AI로 강화되는 포워드 디플로이드 엔지니어 (Forward Deployed Engineer)

원문 (VM0 블로그) / Originally published on the VM0 blog: https://www.vm0.ai/en/blog/posts/forward-deployed-engineer

일본어판 (앞)과 영어판 (뒤)을 하나의 기사로 통합했습니다. / Japanese version first, English version below.

포워드 디플로이드 엔지니어 (Forward Deployed Engineer, FDE)란, 고객 기업 내부로 들어가 AI 시스템을 구축하고 실제 운영 단계까지 전달하는 엔지니어를 말합니다. 초기 단계의 모호하고 혼란스러운 요구사항 정의부터, 비즈니스가 실제로 측정 가능한 성과를 내는 지점까지를 책임집니다. 이들은 고객의 시스템 위에서 프로덕션 코드 (Production Code)를 작성합니다. 컨설턴트도 아니고, 세일즈 엔지니어 (Sales Engineer)도 아닙니다. 이 역할을 만들어낸 것은 Palantir이며, 2010년대 초반에 첫 멤버들을 「Deltas」라고 불렀습니다. 2026년 현재, 이는 엔터프라이즈 AI 분야에서 가장 급성장하고 있는 직종입니다. 구인 건수는 2025년 4월 643건에서 1년 후 5,330건으로 729% 증가했습니다.

이 역할이 존재하는 이유는 간단합니다. 회의에서 보기 좋은 AI 데모와 실제 운영 환경에서 작동하는 시스템 사이에는 큰 격차가 있습니다. FDE는 그 격차를 메우는 사람입니다. 그리고 그 격차에는 FDE가 테크 업계에서 가장 요구되는 역할 중 하나가 될 만큼의 가치가 있습니다. 나아가 지금, 바로 그 엔지니어들이 AI 에이전트 (AI Agent)와 결합하기 시작하면서 한 명이 낼 수 있는 성과를 몇 배로 끌어올리고 있습니다. 주목해야 할 점은 대체가 아니라, 바로 이 「결합」입니다.

포워드 디플로이드 엔지니어란, 고객 조직 내부에서 직접 일하며 기술적인 성공을 처음부터 끝까지 자신의 책임으로 갖는 엔지니어입니다. 문제의 범위(Scope) 설정, 코드 작성, 시스템 배포 (Deployment), 그리고 현장에서 배운 것을 제품에 피드백하는 것까지를 담당합니다.

이 용어는 군사 용어에서 유래했습니다. 「forward deployed (전방 전개)」란 후방 기지가 아닌, 행동의 최전선에서 일하는 것을 의미합니다. 엔지니어에게는 본사를 떠나 고객의 현실 속에 몸을 두는 것을 의미합니다. 고객의 데이터, 보안 규칙, 레거시 시스템 (Legacy System), 그리고 마감 기한 속에서 일하는 것입니다.

이 모델을 구축한 것은 Palantir였습니다. 자사 엔지니어를 몇 주에서 몇 달 동안 고객 시설 내에 상주시키며, 프로덕션 코드를 작성하고, 기밀 취급 하드웨어에서 파이프라인 (Pipeline)을 디버깅하며, 고객의 스탠드업 미팅 (Stand-up Meeting)에 참석하게 했습니다. 2016년까지 Palantir에는 소프트웨어 엔지니어보다 포워드 디플로이드 엔지니어가 더 많았습니다.

솔루션 아키텍트 (Solution Architect)는 고객에게 시승을 시켜줍니다. FDE는 열쇠 그 자체를 건네줍니다.

그 업무는 배포 (Deployment) 전체 기간에 걸쳐 이루어집니다. 전형적인 하루는 어디에서 문제가 발생하는지 파악하는 고객 스탠드업 미팅으로 시작하여, 오후에는 모델을 레거시 ERP에 연결하는 Python 코드를 작성하고, 밤에는 고객의 시간대에 맞춰 새벽 2시에 멈춰버린 연동 프로세스를 수정하며 끝나는 식입니다.

