Posisi Baru di Lembah Silikon, FDE, Sedang Naik Daun, Jenis Bakat AI Apa yang Diperlukan Perusahaan?

marsbitDipublikasikan tanggal 2026-06-02Terakhir diperbarui pada 2026-06-02

Abstrak

Redaksi: Dengan OpenAI dan Anthropic membentuk tim AI Forward Deployed Engineer (FDE), peran lama yang berasal dari Palantir kembali populer di Silicon Valley. Inti nilai FDE adalah bekerja di lokasi klien untuk mengubah model AI umum menjadi alur kerja Agent yang sesuai dengan proses bisnis spesifik. Namun, artikel ini membahas lebih dari sekadar karir FDE. Ini membahas bagaimana struktur pekerjaan berevolusi di era AI. Penulis berpendapat bahwa dibandingkan sejumlah kecil FDE yang ditugaskan ke klien untuk melaksanakan produk vendor tertentu, kebutuhan yang lebih besar di masa depan adalah AI Engineer internal perusahaan. Mereka perlu memahami prompt, kerangka Agent, sistem evaluasi, serta menggunakan alat pemrograman AI seperti Claude Code untuk menyematkan kemampuan AI ke dalam perangkat lunak dan sistem bisnis. Ini menunjukkan dampak AI terhadap pasar tenaga kerja tidak hanya sekadar "penggantian". AI lebih mungkin menciptakan sejumlah peran umum baru terlebih dahulu, kemudian terus berevolusi menjadi spesialisasi yang lebih sempit seperti LLMOps Engineer, Evals Engineer, dan AI Data Engineer, mirip dengan diferensiasi peran software engineer di masa lalu. Yang benar-benar langka adalah orang-orang yang memahami implementasi teknik sekaligus konteks bisnis. Saat ini, permintaan untuk AI Engineer meningkat pesat. Insinyur ini mampu membangun aplikasi menggunakan komponen perangkat lunak AI. Seiring peran ini matang, diperkirakan akan terpecah menjadi spesialisasi lebih...

Catatan Redaksi: Seiring OpenAI, Anthropic, dan perusahaan lain mulai membentuk tim AI Forward Deployed Engineer (Insinyur Depan AI, disingkat FDE), sebuah posisi lama yang berasal dari Palantir kembali menjadi populer di Lembah Silikon. Nilai inti FDE adalah masuk ke lokasi klien dan mengubah model bahasa besar umum menjadi alur kerja Agent yang sesuai dengan proses bisnis spesifik.

Tapi yang sebenarnya dibahas artikel ini bukan hanya profesi baru FDE ini, melainkan bagaimana struktur pekerjaan di era AI terdiferensiasi kembali. Penulis berpendapat, dibandingkan dengan sejumlah kecil FDE yang ditempatkan di dalam klien untuk melayani implementasi produk vendor tertentu, kebutuhan masa depan yang lebih besar adalah AI Engineer milik perusahaan sendiri. Mereka perlu memahami prompt, framework Agent, sistem evaluasi, dan juga bisa menggunakan alat pemrograman AI seperti Claude Code, Codex, untuk benar-benar menyematkan kemampuan AI ke dalam perangkat lunak dan sistem bisnis.

Ini juga berarti dampak AI terhadap pasar tenaga kerja belum tentu 'penggantian' yang sederhana. Kemungkinan besar AI akan menciptakan sejumlah posisi tipe umum baru terlebih dahulu, lalu seperti dulu insinyur perangkat lunak terdiferensiasi menjadi front-end, back-end, mobile, DevOps, terus berevolusi menjadi LLMOps, Evals Engineer, AI Data Engineer, dan profesi yang lebih terspesialisasi. Yang benar-benar langka adalah orang-orang yang memahami implementasi teknis sekaligus konteks bisnis.

Berikut adalah teks aslinya:

Baru-baru ini di Lembah Silikon muncul sebuah posisi baru yang cukup mendapat perhatian: AI Forward Deployed Engineer (Insinyur Depan AI, disingkat FDE). Insinyur seperti ini akan ditempatkan di dalam organisasi klien untuk membantu klien mengkustomisasi solusi, misalnya membangun dan menyesuaikan alur kerja Agent yang sesuai dengan kebutuhan spesifik klien. Sejak OpenAI dan Anthropic mulai membentuk tim baru, menempatkan FDE di dalam organisasi klien, saya juga mendengar banyak orang mulai kembali memperhatikan jalur karier FDE ini.

