FDE: اداروں میں AI کے استعمال کو چلانے والا نیا نوکری کا کردار

👦🏻 مصنف: ہینری (ڈیرفلو ٹیم)^[1]

پچھلے ایک ماہ میں میں نے 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 مختصر شکل پوچھی: FDE^[2]کیا اس کے لیے جانا Worth ہے؟

FDE، جس کا مکمل نام Forward Deployed Engineer ہے^[2]یہ دو سال پہلے Palantir کے دائرہ کار میں ایک ٹیکنیکل جargon تھا، آج یہ ریکرٹرز کی شروعاتی بات، ملازمت کے اشتہاروں میں ایک عام عہدہ، اور سوشل میڈیا پر "AI کے دور کا سب سے قیمتی عہدہ" کے امیدواروں میں سے ایک بن چکا ہے۔ OpenAI نے مئی 2026 میں اسی نام سے Deployment Company قائم کیا^[3]ایک ابتدائی سرمایہ کاری 40 ارب ڈالر کے ساتھ، صاف طور پر کہا گیا کہ انہیں اپنے انجینئرز کو صارفین کے آفس میں بھیجا جائے گا اور صارفین کے کام کے عمل میں داخل ہونا ہوگا؛ Anthropic کا Applied AI ٹیم بھی چار ٹائم زونز میں FDE کے لیے اسٹافنگ کر رہا ہے۔ اس بات نے صرف ایک سال سے تھوڑا زیادہ وقت میں اندر کے گپ شپ الفاظ سے واضح الفاظ میں تبدیل ہو گیا۔

میرے پچھلے مضمون 《致超级个体》[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 جاگے جاتے ہیں۔ لیکن انسان عوامی نہیں ہوتا، اسے ایک مخصوص نوکری کے کوآرڈینیٹ سسٹم کو جذب کرنا چاہیے۔ اگر سپر انفرادی AI دور کے پیداواری تعلقات کا “سافٹ ویئر” ہے، 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 باہر کی طرف کے خانے میں۔ یہ سپر انڈیووڈوئل کے قریب ہے — فرق صرف اس بات میں ہے کہ FDE، "ماڈل کمپنی × کلائنٹ" کے درمیان کی خالی جگہ میں منظم سپر انڈیووڈوئل ہے۔

کیا آپ جانتے ہیں — "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 تعینات، قریب سے جواب دینے والی فوجی اکائیوں کو ظاہر کرتا تھا، جبکہ گھر کے بنیادی ڈھانچے پر رہنے والی پیچھے والی اکائیوں کے خلاف۔ پالنٹر نے 2000 کے آخر میں اس لفظ کو سافٹ ویئر صنعت میں داخل کیا، جس میں "انجینئرز کو سرکاری دفتر سے الگ کرکے صارفین کے مقام پر رہنا" کے طریقہ کار کو ظاہر کیا گیا، اور اندر کے ٹیم ناموں کو بھی فوجی ناطق اسکرپٹ کے مطابق ڈیلٹا اور ایکو کہا گیا۔ اب یہ اصطلاح اوپن اے آئی اور اینتھروپک نے دوبارہ حاصل کر لی ہے — یہ صرف تصادف نہیں ہے — انجینئرز کو سامنے کی لائن پر بھیجنا، اس کا بنیادی مقصد کبھی تبدیل نہیں ہوا۔

اس مضمون میں مصنف کے تین مخصوص شکوک کا جواب دیا جا رہا ہے جنہیں اس نے حال ہی میں اپنے چار دوستوں سے پوچھا تھا:

کیا FDE ایک AI کے بیرونی لباس میں ایک مشورتی کمپنی ہے؟ اس کی روایتی مشورت سے کیا سرحد ہے؟

کیا FDE ایک زیادہ جدید سافٹ ویئر آؤٹسورسنگ ہے؟ اور یہ میرے موجودہ کیے جانے والے بائی طرف کے کام سے کیسے مختلف ہے؟

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

مصنف کا موقف محتاط طور پر مثبت ہے: FDE واقعی ابھر رہا ہے، لیکن یہ سب کے لیے تبدیلی کا راستہ نہیں ہے۔ اسے گونجانے سے زیادہ اسے واضح کرنا زیادہ اہم ہے۔

اگر صرف ایک چیز کو FDE کے اس دور کے دوبارہ سامنے آنے کا نشان بنانا ہو، تو مصنف 11 مئی 2026 کو منتخب کرے گا — وہ دن جب OpenAI نے Deployment Company کا اعلان کیا^[5]،COO Brad Lightcap نے اپنی اصل بازاری قطار چھوڑ دی اور خصوصی منصوبوں کے لیے سیم الٹمن کو براہ راست رپورٹ کرنے لگے، جس میں وہ مکمل وقت اس کام پر مامور ہیں۔ اسی ہفتے، OpenAI نے برطانیہ کی AI مشورتی کمپنی Tomoro کو خرید لیا، جس سے 150 فور ورڈ ڈیپلویڈ انجینئرز اور ڈیپلویمنٹ سپیشلسٹس نئی کمپنی میں شامل ہو گئے۔

