Автор | За рамками заголовка, автор — Хуа Хуа
За последние три года самыми ценными людьми в индустрии ИИ были ученые по моделям.
Сегодня наиболее востребованные специалисты в OpenAI, Anthropic и Google изменились.
Это не исследователи, не инженеры-алгоритмисты и даже не эксперты по большим моделям.
А люди, которым нужно ездить в командировки, работать на месте у клиента, проводить встречи и изменять процессы.
У них появилось новое название: Forward Deployment Engineer (сокращенно FDE), инженер по развертыванию на передовой.
Это позиция, которая кажется совершенно незаметной, но, возможно, представляет собой самый значительный поворот в индустрии ИИ за последние три года: миф о модели официально отступает, а война за внедрение вступает в полную силу.
Гиганты больших моделей из Кремниевой долины наконец осознали, что модель уже не проблема. Самое сложное — последний километр, когда компании не умеют её использовать. Таким образом, должность, ранее никому не интересная, в одночасье взлетела в цене.
Отчет LinkedIn о рабочей силе за 2026 год показывает, что за два года с 2023 по 2025 год количество вакансий для FDE в мире выросло в 42 раза, в то время как количество вакансий для инженеров ИИ выросло в 13 раз, а темпы роста первых примерно в три раза превышают темпы роста вторых.
Эта нестандартная лихорадочная охота за кадрами сорвала самую молчаливую ширму, скрывавшую всю индустрию ИИ за последние три года.
1. Модель готова, организация — нет
С момента появления ChatGPT основное направление развития индустрии ИИ было ясным. От вопроса о том, кто сможет создать более мощную модель, до того, кто сможет создать лучшего агента.
К 2026 году вопрос изменился. Корпоративные клиенты начали задавать другой вопрос: мы купили ИИ, так почему же мало что изменилось?
Это самая большая иллюзия всей индустрии — считать, что модель равна производительности.
Реальность такова, что многие компании потратили большие деньги на закупку ИИ/агентов, сотрудники зарегистрировали аккаунты, ИТ-отдел создал демо-версию внутренней базы знаний, и все были в восторге в течение месяца.
А потом... прошло полгода, и никто не пользуется. Рабочие процессы остались точно такими же, как и раньше.
Дело не в том, что сотрудники не хотят сотрудничать, не в отсутствии решимости у руководства и не в том, что модель недостаточно хороша. Подлинные болевые точки предприятия в производственной среде никогда не сводятся к тому, как вести диалог, а касаются того, где находятся исторические данные, правильный ли их формат, какого они качества? По каким каналам идут процессы утверждения и распределения ответственности, кто обладает решающими полномочиями? Как импортировать данные о клиентах, как интегрироваться с ERP-системой, как совместить с существующими системами соответствия и безопасности?
Это не технические проблемы, а организационные.
Это как поставить ракетный двигатель на конную повозку. Двигатель настоящий, тяга настоящая, но лошадь осталась лошадью, колея — грунтовой дорогой, а возница никогда не учился нажимать на газ и не знает, где находится аварийный тормоз.
Компании-разработчики моделей всегда продавали их как инструменты, давая пользователям самый мощный цифровой мозг и ожидая, что те найдут способ встроить его в тело.
В результате большинство компаний пытались это сделать два года, а мозг так и лежит на столе, а тело остаётся неподвижным.
2. Наследие Palantir
Не OpenAI, а Palantir Technologies превратила FDE в полноценную профессию.
Эту загадочную единорога в сфере больших данных, основанного «крёстным отцом Кремниевой долины» Питером Тилем, который помог американским военным выследить и убить Усаму бен Ладена, в Кремниевой долине высмеивали пятнадцать лет.
Причина в том, что её бизнес-модель была слишком «тяжёлой»: она не продавала стандартизированное ПО, а отправляла своих инженеров на длительные командировки к клиентам, где они сидели по полгода и больше. Венчурные капиталисты наклеили на неё ярлык: консалтинговая компания под видом софтверной.
В иерархии снобизма Кремниевой долины SaaS — это высокоуровнево, а проекты, построенные на людских ресурсах, — низкоуровнево. Palantir находилась на самом дне этой иерархии.
В 2011 году, продавая программное обеспечение для работы с данными правительственным и оборонным учреждениям, Palantir обнаружила повторяющуюся проблему: клиенты, купив софт, просто не умели им пользоваться.
Но именно эта проблема всё изменила. Традиционная модель, когда продавцы собирают требования, а инженеры разрабатывают удалённо, полностью провалилась перед лицом высококлассифицированных и чрезвычайно сложных клиентов. Клиенты сами не знали, чего хотят. Они просто знали, что существующие инструменты неудобны.
