تر بیرون ملک ہوتا ہے۔ گھریلو سطح پر، FDE کا لفظ تازہ ہے، لیکن اس کے متعلقہ کاموں کا وجود نئی بات نہیں۔ گھریلو FDE کو سمجھنے کے لیے، پہلے اس کے دو مقامی ابتدائی روپوں کو سمجھیں، اور پھر اس کے امریکی ورژن سے تین ماحولیاتی فرق کو دیکھیں۔

دو مقامی اسلاف

پہلا پیشہ ورانہ کردار کلاؤڈ فراہم کنندہ کے سولیوشن آرکیٹیکٹ تھا۔ الی باب، تینگ یون، اور ہواوی کلاؤڈ نے پچھلے دس سالوں میں ایک مکمل سولیوشن آرکیٹیکٹ (SA) ٹیم تیار کی ہے، جو صارفین کو آرکیٹیکچر کے بارے میں بتاتی ہے، POC تیار کرتی ہے، موشن اسکیم بناتی ہے، اور لانچ تک کے ڈیلیوری میں مدد کرتی ہے۔ ہواوی کے اندر ایک خاص "ڈیلیوری انجینئر" سلسلہ بھی موجود ہے جو منصوبوں کو صارف کے ڈیٹا سینٹر میں لاگو کرنے کا ذمہ دار ہے۔ یہ نظام FDE کام کا 80% پورا کر چکا ہے، لیکن اس کا مرکز اب بھی پری سیل اور ڈپلومنٹ پر ہے — مکمل پروڈکٹ اٹیریشن کا ذمہ SA کے ہاتھ میں نہیں ہے، اگر ضرورت تبدیل ہو تو تبدیلی کا عمل درجہ بند کرنا پڑتا ہے، اور اگر ماڈل تبدیل ہو تو صرف سرکاری روزنامچہ کا انتظار کرنا پڑتا ہے۔

دوسرا اس لیے نکلا ہے جو AI اسٹارٹ اپ میں نئی طرح کی سلسلہ واری ہے۔ MiniMax نے BOSS زیپنڈ پر "AI پری سیل سولیشن اسپیشلسٹ" کا عہدہ لگایا ہے، اور مینی ڈارک سائیڈ، زہی پو، تونگ ی، ہون یوان جیسی ماڈل کمپنیاں بھی اسی قسم کے عہدے لگا رہی ہیں۔ نام میں تھوڑا فرق ہے، لیکن JD کا مواد بہت زیادہ مشابہ ہے: صارفین کے سیناریوز کو سمجھنا، ڈیمو بنانا، پرامپٹ کو ایڈجسٹ کرنا، RAG چلانا، ڈیلیوری سولیشن لکھنا، اور صارفین کے انجرنگ ٹیم کے ساتھ جڑنا تاکہ پروجیکٹ لائیو ہو جائے۔ یہ عہدے حقیقی معنوں میں "چین کے FDE" ہیں۔

تین مٹی اور پانی کے فرق

انفرادی ڈیپلویمنٹ اور ڈیٹا کمپلائنس نے صرف ماڈل کال کے موڈ کو دب دیا۔ چینی B2B کسٹمرز کی ڈیٹا کے ڈومین کے باہر نکلنے، ماڈل وزن کے قابو میں رکھنے، اور آڈٹ کے قابل رجوع ہونے کی درخواستیں امریکی مارکیٹ کے مقابلے میں بہت زیادہ ہیں۔ ایک FDE پروجیکٹ میں، صرف API کال اور پرومپٹ چلانے کا کام شاید صرف تین فیصد ہو، جبکہ باقی سات فیصد کام کسٹمر کے آفس میں ماڈل منتقل کرنا، اتھارائیزیشن کو سمجھنا، ڈیٹا مڈل وئیر سے جوڑنا، اور کمپلائنس رجسٹریشن کرنا ہوتا ہے۔