قابل ذکر ہے کہ OpenAI کی ملازمت کی ویب سائٹ پر ایک ساتھ کئی FDE پوزیشنز لگی ہوئی ہیں: سین فرانسسکو، نیو یارک، واشنگٹن، اور Life Sciences، Semiconductor، Gov جیسے صنعتی شعبوں کے مطابق عمودی سمتیں، حتیٰ کہ FDE بھرتی افسر^[6]یہ ملازمتیں ابھی بھی خالی ہیں۔ تجزیہ کاروں کے مطابق، یہ ٹیم تین سال میں 2000–4000 افراد تک پھیل جائے گی۔ یہ ایک تحقیقی گروپ کا سائز نہیں، یہ ایک معمولی فوج ہے۔

اینٹروپک کی طرف سے تقریباً ایک مرآت کا عمل ہے۔ اپلائیڈ AI ٹیم کے تحت فارورڈ ڈیپلویڈ انجینئر کا عہدہ^[7]بیستن، نیو یارک، سیاتل، سین فرانسسکو، واشنگٹن اور لندن میں ایک ساتھ جاری کیا گیا، جس میں 25%–50% صارفین کو مقامی سفر کی ضرورت ہے۔ ایک حالیہ بار بار حوالہ دیا گیا مثال فنانشل ٹیکنالوجی کمپنی FIS ہے — جس نے اپنے اعلان میں براہ راست لکھا ہے کہ “Anthropic کا Applied AI ٹیم اور forward-deployed engineers FIS میں شامل ہو چکے ہیں، جو Financial Crimes AI Agent کا ڈیزائن کر رہے ہیں اور FIS کو معلومات منتقل کر رہے ہیں تاکہ وہ بعد میں مزید agent کو خود سے وسعت دے سکے۔”

اس بات میں FDE کے کام کا اصلی پہلو چھپا ہوا ہے۔ یہ پری سیل آرکیٹیکٹ نہیں، SDR نہیں، اور نہ ہی کسٹمر کو ٹریننگ دینے والے ایونجلسٹ ہے۔ یہ وہ انجینئر ہے جو ماڈل لے کر کسٹمر کے کوڈ ریپوزٹری میں رہ جاتا ہے۔ بریڈ لائٹکیپ خود اسے اور بھی صاف کہتے ہیں: "ہمارے کسٹمر ہمیں بتاتے ہیں کہ انہیں pilot سے production تک جانے کی صلاحیت چاہیے۔ Deployment Company ہمارے انجینئرز کو ان کی ٹیم میں شامل کر دیتی ہے اور انہیں فراہم کردیتی ہے تاکہ وہ ڈلیور کر سکیں۔"

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 product اور research میں واپس لاتا ہے، جس سے roadmap پر اثر پڑتا ہے—ایک بار بار غلط ہونے والا tool calling 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 ہے، اور اس کے پیچھے صرف “ہم بھی Palantir کی طرح مشورتی سروسز دینا چاہتے ہیں” جیسا کچھ نہیں ہے۔ یہ ماڈل کمپنیوں کا ایک سگنل کلیکشن ڈیوائس ہے — سب سے زیادہ متراکم کسٹمر پریشانیوں کو صرف اپنے افراد کے موجودگی سے ہی حاصل کیا جا سکتا ہے، اور شراکت داروں کے ذریعے منتقل کردہ تقاضوں میں ہمیشہ ایک درجہ کی دیری ہوتی ہے۔ Anthropic ایک مخلوط راستہ اپنا رہا ہے: ایک طرف FDE کو خود سنبھال رہا ہے، دوسری طرف مشورتی کمپنیوں اور PE ٹائٹن کے ساتھ مشترکہ ڈپلومنٹ نیٹ ورک بنارہا ہے۔ ایک خود مختار پر زور دیتا ہے، دوسرا ایکو سسٹم پر، لیکن دونوں کا مرکزی خیال ایک جیسا ہے: ماڈل کمپنیاں صرف API فراہم کنندگان نہیں رہیں گیں، وہ اپنے انجینئرز کو براہ راست کسٹمر کے پروڈکٹ میں بھیجنا شروع کر دیں گی۔

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

بہت سے لوگ جب پہلی بار FDE کے کام کے بیان کو سنتے ہیں، تو ان کی پہلی پ्रतिक्रियہ یہ ہوتی ہے: "کیا یہ نئی نسل کا میکنزی، ایسنجر نہیں ہے؟"

میں اس تصور کو سمجھتا ہوں۔ 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 ہم آہنگی بنانا — دکھائی دینے والے منظر کے لحاظ سے، FDE اور مشورتی ماہرین ایک جیسے لگتے ہیں۔ لیکن صرف ایک سطح اندر جانے پر، دونوں کا کام کرنے کا طریقہ بالکل مختلف ہوتا ہے۔ مشورتی ماہرین پروسیس کی سرحدیں بیچتے ہیں، جبکہ FDE ماڈل کی سرحدیں بیچتے ہیں۔

ان دوں کو ایک ٹیبل میں ایک ساتھ رکھنے پر فرق فوراً نظر آ جاتا ہے۔

اس جدول میں سب سے زیادہ توجہ دینے کے قابل، "ایسٹس ڈیپریشی ایشن" کی قطار ہے۔

سنتروں کے مشورہ دہندگان کا سب سے زیادہ منافع بخش منطق اثاثوں کی دوبارہ استعمال ہے — کسی بینک کے لیے تیار کی گئی ایک منصوبہ بندی، اگلے کو تھوڑا تبدیل کرکے دوبارہ بیچ دی جاتی ہے؛ ریٹیل صنعت کا ڈیجیٹل پلے بک تینوں کے لیے دوبارہ استعمال کیا جا سکتا ہے۔ یہ پچھلے تین دہائیوں میں Accenture، Deloitte، McKinsey Digital کے بڑھنے کا بنیادی مالیاتی ماڈل ہے۔

