Por qué OpenAI, Google y Anthropic contratan FDEs y qué piden en sus avisos

Anthropic anunció en mayo una empresa para desplegar Claude dentro de otras compañías. Con apenas una semana de diferencia, OpenAI lanzó la suya, con más de USD 4.000 millones de inversión inicial. Google Cloud, mientras tanto, publica avisos para el mismo perfil en varios países. Los tres buscan a un Forward Deployed Engineer (FDE): el ingeniero que se instala dentro de la empresa cliente y lleva un sistema de AI hasta producción. La razón: un modelo potente disponible por API no alcanza. El cuello de botella está dentro de cada empresa, sistemas legacy, permisos, compliance, procesos sin documentar, y alguien tiene que entrar a resolverlo.

Si ya construyes con LLMs, la pregunta útil no es si el rol existe, sino qué piden exactamente estos avisos. Eso es lo que vemos aquí.

Qué pasó en mayo: dos empresas nuevas y una demanda que se disparó

El 4 de mayo, Anthropic, Blackstone, Hellman & Friedman y Goldman Sachs anunciaron una firma de servicios que diseña, construye y mantiene despliegues de Claude en empresas. Su CFO, Krishna Rao, explicó que la demanda de Claude supera lo que puede atender un único modelo de entrega. Goldman la presentó como una forma de dar acceso a FDEs a compañías medianas.

El 11 de mayo, OpenAI confirmó la OpenAI Deployment Company: una unidad mayoritariamente suya, con más de USD 4.000 millones y 19 socios entre inversores, consultoras e integradores. Acordó además adquirir Tomoro, una consultora de AI aplicada que aporta unos 150 FDEs y especialistas de despliegue.

Google Cloud y otros jugadores se sumaron en días. Según un resumen de Matt Burns (The New Stack), Thomas Kurian anunció en LinkedIn el 12 de mayo que ya había 59 puestos de FDE abiertos en la primera semana, con sedes que incluyen Brasil y México, una escalera de FDE II a IV y el plan de contratar a cientos. Anthropic puso a sus FDEs dentro de FIS para co-construir un agente contra el lavado de dinero y transferir el conocimiento para que el cliente pueda escalar más agentes por su cuenta. ServiceNow y Accenture, por su parte, lanzaron un programa conjunto de FDEs. Todo en unos diez días.

El mercado confirma el movimiento. Christian & Timbers, tras seis meses de estudio con más de 250 entrevistas C-suite, midió que la proporción de empresas que planea contratar FDEs pasó de entre 5% y 10% a comienzos de 2026 a 70% a fines de junio. Y The Pragmatic Engineer resumió en mayo que la demanda del rol en Google, OpenAI y Anthropic es enorme.

La razón de fondo es simple: un modelo potente disponible por API no alcanza. El cuello de botella está dentro de la empresa cliente: sistemas legacy, permisos, compliance y procesos que nadie documentó. El estudio Pulse of Change de Accenture lo refleja: solo 32% de los líderes empresariales reporta impacto sostenido de AI en toda la organización. Alguien tiene que entrar ahí y construir. Ese alguien es el FDE, un modelo que Palantir popularizó mucho antes de la ola de LLMs.

Qué piden los avisos de FDE de Anthropic, OpenAI y Google

Revisamos avisos publicados de FDE en las tres compañías. Cambian los productos (Claude, la API de OpenAI, Gemini y Vertex AI), pero el patrón se repite.

Cuatro patrones se repiten en los tres:

1. No es un rol de entrada. Los avisos piden entre 4 y 6 años de experiencia en roles técnicos con clientes.
2. Producción, no demos. Piden haber llevado sistemas de AI de la concepción al lanzamiento, con evaluación incluida, y no solo prototipos.
3. El trabajo con el cliente es parte del puesto. OpenAI pide hacer scoping y decidir trade-offs entre alcance, velocidad y calidad; Google, liderar sesiones de discovery con líderes C-suite; Anthropic, operar con autonomía en la ambigüedad.
4. Aprender del campo y devolverlo. Anthropic pide documentar patrones de despliegue repetibles; OpenAI, convertirlos en herramientas y playbooks; Google, transformar fricciones en módulos reutilizables o pedidos de producto. El FDE no solo entrega: mejora lo que vende su empresa.

Por qué se los llama «unicornios»: casi nadie combina las tres skills

Los avisos describen tres cosas a la vez: ingeniería de producción, criterio de negocio y comunicación con el cliente. Cada una por separado abunda. Juntas, no. Christian & Timbers estima que hay unos 2.000 FDEs de élite en EE.UU.: personas que llevaron AI a producción en empresas más de una vez, con resultados de negocio medibles.

No es un problema de código. Es el hueco entre quien sabe construir y quien conoce el negocio: el que programa suele no entender el proceso del cliente, y el que entiende el proceso no sabe construir el sistema. El FDE cierra esa brecha y responde por el resultado de punta a punta.

Ese perfil se entrena con un método más que con una herramienta: discovery para entender el problema, scoping para acotarlo con criterios de éxito medibles, delivery para llevarlo a producción y ROI para demostrar el impacto. RAG, agentes y MCP servers cambian cada pocos meses; el método se mantiene. También por eso la AI no reemplaza a este perfil: el FDE decide qué le delega al agente y qué sigue haciendo una persona.

Qué significa para ti si ya trabajas con LLMs

Primero, el panorama honesto: es un salto de nivel, no una puerta de entrada. Según Bloomsbury, que analizó 1.000 avisos, solo 12% de las búsquedas de FDE son para perfiles junior y 60% pide entre 3 y 5 años de experiencia. Si estás empezando, el camino pasa por construir primero el núcleo técnico.

Segundo, no te quedes con el título. El mismo trabajo aparece como FDE, AI Solutions Engineer o Solutions Architect, y un relevamiento de avisos de Valletta Software muestra que los puestos con el nombre exacto «forward deployed» se concentran en pocas empresas. Mira las responsabilidades: embeberte con el cliente, scopear, construir y desplegar. Es una capacidad con varios nombres, no un cargo único.

Tercero, arma tu stack. Aaron Levie, CEO de Box, resumió en mayo lo que piden estos puestos: bases de computer science, pensamiento sistémico, criterio de negocio y fluidez con agentes de código, MCP, CLIs y skills. Puedes practicarlo desde hoy con proyectos que se parecen a lo que piden los avisos:

• Un asistente RAG sobre documentos reales, con un set de evaluación que mida qué responde bien y qué no.
• Un MCP server o un agente dentro de un workflow concreto, definiendo qué decide el agente y qué decide una persona.
• Un documento de alcance para un problema ambiguo: usuarios, restricciones y criterios de éxito medibles.
• Un playbook corto con lo que aprendiste, para que otra persona pueda repetir el despliegue.

Un matiz honesto: Burns duda de cuánto durará el rol como figura externa, porque con el tiempo más empresas lo traerán adentro a medida que sus ingenieros y líderes de producto dominen la AI. Aun así, quien se embebe en el cliente y quien hace el trabajo desde adentro necesitan el mismo conjunto de skills.

Si ya tienes experiencia en el campo y quieres dar un salto más, puedes estudiar Forward Deployed Engineer en Soy Henry. Súmate hoy a la waiting list y preparate para construir las habilidades más demandadas del mercado hoy en día.