ماڈل کی صلاحیتیں اب بھی SOTA کے ساتھ پیچھے ہیں، اور یہ صرف انجینئرنگ لیول تک محدود ہو گئی ہیں۔ امریکہ کے OpenAI اور Anthropic کے پاس ماڈل کی صلاحیت کو خود کامیاب بنانے کا موقع ہے؛ جبکہ چین کے Tongyi، Doudou، Kimi، GLM، اور DeepSeek کی صلاحیتوں میں فرق کم ہے، اس لیے صارفین کا فیصلہ زیادہ تر Agent کی ترتیب، RAG ریٹریول کی معیار، ٹولز کا اندماج، اور Workflow ڈیزائن جیسے انجینئرنگ صلاحیتوں پر ہوتا ہے۔ چین میں FDE کا مقابلہ “میرا ماڈل کتنے طاقتور ہے” نہیں، بلکہ “کیا میں اس بزنس کو حقیقی طور پر کامیاب بنانے میں کامیاب ہو سکتا ہوں” پر ہے۔

B اندوز کی ادائیگی کی خواہش اور قیمت ڈالنے کا رخ امریکہ سے مطابقت نہیں رکھتا۔ پالینٹر کا "سب سے پہلے FDE بھیجیں، پھر اعلیٰ قیمت والی سبسکرپشن کاٹیں" کا ماڈل براہ راست نقل نہیں کیا جا سکتا۔ گھریلو صارفین کا بجٹ سالانہ خریداری پر منحصر ہے، ادائیگیاں منصوبہ بنیادی ہوتی ہیں، اور FDE کا تجارتی ماڈل عام طور پر سبسکرپشن + نجی لائسنس + منصوبہ تحویل کا مجموعہ ہوتا ہے۔

ایک منفرد پوزیشننگ: انٹرنل FDE

بہت سے بڑی کمپنیوں کے اندر AI ٹیمیں "اندر کے صارفین" کو FDE ماڈل کے ذریعے سروس فراہم کرنا شروع کر چکی ہیں۔ علی بابا کلاؤڈ PAI نے ٹی آلی بابا میں انجینئرز بھیج دیے ہیں، اور تینگن ہونگ یون کے پاس بھی وی چیٹ اور اشتہار کے شعبوں کے ساتھ جڑنے کا ایک مشابہ مکینزم ہے۔ JD پر "صنعت میں نفاذ انجینئر"، "AI ایپلیکیشن انجینئر"، اور "سمرٹیزڈ بزنس اسپیشلسٹ" درج ہیں، جو بنیادی طور پر اندر کے FDE ہیں—مڈل ٹیم کی صلاحیتوں کو بزنس سائیڈ تک مکمل طور پر لے جاتے ہیں۔ یہ بڑی کمپنیوں کے لیڈرز کے لیے ایک نئی سوچ فراہم کرتا ہے: صرف کچھ اندر کے FDE بزنس سائیڈ پر مقرر ہو جائیں، پہلا ڈیمو چلائیں، اور ROI کے ڈیٹا کو بزنس کے مالک کے پاس پہنچائیں، تو دس میٹنگز سے زیادہ جلد دفتری دیواریں ختم ہو جائیں گی۔

مصنف نے اپنے پچھلے مضمون "سپر انڈیویڈوؤں کے لیے" [4] میں سپر انڈیویڈوؤں کے پانچ انجنز کے بارے میں بات کی تھی: زبردست حیرت، تلاش اور نوآوری کی خواہش، خود سیکھنے کی صلاحیت، خود متحرک ہونے کی صلاحیت، اور عملی صلاحیت۔ یہ پانچ باتیں FDE کے لیے داخلے کی ٹکٹ ہیں، لیکن ان کے علاوہ بھی کچھ ہے۔ FDE کے عہدے کے لیے پانچ انجنز کے علاوہ کچھ خاص اضافی خصوصیات بھی درکار ہوتی ہیں، اور کچھ قسم کے شخصیات کے لیے یہ عہدہ واضح طور پر مناسب نہیں ہے۔ مصنف نے بہت سے عالِم مهندسین کو FDE میں منتقل ہوتے ہوئے دیکھا ہے جو ماحول کے ساتھ جل نہیں پائے، اور مسئلہ زیادہ تر صلاحیتوں میں نہیں بلکہ شخصیت اور کام کے ترجیحات میں ہوتا ہے۔

