Forward Deployed Engineer: почему ИИ-компании платят до $325 тыс. за внедрение моделей в бизнесСтатья · дайджест за 21 ноября
Репортажная сцена работы полевого инженера ИИ на стыке клиентских процессов и архитектуры
Статья5 разделов≈ 8 мин

Forward Deployed Engineer: почему ИИ-компании платят до $325 тыс. за внедрение моделей в бизнес

По отчёту MIT Project NANDA The GenAI Divide (Fortune), около 95% корпоративных пилотов с генеративным ИИ не дают измеримого финансового эффекта. Бизнес исправно платит за API и собирает красивые слайды, а в отчёте о прибылях и убытках — ноль. И ровно на этом фоне число вакансий Forward Deployed Engineer (FDE) за год выросло более чем в 10 раз, а базовые оклады в OpenAI и Anthropic доходят до $325 тыс. в год до учёта акций и бонусов.

Разберём, за что лаборатории платят такие чеки, почему от этой роли бежит большинство программистов и как в неё вообще попадают.

Откуда взялся бум «полевых» инженеров

Сами модели перестали быть дефицитом — доступ покупается за пять минут. Затык начинается дальше, когда нейросеть пытаются встроить в живую компанию с десятком разрозненных баз, старой CRM и неписаными правилами отделов. Этот разрыв между покупкой софта и реальной пользой в отрасли называют deployment gap.

Схему, которая его закрывает, много лет назад обкатали в Palantir. Там быстро поняли: выдать корпорации логин и пожелать удачи — верный способ потерять клиента через квартал. Вместо этого компания отправляла инженера прямо к заказчику, чтобы на месте разобраться в процессах и довести систему до продакшена.

В 2025–2026 годах модель подхватили главные ИИ-игроки. В OpenAI направление в начале 2025 года запустил Колин Джарвис — его команда уже делала внедрения для Morgan Stanley, Klarna и Coca-Cola. Следом подтянулись Anthropic с командой Applied AI, Databricks, Scale AI, Cursor, Cohere, Cognition и Google Cloud.

Кевин Бай (Kevin Bai), прошедший школу Palantir, строивший FDE с нуля в Rippling, а потом перешедший в Anthropic Applied AI, описал роль одной фразой: «FDE — это просто разработчик, который работает лицом к клиенту. Заказчик покупает не софт и не ваши часы — он покупает конкретный результат».

Хорошая иллюстрация — опыт автора разбора Нейта Херка (видео на YouTube). Раньше он работал BI-аналитиком в Goldman Sachs, но упёрся в бюрократию, ушёл и открыл ИИ-агентство для малого бизнеса — агентств недвижимости и климатических компаний. Быстро выяснилось, что это и есть работа FDE в миниатюре: клиенты приходят с запросом «хочу как в том ролике», а настоящая задача — отложить их идею и раскопать, где бизнес реально теряет деньги.

Карьерная страница Anthropic, где открыты вакансии Forward Deployed Engineer в команде Applied AI (Источник: anthropic.com)

Что требуют в 200 реальных вакансиях

Нейт Херк выгрузил около 200 живых вакансий FDE из 24 ИИ-компаний. Больше всего позиций оказалось у Databricks, Palantir и OpenAI, следом идут Scale AI, Cursor, Anthropic, Cohere и Cognition.

По деньгам выборка выглядит бодро: типичный базовый оклад держится в коридоре $180–275 тыс., медианный совокупный доход с бонусами и акциями — около $230 тыс. У старших специалистов в Anthropic и OpenAI одна база доходит до $320–325 тыс., а на верхних грейдах OpenAI уходит за $400 тыс. без учёта акций. Но внутри требований ждёт сюрприз: навыки работы с людьми перевешивают любой язык программирования.

Требования в 200 вакансиях Forward Deployed Engineer (анализ Нейта Херка)

На первом месте — discovery (умение вытащить настоящую задачу из разговора с людьми), фиксация рамок проекта и работа с руководством. Технический стек — Python, TypeScript, связка чужих систем через API и сборка агентов, которые сами вызывают инструменты в несколько шагов — идёт плотным вторым эшелоном. Отдельно выделяются evals (формальные автоматические тесты качества ИИ): бизнес устал от красивых демо и требует измеримой надёжности. А диплом вуза почти перестал быть фильтром — в Anthropic прямо зовут бывших технических фаундеров.

Тут важно снять иллюзию про «вход без кода». Инструменты вроде Claude Code или Codex сильно ускоряют разработку, но ведущие лаборатории всё равно ждут сильной инженерной базы. По опыту планка тоже высокая: большинство компаний просят от пяти лет стажа, и лишь примерно в каждой десятой вакансии готовы смотреть кандидатов до трёх лет. Поэтому в роль чаще переходят сбоку — разработчики, которым тесно в тикетах, консультанты и аналитики, освоившие продакшен-сборку, или основатели небольших студий автоматизации.

Обратная сторона чека: почему 9 из 10 инженеров отказываются

Если платят до трети миллиона долларов, почему на вакансии не стоит очередь? Всё упирается в цену вопроса.