Meningkatnya beban kerja AI yang mendorong kemunculan posisi FDE adalah salah satu contoh bagaimana AI sedang menciptakan pekerjaan baru. Ini juga menunjukkan bahwa narasi 'jobpocalypse' atau keruntuhan pasar tenaga kerja yang dikabarkan akan segera terjadi tidak terbukti – di masa depan masih akan ada banyak pekerjaan terkait AI dan non-AI. Namun, seperti yang akan dijelaskan di bawah, saya rasa jumlah posisi AI Engineer akan jauh lebih banyak daripada FDE.

Peran FDE ini pertama kali dikembangkan oleh Palantir sekitar dua puluh tahun lalu. Saat itu, Palantir akan mengirim insinyur ke lokasi lembaga pemerintah, bekerja di lingkungan yang aman dan terisolasi dari jaringan eksternal. Selain kemampuan teknis yang solid, FDE juga membutuhkan kemampuan komunikasi, terkadang juga memerlukan pertimbangan bisnis tertentu. Misalnya, mereka mungkin perlu berkomunikasi dengan klien untuk memahami kebutuhan klien; merumuskan strategi prioritas proyek; menjelaskan teknologi kompleks; serta memberikan umpan balik dengan cara yang sopan namun tegas ketika klien mengajukan permintaan yang tidak realistis. Saat ini FDE kembali mendapat perhatian, terutama karena untuk benar-benar menyematkan model bahasa besar jadi ke dalam bisnis perusahaan dan mengubahnya menjadi alur kerja Agent yang dikustomisasi sesuai kebutuhan bisnis spesifik memerlukan banyak pekerjaan implementasi nyata.

Tapi, menurut saya, skala posisi AI Engineer akan jauh lebih besar. Sebuah perusahaan mungkin menerima sejumlah kecil FDE untuk berkolaborasi internal, tetapi sebagian besar perusahaan akan menginginkan lebih banyak karyawan mereka sendiri terlibat dalam pembangunan proyek. Misalnya di lembaga saya, kami memang merekrut FDE, tetapi jumlah AI Engineer yang kami rekrut jauh lebih banyak. Selain itu, salah satu kekhawatiran umum klien adalah sulit menemukan FDE yang benar-benar 'netral terhadap vendor'. Lagipula, tugas FDE pada dasarnya adalah mengintegrasikan produk dari satu vendor tertentu secara mendalam ke dalam sistem perusahaan. Pada tahap saat ini, sulit memprediksi layanan AI mana yang akan menjadi pilihan terbaik satu tahun ke depan, jadi 'opsionalitas' sangat penting, yaitu kemampuan perusahaan untuk memilih vendor yang paling cocok untuk mereka di masa depan. Sebaliknya, jika membiarkan FDE mengikat proses bisnis perusahaan secara mendalam dengan satu vendor tertentu, akan sangat melemahkan opsionalitas ini.

Saat ini, saya melihat permintaan pasar terhadap AI Engineer sedang meningkat pesat. Insinyur jenis ini mampu membangun aplikasi menggunakan komponen perangkat lunak AI, seperti prompt LLM, framework Agent, sistem evaluasi; sekaligus juga dapat secara efisien menggunakan Agent pemrograman AI, seperti Claude Code, Codex, Antigravity CLI, dan OpenCode. Seiring peran AI Engineer ini semakin matang, saya memperkirakan peran ini akan terpecah lebih lanjut menjadi posisi yang lebih terspesialisasi. Mirip dengan puluhan tahun lalu ketika posisi umum 'insinyur perangkat lunak' secara bertahap terdiferensiasi menjadi arah front-end, back-end, mobile, rekayasa data, DevOps, dan lainnya.

Posisi rekayasa AI khusus apa yang akan muncul di masa depan? Saya belum bisa memastikan. Mungkin akan ada AI FDE, insinyur LLMOps, insinyur evaluasi, AI Data Engineer, insinyur Harness, serta beberapa posisi baru yang saat ini belum kita beri nama. Tapi setidaknya untuk saat ini, banyak AI Engineer tipe umum sudah menciptakan nilai yang sangat besar. AI Engineer yang unggul sedang dalam kondisi kekurangan yang sangat tinggi. Seiring bidang ini terus matang dalam sepuluh tahun ke depan, saya juga berharap akan muncul lebih banyak pembagian kerja khusus di dalam rekayasa AI, dan dengan demikian menciptakan lebih banyak peluang kerja baru.