Паллантир поступил не так, как выпустил лучшее руководство пользователя, а отправил своих инженеров на места к клиентам. В ЦРУ, в энергетические компании, в банки. Инженеры сидели рядом с клиентами, наблюдали за их работой, изучали потоки данных, понимали организационную структуру, а затем изменяли ПО, процессы и даже рабочие методы.
Эта модель в эпоху стандартизированного ПО никогда не копировалась в больших масштабах. Раньше продукт определял процесс, а если клиент был недоволен, значит, обучение было недостаточным.
Эра больших моделей полностью разрушила эту логику. У ИИ нет стандартного способа применения. Его потолок полностью зависит от того, как он интегрируется с приватными данными, как выстроены рабочие процессы и как он внедряется внутри организации. Системы каждой компании уникальны, как «силосные башни». Универсальный продукт просто не может решить кастомизированные проблемы на «глубокой воде».
Таким образом, методология, которую Palantir оттачивала более десяти лет, внезапно стала учебником для всей отрасли.
То, что OpenAI сегодня начинает копировать эту модель, по сути, является признанием того, что ИИ перешёл от проблемы разработки программного обеспечения к проблеме организационной эволюции.
3. Месяц, три гиганта, одно и то же суждение
Если Palantir просто показала пример отрасли, то в мае 2026 года три ведущих мировых гиганта в области ИИ одновременно совершили коллективный сговор в отношении внедрения, вложив реальные деньги.
4 мая Anthropic совместно с Blackstone, Goldman Sachs, Hellman & Friedman и рядом других глобальных управляющих активами учредила совместное предприятие с общим объёмом обязательного капитала в 15 миллиардов долларов. Основным видом деятельности станет развёртывание и внедрение большой модели Claude на предприятиях.
Затем, 11 мая, OpenAI официально объявила о создании независимой дочерней компании по развёртыванию — Deployment Company (DeployCo). Общие первоначальные инвестиции в сотрудничество превысили 40 миллиардов долларов, в консорциум вошли 19 организаций, включая инвестиционные компании частного капитала, такие как TPG и Bain Capital, а также консалтинговые интеграторы, такие как McKinsey и Accenture.
OpenAI одновременно приобрела компанию по консалтингу на месте внедрения ИИ Tomoro. После завершения сделки она направит в DeployCo около 150 инженеров по развёртыванию на передовой. Среди существующих клиентов Tomoro — Tesco, Virgin Atlantic, Red Bull, Supercell.
Менее чем через две недели генеральный директор Google Cloud Томас Куриан опубликовал в LinkedIn пост о массовом наборе FDE. Внутри Google Cloud открыто более 1500 вакансий, связанных с внедрением ИИ, причём FDE является ключевой категорией найма.
Три ведущие мировые компании в области ИИ в одно и то же время сделали одно и то же: не выпустили более мощную модель, а создали отдельные структуры, которые помогают предприятиям внедрять ИИ.
Это более значимый сигнал, чем любой анонс модели.
Операционный директор OpenAI Брэд Лайткэп даже сказал следующее:
«Сегодня возможности ИИ-систем для частных лиц уже очень мощные, но мы ещё не увидели реального проникновения ИИ в бизнес-процессы предприятий. Предприятие — это организация со сложной структурой, разрозненными системами, множеством регуляторных ограничений и унаследованными сложными процессами. Самая большая проблема сегодня — интегрировать ИИ в ключевые бизнес-процессы, от которых зависит функционирование предприятия».
Проще говоря, модели достаточно хороши. Проблема — внутри компаний и организаций.
Именно осознав это, OpenAI и другие компании готовы платить любую цену, чтобы заполучить учеников Accenture и McKinsey и массово превратить их в FDE, идущих в атаку.
Эта битва за кадры на сотни миллиардов долларов напрямую высасывает базовые активы из традиционной индустрии консалтинга и ИТ-внедрения и знаменует начало революции в моделях поставки больших моделей.
4. Конец продажи инструментов — продажа результата
Многие думали, что ИИ уничтожит консалтинговую индустрию. Конец McKinsey, конец Accenture, конец крупным интеграторам ИТ.
Результат оказался прямо противоположным — ИИ снова сделал консалтинг масштабнее.
Но за этим скрывается более глубокое изменение: бизнес-модель всей индустрии программного обеспечения переживает самый значительный переход за последние двадцать лет.
Это именно тот принцип выживания, который Palantir сформулировала более десяти лет назад: Don’t sell software. Deploy outcomes. (Не продавай программное обеспечение. Внедряй результаты).
Это изменение по своей сути. Раньше Microsoft продавала Office, Salesforce — CRM, Adobe — пакеты, поставляя инструменты, а хорошо ли вы ими пользуетесь — ваше дело. Сегодня OpenAI, Anthropic внедряют своих людей в компании-клиенты, чтобы поставить результат.