FDE کے لیے پانچ صفات

فروخت اور مکالمے سے نہ گھبرائیں۔ FDE کا روزمرہ کا کام دروازے بند کرکے کوڈ لکھنا نہیں، بلکہ صارفین کے CTO، بزنس لیڈرز، خریداری، کمپلائنس اور IT ٹیم کے ساتھ براہ راست تعامل کرنا ہے۔ ایک عام رفتار: جب صارف کا CTO ڈیمو کے درمیان آپ کو روک دے، تو FDE کا جواب “میں واپس جاکر اگلے ہفتے ایک نئی ورژن لے کر آتا ہوں” نہیں ہونا چاہیے، بلکہ وہ فوراً IDE کھول کر Prompt تبدیل کرے اور اسے دوبارہ چلائے۔ “صارف موجود ہے، میں تبدیلی کر رہا ہوں” FDE کی عام صورتحال ہے۔

模糊 علاقے کا لطف اٹھائیں۔ FDE کو واضح PRD نہیں ملتا، بلکہ صرف ایک جملہ ملتا ہے: “ہم AI کا استعمال کر کے کچھ کرنا چاہتے ہیں۔” کلائنٹ خود بھی نہیں جانتا کہ وہ کیا چاہتا ہے، اس لیے FDE کو اس کی اس ادھوری توقع کو واضح شکل دینے میں مدد کرنی پڑتی ہے۔ اگر آپ صرف واضح ضرورت کے وقت ہی کام شروع کرتے ہیں، تو FDE آپ کو روزانہ پریشان کرتا رہے گا۔

انجینئرنگ کی صلاحیت مضبوط ہو لیکن 10x ہونے کی ضرورت نہیں۔ FDE کو آپ کو کمپنی کا سب سے صاف کوڈ لکھنے والا یا سب سے گہرا الگورتھم استعمال کرنے والا شخص ہونے کی ضرورت نہیں، اسے صرف ایک مکمل عملی نظام چلانا ہے: فرانت اینڈ ایک قابل کلک ویب پیج بنائے، بیک اینڈ ایک قابل چلنے والی سروس تیار کرے، اور ماڈل کو بزنس ڈیٹا سورس سے جوڑ دے۔ FDE کی دنیا میں، "لگ بھگ ٹھیک ہے" خرابی نہیں، بلکہ ایک فضیلت ہے۔

تفصیلات کے ذریعے بہتر بننے کو پسند کرتے ہیں۔ FDE کے کام میں بہت سے ایسے لمحے ہوتے ہیں جہاں کسی کلائنٹ کی طرف سے "یہ میرا مطلب نہیں تھا" کہہ کر دوبارہ شروع کرنا پڑتا ہے: آج کا ڈیمو کل بزنس ٹیم کی طرف سے "یہ میرا مطلب نہیں تھا" کہہ دیا جاتا ہے؛ پچھلے ہفتے جو منصوبہ متفق کیا گیا تھا، اس ہفتے کلائنٹ نے ایک نیا اعلیٰ انتظامیہ تبدیل کر دیا اور دوبارہ بنانا پڑا۔ FDE کے لیے مناسب لوگ اس قسم کی فیڈ بیک کو ایندھن کی طرح استعمال کرتے ہیں، مکمل ذمہ داری سنبھالتے ہیں اور "ضرورت والوں نے واضح نہیں بتایا" کا بہانہ نہیں بناتے۔