FDE کے پاس ایسی اثاثہ نہیں ہے۔ ماڈل کی صلاحیتیں تیزی سے تبدیل ہو رہی ہیں — آج کے لیے مکمل پرومپٹ چین کی ضرورت ہوتی ہے، لیکن اگلے ورژن میں شاید ایک جملہ ہی کافی ہو جائے۔ اس رفتار کے مقابلے میں "طریقہ کار کا تجزیہ" جلد ہی قیمت کھو دے گا۔ اس لیے FDE کو اثاثہ دوبارہ استعمال کرنے کا طریقہ اپنانا نہیں چاہیے، بلکہ ہر بار بند حل کو دوبارہ چلانا ہوگا — ماڈل کے حدود کا دوبارہ جائزہ لینا، ٹول اسٹیک کا دوبارہ انتخاب کرنا، اور پروڈکٹ فارم کو دوبارہ جوڑنا۔ اسے نظر آنے والا غیر موثر طریقہ 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 "致超级个体" میں^[4]اس لفظ کو پہلے ہی وضاحت کیا گیا ہے: ماڈل کی صلاحیت موجودہ پروڈکٹ فارمیٹ سے زیادہ ہے، لیکن اسے حقیقی شکل دینے کے لیے کوئی پروڈکٹ انٹری، اجازت یا سیاق و سباق دستیاب نہیں ہے۔ FDE کے عہدے کی قیمت بنیادی طور پر صارف کے سیناریو میں علیحدہ پڑے ہوئے Overhang کو ایک عملی، چلنے والے پروڈکٹ میں تبدیل کرنا ہے۔ صارفین ماڈل API کے کال کے کوٹے نہیں خرید رہے، بلکہ "کوئی اس پورے Overhang کو میرے بزنس میں حقیقی شکل دے سکتا ہے" کی صلاحیت خرید رہے ہیں۔

یہ "پروجیکٹ سٹرکچر" کی لائن میں فرق کو بھی واضح کرتا ہے۔ پروجیکٹ 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 پہلا افتراض یہ ہے کہ مقصد معاہدہ کرنے سے پہلے پہلے ہی واضح ہو چکا ہے۔

FDE کے منصوبوں میں یہ طریقہ کام نہیں کرتا۔ صارفین سب سے زیادہ یہ کہتے ہیں: "میں جانتا ہوں کہ AI مجھے کچھ کرنے میں مدد کر سکتا ہے، 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 روپ میں تبدیل کر دیتا ہے۔

"ڈیلیوریبل" کی قطار بھی وضاحت کے قابل ہے۔ FDE کے جانے کے بعد، صارف کے سسٹم میں ایک کام کرنے والا فنکشن باقی رہ جاتا ہے — شاید چھوٹا، شاید بے رسمی، شاید کوئی صارف انٹرفیس نہ ہو، لیکن یہ روزانہ کسی کے ذریعہ کال کیا جاتا ہے، تبدیل کیا جاتا ہے، اور تنقید کا نشانہ بناتا ہے۔ مشورہ 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 صارف کے اعلیٰ انتظامیہ کے پاس صرف ایک طریقہ کار کا دستاویز ہوتا ہے۔

"护城河" کا ایک لائن سب سے باریک ہے۔ FDE کی "护城河" ماڈل کی صلاحیتوں کے حدود کا عملی تجربہ ہے — آپ نے اس ماہ کتنے حقیقی صارفین کے سیناریوز چلائے، آپ کو صرف وہی معلوم ہے کہ Claude 4.7 کیا کر سکتا ہے اور کیا Claude 5 کا انتظار کرنا پڑے گا۔ یہ تجربہ پی پی ٹی میں نہیں لکھا جا سکتا اور نہ ہی جانکاری کے ذخیرے میں رکھا جا سکتا، یہ صرف پچھلے 90 دنوں میں 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 صارفین کے عمل کو دوبارہ ڈیزائن کرنے جاتے ہیں، جبکہ FDE ماڈل کی سرحدوں کو دوبارہ سمجھنے جاتا ہے۔ پہلے کے اثاثے دس سال تک جمع ہو سکتے ہیں، جبکہ دوسرے کے اثاثے 90 دن بعد دوبارہ اگنا پڑتا ہے۔

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 سطحی 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 انجینئر سے کوئی فرق نہیں رکھتا۔

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

اس تصویر میں سب سے اہم فرق اس بات کا نہیں کہ تصویر کا اوپری حصہ کتنا آسان ہے، بلکہ تصویر کے نیچے والے حصے میں ماڈل کمپنی تک پھیلی ہوئی ایک ردعمل کی سلسلہ ہے۔ یہ سلسلہ سجاوٹ نہیں ہے، یہ FDE کے عہدے کے وجود کا اصل دلیل ہے۔ اس فرق کو الگ الگ دیکھیں تو کم از کم چار جوڑے مقابلے ہیں۔