2026년에 기업이 요구하는 기술은 에이전트형 AI에 가까운 곳에 있습니다.

RAG 파이프라인 (RAG Pipeline): 검색 튜닝, 그라운딩 (Grounding), 컨텍스트 관리 -
평가 프레임워크 (Evaluation Framework): 할루시네이션 (Hallucination)이나 그라운딩 실패를 실제 운영에 적용되기 전에 잡아내는 eval 스위트 (eval suite) -
에이전트 개발 (Agent Development): LangGraph, LangChain, CrewAI, DSPy의 실무 경험, 그리고 멀티 스텝 (Multi-step) 도구 활용 -
운영 관측성 (Production Observability): 일반적인 소프트웨어에서는 발생하지 않는 방식으로 고장 나는 확률적 시스템 (Probabilistic System)의 모니터링

간과하기 쉬운 측면이 하나 있습니다. FDE는 현장에서 실제로 무엇이 고장 나는지를 보고 있기 때문에, 추측이 아닌 실제 이용에 기반한 인풋을 가진 프로덕트 매니저 (Product Manager)와 같은 역할도 수행하게 됩니다. 이 피드백 루프는 이 역할이 비용 대비 큰 가치를 갖는 이유 중 하나입니다.

이러한 역할의 경계선은 결국 누가 프로덕션 코드를 작성하여 전달하느냐로 귀결됩니다.

역할	프로덕션 코드 작성	고객 환경에 배포	관계의 오너십
포워드 디플로이드 엔지니어 (FDE)	예	예	공동
솔루션 아키텍트 (Solution Architect)	드물게	설계는 하지만 배포는 드묾	공동
고객 성공 매니저 (CSM)	아니요	아니요	예

FDE는 코드를 전달합니다. 솔루션 아키텍트는 시스템을 설계하지만, 보통은 배포하지 않습니다. CSM은 관계를 관리하지만, 코드를 커밋(Commit)하지는 않습니다.

엔터프라이즈 AI의 병목 현상은 모델이 아니라 배포(Deployment)에 있으며, 2026년에 주요 AI 연구소(Lab)들이 그 병목 현상을 직접 통제하기로 결정했기 때문입니다.

숫자는 반박하기 어렵습니다. MIT NANDA의 『State of AI in Business 2025』 보고서에 따르면, 기업의 생성형 AI 파일럿 프로젝트 중 95%가 측정 가능한 비즈니스 임팩트를 창출하지 못했다고 보고되었습니다. 대부분의 경우 모델에는 문제가 없었습니다. 무너진 부분은 배포(Deployment) 단계였습니다.

그 상당수는 이른바 "양방향 지식 격차 (bidirectional knowledge gap)"에서 기인합니다. 고객 측 엔지니어는 비즈니스를 이해하고 있습니다. 데이터 스키마(Data Schema), 컴플라이언스(Compliance) 규정, 레거시 아키텍처(Legacy Architecture)를 말이죠. 연구소(Lab) 측 엔지니어는 모델이 프로덕션(Production)에서 작동하기 시작한 후 어떻게 행동할지를 이해하고 있습니다. 프롬프팅(Prompting), RAG, 평가(Evaluation), 실패 모드(Failure Modes)를 말입니다. 어느 쪽도 단독으로는 제대로 작동하는 결과물을 전달할 수 없습니다. FDE는 이 양쪽의 절반씩을 모두 갖춘 사람입니다.

에이전트(Agent)는 이를 더욱 어렵게 만듭니다. 결정론적인 SaaS 제품은 "설정(Configuration)"됩니다. 하지만 AI 에이전트는 실제 인간의 워크플로우에 "적응(Adaptation)"시켜야 합니다. 그것은 혼돈스럽고 판단을 요하는 상황들로 가득 차 있습니다. 그렇기에 연구소(Lab)들은 거의 동시에 움직였습니다.

