FDE(Forward Deployed Engineer): AI 시대의 가장 뜨거운 직업

"SI인듯 SI 아닌 SI 같은 FDE?"

---

배경

AI 기술이 빠르게 발전하고 있지만, 아이러니하게도 기업 현장에서는 여전히 이 기술이 제대로 작동하지 않는 경우가 많습니다. MIT의 2024년 연구에 따르면 엔터프라이즈 AI 프로젝트의 95%가 측정 가능한 비즈니스 가치 창출에 실패한다고 합니다.

그 이유는 기술 자체의 문제가 아닙니다. GPT-4나 Claude 같은 강력한 모델을 갖고 있어도, 실제 기업의 레거시 시스템, 규정 준수 요건, 복잡한 데이터 파이프라인에 맞게 통합하는 과정에서 대부분 실패합니다. AI와 기업 현실 사이에는 여전히 깊은 간극이 존재하는 것이죠.

이 간극을 메우기 위해 등장한 직군이 바로 FDE(Forward Deployed Engineer, 전방 배치 엔지니어)입니다. 2025년 Indeed 기준으로 FDE 채용 공고가 800% 이상 급증한,  "테크 업계에서 가장 뜨거운 직업"이라고 명명했습니다.

---

정의

FDE는 고객 현장에 직접 임베드(embed)되어 복잡한 엔터프라이즈 소프트웨어를 구현·운영하는 엔지니어입니다. 단순히 제품 사용법을 안내하는 지원 역할이 아니라, 고객의 실제 운영 환경에서 프로덕션 수준의 코드를 직접 작성·배포하여 결과를 만들어내는 것이 핵심입니다.

한 전직 Palantir FDE는 이를 이렇게 정의했습니다.

 

"FDE란 고객 사이트에 앉아 제품이 할 수 있는 것과 고객이 필요로 하는 것 사이의 간극을 채우는 사람이다."

 

쉽게 말하면 소프트웨어 엔지니어 + 제품 관리자 + 컨설턴트의 하이브리드입니다. 코드도 직접 짜고, 고객 경영진을 설득하고, 비즈니스 임팩트까지 책임집니다.

 

이 개념은 Palantir Technologies가 2010년대 초 "Delta"라는 내부 직책으로 처음 체계화했습니다. 당시 Palantir의 초기 고객인 정보기관들은 보안 특성상 세부 요구사항을 외부에 공개할 수 없었기 때문에, 기존의 "요구사항 수집 → 제품 설계 → 납품" 방식을 쓸 수가 없었습니다. 해결책은 단순했죠. 엔지니어를 고객 현장에 직접 보내는 것. 이것이 FDE 모델의 탄생 배경입니다. 2016년까지 Palantir에는 일반 소프트웨어 엔지니어보다 FDE가 더 많았을 정도로 이 모델이 사업의 핵심이었습니다.

---

FDE의 주요 업무와 SI의 차이

코드를 짜다가 C레벨 임원 앞에서 발표도 합니다. 데이터 파이프라인 장애를 현장에서 실시간으로 디버깅하고, 이해관계자를 설득해 신기술 도입의 장벽을 낮추기도 합니다. 기존 직군과 비교하면 차이가 더 명확히 보입니다.

 

비교 항목	소프트웨어 엔지니어	FDE	솔루션 아키텍트
핵심 목표	범용 기능 구축	고객 특정 문제 해결	기술 영업 지원
작업 위치	본사	고객사 현장	영업 단계 중심
코드 비중	90%	50–70%	10–20%
고객 상호작용	낮음	매우 높음	보통

 

FDE가 단순한 현장 엔지니어와 다른 결정적인 이유는 제품 피드백 루프에 있습니다.

Palantir는 이를 "그래블 로드(gravel road)를 포장 하이웨이(paved highway)로 만드는 과정"이라고 표현했습니다. FDE가 첫 번째 고객에서 힘들게 임시방편으로 만든 '자갈길' 해결책이, 본사 엔지니어링 팀을 통해 모든 고객이 쓸 수 있는 '고속도로' 기능이 되는 것입니다.

이게 잘 작동하면 어떻게 될까요?

1. 1번째 고객: 많은 커스텀 개발 필요
2. 2번째 고객: 일부 재활용 가능
3. N번째 고객: 대부분 설정(configuration)만으로 완료
4. 결과: 고객당 FDE 비용이 줄어들며 마진 개선

언뜻보면 FDE를 기존 SI(시스템 통합) 업체나 컨설팅 펌과 비슷해서 혼동하는 경우가 많습니다. 하지만 이 둘은 경제 구조부터 완전히 다릅니다.