چیزیں مختلف ہیں۔ باہری طور پر SOW جوڑنا — 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 قبول کیا جائے، اور معاہدہ توڑنے پر کیا معاوضہ دیا جائے۔ FDE mission جوڑتا ہے — جس میں صارف خود یہ نہیں جانتا کہ وہ کیا چاہتا ہے، صرف اسے معلوم ہے کہ "AI مجھے کچھ کرنے میں مدد کرنا چاہئے۔" SOW کی بنیاد یقینیت پر ہوتی ہے، جبکہ mission کی بنیاد تلاش پر ہوتی ہے۔ دونوں کا منصوبہ شروع کرنے کا طریقہ بالکل مختلف ہے۔

دائرہ کار مختلف ہے۔ آؤٹ سورس کیا جانے والا کام محدود ڈیلیوری 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 کا کام مکمل طور پر انجام دیا جاتا ہے — بزنس کی پریشانیوں سے شروع کر کے، ماڈل کے انتخاب تک، پروڈکٹ فارم کے ڈیزائن تک، اور پھر لانچ کے بعد حقیقی صارفین کی ریٹینشن اور چر 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 آخری خیال صرف اس منصوبے سے کتنی مشورتی فیس حاصل ہو رہی ہے، بلکہ یہ ہے: اس کسٹمر اگلے دور میں کتنے ٹوکن استعمال کرے گا؟ کیا وہ ریٹینشن کسٹمر بنے گا؟ کیا وہ مزید بزنس لائنز تک وسعت دے گا؟ FDE کا اصل KPI، منصوبے کی تصدیق پر موجود 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۔ آؤٹ سورسڈ پروجیکٹس میں، کلائنٹ کا فیڈ بیک صرف آؤٹ سورس کمپنی تک ہی پہنچتا ہے اور اس کمپنی کے مستقبل میں دوسرے لوگوں کو بیچنے والے مصنوعات پر کوئی اثر نہیں ڈالتا۔ فیڈ بیک FDE کا مدل کمپنی کے روڈ میپ میں واپس آ جاتا ہے — صارفین کے حقیقی سیناریوز میں ملنے والی ہر پریشانی، ہر پرامپٹ ناکامی، اور ہر ٹول کال کا بگ، اگلے ورژن کے ٹریننگ ڈیٹا، اگلے ورژن کے ٹول ڈیزائن، اور اگلے ورژن کے پروڈکٹ فنکشنز کے لیے ان پٹ بن جاتے ہیں۔ یعنی، ہر FDE ڈپلوائمنٹ کا صارف، مدل کمپنی کے لیے ایک قدرتی ڈیزائن پارٹنر بھی 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 انہیں حاصل کیا جا سکتا ہے، نہ ہی سروے کے ذریعے نکالا جا سکتا ہے — یہ صرف ایک خاص انجینئر کے ذریعے حاصل ہوتے ہیں، جو ایک خاص صارف کے عمل میں کچھ بار دیواروں سے ٹکرا کر لائے۔

کیا آپ جانتے ہیں کہ OpenAI اور Anthropic کے FDE ٹوٹل باگز کتنے ہو سکتے ہیں؟ Levels.fyi پر Anthropic سافٹ ویئر انجینئر کے علیحدہ ڈیٹا کے مطابق^[8]، سینئر SDE کے کل معاوضے کا درمیانی رقم اب \$710K ہو چکا ہے۔ FDE کے عہدے کا خطرہ زیادہ ہے — مدل کی صلاحیتوں، صارفین کے کاروبار، اور مصنوعات کی شکل کی عدم یقینیت کا سامنا کرنا پڑتا ہے، اس لیے صنعت کا جائزہ لیا جا رہا ہے^[9]ذکر کیا گیا ہے کہ فرنتائر AI لیب FDE میں اعلیٰ سطح کے ٹوٹل پیکیج کا ریٹ تقریباً 350K - 550K ہے، جبکہ اسٹاف لیول سے اوپر کے لوگوں کو \$630K+ تک ملنے کا امکان ہے۔ یہ رقم "بیرونی مزدوری کے گھنٹوں" کے لیے ادا نہیں کی جا رہی، بلکہ "پروڈکٹ + کلائنٹ + ماڈل" کے تین خطرات کے مجموعی ذمہ دار کو ادا کی جا رہی ہے۔ > 2006 کی یاد دہانی کریں، جب میں نے اپنا کام شروع کیا تھا اور کسی مرکزی سرکاری کمپنی میں ملازمت کی تھی، جب ہم اپنے ادارے میں معلوماتی تبدیلی کے عمل پر تھے، اس وقت ہمارے گروپ نے ایکسنزر کے مشیروں کو ملازمت دی تھی، جنہیں روزانہ 3500 یوان ادا کیے جاتے تھے، اور وہ کئی سالوں تک رہے، جنہیں اس وقت کے میڈیا نے "گولڈن کالر" کہا تھا۔ میرے بعد جب میں جرمن SAP کمپنی میں منتقل ہوا، تو SAP نے مشاورت کے شعبے کا ایک نام متعارف کرایا، اور SAP مشیر "گولڈن کالر" کا علامت بن گئے۔ اس طرح دکھائی دیتا ہے کہ FDE کی تنخواہوں میں اگلے 24-36 ماہ تک مستقل اضافہ ہوتا رہے گا، اور ان کی مانگ بھی مستقل طور پر بڑھتی رہے گی۔