• OpenAI는 2026년 5월 11일에 The Deployment Company를 설립하고, 40억 달러 이상의 자본을 투입했으며, 에든버러의 Tomoro를 인수하여 첫날부터 약 150명의 숙련된 FDE를 영입했습니다. -
• Anthropic은 며칠 만에 Blackstone 및 Goldman Sachs와 15억 달러 규모의 합작 투자(Joint Venture)를 발표했습니다. -
• Databricks는 2026년 6월 11일에 독자적인 포워드 디플로이드 엔지니어링 조직을 공식 출범하며, 컨설턴트형 인수인계를 아직 존재하지 않는 것을 만들어내는 엔지니어로 대체했습니다.

이는 프런티어 연구소(Frontier Labs)에만 국한된 일이 아닙니다. 2026년 5월 하순 기준으로 39개 기업에서 224건의 FDE 채용 공고가 있었으며, Palantir, Mistral, Cohere, Cresta, Scale AI, Snowflake, GitLab, Stripe가 모두 채용을 진행하고 있었습니다.

FDE의 보상이 높은 이유는 이 일을 잘 해낼 수 있는 사람이 희귀하며, 업무의 중요성이 매우 높기 때문입니다. 2026년 보고된 기본 급여 범위는 다음과 같습니다.

기업	기본 급여 범위
Palantir	$170K 〜 $340K+
...

이 보상에는 실제적인 비용도 따릅니다. 출장은 업무의 25% ~ 50%를 차지하는 경우가 많아, 데스크 워크(Desk work)보다 더 빨리 소진(Burnout)시키며, 항상 서로 다른 고객 산업군을 오가야 합니다.

그 보답은 커리어 레버리지(Career Leverage)입니다. FDE로서 보내는 몇 개월은 수년 치의 고객 접점을 압축해 놓은 것과 같습니다. 그렇기에 많은 FDE가 독립하여 회사를 설립합니다. Palantir 출신들만 하더라도 Anduril, OpenGov, Addepar을 창업했습니다.

아니요. 이 역할은 자동화로 인해 사라지는 것이 아니라, 오히려 증폭되고 있습니다. 데모에서 프로덕션까지의 격차를 메우던 바로 그 엔지니어들이 AI 에이전트와 결합하기 시작했습니다. 그 결과는 스크립트로 대체된 한 명의 개인이 아니라, 훨씬 더 많은 것을 전달할 수 있게 된 한 명의 전문가입니다.

FDE의 주간 업무 대부분은 정형화된 작업입니다. 디스커버리(Discovery) 인터뷰를 진행하고, 프로토타입의 토대를 구축하며, 또 다른 연동(Integration)을 연결하고, 평가(Eval) 스위트의 초안을 작성하는 일들입니다. AI 팀원은 엔지니어의 지시 아래 이러한 작업들을 맡을 수 있습니다. FDE는 정말로 판단이 필요한 부분, 즉 아키텍처, 고객과의 관계, 그리고 "무엇을 출하(Ship)해도 되는가"에 대한 판단에 있어 계속해서 운전석을 지키게 됩니다.

그 팀메이트야말로 Zero가 지향하며 만들어지고 있는 것입니다. Zero는 팀이 이미 일하고 있는 곳에서 움직이고, 이미 사용 중인 시스템에 연결하며, 태스크(Task)를 문제로부터 사용 가능한 성과로 운반합니다. 그동안 엔지니어는 리뷰하고, 수정하며, 무엇을 출하(Ship)할지 결정합니다. FDE가 소프트웨어로 교체되는 것이 아닙니다. FDE가 소프트웨어를 조종하고, 양자가 협업함으로써 어느 한쪽 단독일 때보다 훨씬 더 넓은 범위를 커버하게 됩니다. 에이전트(Agent) 함대를 지휘할 수 있는 한 명의 엔지니어는, 그 역할을 수행해 온 판단력을 놓지 않으면서도 동시에 많은 고객을 대응할 수 있습니다.