Pertanyaan Terkait

QApa itu AI Forward Deployed Engineer (FDE) dan mengapa peran ini kembali populer di Silicon Valley?

AAI Forward Deployed Engineer (FDE) adalah insinyur yang ditempatkan di lokasi klien untuk membantu menyesuaikan solusi AI, seperti membangun dan mengoptimalkan alur kerja Agen yang sesuai dengan kebutuhan spesifik klien. Peran ini pertama kali diperkenalkan oleh Palantir sekitar dua puluh tahun lalu. Kembali populer karena perusahaan seperti OpenAI dan Anthropic mulai membentuk tim FDE, dan juga karena banyaknya pekerjaan yang diperlukan untuk benar-benar mengintegrasikan model bahasa besar generik ke dalam proses bisnis perusahaan dan mengubahnya menjadi alur kerja Agen yang disesuaikan.

QMenurut artikel, mengapa kebutuhan akan AI Engineer diperkirakan jauh lebih besar dibandingkan FDE?

AKarena meskipun perusahaan mungkin menerima sedikit FDE dari vendor untuk berkolaborasi, sebagian besar perusahaan lebih memilih agar lebih banyak karyawan internal mereka sendiri yang terlibat dalam proyek. Selain itu, klien sering kali khawatir tentang kesulitan menemukan FDE yang benar-benar 'netral terhadap vendor', karena tugas FDE pada dasarnya adalah mengintegrasikan produk satu vendor secara mendalam ke dalam sistem perusahaan, yang dapat mengurangi fleksibilitas perusahaan untuk memilih vendor terbaik di masa depan.

QApa saja keterampilan utama yang dibutuhkan oleh seorang AI Engineer menurut artikel?

ASeorang AI Engineer perlu memahami dan mampu menggunakan komponen perangkat lunak AI seperti prompt LLM, kerangka kerja Agen, dan sistem evaluasi. Mereka juga harus mahir menggunakan alat pemrograman AI seperti Claude Code, Codex, Antigravity CLI, dan OpenCode untuk menyematkan kemampuan AI ke dalam perangkat lunak dan sistem bisnis.

QBagaimana artikel memandang dampak AI terhadap pasar tenaga kerja secara keseluruhan?

AArtikel berpendapat bahwa dampak AI terhadap pasar tenaga kerja bukanlah penggantian pekerjaan secara sederhana. AI lebih mungkin menciptakan sejumlah besar peran baru yang bersifat umum terlebih dahulu. Kemudian, seperti halnya insinyur perangkat lunak yang terdiferensiasi menjadi front-end, back-end, mobile, dan DevOps, peran AI Engineer juga akan berevolusi menjadi spesialisasi yang lebih sempit seperti LLMOps Engineer, Evals Engineer, dan AI Data Engineer. Yang benar-benar langka adalah orang-orang yang memahami implementasi teknis sekaligus konteks bisnis.

QApa saja kemungkinan spesialisasi atau peran turunan yang mungkin muncul dari peran AI Engineer di masa depan?

AArtikel menyebutkan beberapa kemungkinan spesialisasi di masa depan, seperti AI FDE, LLMOps Engineer, Evals Engineer (Insinyur Evaluasi), AI Data Engineer, dan Harness Engineer, serta kemungkinan peran-peran baru yang saat ini belum dinamai. Evolusi spesialisasi ini diharapkan dapat menciptakan lebih banyak peluang pekerjaan baru di bidang teknik AI.