آؤٹسورسنگ طاقت کی مالیات ہے، ایف ڈی ای ایک فرنٹ لائن سینسر ہے۔ ان دو چیزوں کو الگ نہ کرنا، گاہک کو یہ غلط فہمی دے گا کہ وہ ایف ڈی ای کو SOW کے ذریعے مقرر کر سکتے ہیں، اور امیدوار بھی ایف ڈی ای کے لیے آؤٹسورسنگ کے انداز میں 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 ٹائم لائن دیکھیں۔

پہلا ریڈیکل Palantir ہے۔

پالنٹیر کو 2003 میں پیٹر تھیل، الیکس کارپ، جو لونسڈیل سمیت دیگر نے قائم کیا، اور اس کے پہلے صارفین امریکی خفیہ ادارے تھے۔ کارپ کے پاس CS کا پس منظر نہیں تھا — وہ فرانکفرٹ میں فلسفی یورگن ہابرماس 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 سر secret صارفین" کے امتزاج سے پیدا ہوا: 36Kr کا جائزہ^[10]اس میں بہت صاف طور پر لکھا گیا ہے کہ Palantir کو شروع میں اطلاعاتی اداروں نے بہت تنقید کی، کیونکہ انجینئرز کو حقیقی کاروباری منظر نامہ تک رسائی نہیں مل رہی تھی، اور جب ضرورتیں متعدد سطحوں پر منتقل ہوئیں تو وہ بگڑ چکی تھیں۔ بعد میں Palantir نے ایک بات حاصل کی — اپنے انجینئرز کو صارف کے مقام پر بھیجنا اور اطلاعاتی تجزیہ کاروں کے ساتھ مل کر کام کرنا۔ یہ ماڈل بعد میں شیام سانکر نے نظام کے ساتھ منظم کیا، جس سے FDE کا آغاز ہوا۔

2009 تک، FDE کو تجارتی شعبے میں وسعت دی گئی۔ جے پی مورگن نے Palantir کے Metropolis پلیٹ فارم کو ڈپلوی کرتے ہوئے، 120 FDE داخلی خطرہ نگرانی کے لیے متعین کیے گئے۔ اس وقت سے، FDE صرف “اینجینئرز کو بھیجنا” نہیں رہا، بلکہ ایک منظم کلائنٹ انڈیپنگ اسٹریٹجی بن گیا: Foundry / Gotham کو کلائنٹ کے بزنس فلو میں حقیقی طور پر ادھار لینا، صرف ایک لائسنس دے کر چلے جانے کے بجائے۔

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

کیا آپ جانتے ہیں — پالینٹر FDE کو CS کی ڈگری کی ضرورت نہیں ہے؟ سکل اسکاؤٹر کی طرف سے تیار کردہ پالینٹر کی ملازمت کی معیارات کے مطابق^[11]پالینٹیر کی سرکاری کیریئرز صفحہ کے ساتھ^[12]پالنٹیر غیر سی ایس ماہرین کو صاف طور پر خوش آمدید کہتا ہے، حالیہ FDE ملازمین میکانی انجینئرنگ، معاشیات، فلسفہ جیسے شعبوں سے آئے ہیں۔ اس کا اصلی دو چیزوں پر زور ہے: ناقص معلومات کے باوجود کام کرنے کی صلاحیت، اور سی لیول کلائنٹس کے ساتھ براہ راست بات چیت کرنے کی صلاحیت۔ سی ایس ڈگری ایک اضافی فائدہ ہے، داخلے کی ضرورت نہیں۔ کارپ خود اس معیار کا پہلا نمونہ ہیں—ایک فلسفہ پڑھنے والا سی ای او جو فزکس، ریاضی، اور فلسفہ پڑھنے والے FDEs کا گروہ چلا رہے ہیں۔

دوسرا ریڈیکل 2023 کے بعد کی نئی نسل کی مصنوعات 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 وہ نہیں جانتے تھے کہ اسے کیسے استعمال کریں — ان کے پاس کاروباری مسائل تھے، لیکن مصنوعات کا کوئی فارم نہیں تھا۔ اس لیے اوپن اے آئی، اینتھروپک، 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 اصولوں کو سیکھ رہا ہے — انجینئرز کو صارفین کے مقام پر بھیجا جاتا ہے تاکہ ایک مکمل ورک فلو کو ایک ساتھ چلایا جا سکے۔ لیکن مصنوعات کا ذریعہ بالکل مختلف ہو چکا ہے: Palantir کے دور میں FDE کا کام ڈیٹا اینٹیگریشن اور UI کسٹمائزیشن تھا، جبکہ نئی نسل کے FDE کا کام Prompt ڈیزائن، Agent کی ترتیب، ٹولز کا استعمال، اور ورک فلو کا انضمام ہے۔

پرگماتک انجینئر کا FDE کے بارے میں مقالہ^[13]اس نئی نسخے کو وہ "اینٹرپرائزز کے ساتھ یکجا کرکے کلود کو اصل، خاص اور اعلیٰ قیمت والے مسائل حل کرنے کے لیے" کہتے ہیں — جو Palantir کے وقت کے تصور سے 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 "میری مسائل کو 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 "صارف کو اس سافٹ ویئر کو استعمال کرنے میں مدد کرنے" کے لیے مددگار 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 کو جاری رکھتی ہیں — OpenAI GPT-4 کی لائسنس نہیں بیچ رہا، بلکہ "ہمارے FDE GPT-4 کا استعمال کرکے آپ کے کسٹمر سپورٹ کو آٹومیٹ کر سکتے ہیں"۔