이 직종명은 아마도 분화될 것입니다. 현재의 "포워드 디플로이드 엔지니어 (Forward Deployed Engineer)"는 매우 많은 서로 다른 업무를 하나로 묶고 있습니다. 2027년 중반에는 더 정리된 세부 전문 분야(Sub-specialty)가 나타날 것으로 보입니다. FDE-Infrastructure, FDE-Eval, FDE-Agent, 그리고 FDE-Sovereign입니다. 마지막 것은 소버린 AI (Sovereign AI), 즉 기업이 누군가의 클라우드 위에서 모든 것을 구동하는 대신, 자사의 데이터·모델·스택을 스스로 소유하고자 하는 움직임에 의해 추진되고 있습니다.

이 역할이 사라지지는 않을 것입니다. 가장 대규모이고 이해관계가 큰 배포(Deployment)에는 항상 현장에 앉아 있을 수 있는 사람이 필요합니다. 변하는 것은 레버리지(Leverage)의 원천이 어디에 있느냐 하는 점입니다. 그것은 인원수에서 소프트웨어로 옮겨갈 것이며, FDE는 워크플로우를 수동으로 조립하는 시간을 줄이고, 이를 구축하는 에이전트를 지휘하는 시간을 늘려갈 것입니다.

포워드 디플로이드 엔지니어는 소프트웨어 엔지니어인가, 아니면 컨설턴트인가?

소프트웨어 엔지니어입니다. 이 역할의 핵심은 고객 환경 내에서 프로덕션 코드 (Production Code)를 작성하고, 디버깅하며, 출하하는 데 있습니다. 영업 담당자도 컨설턴트도 아닙니다.

포워드 디플로이드 엔지니어가 되기 위해서는 어떤 기술이 필요한가?

탄탄한 소프트웨어 엔지니어링(Software Engineering)과 더불어, 2026년형 에이전트형 스택 (Agentic Stack)이 필요합니다. RAG 파이프라인 (RAG Pipeline), 평가 프레임워크 (Evaluation Framework), 에이전트 개발 (LangGraph, CrewAI, DSPy), 그리고 프로덕션 옵저버빌리티 (Production Observability)입니다. 많은 경우 익숙하지 않은 기업 내에서 혼자 일하게 되므로, 고객을 상대하는 판단력 또한 그만큼 중요합니다.

어떤 기업들이 포워드 디플로이드 엔지니어를 채용하고 있는가?

시작은 Palantir였습니다. 2026년에는 OpenAI, Anthropic, Databricks, Mistral, Cohere, Scale AI, Snowflake, GitLab, Stripe가 모두 채용하고 있으며, 그 외에도 100개 이상의 기업이 뒤를 잇고 있습니다. 2026년 5월 하순 기준으로 39개사에 걸쳐 224건의 채용 공고가 있었습니다.

포워드 디플로이드 엔지니어와 AI 엔지니어의 차이점은 무엇인가?

AI 엔지니어는 통상 자사 제품 내에서 모델이나 AI 기능을 구축합니다. 포워드 디플로이드 엔지니어는 그 능력을 고객의 환경으로 가져가, 작동하는 성과에 이르는 라스트 마일 (Last Mile)을 담당합니다.

AI 에이전트가 포워드 디플로이드 엔지니어를 대체할 것인가?

아니요. 업무의 분기점이 변하는 것입니다. AI 에이전트는 엔지니어의 지시 아래 정형화된 디스커버리 (Discovery), 프로토타이핑 (Prototyping), 워크플로우를 맡습니다. 반면 포워드 디플로이드 엔지니어는 판단, 아키텍처, 고객과의 관계를 계속 유지합니다. 이 역할은 AI 팀메이트와 경쟁하는 것이 아니라, 그것을 조종하는 방향으로 이동하고 있습니다.