ماڈل کی سرحدوں کے لیے حساس۔ یہ سب سے ٹیکنیکل اور سب سے غیر واضح نقطہ ہے۔ FDE کو یہ فیصلہ کرنا ہوگا کہ کون سا کام LLM کے لیے مناسب ہے اور کون سا نہیں، اور فیل اوور کیسے کیا جائے — اس حساسیت کو پڑھنے سے نہیں، بلکہ ناکامی کے واقعات سے سیکھا جاتا ہے۔ ناکامی کے نمونوں کے جمع ہوتے ہوئے، FDE کو ماڈل کی سرحدوں کے لیے عضلانی یادداشت ترقی ہوتی ہے: کس صورتحال میں RAG استعمال کرنا چاہیے، کس صورتحال میں قواعد پر عمل کرنا چاہیے، اور کس صورتحال میں انسان کے لیے فیل اوور کا راستہ ضروری ہے۔

FDE کے لیے مناسب نہیں چار قسم کے لوگ

کوڈ کے پیچھے چھپنا پسند کرنے والے صرف ٹیکنیکل ٹائپ۔ FDE کا تقریباً 50% وقت کوڈ لکھنے کے بجائے کلائنٹ میٹنگز، اندر کی کوآرڈینیشن، پروڈکٹ دلائل اور معاہدوں کو آگے بڑھانے پر گزرتا ہے۔ اگر آپ کی خوشی کا ذریعہ چار گھنٹے تک کسی کے بeaکھ کے بغیر کوڈ لکھنا ہے، تو FDE آپ کو لمبے عرصے تک ذہنی تھکاوٹ میں مبتلا رکھے گا۔

OKR کے بغیر کام نہیں کر سکتے۔ FDE کے اہداف صارفین کے پاس ہوتے ہیں، آپ کی پرفارمنس کے اسکور کارڈ پر نہیں۔ کام کی پیش رفت صارفین کے منصوبوں کے نوڈس، ماڈل کی صلاحیتوں میں تبدیلی، اور آپ کے سیناریو کے بارے میں اپنے جائزے کے مجموعے سے طے ہوتی ہے۔ "پہلے OKR چاہیے، تب پتہ چلے گا کہ کیا کرنا ہے" کی عادت رکھنے والے لوگوں کو اپنا اینکر نہیں ملے گا۔

کام کی بجائے "ترقی" کو زیادہ اہمیت دینے والے۔ FDE کو بڑی کمپنیوں کے ترقی کے نظام میں کوئی فائدہ نہیں ہے — صارف کی خوشی، منصوبوں کے دستخط، اور دوبارہ استعمال کی شرح جیسے اشارے، کوڈ کی مقدار یا ڈپلویمنٹ کی تعدد کے مقابلے میں رینکنگ جائزے میں کم اہمیت رکھتے ہیں۔ اگر آپ کے کام کے اہداف میں ترقی سب سے پہلے ہے، تو FDE اچھا انتخاب نہیں ہے۔

جس شخص کو تجارتی ماحول سے نفرت ہے، وہ FDE کو سمجھنا چاہیے کہ صارفین کا منافع و نقصان (P&L)، ROI، خرید کی عملدرآمد، اور مطابقت کی ضروریات کو سمجھنا ضروری ہے۔ اگر آپ کو پیسے، معاہدوں، اور تجارتی منطق پر بات کرنے سے فطری طور پر نفرت ہے، تو FDE کا کام آپ کو اپنی ٹیکنالوجی کی خواہشات کو بیچنے کا احساس دلائے گا۔

خود جانچ کی فہرست

7 سوالات، جو FDE کے 7 حقیقی کام کے مناظر سے متعلق ہیں۔ اگر آپ 5 یا زیادہ “ہاں” کے جواب دیتے ہیں، تو FDE پر غور کریں، اگر 3 یا کم جوابات “ہاں” ہیں، تو سوچ سمجھ کر فیصلہ کریں۔