Bacaan Terkait

Penerbitan Obligasi Nvidia Senilai $20 Miliar Menambahkan Bahan Bakar pada Kisah Transformasi Penambang Bitcoin ke AI

Penulis: Sam Bourgi. Kompilasi: Deep Tide TechFlow. Nvidia dilaporkan berencana menerbitkan obligasi senilai minimal $20 miliar untuk mendanai investasi terkait AI dan melunasi utang. Langkah ini menjadi penegas tingginya permintaan pasar terhadap infrastruktur AI. Perkembangan ini juga terkait erat dengan tren transformasi yang dilakukan oleh para penambang Bitcoin, seperti HIVE Digital, TeraWulf, Hut 8, dan CleanSpark, yang mulai mengalihkan fasilitas dan daya listrik mereka yang sebelumnya untuk penambangan kripto menjadi pusat data dan layanan hosting AI. Dorongan utama di balik transformasi ini adalah menyempitnya margin profit bisnis penambangan Bitcoin, terutama pasca 'halving' April 2024, yang dikombinasikan dengan tingginya kesulitan penambangan dan biaya operasional. Dalam lingkungan yang disebut analis sebagai "yang paling keras", banyak penambang terpaksa menjual sebagian persediaan Bitcoin mereka untuk mengurangi leverage dan mencari sumber pendapatan baru. Data menunjukkan lebih dari 15.000 BTC terjual oleh penambang antara Oktober tahun lalu dan Maret tahun ini. Sebagai pemasok utama GPU untuk model bahasa besar, rencana pengeluaran modal Nvidia menjadi barometer bagi industri. Ledakan permintaan komputasi AI ini membuka peluang bagi para penambang dengan infrastruktur listrik yang mapan. Analis, termasuk dari Bernstein, memproyeksikan perusahaan penambang besar akan berevolusi menjadi penyedia infrastruktur AI, di mana nilai masa depan mereka akan semakin didorong oleh bisnis komputasi awan AI.

marsbit8m yang lalu

Penerbitan Obligasi Nvidia Senilai $20 Miliar Menambahkan Bahan Bakar pada Kisah Transformasi Penambang Bitcoin ke AI

marsbit8m yang lalu

Claude Mythos Ditutup, Membuat Saya Melihat Biaya Sebenarnya dari Menyewa AI

Kisah penutupan tiba-tiba Mythos oleh Claude mengungkap risiko kritis yang sering diabaikan oleh perusahaan rintisan: ketika kemampuan inti bisnis bergantung sepenuhnya pada platform eksternal, kendali atas kelangsungan hidup mereka berada di tangan pihak lain. Insiden ini memicu pertanyaan mendalam, bukan hanya tentang biaya, tetapi tentang siapa yang sebenarnya memiliki kecerdasan yang menjadi fondasi produk. Selama ini, penggunaan model AI "sewaan" seperti API dari lab-lab besar memang mempermudah dan terasa seperti infrastruktur. Namun, batasannya menjadi jelas: pihak penyedia bisa mengubah aturan, menaikkan biaya, atau bahkan menghentikan layanan kapan saja, seperti yang dialami Mythos. Maka, fokusnya bergeser dari sekadar biaya ke masalah kedaulatan. Alternatifnya adalah "memiliki" kecerdasan. Ini dilakukan dengan memulai dari model sumber terbuka yang kuat, lalu melatihnya ulang (*fine-tuning*) secara mendalam menggunakan data, alur kerja, dan pengetahuan khusus bidang perusahaan itu sendiri. Dengan pendekatan ini, model berubah dari generik menjadi aset unik yang mencerminkan nilai bisnis inti. Keunggulannya adalah kontrol penuh dan ketahanan. Masa depan AI tidak akan didominasi oleh satu model "terdepan" tunggal. Akan ada banyak "batas depan": model generik dari lab besar, model yang disesuaikan dengan pengetahuan perusahaan, model khusus untuk masalah sempit, serta sistem yang mengarahkan permintaan ke kumpulan model terbaik. Perusahaan yang unggul adalah yang mampu mengubah kecerdasan menjadi aset khusus mereka sendiri.

marsbit25m yang lalu

Claude Mythos Ditutup, Membuat Saya Melihat Biaya Sebenarnya dari Menyewa AI

marsbit25m yang lalu

Tiger Research: Cadangan Bitcoin Strategis AS, Haruskah Pasar Senang atau Kecewa?