포워드 디플로이드 엔지니어 (Forward Deployed Engineer, FDE)는 고객사의 기업 내부에 상주하며, 초기 단계의 난잡한 요구사항부터 비즈니스가 실제로 측정할 수 있는 결과물에 이르기까지 AI 시스템을 구축하고 배포하는 엔지니어입니다. 이들은 고객의 시스템 위에서 프로덕션 코드 (production code)를 작성합니다. 이들은 컨설턴트 (consultants)도 아니고, 세일즈 엔지니어 (sales engineers)도 아닙니다. Palantir는 2010년대 초반에 이 역할을 창안했으며, 초기 인원들을 "Deltas"라고 불렀습니다. 2026년, 이 역할은 엔터프라이즈 AI (enterprise AI) 분야에서 가장 빠르게 성장하는 직함이 되었습니다. 채용 공고 수는 2025년 4월 643건에서 1년 후 5,330건으로 729% 급증했습니다.

이 역할이 존재하는 이유는 간단합니다. 회의실에서 멋져 보이는 AI 데모 (AI demo)와 프로덕션 (production)에서 실행되는 시스템 사이에는 간극이 존재합니다. FDE는 그 간극을 메우는 사람입니다. 그 간극은 매우 가치 있는 것이기에, FDE는 기술 분야에서 가장 수요가 많은 역할 중 하나가 되었습니다. 그리고 이제 동일한 엔지니어들이 AI 에이전트 (AI agents)와 협업(pair)하기 시작했으며, 이는 한 명의 엔지니어가 배포할 수 있는 결과물을 배가시킵니다. 어떤 종류의 대체가 아니라, 바로 이러한 '협업'이 주목해야 할 부분입니다.

포워드 디플로이드 엔지니어는 고객 조직 내부에서 직접 근무하며 문제 정의 (scoping), 코드 작성, 시스템 배포, 그리고 학습한 내용을 제품에 다시 반영하는 것까지 기술적 성공의 시작부터 끝까지를 책임지는 엔지니어입니다.

이 용어는 군대에서 유래되었으며, "전방 배치 (forward deployed)"는 후방 기지가 아닌 작전 현장에서 근무하는 것을 의미합니다. 엔지니어에게 이는 본사를 떠나 고객의 현실, 즉 그들의 데이터, 보안 규칙, 레거시 시스템 (legacy systems), 마감 기한 속에서 살아가는 것을 의미합니다.

Palantir가 이 모델을 구축했습니다. Palantir는 자사 엔지니어들을 고객 시설 내에 몇 주 또는 몇 달씩 상주시키며 프로덕션 코드를 작성하고, 기밀 하드웨어에서 파이프라인 (pipelines)을 디버깅하며, 고객의 스탠드업 미팅 (standups)에 참여하게 했습니다. 2016년까지 Palantir는 소프트웨어 엔지니어보다 더 많은 포워드 디플로이드 엔지니어를 보유하고 있었습니다.

솔루션 아키텍트 (solutions architect)가 고객에게 시승 기회를 제공한다면, FDE는 고객에게 차 키를 직접 건네줍니다.

이 업무는 배포(deployment)의 전 과정에 걸쳐 진행됩니다. 전형적인 하루는 어디에서 문제가 발생하는지 파악하기 위한 고객 스탠드업(customer standup) 미팅으로 시작하여, 오후에는 모델을 레거시 ERP에 연결하기 위한 Python 코드를 작성하고, 저녁에는 고객의 시간대 기준으로 새벽 2시에 중단된 통합(integration) 문제를 해결하며 마무리될 수 있습니다.