فرق: Palantir 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 استعمال 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، بعد میں بہت سے کاروباری اداروں کے بانی بن گئے یا براہ راست نئی نسل کی ماڈل 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 شخص کو مصنوعات کا خطرہ، صارفین کا خطرہ، اور انجینئرنگ کا خطرہ ایک ساتھ اٹھانے پر مجبور کرتا ہے، جو تقریباً ایک کاروباری ادارے کی تربیت کا کام کرتا ہے۔ مصنف Palantir کو ایک پوشیدہ کاروباری ادارے کے طور پر دیکھنا پسند کرتا ہے: یہ صرف انجینئرز نہیں بلکہ ایک ایسی ٹولی پیدا کرتا ہے جو ناقص معلومات میں کسی چیز کو صفر سے ایک تک لے جانے کا طریقہ جانتی ہے۔ دو جڑیں، 2023 کے بعد مل گئیں۔

دو جڑوں کا اجتماع زیادہ تر بیرون ملک ہوتا ہے۔ ملکی سطح پر، FDE کا لفظ تازہ ہے، لیکن اس کے متعلقہ کام کا آغاز نئے نہیں ہوا۔ ملکی FDE کو سمجھنے کے لیے، پہلے اس کے دو مقامی اسلاف کو سمجھیں، پھر اس کے امریکی FDE سے تین ماحولیاتی فرق کو دیکھیں۔

دو مقامی پیشگی

پہلا پیشہ ورانہ کردار کلاؤڈ فراہم کنندہ کے سولیوشن آرکیٹیکٹ تھا۔ الی باب، تینگن کلاؤڈ اور ہواوی کلاؤڈ نے پچھلے دس سالوں میں ایک مکمل سولیوشن آرکیٹیکٹ (SA) ٹیم تیار کی ہے جو صارفین کو آرکیٹیکچر سمجھاتی ہے، POC تیار کرتی ہے، مائیگریشن منصوبے بناتی ہے اور لانچ تک کے ڈیلیوری میں مدد کرتی ہے۔ ہواوی کے اندر "ڈیلیوری انجینئر" کا الگ سلسلہ بھی 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 اپڈیٹ کا ذمہ SA کے ہاتھ میں نہیں ہے، اگر ضرورت تبدیل ہو تو تبدیلی کے عمل سے گزرنا پڑتا ہے، اور اگر ماڈل تبدیل ہو تو صرف سرکاری ترتیب کا انتظار کرنا پڑتا ہے۔

دوسرا پیشتر AI چیلنج کمپنی میں نئی طور پر تخلیق کیا گیا سلسلہ ہے۔ MiniMax نے BOSS زمینہ پر "AI پیشکش حل کے ماہر" کا عہدہ لگایا ہے، جبکہ مون آف دارکنس، زہی پو، تونگ ی، اور ہون یوان جیسی ماڈل کمپنیاں بھی اسی قسم کے عہدوں کو لگا رہی ہیں۔ نام میں تھوڑا فرق ہے، لیکن JD کا مواد انتہائی مشابہ ہے: صارفین کے منظر نامہ کو سمجھنا، ڈیمو بنانا، Prompt کو ایڈجسٹ کرنا، RAG چلانا، ڈیلیوری منصوبہ تحریر کرنا، اور صارفین کے انجینئرنگ ٹیم سے آن لائن ہونے تک کام کرنا۔ یہ عہدے حقیقی معنوں میں "مقامی FDE" ہیں۔

تین پانی اور مٹی کے فرق

انفرادی ڈیپلویمنٹ + ڈیٹا کمپلائنس نے صرف ماڈل کال کے موڈ کو دب دیا۔ چینی B2B صارفین کی طرف سے ڈیٹا 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 منصوبے میں، صرف API کال کرکے پرومپٹ چلانے کا کام شاید صرف تین فیصد ہو، جبکہ باقی سات فیصد ماڈل کو صارف کے ڈیٹا سینٹر میں منتقل کرنا، توثیق کا نظام عمل میں لانا، ڈیٹا مڈل وئیر سے جوڑنا، اور کمپلائنس رجسٹریشن کرنا ہوتا ہے۔

ماڈل کی صلاحیتیں اب بھی SOTA کے ساتھ پیچھے ہیں، اور اس کا عملی استعمال صرف انجینئرنگ لیول تک محدود ہو گیا ہے۔ امریکہ کے OpenAI اور Anthropic کے پاس ماڈل کی صلاحیت کو خود کار طور پر صارفین کو متاثر کرنے کا موقع ہے؛ جبکہ چین میں Tongyi، DouBao، Kimi، GLM، اور DeepSeek کی صلاحیتوں میں فرق کم ہے، اس لیے صارفین کا فیصلہ Agent کی ترتیب، RAG ریٹریول کی معیار، ٹولز کا ادماج، اور Workflow ڈیزائن جیسے انجینئرنگ صلاحیتوں پر زیادہ منحصر ہے۔ چین میں FDE کا مقابلہ “ہمارا ماڈل کتنا طاقتور ہے” نہیں بلکہ “کیا میں اس بزنس کو حقیقی طور پر چلا سکتا ہوں” پر ہے۔

B端 کی ادائیگی کی خواہش اور قیمت گزینی کا رجحان امریکہ سے مختلف ہے۔ پالنٹیر 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 مخلوط شکل ہوتا ہے۔

