¿Qué es el FDE, el rol de IA en tendencia? ¿Cómo pueden las personas comunes integrarse?

En los últimos dos años, los perfiles más codiciados del mundo de la IA han sido quienes entrenan modelos y quienes crean productos de IA.

Para 2026, otro puesto ha cobrado protagonismo de repente: FDE.

Su nombre completo es Forward Deployed Engineer. Siendo honestos, incluso después de escuchar el nombre, muchos todavía no saben en qué consiste realmente.

Primero, veamos algunas cifras:

• Los informes de LinkedIn muestran que los puestos relacionados con FDE crecieron 42 veces entre 2023 y 2025;
• OpenAI estableció la Deployment Company en mayo de 2026 con una inversión inicial de más de $4 mil millones, incorporando a unos 150 ingenieros y expertos en despliegue mediante adquisiciones;
• AWS invirtió posteriormente $1 mil millones para enviar a miles de ingenieros a los equipos de sus clientes.

La repentina carrera de las grandes tecnológicas por estas personas indica un cambio de rumbo. Una diferencia de 0.1 puntos en un ranking de modelos puede pasar desapercibida para los clientes, pero un sistema de IA capaz de integrarse en sistemas heredados, operar dentro de flujos de trabajo reales y ahorrar dinero de verdad es algo por lo que los clientes sí están dispuestos a pagar de forma continua.

La industria de la IA ha pasado de "comparar modelos" a "comparar implementaciones".

Si estás considerando una transición hacia la IA o buscando tu próxima dirección profesional, este artículo aclara tres cosas: qué es un FDE, qué hace en su día a día y cómo las personas sin experiencia en programación pueden hacer la transición paso a paso.

1. ¿Qué es exactamente un FDE?

Prefiero explicarlo así:

Un FDE es alguien que entra en el negocio real del cliente y lleva la IA desde una Demo hasta un entorno de producción.

Supongamos que un cliente dice: "Queremos crear un servicio al cliente con IA". Una lista de requisitos estándar podría empezar por escribir funciones, pero un FDE debe profundizar más:

• ¿Cuántos tickets gestiona el servicio al cliente a diario?
• ¿Qué preguntas puede responder la IA?
• ¿Qué respuestas deben ser confirmadas por un humano?
• ¿Dónde se almacenan los datos del cliente?
• ¿Cómo se retira una respuesta errónea de la IA?
• Tras el lanzamiento, ¿se mide la velocidad de respuesta, la tasa de resolución o los costos laborales?

Solo después de que estas preguntas estén claras comienza la programación. El trabajo no termina cuando el sistema está escrito; también deben conectar datos, configurar permisos, realizar evaluaciones, llevar el sistema a producción, monitorear el uso y llevar los obstáculos encontrados en el sitio de vuelta al equipo de producto.

Todo el flujo de trabajo se puede resumir en seis pasos:

1Encontrar el problema
2→ Deconstruir el proceso
3→ Crear la solución
4→ Construir el sistema
5→ Llevar a producción
6→ Monitorear los resultados

Los requisitos son solo el punto de partida; lo que se entrega son resultados.

Por lo tanto, un FDE a menudo tiene que manejar tres cosas a la vez:

Hay muchas personas que saben escribir código, pero muchas menos están dispuestas a ir al sitio del cliente y organizar un caos hasta convertirlo en algo listo para lanzar. Por eso los FDE son difíciles de reclutar y cada vez más caros.

2. ¿Qué hace un FDE durante el día?

Supongamos que una cadena minorista encuentra a un proveedor de IA y le dice que quiere un "Agente de Reabastecimiento Inteligente". Esto suena claro, pero en cuanto llega un FDE, surgen preguntas por todas partes:

• ¿Qué tiendas son más propensas a quedarse sin stock?
• ¿El reabastecimiento considera ventas, clima, días festivos o planes de promoción?
• ¿El Agente solo da sugerencias o genera órdenes de compra directamente?
• ¿Los montos que superan cierto umbral requieren aprobación manual?
• ¿Es suficiente una actualización diaria de inventario?
• Si una recomendación es incorrecta, ¿quién se encarga del excedente de inventario y de las pérdidas?