 

비교 항목	FDE	SI / 전통 컨설팅
소속	제품 기업 내부 (OpenAI, Palantir 등)	외주 기업 (Accenture, IBM 등)
수익 원천	제품 구독 및 장기 라이선스	투입 인력 시간 (Billable Hours)
코드의 운명	본사 핵심 코드베이스로 흡수	고객사 환경에 방치
납품물	실제 작동하는 프로덕션 소프트웨어	문서, 시스템, 인수인계 자료
개발 방식	현장 관찰 → 빠른 프로토타입 → 반복	요구사항 → 설계 → 구현
확장성	높음 (한 번 개발로 다수 고객 적용)	낮음 (고객마다 선형 인력 투입)

SI는 "시간을 팔아 시스템을 구축"합니다. FDE는 "지능을 팔아 제품을 완성"합니다. 가장 결정적인 차이는 FDE는 솔루션이 실제로 작동할 때까지 현장을 떠나지 않는다는 것입니다.

---

주요 AI 기업들의 FDE 전략

 

이제 FDE는 Palantir만의 이야기가 아닙니다. 실리콘밸리 주요 AI 기업들이 앞다투어 FDE 채용에 나서고 있습니다.

 

OpenAI는 2024년 초 FDE 팀을 신설하고, 연간 $10M 이상 지출하는 전략 고객에게 FDE를 파견합니다. 유럽·중동에서만 50명 이상 확장을 목표로 하고 있습니다. John Deere와의 협업에서는 AI 도구를 정밀 농업에 적용해 제초제 살포량을 60~70% 절감하는 성과를 냈습니다. 범용 AI 모델만으로는 불가능했던 결과입니다.

 

Anthropic은 Applied AI 팀(FDE 포함)을 5배 확장한다고 발표했습니다. 금융과 헬스케어 같은 규제 산업에 특화된 방향입니다.

 

Databricks는 가장 전략적인 고객들을 위해 풀스택 앱부터 AI/ML 통합까지 담당하는 FDE 팀을 운영 중입니다. 고객 현장에 최대 50%까지 상주하며 밀착 지원합니다.

---

Thoughts

 

솔직히 FDE라는 개념을 처음 접했을 때, "이건 그냥 SI 아니야?"라는 생각이 먼저 들었습니다. 그런데 깊이 들여다볼수록 본질적인 차이가 보이더군요.

기존 SI나 컨설팅은 고객의 요구사항을 받아 납품하면 끝이죠 현장에서 얻은 인사이트가 다음 고객에게 크게 이어지지 않습니다. FDE는 반대입니다. 현장의 고통이 제품으로 흡수되고, 제품이 더 좋아지고, 다음 배포가 더 쉬워집니다. 이 순환이 핵심입니다.

 

그리고 이 모델이 AI 시대에 폭발적으로 성장하는 이유가 있는것 같습니다. AI 모델은 컨텍스트 없이 작동하지 않습니다. 동일한 LLM이라도 회사마다 데이터 구조, 업무 흐름, 규정 준수 요건이 모두 다르거든요. 결국 AI를 기업 환경에 이식하는 일은 결코 자동화될 수 없는 고도의 인간적 판단을 요구하는것이죠

 

한국 시장도 변화하고 있습니다. 마키나락스, 채널톡, Sendbird 같은 기업들이 FDE 공채를 시작했습니다. 삼성SDS나 SK C&C 같은 전통 SI 기업들도 유사한 역할을 조용히 만들고 있다고하네요. 아직 FDE라는 타이틀보다는 다른 이름으로 불리지만, 방향은 유사한것 같습니다.

 

다만 OpenAI CRO Denise Dresser의 말처럼 "FDE 모델은 과도기적"입니다. AI 도구가 성숙해질수록 FDE가 수동으로 하는 작업의 상당 부분이 자동화될 것입니다. 그렇다면 결국 FDE에게 남는 것은 무엇일까요? 기술도 알고, 비즈니스도 알고, 사람도 다루는 역량. 그게 쉽게 대체되지 않는 마지막 해자(moat)가 아닐까 생각합니다.

---

 

** 개인 공부를 위한 리서치와 이를 기반한 개인의견이 담긴 글이라, 정확하지 않을 수 있습니다. 많은 고견 부탁드립니다.