FDE — это поставщик результатов. Изучает организацию, процессы, данные и в итоге предоставляет систему, которая реально работает в производственной среде, а не красивую демо-версию.
Раньше консультанты поставляли презентации PowerPoint, а FDE поставляет агентов. Раньше консультанты давали рекомендации, а FDE даёт код. Суть одна и та же — помогать компаниям решать вопрос, как работать эффективнее, — просто изменился конечный продукт.
Вот почему в требованиях к найму FDE в Anthropic есть странный пункт: сохранять низкую самооценку и установку на сотрудничество.
Это самое сложное в инженерной культуре: нужно иметь достаточную техническую глубину, чтобы решать любые проблемы на месте, и в то же время в общении с клиентом отбросить установку «я умнее вас», терпеливо понимая, почему клиент не доверяет результатам ИИ.
Зарплата от 300 до 500 тысяч долларов в год не потому, что FDE технически сильнее, а потому, что один квалифицированный FDE может заменить четырёх человек: продакт-менеджера, архитектора, менеджера проекта и инженера по ИИ.
На передовой линии поставки один FDE — это целая армия.
5. Самое большое препятствие для внедрения ИИ — это никогда не технология
Сегодня большинство неудачных проектов по внедрению ИИ на предприятиях — это не технические неудачи, а организационные.
Этому не могут избежать даже самые влиятельные финансовые империи и розничные гиганты мира.
При продвижении миграции на ИИ Goldman Sachs Group столкнулась с классическим сопротивлением среднего звена в области соответствия. Технический отдел в то время разработал систему аудита на основе ИИ, которая могла автоматически генерировать аналитические отчеты и проводить первоначальную проверку документов на соответствие требованиям для IPO.
Но когда система была готова к подключению к производственной среде, руководители среднего звена отделов управления рисками и соответствия совместно нажали на паузу. Они представили руководству объёмный отчет с запросами: если «галлюцинации» большой модели появятся в документах для размещения акций, кто будет нести ответственность за потенциальные штрафы в миллиарды долларов?
Какой бы красивой ни была техническая прототип, проект был заблокирован на полгода из-за невозможности преодолеть укоренившуюся в организации культуру избегания ответственности. Только после вмешательства команды FDE, которая перераспределила границы ответственности в рамках взаимодействия человека и машины, проект с трудом прошёл утверждение.
Если Goldman Sachs застряла на вопросах ответственности, то знаменитый ранний провал американского розничного гиганта Target с Palantir наткнулся на стену организационных интересов и культуры.
В то время Palantir направила большую команду FDE в Target, пытаясь с помощью моделей данных перестроить прогнозирование цепочки поставок и запасов с годовым доходом в десятки миллиардов долларов.
Однако самая влиятельная команда опытных покупателей в Target отнеслась к этому крайне враждебно. Они считали, что их многолетняя интуиция в моде не должна уступать алгоритму. Среднее звено всячески затягивало предоставление интерфейсов данных, а сотрудники на местах умышленно не выполняли инструкции системы по пополнению запасов. Эта техническая реформа стоимостью в десятки миллионов долларов в конечном итоге закончилась тем, что Target в одностороннем порядке разорвала контракт из-за борьбы за власть между человеком и машиной внутри организации.
Ни одна строка кода не была ошибочной, но проект просто не двигался. Это самая реальная картина внедрения: технология составляет только 20%, а остальные 80% — это внутренние интересы организации, распределение полномочий и историческое наследие.
Например, процесс утверждения кредита в банке связан с распределением полномочий и регуляторными требованиями, накопленными за десятилетия. Система составления расписания в больнице связана с интересами всех отделений. Контроль качества на заводе связан с контрактами поставщиков и страховкой качества.
Всё это не изменится автоматически из-за аккаунта GPT.
Эти препятствия не может решить инженер, понимающий только технологии. Нужны люди, способные мыслить одновременно в двух измерениях: технологическом и организационном.
Поэтому реальная задача FDE — не просто развернуть ИИ, а в том, чтобы помочь организации завершить миграцию на ИИ. Если за последние двадцать лет ИТ-отделы отвечали за оцифровку бумажных процессов, то в следующие десять лет FDE будут отвечать за то, чтобы оцифрованные процессы стали процессами на базе ИИ.
Это следующий этап того же самого дела.
Слова [За рамками заголовка]:
Когда модели становятся дешевле. Вычислительные мощности становятся дешевле. Агенты становятся дешевле.
По-настоящему дорогим становится другой навык: понимать организацию, преобразовывать процессы, стимулировать изменения.
Вот почему стали востребованы FDE.
Не потому, что эта должность так важна сама по себе, а потому, что вся индустрия ИИ наконец признала одну вещь:
Самая сложная часть технологической революции — это никогда не технология.
А люди.
