연봉 $785,000짜리 엔지니어가 있다. 그런데 이 사람은 모델을 만들지 않는다. 새 아키텍처를 연구하지도, 더 큰 GPU 클러스터를 돌리지도 않는다. 하는 일은 고객 사무실에 직접 들어가, 그 회사가 실제로 어떻게 일하는지를 파악하고, 그걸 돌아가는 코드로 옮기는 것이다. 2026년 테크에서 가장 빠르게 큰 직무, Forward Deployed Engineer(FDE) 이야기다.
채용 데이터가 먼저 말한다
이게 분위기가 아니라 숫자라는 게 중요하다. FDE 채용 공고는 2025년 4월 643건에서 2026년 4월 5,330건으로, 한 해 만에 729% 늘었다. 테크 전체에서 가장 빠르게 성장한 직무 축에 든다. Palantir·OpenAI·Anthropic·Mistral·Cohere가 동시에 뽑고 있고, Salesforce는 FDE 1,000명을 채우겠다고 약속했다.
값도 그만큼 매겨졌다. Palantir의 중위 총보수가 약 $215K, Anthropic과 OpenAI의 시니어 FDE는 $785K를 넘긴다. 모델을 만드는 사람만큼, 혹은 그 이상을 받는 자리가 “고객 옆에 앉아 코드를 짜는” 일이 된 것이다.
왜 지금인가: 95%는 모델 탓이 아니다
이유는 불편할 만큼 단순하다. 엔터프라이즈 AI 파일럿의 95%가 실패한다. 그런데 그 실패의 원인이 모델이 멍청해서가 아니다. 실제로 갖다 쓰는 단계가 막혀서다. 모델은 데모에선 잘 돈다. 문제는 그 회사의 실제 데이터, 기존 시스템, 규정, 예외 처리, 그리고 “원래 이렇게 일해왔다”는 관성에 모델을 갖다 붙이는 순간 전부 어긋난다는 것이다.
FDE는 바로 그 간극을 메우러 들어간다. 슬라이드나 문서가 아니라 돌아가는 코드를 납품하고, 현장에서 통합을 디버깅하고, 고객의 진짜 데이터에 맞춰 설정을 잡고, 내부 팀이 스스로 운영하도록 훈련시킨다. 그래서 이 업계의 결론이 이렇게 정리됐다 — 모델이 제품이 아니라, 배포가 제품이다. 최고의 모델을 가진 회사가 엔터프라이즈 계약을 따는 게 아니라, 그 모델을 실제로 꽂아 넣을 수 있는 회사가 딴다.
Palantir은 18년 전에 답을 알고 있었다
재밌는 건 이게 새 발명이 아니라는 점이다. Palantir이 2008년에 이 직무를 만들었다. 엔지니어를 본사의 깔끔한 추상 위가 아니라 고객의 최전선으로 보낸다는 발상이었다. OpenAI와 Anthropic이 2023년 LLM 시대에 맞춰 이 모델을 다시 꺼냈고, 2026년에는 여섯 자리 ACV(연 계약액)를 다루는 시리즈 A 스타트업이라면 최소 한 명은 FDE를 둔다.
18년이 지나 이게 갑자기 모두의 모델이 된 이유가 핵심이다. 모델 능력이 흔해질수록, 승부는 “누가 더 좋은 모델을 갖느냐”에서 “누가 그걸 고객의 현실에 더 잘 꽂느냐”로 옮겨갔기 때문이다. 그리고 그 일은 본사에 앉아서는 안 된다. 고객의 도메인 안으로 들어가야 한다.
FDE가 실제로 가진 것: T자형
그럼 FDE는 어떤 사람인가. 정의가 일관된다. 영업이나 컨설턴트가 아니라 키보드를 잡는 빌더다. 동시에 비기술 임원에게 추론 지연(latency)이 왜 중요한지 설명할 수 있어야 한다. production 코드를 짜는 깊은 기술력 위에, 고객의 업무와 언어를 이해하는 폭이 얹힌 T자형 프로필이다.
이 조합이 왜 비싼지는 분명하다. 코드를 짜는 능력만이라면 이제 에이전트가 상당 부분 흡수한다. 고객의 도메인을 이해하는 능력만이라면 컨설턴트로 충분하다. FDE의 값은 둘이 한 사람 안에서 만난다는 데 있다. 문제를 알고, 그걸 돌아가는 시스템으로 직접 옮길 수 있는 사람.
해자는 고객 안으로 들어가는 데서 나온다
FDE 모델이 비즈니스로서 강한 이유도 여기서 나온다. 고객 조직의 일하는 방식에 코드가 깊이 엮이면, 그걸 걷어내고 경쟁사로 갈아타는 비용이 막대해진다. 그래서 FDE 중심 회사는 획득 비용은 높지만 잔존율이 매우 높고 계약액이 크다. 고객 업무에 깊이 엮인 시스템 자체가 해자가 되는 것이다.
이건 지난 글에서 본 버티컬 AI의 해자와 정확히 같은 구조다. Harvey나 Sierra의 힘이 모델이 아니라 수만 시간을 들여 업무에 녹여 넣은 통합과 절차에서 나왔듯, FDE의 힘도 고객의 워크플로 깊숙이 들어가 자리 잡는 데서 나온다. 회사 단위로 보면 버티컬 AI고, 사람 단위로 보면 FDE다. 같은 해자의 다른 절단면이다.
같은 명제, 세 번째 증거
여기까지 오면 그림이 맞춰진다. AI 코딩에서 성공을 가른 건 코딩 실력이 아니라 도메인 전문성이었고(#26), 회사의 해자는 모델 가중치가 아니라 도메인 데이터와 워크플로였다(#27). FDE는 그 명제가 노동시장으로 내려온 형태다. 시장이 도메인 이해와 현장 배포에 $785K짜리 가격표를 붙인 것이다.
세 층위가 같은 곳을 가리킨다. 사용자 데이터에서도, 회사 해자에서도, 채용 공고와 연봉에서도 — 흔해지는 것(코딩 실력, 모델 능력)은 값이 떨어지고, 안 흔해지는 것(도메인을 알고 현장에 꽂는 능력)은 값이 오른다. 한동안 우리는 “어떤 모델이 더 똑똑한가”를 물었다. 시장은 이미 다른 질문에 돈을 걸고 있다. 누가 그 모델을 현실에 꽂을 수 있는가.