کیا آپ ہر روز کے 50% وقت کو کوڈنگ سے صارف میٹنگز، پیغامات اور فون کالز پر منتقل کرنا چاہیں گے؟

2. جب صارف آپ کو بتائے کہ "یہ کام نہیں کر رہا، میں نہیں جان سکتا کہ کیوں" تو آپ کی پہلی پردہ کیا ہوتی ہے — حیرت، نہ کہ بے صبری؟

کیا آپ ایک ہفتے میں کلود کوڈ کے ساتھ ایک صارف کے لیے دکھانے کے قابل پروٹوٹائپ چلا سکتے ہیں جبکہ کسی نے آپ کے لیے پی آر ڈی نہیں لکھی؟

4. ایک ہی ڈیلیوری کے لیے، کلائنٹ نے آپ سے 8 ورژن تبدیل کرنے کو کہا، کیا آپ اپنا ججمنٹ برقرار رکھ سکتے ہیں، صرف مکینیکل طور پر انجام نہیں دے رہے؟

5. جب ماڈل غلط جواب دے، تو آپ کی پہلی 반응 فیل بیک ڈیزائن کرنا ہے یا ماڈل کو الزام دینا ہے؟

کیا آپ معاہدہ پر دستخط کرنا، رپورٹ تیار کرنا، صارفین کی تصدیق کے لیے جانا اور قانونی شرائط کے لیے قانونی ٹیم کے ساتھ ملنا چاہیں گے؟

کیا آپ تیز رفتار پروٹوٹائپ اور تیز رفتار ناکامی کو قبول کر سکتے ہیں؟

پانچ خصوصیات، چار قسم کے الٹ تصویر، اور سات خود جانچ کے سوالات، آخرکار ایک ہی سوال پر مبنی ہیں: کیا آپ اپنے پروڈکٹ احساس، انجینئرنگ صلاحیت اور تجارتی فیصلہ سازی کو ایک ہی ورک فلو میں одно ساتھ بہتر بنانے کو تیار ہیں؟

مصنف نے اپنے پچھلے مضمون میں "انسانی انجن" پر بحث کی تھی: حیرت، تلاش کی خواہش، خود سیکھنے کی صلاحیت، خود متحرک ہونے کی صلاحیت، اور عملی صلاحیت، اور یہ کہ انہیں بڑی کمپنیوں کے اندر کیسے مکمل طور پر فروغ دیا جا سکتا ہے۔ اس مضمون میں ہم ایک اور بات پر بحث کر رہے ہیں — نوکری کی شکل۔ FDE AI صنعتی انقلاب کا پہلا ایسا نیا نوکری کا فارمیٹ ہے جس کا نام ہے، اس کے لیے تنخواہ کا طیف ہے، ملازمت کا جاب ڈسکرپشن ہے، اور صارفین کی طرف سے ادائیگی کے ذریعے تصدیق ہو چکی ہے۔ یہ "سوپر انفرادی" کے مترادف نہیں ہے، بلکہ اس تبدیلی کے دوران پہلا ایسا نقطہ ہے جو خالص طور پر حقیقت میں تبدیل ہوا ہے۔

FDE ختم نہیں ہے۔ مصنف کا خیال ہے کہ FDE صرف نئے تقسیم کام کا پہلا نام دیا گیا形态 ہے۔ اس کے بعد Forward Deployed PM، Forward Deployed Designer، Forward Deployed Researcher جیسے عہدے آئیں گے— تمام وہ کام جو صارفین کے منظر نامے سے گہرائی سے جڑے ہوں اور اندھیرے علاقوں میں پروڈکٹ کو وجود دینے کی ضرورت ہو، ان کے اپنے “فوروارڈ ڈیپلویڈ” ورژن ظاہر ہوں گے۔ عہدوں کے نام بدل جائیں گے، لیکن بنیادی منطق ایک جیسا رہے گا: ماڈل کی صلاحیت آگے چلی جاتی ہے، پروڈکٹ کا形态 پیچھے سے پکڑنے کی کوشش کرتا ہے، اور عہدوں کی ساخت کام کے عمل کے مطابق دوبارہ تقسیم ہوتی ہے۔