Примерно в двух третях вакансий из выборки Херка прописаны командировки — от 25% до 50% рабочего времени. Колин Джарвис из OpenAI предупреждает новичков прямо на входе: готовьтесь проводить в офисах клиентов около половины графика. Вместо тихих спринтов и чистого кода тебя ждут перелёты, чужой бардак в базах данных и давление директоров, которым окупаемость нужна к концу квартала.

Рекрутер Патрик Келленбергер из Betts Recruiting сформулировал это для The Pragmatic Engineer предельно точно: «Их хотят нанять все, но едва ли найдётся 10% инженеров, которые сами хотят такую работу». Для тех, кого не пугают живые переговоры и производственный хаос, этот фильтр работает только в плюс — конкуренция за место здесь в разы ниже, чем в обычном бэкенде.

Чем это отличается от «промпт-инженера» и как проходит неделя

Логичный вопрос: не схлопнется ли профессия через год, как случилось с «промпт-инженером» в 2023-м? Вряд ли. Тот навык растворился в базовой грамотности, а модели стали догадливее. FDE держит весь цикл — от аудита процесса до замера пользы и фидбека продуктовой команде. В Anthropic Applied AI прямо перечисляют артефакты такой работы: MCP-серверы (стандарт подключения моделей к рабочим системам), субагенты, переиспользуемые скиллы и «золотые» тест-сеты.

Типичная неделя полевого инженера по описаниям вакансий и рассказам практиков выглядит так:

Дни неделиЧто происходитГлавный результат
ПонедельникВыезд к клиенту, discovery-интервью с операционной командойПонимание реального узкого места, а не фантазий из презентации
ВторникScope-документ на одну страницуЦель, одна метрика успеха, критерий готовности и границы проекта
Среда и четвергИнтеграции с CRM и базами, сборка агента, прогон evalsРабочее решение на живых данных с измеримой точностью
ПятницаДемо руководству и заметки в свой продуктовый отделПринятый этап, список сбоев модели и шаблон для новых клиентов

Пятничная часть часто важнее самого демо: в Anthropic от FDE ждут, чтобы удачные решения не оставались разовыми, а превращались в общие шаблоны. Решил сложную задачу один раз руками, упаковал в шаблон или жёсткую автоматизацию — и сэкономил недели всей команде.

Как зайти в профессию: план из пяти шагов

Нейт Херк раскладывает вход в роль на пять практических шагов.

Сначала честно найди свою слабую половину. Профессия стоит на двух ногах: надёжная сборка и доверие клиента. Разработчику обычно не хватает переговоров и умения резать лишние хотелки, а консультанту или аналитику — продакшен-инженерии. Качать всё поровну бессмысленно: бей в главный пробел.

В техническом стеке сделай ставку на evals. API и агентов сегодня осваивают быстро, но почти все на волне «вайбкодинга» пропускают формальные тесты. На первом проходе агент обычно даёт 60–70% точности — на коротком демо это выглядит эффектно, но в бою сломается. Чтобы дотянуть систему до рабочих 90–95%, нужны автоматические проверки на реальных данных: демо ничего не доказывает, доказывают только evals.

Третий шаг — натренировать discovery-интервью и scope-документ на один лист. На текущей работе просись на клиентские созвоны и демо, а дома прогоняй ролевой тренажёр с нейросетью. После каждой сессии фиксируй на одной странице проблему словами клиента, одну целевую цифру, критерий готовности и всё, что остаётся за рамками. Если не можешь назвать цифру, которую сдвинешь, — у тебя пока нет проекта.

Промпт для тренировки discovery-интервью с Claude

«Выступи в роли вице-президента по операциям в логистической компании на 200 человек. Три месяца назад вы купили ИИ-платформу, но она не работает. Я — Forward Deployed Engineer на нашей первой встрече. Не выкладывай всё сразу: заставь меня задавать правильные вопросы, чтобы найти реальную проблему. Через 15 минут оцени интервью и скажи, что я упустил».

Четвёртый шаг — один сквозной кейс вместо десятка игрушечных ботов. Возьми реальную задачу для своего отдела, бизнеса знакомых или локальной компании: проведи интервью, напиши лист с рамками, собери систему, обложи тестами, покажи демо, а через две недели замерь, пользуются ли ею на деле. Короткий разбор с цифрами «до» и «после» станет главным аргументом на интервью.

Пятый шаг — искать шире одного названия и готовиться к бизнес-кейсу. Основные площадки — Greenhouse, Ashby, Lever, карьерные сайты вроде Google Cloud и портфельные джоб-борды венчурных фондов a16z, Accel и General Catalyst. Ту же работу часто прячут под вывесками Deployed Engineer, Forward Deployed Software Engineer, Deployment Strategist или AI Consultant. Хороший старт дают и роли Founding FDE в стартапах: Кевин Бай пришёл первым полевым инженером в Rippling, и за год команда выросла до 25 человек. На собеседованиях помимо системного дизайна и отладки чужого кода с ИИ-инструментами (такой этап дают в Google) жди жёсткий бизнес-кейс — в Anthropic прямо проверяют, сможешь ли ты зайти на встречу с одной лишь проблемой бизнеса и выйти с понятным техническим планом, который сможешь отстоять.

Хочу подробный разборГолоса помогают выбрать, что разобрать подробно. За этот материал 0 голосов.
Источники · 3