2026년에 기업들이 원하는 기술은 에이전틱 AI (agentic AI)와 밀접하게 맞닿아 있습니다:

• RAG 파이프라인 (RAG pipelines): 검색 튜닝 (retrieval tuning), 그라운딩 (grounding), 그리고 컨텍스트 관리 (context management)
• 평가 프레임워크 (Evaluation frameworks): 모델이 프로덕션(production)에 도달하기 전 환각 (hallucinations) 및 그라운딩 실패를 잡아내는 평가 스위트 (eval suites)
• 에이전트 개발 (Agent development): LangGraph, LangChain, CrewAI, DSPy 및 다단계 도구 사용 (multi-step tool use)에 대한 실무 경험
• 프로덕션 관측성 (Production observability): 일반적인 소프트웨어와는 전혀 다른 방식으로 실패하는 확률적 시스템 (probabilistic systems) 모니터링

업무의 한 부분은 간과되곤 합니다. FDE는 현장에서 실제로 무엇이 고장 나는지를 직접 목격하기 때문에, 추측이 아닌 실제 사용에 기반한 피드백을 제공하는 제품 관리자 (product manager)의 역할을 수행하게 됩니다. 이러한 피드백 루프는 이 역할이 비용을 지불할 가치가 있는 큰 이유 중 하나입니다.

이러한 역할들 사이의 경계는 누가 프로덕션 코드 (production code)를 작성하고 배포(ship)하느냐에 달려 있습니다.

역할	프로덕션 코드 작성	고객 환경에 배포	관계 소유
Forward Deployed Engineer	예	예	공유됨
Solutions Architect	거의 없음	설계함, 배포는 거의 안 함	공유됨
Customer Success Manager	아니오	아니오	예

FDE는 코드를 배포(ship)합니다. 솔루션 아키텍트 (solutions architect)는 시스템을 설계하지만 대개 직접 배포하지는 않습니다. CSM은 관계를 소유하지만 코드를 커밋(commit)하지는 않습니다.

엔터프라이즈 AI의 병목 현상 (bottleneck)은 모델이 아니라 배포이기 때문에, 2026년에 주요 연구소(labs)들은 그 병목 현상을 직접 소유하기로 결정했습니다.

수치는 반박하기 어렵습니다. MIT NANDA의 State of AI in Business 2025 보고서에 따르면, 엔터프라이즈 생성형 AI 파일럿의 95%가 측정 가능한 비즈니스 임팩트를 만들어내지 못했습니다. 대부분의 경우 모델은 괜찮았습니다. 문제가 발생한 지점은 바로 배포 (deployment)였습니다.

이러한 문제의 상당 부분은 사람들이 이른바 '양면적 지식 격차 (two-sided knowledge gap)'라고 부르는 현상에서 기인합니다. 고객사의 엔지니어들은 비즈니스를 이해합니다. 즉, 데이터 스키마 (data schemas), 컴플라이언스 규칙 (compliance rules), 레거시 아키텍처 (legacy architecture) 등을 잘 알고 있습니다. 반면 연구소 (lab)의 엔지니어들은 모델이 실제 운영될 때 어떻게 작동하는지를 이해합니다. 프롬프팅 (prompting), RAG (검색 증강 생성), 평가 (evaluation), 실패 모드 (failure modes) 등이 이에 해당합니다. 어느 한 쪽도 스스로 작동하는 결과물을 완성하여 출시할 수 없습니다. FDE는 이 두 가지 측면을 모두 보유한 사람입니다.

에이전트 (Agents)는 이 과정을 더 어렵게 만듭니다. 결정론적인 (deterministic) SaaS 제품은 설정 (configuration)만 하면 됩니다. 하지만 AI 에이전트는 실제 인간의 워크플로우 (workflow)에 맞춰 조정되어야 하며, 이는 매우 복잡하고 수많은 판단 (judgment calls)을 필요로 합니다. 이것이 바로 연구소들이 거의 동시에 움직인 이유입니다:

OpenAI는 2026년 5월 11일, 40억 달러 이상의 약정 자본을 투입하여 'The Deployment Company'를 출범했으며, 에든버러의 Tomoro를 인수하여 첫날부터 약 150명의 숙련된 FDE를 영입했습니다. -
Anthropic은 며칠 만에 Blackstone 및 Goldman Sachs와 15억 달러 규모의 합작 투자 (joint venture)를 발표했습니다. -
Databricks는 2026년 6월 11일, 컨설턴트 방식의 인수인계 대신 아직 존재하지 않는 것을 직접 구축하는 엔지니어들로 구성된 자체 Forward Deployed Engineering 조직을 공식화했습니다.