ایک منفرد پوزیشننگ: انٹرنل FDE

بڑی کمپنیوں کے اندر کے AI ٹیمیں اب "اندر کے صارفین" کو FDE ماڈل کے ذریعے سروس فراہم کر رہی ہیں۔ علی بابا کلاؤڈ PAI نے ٹی آلو کے لیے انجینئرز بھیج دیے ہیں، اور تینگن ہونگ یوں بھی وی چیٹ اور اشتہار کے شعبوں کے ساتھ مماثل مکینزم استعمال کرتا ہے۔ JD پر "صنعت میں نفاذ انجینئر"، "AI ایپلیکیشن انجینئر"، اور "سماجی بزنس ماہر" درج ہیں، جو بنیادی طور پر اندر کے FDE ہیں—مادل ٹیم کی صلاحیتوں کو بالکل آخر تک بزنس سائیڈ تک پہنچانا۔ یہ بڑی کمپنیوں کے لیڈرز کے لیے ایک نئی سوچ فراہم کرتا ہے: کچھ اندر کے FDE بزنس سائیڈ پر مقرر ہو جائیں، پہلا ڈیمو بنائیں، اور ROI کے ڈیٹا کو بزنس کے مالک کے پاس پہنچائیں، تو دس اجلاسوں سے زیادہ جلد دفتری دیواریں ختم ہو جائیں گی۔

مصنف نے پچھلے مضمون "سوپر انڈیویڈوئل کے لیے" میں^[4]اس نے سپر انڈیویڈوئل کے پانچ انجن کا ذکر کیا: 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 صرف یہی نہیں۔ FDE کے علاوہ، اس عہدے کے لیے کچھ خاص اضافی خصوصیات بھی ہوتی ہیں، اور کچھ شخصیات کے مدلل ہونے کے واضح علامات بھی ہوتے ہیں۔ مصنف نے بہت سے عالِم مهندسین کو FDE میں تبدیل ہوتے دیکھا ہے جو بعد میں مسائل کا شکار ہو گئے، اور مسائل زیادہ تر صلاحیتوں کی بجائے شخصیت اور کام کے انداز میں تھے۔

FDE کے لیے پانچ خصوصیات

بیچنے 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 آئی ٹی 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 آپ کو دوبارہ رن کرکے دکھائے۔ “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 کہ “ہم AI کے ساتھ 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 ہونے پر ہی کام شروع کرتے ہیں، تو FDE آپ کو روزانہ پریشان کرتا رہے گا۔

انجینئرنگ کی طاقت مضبوط ہو لیکن 10x 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 چاہیے کہ آپ پورا سسٹم — فرانت اینڈ سے لے کر بیک اینڈ تک — کام کرنے والا بنائیں: ایک قابل کلک ویب پیج بنائیں، ایک قابل چلائی سروس تیار کریں، اور ماڈل کو بزنس ڈیٹا سورس سے جوڑ دیں۔ FDE کی دنیا میں، "لگ بھگ ٹھیک ہے" خرابی نہیں، بلکہ ایک فضیلت ہے۔

انفرادی فیڈ بیک کے ذریعے بہتر بننا پسند کرتے ہیں۔ FDE کے کام میں بہت سے ایسے لمحے ہوتے ہیں جہاں کلائنٹس کہتے ہیں کہ “یہ میرا مطلوبہ نہیں ہے” اور دوبارہ شروع کرنا پڑتا ہے: آج کا ڈیمو کل بزنس ٹیم کہہ دیتی ہے کہ “یہ میرا مطلوبہ نہیں ہے”؛ پچھلے ہفتے جو سولوشن متفق کیا گیا تھا، اس ہفتے کلائنٹ کا ایک نیا اعلیٰ انتظامیہ آ جاتا ہے اور دوبارہ بنانا پڑتا ہے۔ FDE کے لیے مناسب لوگ اس قسم کے فیڈ بیک کو ایندھن کی طرح استعمال کرتے ہیں، مکمل ذمہ داری لیتے ہیں اور “ضرورت کو واضح نہ کرنے” کا الزام دوسرے پر نہیں ڈالتے۔

ماڈل کی سرحدوں کے لیے حساس۔ یہ سب سے زیادہ ٹیکنیکل اور سب سے چھپی ہوئی بات ہے۔ FDE کو یہ فیصلہ کرنا چاہیے کہ کون سا کام LLM کے لیے مناسب ہے اور کون سا نہیں، اور اس کے لیے کیا فॉल بیک استعمال کیا جائے — اس حساسیت کو پڑھنے سے نہیں، بلکہ ناکامی کے معاملات سے سیکھا جاتا ہے۔ ناکامی کے نمونوں کے جمع ہوتے ہی 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 فॉल بیک دروازہ 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 فیصد وقت کوڈ لکھنے کے بجائے صارف میٹنگز، اندر کی کوآرڈینیشن، پروڈکٹ پر بحثوں اور معاہدوں کو آگے بڑھانے میں گزر جاتا ہے۔ اگر آپ کی خوشی کا ذریعہ چار گھنٹے تک کسی کے بغیر لگاتار 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 پیپر پر نہیں۔ کام کی پیش رفت صارفین کے منصوبوں کے نوڈس، ماڈل کی صلاحیتوں میں تبدیلی، اور آپ کے اسکینریو کے بارے میں اپنے جائزے کے مطابق طے ہوتی ہے۔ "پہلے OKR چاہیے، تب پتہ چلے گا کہ کیا کرنا ہے" کی عادت رکھنے والے لوگوں کو اپنا نقطہ تھام نہیں ملے گا۔

