AWS выделила $1 млрд на команду forward-deployed engineers, Microsoft ответила структурой на $2,5 млрд, а рынок снова сделал модным старый прием: посадить сильных инженеров прямо к клиенту. Внедренные инженеры стали ответом на неприятную правду AI-бума: прототипы делаются быстро, а до продакшена доезжают далеко не все.
О новой волне интереса к FDE сообщает The Register. Термин пришел из Palantir: по версии технического директора компании Шьяма Санкара, он появился еще в 2007 году после разговора с CEO Алексом Карпом о французских ресторанах. Идея была простой: официант там не просто носит блюда, а понимает кухню, процесс и вкусы клиента. Palantir захотела такую же модель для инженерии: не «продали платформу и ушли», а встроились в работу заказчика и довели задачу до результата.
Суть FDE-модели не в том, что консультант приходит с презентацией и планом на шесть месяцев. Внедренные инженеры получают миссию: быстро построить что-то полезное на новой технологии, часто без классического технического задания и почасового биллинга. Они работают рядом с командами клиента, видят реальные ограничения бизнеса, лезут в процессы, код и данные, а не обсуждают «цифровую трансформацию» на красивых слайдах.
Именно поэтому термин сейчас так удачно лег на AI-рынок. Компании массово экспериментируют с генеративным ИИ, агентами и корпоративными ассистентами, но упираются в знакомую стену: демонстрация выглядит бодро, а промышленная эксплуатация требует интеграций, оценки качества, безопасности, контроля затрат и людей, которые понимают не только модель, но и предметную область. Для многих заказчиков это слишком много новых компетенций сразу.
Показательно, что даже участники рынка признают: нового тут меньше, чем кажется. Ryan Sheehan, старший вице-президент глобального интегратора SHI, прямо говорит, что его компания занималась похожими вещами давно. Облачный мониторинговый вендор DoIT тоже рассказал, что использует такой подход с 2011 года, а термин FDE начал применять только в конце 2025-го, переименовав практику Customer Reliability Engineering.
AWS описывает собственную эволюцию похожим образом. По словам Taimur Rashid, управляющего директора AWS по направлению Frontier AI Engineering & Services, еще в 2017 году компания запустила ML Solutions Lab: клиентам фактически «одалживали» дата-сайентиста, чтобы те могли собрать proof of concept на платформе AWS. В разные годы это называли secondment, resident architect или resident scientist. Теперь, на фоне генеративного ИИ, модель расширили: к клиенту отправляют прикладного ученого и стратега, которые помогают определить задачу и собрать решение вместе с внутренней командой.
Microsoft пошла еще громче и в июле представила инициативу Frontier Company на $2,5 млрд, заявив, что она выходит за рамки обычных FDE. AWS в июне объявила отдельную FDE-организацию с финансированием $1 млрд. В обоих случаях ставка понятна: облачные гиганты хотят быть не просто поставщиками инфраструктуры и моделей, а теми, кто помогает клиенту превратить AI-эксперимент в рабочий продукт. Чем глубже инженер в процессах заказчика, тем выше шанс, что решение останется на платформе вендора.
Cisco тоже не видит в самой идее сенсации. Carlos Pereira, Fellow и главный архитектор в Customer Experience, напомнил, что эксперт, встроенный в команду клиента для внедрения новой технологии, не является изобретением 2026 года. Отличие, по его оценке, в том, что AI добавил новые переменные: недетерминированное поведение моделей, необходимость evals, быстро меняющиеся требования и дефицит профильных навыков внутри компаний.
Аналитики Gartner и Forrester в целом считают модель полезной, но без романтики. Gartner описывает FDE как специалистов, которые часто получают доступ и к среде клиента, и к кодовой базе поставщика, чтобы собирать и дорабатывать решения почти в реальном времени. Forrester видит плюс в ускорении внедрения сложных платформ и доведении их до production-ready состояния. Для бизнеса это звучит заманчиво: меньше месяцев согласований, больше работающего кода.
Но у этой скорости есть цена. Forrester предупреждает о риске «bespoke trap»: слишком кастомные решения могут усилить зависимость от поставщика и сделать будущую миграцию дорогой. Gartner добавляет еще жестче: плохо устроенные FDE-проекты могут привести к vendor lock-in, рискам безопасности и данных, техническому долгу и атрофии внутренних компетенций. Последний пункт особенно болезненный: если команда заказчика только нажимает кнопки в чужом черном ящике, она не учится проектировать собственные AI-системы.
Для разработчиков это означает, что роль «просто интегратора API» будет дешеветь, а роль инженера, который умеет говорить с бизнесом, быстро прототипировать, разбираться в инфраструктуре, данных и качестве моделей, наоборот станет дороже. Для IT-директоров вопрос еще практичнее: FDE может ускорить проект, но контракт должен заранее фиксировать передачу знаний, архитектурные ограничения, права на код, требования к безопасности и план выхода из зависимости от вендора.
Мода на внедренных инженеров в AI выглядит не как новая профессия, а как переупаковка старого консалтинга под текущую боль рынка. Разница в том, что сейчас ставка выше: компании покупают не часы экспертов, а шанс не утонуть между красивым демо и скучной, дорогой, но единственно важной эксплуатацией. Следующий вопрос для рынка простой: смогут ли FDE вырастить у клиентов собственные сильные команды или станут еще одним способом надежно прикрутить их к чужой платформе.