En la primera semana, es posible que no escriban ni una sola línea de código. Primero hablan con los gerentes de tienda para ver cómo se hace el reabastecimiento actualmente, confirman las reglas con la cadena de suministro, revisan las interfaces con TI y discuten los permisos con el departamento de seguridad. Una vez que el proceso está claro, entran en la fase de ingeniería:

• Conectar los sistemas de inventario, ventas y pedidos;
• Limpiar los datos históricos;
• Escribir llamadas a modelos y flujos de trabajo del Agente;
• Crear una página que los empleados estén dispuestos a abrir;
• Añadir inicio de sesión, permisos, registros y monitoreo;
• Preparar datos de prueba;
• Configurar revisión manual y mecanismos de respaldo ante fallos.

Deben seguir monitoreando después del lanzamiento. Si las tiendas realmente lo están usando, la tasa de adopción de las sugerencias, si las tasas de desabastecimiento han bajado y por qué los empleados podrían estar volviendo a Excel en secreto—todo eso es parte de su trabajo.

Si la tasa de uso es demasiado baja y se van diciendo "el usuario no sabe usarlo", el proyecto probablemente fracasará. Si alguna parte—la página, el proceso o la salida del modelo—incomoda a las personas, vuelven y la arreglan.

Un FDE entrega un proceso de negocio que ya está funcionando. Hacer una Demo bonita es solo llegar a la mitad de la montaña.

3. ¿Cuál es la diferencia entre FDE, programadores, product managers y preventa?

Estos roles suelen trabajar juntos y sus límites se superponen. La forma más sencilla de distinguirlos es ver de qué es responsable cada uno.

Los límites de un FDE son más amplios. Tener una reunión de negocio con un cliente por la mañana, revisar la base de datos por la tarde y modificar interfaces por la noche puede ocurrir todo en el mismo día.

Pero no te equivoques: La E de FDE sigue significando Engineer (Ingeniero).

El reclutamiento actual de FDE en OpenAI exige explícitamente que los candidatos sean capaces de escribir y revisar código de front-end y back-end a nivel de producción. Los puestos de nivel inicial en Palantir también requieren dominio de al menos un lenguaje de programación. Entonces, si bien puedes hacer la transición sin un título en ciencias de la computación, saltarse el código por completo no es una opción.

Si prefieres el lado de negocio y el contacto con clientes y no quieres escribir código de producción a largo plazo, puedes considerar roles como Estratega de Despliegue, Product Manager de IA, Consultor de Soluciones Industriales, Customer Success o Consultoría de IA. Estos roles también están en la cadena de implementación de la IA, pero con responsabilidades de ingeniería más ligeras.

4. ¿Por qué FDE es popular ahora?

La razón es simple: a medida que la IA se vuelve más potente, los problemas de implementación se vuelven más prominentes.

Una Demo se puede hacer en un día, pero la producción no perdona

Conectar una API de modelo, meter algunos documentos y crear una página de chat puede impresionar a un jefe en un día. Pero cuando te preparas para lanzar, los datos sucios, los permisos desordenados, la falta de interfaces en los sistemas antiguos, las salidas erráticas de los modelos, las auditorías de seguridad y los hábitos de los empleados emergen todos a la vez.

Las actualizaciones de modelos no resuelven el caos en el sitio. Las empresas necesitan a alguien que se sumerja en el negocio y resuelva estos problemas uno por uno.

Los Agentes han empezado a "actuar" de verdad

Si un chatbot responde mal a una pregunta, el usuario puede elegir no adoptar la respuesta. Una vez que un Agente puede enviar correos electrónicos, modificar pedidos y enviar aprobaciones, los errores entran directamente en el negocio.

Identidad, permisos, evaluación, registros, revisión manual y recuperación de excepciones son indispensables. Como los sistemas de cada empresa son diferentes, este trabajo es difícil de completar con un manual genérico.

