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

Bank Italia Tidak Melihat Keunggulan Sistemik Stablecoin dalam Transfer

Studi Bank Italia menunjukkan bahwa stablecoin tidak memberikan keunggulan sistemik yang berkelanjutan dalam hal biaya dan kecepatan transfer uang. Semua keuntungan hilang akibat biaya untuk deposit dan penarikan ke/dari fiat serta proses dalam infrastruktur pembayaran lokal. Peneliti membandingkan transfer 200 USDC di 10 koridor bilateral antara Italia dengan Brasil, Argentina, Jepang, UEA, dan Afrika Selatan. Metriknya adalah biaya total dan waktu penyelesaian dibandingkan layanan uang standar. Biaya akhir transfer stablecoin bervariasi dari 0,3% hingga hampir 9%, tergantung arahnya. Di koridor dengan sistem pembayaran instan, penyelesaian membutuhkan waktu kurang dari 20 menit. Sementara di daerah tanpa infrastruktur tersebut, proses memakan waktu satu hingga dua hari kerja. Biaya dan penundaan utama dikaitkan dengan pertukaran dan konversi mata uang, serta kualitas infrastruktur lokal. Komisi blockchain bukan faktor utama. Rata-rata biaya transfer uang global adalah 6,65%. Di sebagian besar koridor yang diteliti, stablecoin lebih murah dari level ini, namun dibandingkan dengan Wise, stablecoin hanya lebih unggul di tiga dari tujuh rute yang sebanding. Penulis berpendapat efeknya akan lebih terasa jika stablecoin bisa dibelanjakan langsung untuk barang/jasa tanpa konversi ke mata uang lokal. Mereka juga mencatat bahwa rezim regulasi yang melarang tidak menghilangkan permintaan akan "koin stabil", dan aturan yang terlalu ketat justru mempersulit penggunaan oleh klien ritel.

cryptonews.ru2j yang lalu

Bank Italia Tidak Melihat Keunggulan Sistemik Stablecoin dalam Transfer

cryptonews.ru2j yang lalu

Boom Bitcoin Memanas: Pernyataan Baru Saylor Picu Spekulasi Pembelian

Ketua Eksekutif MicroStrategy Inc., Michael Saylor, kembali memicu spekulasi pembelian Bitcoin baru perusahaan setelah memposting pesan "Bitcoin Drive engaged" pada 2 Agustus. Postingan hari Minggu ini disertai dengan pelacak pembelian biasa MicroStrategy, yang sejalan dengan praktik Saylor memberi sinyal perubahan treasury sebelum laporan mingguan. Laporan Saylor menunjukkan bahwa cadangan Bitcoin MicroStrategy adalah 843.775 BTC dengan nilai pasar sekitar $53,25 miliar. Dua penjualan Bitcoin baru-baru ini, total 3.588 BTC, telah mengurangi cadangan dari 847.363 BTC. Penjualan ini, menurut pengajuan SEC, ditujukan untuk mendanai pembayaran saham preferen dan menambah cadangan dolar AS. Perusahaan juga dilaporkan tidak melakukan pembelian Bitcoin dalam minggu yang berakhir 26 Juli, sambil meningkatkan cadangan dolar AS menjadi sekitar $3,75 miliar. Ekspektasi untuk pengumuman treasury pada hari Senin diperkuat oleh pola sebelumnya, di mana sinyal serupa pada hari Minggu mendahului pengungkapan cadangan uang yang lebih besar pada 27 Juli. Pembaruan data hari Senin ini akan menunjukkan apakah MicroStrategy kembali ke akumulasi Bitcoin, karena perusahaan menyeimbangkan cadangan Bitcoinnya yang besar dengan kewajiban tunai yang meningkat dan manajemen modal yang aktif. Risiko keuangan tetap tinggi setelah MicroStrategy melaporkan kerugian operasional $8,33 miliar untuk kuartal II 2026, termasuk kerugian belum terealisasi $8,32 miliar pada aset digitalnya.

cryptonews.ru2j yang lalu

Boom Bitcoin Memanas: Pernyataan Baru Saylor Picu Spekulasi Pembelian

cryptonews.ru2j yang lalu

Saham Perusahaan yang Bergerak di Bidang Kecerdasan Buatan Diperdagangkan Seperti 'Meme Coin', Sementara Bitcoin Hampir Tak Berubah Harganya — Tinjauan Mingguan

Tinjauan minggu ini menyoroti dominasi berita pasar saham tradisional dan makroekonomi atas berita kripto. Peringatan keamanan mendesak dikeluarkan untuk pengguna Coldcard terkait potensi kompromi kunci pribadi. Sementara itu, Bitcoin relatif stabil di sekitar $64.000, perhatian pasar justru terfokus pada volatilitas ekstrem di saham AI dan pasar Asia, terutama Korea Selatan yang mengalami penurunan signifikan. Likuidasi besar oleh dana "Situational Awareness" diduga berkontribusi pada penurunan ini. Di sektor kripto, tren bearish berlanjut dengan beberapa perusahaan seperti BitMart dan Storj Labs mengumumkan penutupan atau kebangkrutan. Perusahaan yang masih beroperasi, seperti Coinbase, mengalami tekanan dengan penurunan harga saham dan gelombang PHK di industri. Di sisi lain, MicroStrategy terus menambah cadangan kasnya dan membeli kembali sahamnya. Ekosistem DeFi menghadapi tantangan potensial dari kesuksesan proyek seperti Trade.xyz dan Pump.fun, yang dapat memutuskan untuk beroperasi secara mandiri. Isu perdagangan orang dalam juga mencuat di platform Hyperliquid. Sementara itu, token AI seperti Bittensor (TAO) menarik perhatian investor venture capital, meski disertai peringatan agar investor retail berhati-hati. Artikel ditutup dengan penekanan kembali pada pentingnya kewaspadaan keamanan, khususnya dalam penyimpanan aset kripto secara mandiri, di tengah potensi meningkatnya kerentanan perangkat keras dompet digital.

cryptonews.ru2j yang lalu

Saham Perusahaan yang Bergerak di Bidang Kecerdasan Buatan Diperdagangkan Seperti 'Meme Coin', Sementara Bitcoin Hampir Tak Berubah Harganya — Tinjauan Mingguan

cryptonews.ru2j yang lalu

Trading

Spot
活动图片