התפקיד החדש שכל חברות ה-AI רבות עליו: Forward Deployed Engineer

FDE במספרים

הנקודה החשובה במחקר הזה היא לא שהמודלים גרועים, להיפך, המודלים כבר מצוינים. הבעיה היא הפער בין המודל לבין הפעלה אמיתית בשטח. הלקוח מכיר את העסק שלו לעומק: מבני הנתונים, דרישות הרגולציה, המערכות הישנות. חברת הבינה המלאכותית מכירה את המודלים: איך הם מתנהגים בסביבת ייצור, אילו דפוסי הנחייה עובדים, איפה הם נכשלים בקנה מידה גדול. אף אחד מהצדדים לא מחזיק בידע של הצד השני, ומשניהם נדרש להפעיל משהו שבאמת רץ.

זו בדיוק הסיבה שהתפקיד התפוצץ במובן החיובי. כשמנהלי המעבדות המובילות בעולם ראו את הדוחות הכספיים של פלנטיר, הם הבינו שהמודל הזה עובד. OpenAI, אנתרופיק, Databricks, גוגל קלאוד ורבות אחרות אימצו גרסאות משלהן. ב-11 במאי 2026 השיקה OpenAI חברת בת ייעודית שגובתה ביותר מ-4 מיליארד דולר מ-19 שותפים, כשהיא בנויה כולה סביב אנשי FDE. כדי לאייש אותה מיד רכשה OpenAI את חברת הייעוץ Tomoro, שהביאה עמה כ-150 אנשי FDE מהיום הראשון. יום למחרת יצא מנכ"ל גוגל קלאוד לגייס אנשים לתפקיד ברשת לינקדאין.

"החברה תרחיב את היכולת של OpenAI להטמיע מהנדסים המתמחים בפריסת בינה מלאכותית חזיתית, המכונים Forward Deployed Engineers, בתוך ארגונים שמתמודדים עם בעיות מורכבות בסביבות תובעניות."

מתוך OpenAI launches the OpenAI Deployment Company, הבלוג הרשמי של OpenAI

 

"אנחנו משקיעים בגיוס מהנדסים נוספים מסוג Forward Deployed Engineers כדי לעזור לנו להרחיב את המעבר של לקוחות לבינה מלאכותית."

תומאס קוריאן (Thomas Kurian), מנכ"ל גוגל קלאוד, בפוסט בלינקדאין

 

הביקוש שרץ קדימה

מספר משרות ה-FDE צמח בקצב מהיר לאורך 2025 ותחילת 2026, אם כי המדדים השונים נותנים תמונות מעט שונות. נתונים של אתר הדרושים  Indeed שפורסמו דרך Business Insider הראו זינוק של יותר מ-729% באפריל 2026 לעומת השנה הקודמת. מדדים אחרים, שסופרים לפי חלונות זמן שונים, הצביעו על צמיחה של קרוב לפי 10 ואף יותר. המשותף לכולם הוא הכיוון: ביקוש שגדל הרבה יותר מהר מהיצע המועמדים.

כאן הופך העניין למורכב יותר - בזמן שהביקוש התפוצץ, מאגר המועמדים המתאימים גדל בקצב איטי בהרבה. התוצאה היא מלחמת גיוס אמיתית, ושכר שמטפס בהתאם. משרות FDE ברמת אמצע במעבדות המובילות משלמות בסיס של מאות אלפי דולרים בשנה, וכשמוסיפים הון מניות ובונוסים, החבילות הכוללות נעות בטווח רחב שמגיע במקרים בכירים אל מעל מיליון דולר בשנה.

מי בעצם מקבל את התפקידים האלה?

הנחת היסוד המתבקשת היא שמדובר במהנדסי תוכנה קלאסיים בלבד. אבל התמונה מורכבת יותר. הטעות הנפוצה של צוותי גיוס היא לחפש רק כישורים הנדסיים ולפספס את המימד השני, החשוב לא פחות: היכולת לעבוד מול לקוח.

FDE טוב הוא לא רק מי שיודע לכתוב קוד, אלא מי שיודע לתרגם בין היכולות של הבינה המלאכותית לבין הבעיות העסקיות האמיתיות. הוא נכנס לעסק, מזהה איפה צווארי הבקבוק, מבין את נקודות הכאב בלי הפילטר הלא-טכני שלפעמים מטשטש את ההבנה של הלקוח, ובונה תהליכי עבודה וסוכני AI שמתקנים אותם. דמות שמשלבת מהנדס תוכנה, ארכיטקט פתרונות ואיש הצלחת לקוח בתפקיד אחד, עם אחריות מלאה לתוצאה.