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

جس شخص کو تجارتی ماحول سے نفرت ہے، وہ FDE کو سمجھنا چاہے گا کہ صارفین کا منافع و نقصان، ROI، خرید کی عملداری، اور مطابقت کی ضروریات کیا ہیں۔ اگر آپ کو پیسے، معاہدوں، اور تجارتی منطق پر بات کرنے سے قدرتی طور پر نفرت ہے، تو FDE کا کام آپ کو اپنے ٹیکنالوجی کے خوابوں کو بیچنے کا محسوس کرائے گا۔

خود جانچ کی فہرست

فیڈی کے لیے ساتھ مسائل، جو کہ فیڈی کے اصل کام کے مناظر سے متعلق ہیں۔ پانچ یا اس سے زیادہ "ہاں" کے جوابات کے ساتھ، فیڈی پر غور کرنا چاہیے، تین یا اس سے کم کے لیے، احتیاط سے کام لیں۔

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

2. جب کسی صارف آپ کو بتائے کہ "یہ کام نہیں کر رہا، میں نہیں جان سکتا کہ کیوں" تو آپ کی پہلی 반응 حیرت ہے یا بے صبری؟

کیا آپ ایک صارف کے لیے دکھانے کے قابل ایک پروٹوٹائپ ایک ہفتے میں کلود کوڈ کے ساتھ چلا سکتے ہیں جبکہ کوئی آپ کو پی آر ڈی نہیں لکھ رہا؟

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 پ्रतिक्रियہ فیل بیک ڈیزائن کرنا ہے یا ماڈل کے بارے میں شکایت کرنا؟

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 وقت میں بہتر بنانے کو تیار ہیں؟

پچھلے مضمون میں میں نے “انسانی انجن” پر بحث کی تھی: حیرت، تلاش کی خواہش، خود سیکھنے کی صلاحیت، خود متحرک ہونے کی صلاحیت، اور عملی صلاحیت — کیسے انہیں بڑی کمپنیوں کے اندر مکمل طور پر فروغ دیا جا سکتا ہے۔ اس مضمون میں میں ایک اور بات پر بحث کر رہا ہوں — نوکری کی شکل۔ FDE AI صنعتی انقلاب کا پہلا ایسا نیا نوکری کا فارمیٹ ہے جس کا نام ہے، اس کے لیے تنخواہ کا سطح ہے، نوکری کا JD ہے، اور صارفین کی طرف سے ادائیگی کے ذریعے تصدیق ہو چکی ہے۔ یہ “سوپر انفرادی” تصور کا مترادف نہیں ہے، بلکہ اس لہر کے دوبارہ ڈھالنے میں پہلا ایسا نقطہ ہے جو خالص طور پر حقیقت میں تبدیل ہوا ہے۔

FDE کا مطلب یہ نہیں کہ یہ آخری نقطہ ہے۔ مصنف کا خیال ہے کہ FDE صرف نئے تقسیم کام کا پہلا ایسا رūp ہے جس نے اپنا نام حاصل کیا ہے۔ اس کے بعد Forward Deployed PM، Forward Deployed Designer، Forward Deployed Researcher جیسے عہدے آئیں گے—جو بھی صارفین کے منظر نامے سے گہرائی سے جڑے ہوں اور اندھیرے علاقوں میں پروڈکٹ کو وجود دینے کی ضرورت ہو، ان سب کا اپنا “فوروارڈ ڈیپلویڈ” ورژن نکل آئے گا۔ عہدوں کے نام بدل جائیں گے، لیکن بنیادی منطق ایک جیسا رہے گا: ماڈل کی صلاحیتیں آگے چل رہی ہیں، پروڈکٹ کا فارم اس کے پیچھے پھسل رہا ہے، اور عہدوں کی ساخت کام کے عمل کے مطابق دوبارہ تقسیم ہو رہی 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 چاہتا 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 کھل چکا ہے، اور چین کی ٹاپ مدل کمپنیوں، کلاؤڈ فراہم کنندگان اور بڑی کمپنیوں کے اندر AI ٹیموں کی ملازمتیں تیزی سے بڑھ رہی ہیں۔ اگر 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 ای او ڈی کے لیے: "نام اور حقیقت میں فرق" کے لیے ساکھ رکھیں۔ آپ کی کمپنی میں شاید پہلے ہی کچھ ایف ڈی ایز ہیں جو چل 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 ہوسکتا ہے۔ کمپنی کے اندر کچھ "انڈر فیکٹری FDE" مقرر کریں جو بزنس سائیڈ پر موجود ہوں، اور ماڈل ٹیم کی صلاحیتیں بزنس پروسیس میں مکمل طور پر انجام دیں — اس سے ایک 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 عہدوں کا اظہار ہو رہا ہے۔ مصنف پڑھنے والوں کو ایک واضح سوال چھوڑنا چاہتا ہے — اگر تین سال بعد آپ کی کمپنی کے ادارتی نقشے پر تین نئے عہدے شامل ہو جائیں، تو آپ کیا خیال کرتے ہیں کہ وہ کون سے ہوں گے؟ اس سوال کو واضح طور پر سمجھنا، اس مضمون کو پڑھنے سے زیادہ مفید ہوگا۔