تین قسم کے مصنفین کے لیے الگ الگ ایک جملہ چھوڑیں۔

ٹیکنیکل لوگوں کے لیے: FDE آپ کو کمپنی میں سب سے زیادہ کوڈنگ کرنے والا بننے کی ضرورت نہیں ہے، لیکن یہ ضروری ہے کہ آپ اپنا نصف وقت کوڈنگ سے صارفین کی طرف منتقل کرنے کو تیار ہوں۔ اگر آپ کا جواب "ہاں" ہے، تو مارکیٹ کا ونڈو ابھی کھلا ہے، اور چین کی ٹاپ مدل کمپنیوں، کلاؤڈ فراہم کنندگان اور بڑی کمپنیوں کے اندر AI ٹیموں کی ملازمتوں میں تیزی سے اضافہ ہو رہا ہے۔ اگر آپ کا جواب "نہیں" ہے، تو اس میں کوئی مسئلہ نہیں، نئے تقسیم کام میں آپ کے لیے دوسرے عہدے بھی نکل آئیں گے۔

ایچ آر اور او ڈی کے لیے: "نام اور حقیقت میں فرق" کے لیے احتیاط کریں۔ آپ کی کمپنی میں شاید پہلے ہی کچھ FDE کام کر رہے ہیں، صرف ان کے عہدے کے کوڈ "حلوں کے ماہر"، "صنعتی ڈیزائنر"، "ای آئی ایپلیکیشن انجینئر" لکھے گئے ہیں۔ انہیں پہچانیں، دوبارہ درجہ بندی کریں، اور ان کے کام کے مطابق ایک ترقی کا راستہ فراہم کریں—نئے لوگوں کو صفر سے بھرتی کرنے کے مقابلے میں یہ زیادہ موثر ہوگا۔

مدیرین کے لیے: FDE ماڈل صرف باہر کے لیے نہیں، بلکہ اندر کے لیے بھی ہو سکتا ہے۔ کمپنی کے اندر کچھ "انڈر فیکٹری FDE" مقرر کریں جو بزنس سائیڈ پر موجود ہوں، اور ماڈل ٹیم کی صلاحیتیں بزنس پروسیس میں ایک ساتھ چلائیں — اس سے نیا AI ڈیپارٹمنٹ بنانے اور دس بار کراس ٹیم کوآرڈینیشن میٹنگز کرانے سے زیادہ موثر ہو سکتا ہے۔ ڈیپارٹمنٹ کی دیواریں تنظیمی ڈیزائن سے نہیں، بلکہ ایک کام کرنے والے ڈیمو سے ختم ہوتی ہیں۔

AI کے دور میں پیشہ ورانہ تبدیلی شروع ہو چکی ہے، FDE اس کا پہلا سگنل ہے جو ہمیں بتاتا ہے کہ ماڈل کی صلاحیتوں میں تبدیلی کی رفتار اتنی تیز ہو چکی ہے کہ نئے عہدے پیدا ہونے لگے ہیں۔ مصنف پڑھنے والوں کو ایک واضح سوال چھوڑنا چاہتا ہے — اگر تین سال بعد آپ کی کمپنی کے ادارکی نقشے پر تین نئے عہدے شامل ہو جائیں، تو آپ کا خیال ہے وہ کون سے ہوں گے؟ اس سوال کو واضح کرنا، اس مضمون کو پڑھنے سے زیادہ فائدہ مند ہوگا۔

👦🏻 مصنف: ہینری (ڈیئرفلو ٹیم) [1]