דפוס שחוזר בשוק הוא שרוב אנשי ה-FDE הטובים כבר עשו את העבודה עוד לפני שהתואר קיבל שם. הם הגיעו מרקע מגוון, וזה מה שהופך את התפקיד לנגיש יותר משנדמה.

הרקע שממנו מגיעים

אנשים שמצליחים בתפקיד מגיעים לא פעם מתחומים כמו ייעוץ, ניהול פרויקטים, תפעול או שיווק. חלקם למדו בעצמם לבנות פתרונות בעזרת הכלים החדשים. המשותף לכולם הוא לא תעודה מסוימת אלא צירוף של שני דברים: ניסיון מעשי בבנייה, ונוחות אמיתית בעבודה מול אנשים.

מה מבדיל FDE מיועץ

ההבדל המהותי מיועץ קלאסי הוא האחריות. יועץ מגיש המלצה, מוסר דוח ועוזב. איש FDE כותב את הקוד, מעלה אותו לייצור ונשאר אחראי עליו. אותו אדם שמיפה את הבעיה ביום הראשון הוא זה שיענה כשמשהו יישבר בשטח כעבור חצי שנה. זו אחריות מקצה לקצה, לא הדגמה יפה שממשיכה הלאה.

ועכשיו בעין ביקורתית

סביב תפקיד חם כל כך נוצר גם הרבה רעש. אפשר לשמוע לא מעט קולות שמציגים את ה-FDE כ"דבר החם הבא" שמתאים כמעט לכל אחד, ובמיוחד למי שאין לו רקע טכני. כאן כדאי לעצור. רוב החברות מגייסות לתפקיד הזה בחו"ל, וגם בישראל יש ביקוש, אבל בפועל מגויסים אליו בעיקר אנשים עם ניסיון טכני עמוק, כאלה שיודעים לכתוב קוד, לעבוד יום-יום מול אנשי פיתוח ואנשי מוצר, ולהוביל אינטגרציה מורכבת בשטח.

ההבחנה הזו חשובה, כי היא מתחדדת מול המסר האופטימי שהופיע קודם. נכון שרבים מאנשי ה-FDE הטובים הגיעו מרקע מגוון, אבל כמעט תמיד הם צברו לאורך הדרך ידע טכני אמיתי ולא רק היכרות שטחית עם כלים. מי שמגיע בלי בסיס טכני, מתוך ציפייה שהתפקיד "פתוח לכולם", עלול למצוא את עצמו רחוק מאוד מדרישות המשרה בפועל. שווה להסתכל על התיאורים המדויקים של המשרות לפני שנופלים בפח של הכותרות.

ה-FDE הוא לא בודד בשטח. הוא חלק ממשפחה שלמה של תפקידים שנוצרו כמעט יש מאין סביב אותה בעיה: איך לוקחים בינה מלאכותית שעובדת יפה במעבדה וגורמים לה לעבוד בעסק אמיתי. לצדו צמח ארכיטקט פתרונות בינה מלאכותית (AI Solution Architect), שמתכנן את המערכת הכוללת ומחליט איך כל החלקים משתלבים יחד. לצדם צמח גם מטמיע או מיישם בינה מלאכותית, שמתמקד בהכנסת כלי מסוים לעבודה שוטפת בצוות או בארגון ספציפי.

ההבחנות בין התפקידים לא תמיד חדות, והן עדיין מתגבשות. אבל הכיוון ברור. כשמפעל שלם של עסקים מנסה לאמץ בינה מלאכותית ומגלה שהמכשול העיקרי הוא לא הטכנולוגיה אלא היכולת להטמיע אותה נכון, נוצר ביקוש לאנשים שיושבים בדיוק בנקודת החיבור הזו. חלקם טכניים מאוד, חלקם פחות, אבל כולם חולקים את אותה יכולת ליבה: לגשר בין מה שהמכונה יכולה לעשות לבין מה שהעסק באמת צריך.

אם מסתכלים על המגמה הזו במבט רחב, מתגלה משהו מעניין. צוואר הבקבוק של הגל הנוכחי עבר מהמעבדה אל השטח. השאלה כבר איננה אם המודלים חזקים מספיק, אלא מי יידע להכניס אותם בדלת הקדמית של הארגון ולגרום להם לעבוד. וזו בדיוק הסיבה שהתפקידים החדשים האלה, על כל גווניהם, כנראה רק ילכו ויגדלו.