이는 프런티어 연구소 (frontier labs)를 훨씬 넘어 확장되고 있습니다. 2026년 5월 말 기준으로 39개 기업에서 224개의 FDE 채용 공고가 올라와 있었으며, Palantir, Mistral, Cohere, Cresta, Scale AI, Snowflake, GitLab, Stripe가 모두 채용 중입니다.

FDE의 급여는 높습니다. 이 일을 잘 수행할 수 있는 사람들이 희귀하며, 그 업무가 매우 중요하기 때문입니다. 보고된 2026년 기본 급여 범위는 다음과 같습니다:

회사	기본 급여 범위
Palantir	$170K – $340K+
...

하지만 높은 보상에는 실제적인 비용이 따릅니다. 출장이 업무의 25%에서 50%를 차지하는 경우가 많아 데스크 업무보다 사람을 더 빨리 지치게 만들며, 고객사의 산업군을 끊임없이 옮겨 다녀야 합니다.

그 보상은 커리어 레버리지 (career leverage)로 돌아옵니다. FDE로서의 몇 달은 수년간의 고객 노출 (customer exposure) 경험을 압축해 제공하며, 이것이 바로 많은 FDE가 회사를 창업하기 위해 떠나는 이유입니다. Palantir 출신들만 해도 Anduril, OpenGov, Addepar를 설립했습니다.

아니요. 이 역할은 자동화되어 사라지는 것이 아닙니다. 오히려 증폭되고 있습니다. 데모에서 프로덕션(production)으로 넘어가는 간극을 메우는 바로 그 엔지니어들이 AI 에이전트(AI agents)와 페어 프로그래밍(pair)을 시작하고 있으며, 그 결과는 스크립트로 대체된 한 사람이 아니라, 훨씬 더 많은 것을 출시할 수 있는 한 명의 엔지니어입니다.

FDE의 일주일 중 상당 부분은 일상적인 업무로 채워집니다. 디스커버리 인터뷰(discovery interviews)를 진행하고, 프로토타입(prototype)의 스캐폴딩(scaffolding)을 구성하며, 또 다른 통합(integration) 작업을 연결하고, 평가 스위트(eval suite)의 초안을 작성하는 일들입니다. AI 팀원은 엔지니어의 지시 아래 이러한 업무를 맡을 수 있습니다. FDE는 판단력이 실제로 필요한 부분, 즉 아키텍처(architecture), 고객 관계, 그리고 무엇을 출시하기에 충분한지에 대한 결정권에서는 여전히 운전석을 유지합니다.

그 팀원이 바로 Zero가 지향하는 모습입니다. Zero는 팀이 이미 일하고 있는 곳에서 실행되며, 이미 사용 중인 시스템에 연결됩니다. 그리고 엔지니어가 검토, 수정 및 출시 여부를 결정하는 동안, 문제를 해결 가능한 결과물로 변환하는 작업을 수행합니다. FDE가 소프트웨어에 인계되는 것이 아닙니다. FDE가 소프트웨어를 주도하며, 둘이 함께할 때 각자가 혼자일 때보다 훨씬 더 넓은 영역을 커버할 수 있습니다. 에이전트 군단을 지휘할 수 있는 한 명의 엔지니어는, 이 역할을 가치 있게 만들었던 본연의 판단력을 포기하지 않으면서도 동시에 여러 고객을 지원할 수 있습니다.