Las empresas de IA necesitan que los clientes usen sus productos

Firmar un contrato es solo cruzar la puerta. Solo cuando el modelo entra en los procesos centrales aparecen el aumento del volumen de uso, las renovaciones y las expansiones departamentales.

Los FDE están más cerca que nadie de los resultados del cliente y de los ingresos de la empresa de IA. Esta es la razón comercial por la que OpenAI y AWS están dispuestos a invertir fuertemente.

La programación con IA multiplica el rendimiento de los generalistas

Antes, construir un conjunto de aplicaciones empresariales requería esperar a los equipos de producto, front-end, back-end, datos y operaciones. Ahora, un generalista con sólidas habilidades de ingeniería puede usar la programación con IA para completar prototipos, integraciones, pruebas y modificaciones más rápido.

Unas pocas personas que entran en el equipo de un cliente pueden construir la primera versión en semanas e iterar rápidamente en función de los comentarios reales; finalmente los números cuadran.

La etapa anterior era sobre qué modelo era más fuerte; esta etapa es sobre quién puede encajar el modelo en el negocio. Los FDE se sitúan en esa brecha.

5. ¿Dónde están las oportunidades para la gente común?

Podrías pensar: "¿No es esto solo para programadores senior?"

Los ingenieros senior tienen ventaja, pero las capacidades de un FDE provienen de varias direcciones. La gente común no necesita empezar de cero; mira lo que ya tienes y completa la mitad que falta.

Ingenieros de software: los más cercanos

Ya sabes escribir código de producción y por qué los sistemas fallan. A continuación, enfócate en entrevistas con usuarios, procesos de negocio, alcance de requisitos, ROI y tasas de adopción.

La forma más directa de practicar es participar activamente en reuniones con clientes, soporte de preventa o proyectos internos de implementación de IA. No esperes a que otros desglosen los requisitos en tareas de Jira.

Analistas de datos: muy adecuados para la transición

Los analistas de datos suelen saber SQL, entienden métricas y están acostumbrados a comunicarse con los departamentos de negocio. La brecha suele estar en la ingeniería:

• Cómo convertir un Notebook en un servicio;
• Cómo conectar APIs;
• Cómo manejar el inicio de sesión y los permisos;
• Cómo desplegar y monitorear;
• Cómo recuperarse después de un error.

Convertir un análisis que solo tú puedes ejecutar en una herramienta que los colegas puedan abrir a diario es un gran paso hacia convertirte en un FDE.

Producto, consultoría, operaciones industriales: la experiencia en la industria es valiosa

Si has trabajado en manufactura, sabes de programación de producción y rendimiento; en finanzas, sabes de auditoría y cumplimiento; en retail, sabes de inventario y ejecución en tienda. Esta experiencia es difícil de obtener con unas pocas clases.

Necesitas complementar con programación, bases de datos, APIs y despliegue, y luego construir personalmente un sistema que funcione. Los roles de transición podrían incluir:

• Estratega de Despliegue;
• Product Manager de IA;
• Consultor de Soluciones de IA;
• Ingeniero de Soluciones;
• Implementación Técnica.

Entra primero en el sitio de implementación de IA y luego aumenta gradualmente las responsabilidades de ingeniería.

Preventa, implementación, arquitectos de soluciones: puede que ya estén a mitad de camino

Conoces a los clientes y sabes lo problemáticos que son los permisos, las compras y los sistemas heredados en las empresas. El siguiente paso es cruzar la barrera de la programación: pasar de hacer Demos y configurar productos al desarrollo, pruebas, despliegue y mantenimiento.

Esta ruta suele ser más corta que un cambio de carrera completo.

Principiantes absolutos: practica primero una habilidad difícil

Sin experiencia técnica ni acumulación en la industria, lanzarse de cabeza a FDE será muy difícil. Puedes empezar con roles como análisis de datos, operaciones de IA, soporte técnico, consultoría de implementación, desarrollo junior o asistente de soluciones industriales.