Artikel ini membahas perkembangan upaya legislatif Amerika Serikat untuk menjadikan Bitcoin sebagai cadangan strategis nasional. Awalnya, RUU BITCOIN Act pada 2024 mengusulkan pembelian wajib 1 juta BTC oleh pemerintah federal dalam lima tahun. Namun, perjalanan legislatifnya penuh kompromi. Perintah eksekutif yang ditandatangani Presiden Trump pada Maret 2025 hanya melarang penjualan Bitcoin yang sudah dimiliki pemerintah (sekitar 190 ribu BTC dari proses hukum), tanpa memerintahkan pembelian baru. Saat ini, RUU dengan prospek terbaik adalah *American Retirement and Monetary Advancement Act* (ARMA) yang diperkenalkan pada 2026. ARMA bukanlah undang-undang pembelian. Isinya hanya mengkonsolidasikan Bitcoin milik pemerintah ke dalam satu cadangan di bawah Departemen Keuangan dan melarang penjualannya setidaknya selama 20 tahun. Ini menghilangkan risiko penjualan pemerintah tetapi tidak menciptakan permintaan baru, sehingga dampak jangka pendeknya terhadap pasar dinilai terbatas. Namun, ARMA dianggap sebagai langkah strategis untuk membangun kerangka hukum terlebih dahulu. Jika disahkan dan Bitcoin mendapat status hukum sebagai aset cadangan nasional, diskusi tentang kewajiban pembelian di masa depan bisa dibuka kembali dengan dasar yang lebih kuat. Meski jalan menuju pembelian langsung oleh pemerintah lebih panjang dari ekspektasi awal pasar, arahnya dinilai tetap konstruktif dalam jangka panjang.

marsbit28m yang lalu

Tiger Research: Cadangan Bitcoin Strategis AS, Haruskah Pasar Senang atau Kecewa?

marsbit28m yang lalu

Bikin U-Card Dapatkan Keanggotaan Cluade, Bagaimana Hitungan Kartu Plasma U?

Plasma meluncurkan tiga tingkatan kartu Plasma One U-Card yang terhubung dengan Visa, menawarkan berbagai manfaat berbasis penggunaan stablecoin dan penahanan (staking) token XPL. **Tiga Tingkat Kartu:** * **Lite:** Gratis, cashback dasar 2%, tanpa penahanan XPL. Untuk pengguna yang ingin mencoba. * **Core:** Biaya tahunan $120 **atau** kunci 10.000 XPL selama 12 bulan. Cashback 3% dasar + 5% untuk konsumsi AI (hingga $500/bulan), termasuk langganan ChatGPT Go. * **Platinum:** Kunci 100.000 XPL selama 12 bulan. Cashback 4% dasar + 10% untuk AI, langganan Claude Pro & ChatGPT Plus, manfaat perjalanan seperti cashback tiket pesawat, lounge, asuransi, dan eSIM global. **Analisis Nilai:** * **Lite** cocok untuk percobaan tanpa risiko. * **Core** layak jika pengeluaran AI tinggi (sekitar $200/bulan) untuk menutup biaya tahunan. Opsi kunci XPL membawa risiko volatilitas harga. * **Platinum** hanya menguntungkan bagi pengguna dengan aset XPL besar dan pengeluaran tinggi (AI & perjalanan). Perhitungan nilai maksimal di situs membutuhkan pengeluaran yang sangat besar (contoh: $187.500 untuk mendapatkan $7.500 cashback dasar). **Dampak pada XPL:** Program ini menciptakan alasan non-spekulatif baru untuk memegang XPL melalui mekanisme penguncian. Secara teoritis, ini dapat membantu mengurangi suplai yang beredar dan menyerap sebagian dari token yang akan dilepas (unlock) di masa depan. Namun, untuk menyerap unlock tim dan investor yang besar, dibutuhkan puluhan hingga ratusan ribu pengguna kartu tingkat tinggi, sebuah target yang ambisius. Poin penting lain: cashback dibagikan dalam XPL, yang dapat menjadi tekanan jual jika pengguna langsung menguangkannya. **Kesimpulan:** Plasma One U-Card adalah eksperimen untuk menghubungkan aset kripto dengan konsumsi sehari-hari, menambah utilitas XPL. Kesuksesan jangka panjangnya akan bergantung pada adopsi nyata, frekuensi transaksi pengguna, dan kemampuan memenuhi janji manfaat, bukan hanya pada narasi lock-up token.

Foresight News29m yang lalu

Bikin U-Card Dapatkan Keanggotaan Cluade, Bagaimana Hitungan Kartu Plasma U?

Foresight News29m yang lalu

Trading

Spot
Futures
活动图片