FDE rara vez es la primera parada de una carrera; es más bien el punto donde varios caminos de experiencia finalmente convergen.

6. Una hoja de ruta de seis meses para la gente común

Después de leer una descripción de puesto, lo más fácil es guardar cursos en favoritos. Seis meses después, los favoritos están llenos, pero el currículum sigue vacío.

En seis meses puedes construir un portafolio de FDE. Consigas o no el trabajo depende de tu experiencia existente, tu nivel de ingeniería y los requisitos de la empresa objetivo.

Meses 1-2: Construye la base de ingeniería

Aprende primero lo que más se usa:

• Python o TypeScript;
• SQL y bases de datos;
• HTTP, JSON y APIs;
• Git;
• Manejo de errores y pruebas;
• Docker y despliegue básico.

El criterio de aceptación de esta etapa es solo uno: Construir de forma independiente una pequeña aplicación con una base de datos y una API que otras personas puedan abrir y usar después del despliegue.

Haz que la entrada de datos, el procesamiento, el guardado, el reporte de errores y el despliegue funcionen. Que el framework sea nuevo no importa por ahora.

Meses 3-4: Construye una aplicación de IA completa

Continúa añadiendo APIs de modelos, RAG, Tool Calling, salida estructurada, registros, Evals, reintentos ante fallos y revisión manual a la primera versión de tu aplicación.

Deja de hacer "sube un PDF y chatea". Elige una tarea específica:

• Ayudar a ventas a organizar clientes potenciales y dar sugerencias de seguimiento;
• Ayudar al servicio al cliente a buscar conocimientos y redactar respuestas;
• Ayudar a finanzas a revisar materiales de reembolso;
• Ayudar a operaciones a organizar datos y alertar sobre anomalías;
• Ayudar a los equipos de manufactura a consultar fallos de equipos y registros de mantenimiento.

La segunda etapa se enfoca en cuatro métricas:

Meses 5-6: Encuentra usuarios reales

Encuentra de tres a cinco personas dispuestas a probar la herramienta y haz que la usen durante dos semanas consecutivas. Registra cuánto tiempo toman los procesos originales y los nuevos, cuántas veces se usó, qué sugerencias se adoptaron, qué errores requirieron manejo manual y por qué los usuarios abandonaron a mitad de camino.

Los usuarios reales sacarán a la luz todos los problemas ocultos: datos sucios, permisos insuficientes, mala interfaz, procesos que cambian constantemente y altos costos de modelo. Resolver estos problemas hace que tu proyecto se vea como un proyecto de FDE.

Finalmente, organízalo en un caso de estudio:

1Contexto del negocio
2→ Proceso original
3→ Por qué se eligió este problema
4→ Arquitectura del sistema
5→ Datos y permisos
6→ Método de evaluación
7→ Resultados de uso
8→ Fallos y ajustes
9→ Partes reutilizables

Pon menos nombres de frameworks en tu currículum y aclara tres cosas: Quién lo usó, durante cuánto tiempo y cómo cambiaron las métricas.

7. No busques solo "FDE" al buscar trabajo

El nombre de este puesto aún no está totalmente unificado. Además de Forward Deployed Engineer, también puedes buscar:

• Forward Deployed AI Engineer;
• Applied AI Engineer;
• AI Deployment Engineer;
• Solutions Engineer;
• AI Solutions Architect;
• Deployment Strategist;
• AI Application Delivery Engineer;
• AI Solution Engineer;
• Agent Engineer.

Cuando veas un puesto, verifica cuatro cosas:

1. ¿Tendrás contacto directo con clientes y usuarios de primera línea?
2. ¿Necesitas escribir código de producción tú mismo?
3. ¿Eres responsable de todo, desde encontrar el problema hasta el lanzamiento?
4. ¿Necesitas hacer seguimiento de las tasas de adopción y los resultados de negocio después del lanzamiento?

Si las cuatro se cumplen, el contenido del trabajo estará más cerca de un FDE.

Cómo prepararte para la entrevista

Las entrevistas para FDE a menudo presentan un problema muy vago, como: "Un hospital quiere usar IA para acortar los tiempos de espera de los pacientes. ¿Qué harías?"

No te apresures a elegir un modelo. Debes aclarar en qué etapa esperan los pacientes, quién gestiona las colas y el triaje, cuál es el tiempo de espera promedio actual, dónde se almacenan los datos, qué decisiones debe tomar el personal médico y qué métricas definen el éxito del proyecto.

Una vez que el problema está claro, habla sobre sistemas, permisos y alcance del lanzamiento. Lo que el entrevistador quiere ver es si puedes convertir un problema vago en uno claro; memorizar diez nombres de modelos no te ayudará a pasar esta etapa.

8. Cuidado con la "entrega en sitio con un nombre nuevo"

A medida que FDE se vuelve popular, aparecerán más puestos con el mismo nombre pero diferentes funciones. Algunos puestos te permitirán escribir código clave, impulsar la adopción y llevar la experiencia del sitio de vuelta al producto; otros harán que estés apagando incendios en el sitio todos los días, con código que nunca entra al repositorio principal y evaluaciones basadas solo en días-hombre y aceptación.

Ambos se llaman FDE, pero su valor profesional difiere enormemente. Durante la entrevista, puedes preguntar directamente:

1. ¿En qué repositorio entrará el código escrito por el FDE?
2. ¿El equipo pertenece a producto, ingeniería o al departamento de entrega de proyectos?
3. ¿El proyecto mira las tasas de adopción y las métricas de negocio, o solo la aceptación a tiempo?
4. ¿Cómo entran los problemas del sitio en la hoja de ruta del producto?
5. ¿Quién es responsable de la operación a largo plazo después de que el proyecto termina?
6. ¿Qué componentes reutilizables se han acumulado de los últimos tres proyectos?
7. ¿Qué porcentaje del tiempo se dedica a viajes, trabajo en sitio y guardias?

Los criterios de juicio son simples:

• FDE real: Escribe código de producción, es responsable de los resultados y la experiencia regresa al producto;
• Soporte en sitio disfrazado de FDE: Factura por días-hombre, gira en torno a la aceptación y reinicia cada proyecto desde cero.

Si una empresa te pide que seas responsable de los resultados pero no te da permisos de datos, poder de decisión técnica ni soporte del producto, el trabajo probablemente será muy agotador. El título del puesto es nuevo, pero la forma de trabajar podría no haber cambiado en absoluto.

Para cerrar

La explosión de FDE indica que la IA ha pasado a la siguiente etapa. Los modelos seguirán volviéndose más potentes, pero ha aparecido una brecha más grande entre los modelos y el negocio real.

Los clientes necesitan a alguien que entre al sitio y conecte datos desordenados, sistemas heredados, reglas de negocio y usuarios reales. Este trabajo tiene un umbral alto; necesitas escribir código, entender el negocio, enfrentarte a los clientes y asumir los resultados después del lanzamiento.

Las oportunidades para la gente común están ocultas en esa mitad de habilidades que ya poseen. Si sabes escribir código, complementa con habilidades de negocio y de atención al cliente; si conoces la industria, complementa con ingeniería y despliegue; si has trabajado en datos, preventa o implementación, lleva tus habilidades actuales más lejos; si eres un principiante absoluto, practica primero una habilidad difícil y verificable.

Si haces solo una cosa ahora:

Encuentra un problema real, construye una herramienta que pueda salir a producción y haz que tres personas la usen durante dos semanas consecutivas.

Una vez que termines eso, tu trabajo ya empezará a parecerse al de un FDE. El título del puesto lo puedes conseguir después.

Enlaces de referencia

• LinkedIn: Construyendo un futuro del trabajo que funciona
• OpenAI: OpenAI lanza la OpenAI Deployment Company
• AWS: Presentamos Forward Deployed Engineering para Partners
• OpenAI: Descripción del puesto de Forward Deployed Engineer
• Palantir: Forward Deployed Software Engineer, New Grad

**

Sobre el autor