Warum brauchen KI-Unternehmen FDEs?
Am Ende dieses Artikels sollten Sie verstehen, warum Anthropic, OpenAI, Google und andere KI-Unternehmen nach FDEs suchen und wie Sie von dieser Nachfrage profitieren können.
Ich habe diesen Job selbst gemacht, einige der besten Leute der Welt eingestellt, um unsere FDE-Strategie bei Varick aufzubauen, und festgestellt, dass es keinen wirklich endgültigen Leitfaden für den derzeit gefragtesten Job im Tech-Bereich gibt. Das ist dieser Leitfaden.
Warum brauchen KI-Unternehmen FDEs?
Um ein FDE zu werden, müssen Sie als Erstes verinnerlichen, warum KI-Unternehmen sie dringend brauchen.
Wenn Sie glauben, dass Intelligenz zur Ware wird, dann folgt daraus, dass der einzige Wettbewerbsvorteil darin liegt, wie und wo man sie einsetzt. Tatsächlich würde ich sogar so weit gehen zu sagen, dass es keinen Wettbewerbsvorteil durch Intelligenz allein gibt. Daher wird die Entscheidung, wie und wo Unternehmen sie einsetzen, zur wichtigsten Aufgabe – und das ist die Rolle eines Forward Deployed Engineer.
Unternehmen beauftragen ein Applied AI Unternehmen (wie Varick), das FDEs einsetzt, um ihnen zu helfen, das Beste aus der Technologie herauszuholen. Dadurch erhalten sie Zugang zu einem Team, das bereits groß angelegte KI-Transformationen durchgeführt hat, die Kunden viel schneller als ihre Konkurrenten machen lassen und dadurch enorme Effizienzsteigerungen erzielen.
Der FDE ist ein hochqualifizierter Ingenieur, der die Probleme des Kunden sehr tiefgreifend verstehen, Code in eine Codebasis schreiben kann, die er noch nie zuvor gesehen hat, und die geschäftlichen Auswirkungen einem nicht-technischen Entscheidungsträger kommunizieren kann, um den Deal abzuschließen. Das ist eine Millionen-Dollar-Einstellung.
Was die Rolle erfordert
Ein FDE zu sein bedeutet, vor Ort beim Kunden zu sein. Der CTO von Palantir sagt, dass man keine Produkte für eine Umgebung entwickeln kann, ohne tatsächlich in dieser Umgebung zu sein. Wir haben intern dasselbe festgestellt.
Der Begriff FDE stammt ursprünglich von Palantir, und sie nahmen die Anwesenheit vor Ort sehr ernst. Im Jahr 2010 arbeiteten sie mit der Spezialeinheit in Afghanistan zusammen. Die Spezialeinheit ging tagsüber auf Mission, bekam Feedback und leitete es an die FDEs weiter, die nachts Code auslieferten.
In der Umgebung zu sein, ist für die Bereitstellung von Militärsoftware genauso notwendig wie für die Bereitstellung von KI. Um echte Effizienzsteigerungen zu erzielen, muss ein Unternehmen von Grund auf um KI herum neu aufgebaut werden. Und das ist nur möglich, indem man mit dem Kunden zusammensitzt und maßgeschneiderte Agenten baut, die auf unternehmensspezifischen Daten und mit unternehmensspezifischem Kontext entwickelt werden.
Über die Rolle
Unserer Ansicht nach besteht die Arbeit eines Applied AI FDE aus drei Hauptteilen: Audit, Evaluierung und Bereitstellung. Lassen Sie uns jeden einzelnen aufschlüsseln.
Audit: Sie sind vor Ort beim Kunden und erfassen Prozesse/Workflows in verschiedenen Teams innerhalb des Unternehmens. Beispiel: zwei Wochen mit RevOps, eine Woche mit dem Einkauf und einen ganzen Monat mit der Finanzabteilung.
Bei jedem Team, mit dem Sie zusammensitzen, lernen Sie einige Dinge: wie ihr Job aussieht, wo die Engpässe sind und wo Sie Agenten erstellen könnten, die Mehrwert liefern.
Neben dem Verständnis der Arbeitsabläufe jedes Teams im Unternehmen ist ein wichtiger Teil der Audit-Phase die Entscheidung, was automatisiert werden sollte und was nicht. Es gibt einen Punkt, an dem Agenten mehr Probleme verursachen können, als sie lösen.
Hier sind drei allgemeine Prinzipien, die Ihnen bei der Entscheidung helfen können.
Wenn ein Workflow in Regeln gefasst werden kann, die Eingaben jedoch unterschiedlich sind (eine Eingabe ist eine E-Mail, die nächste könnte eine PDF-Datei sein, die nächste ein gescanntes Bild) und die Arbeit den Aufruf von Tools beinhaltet, setzen Sie einen Agenten ein. Wenn sowohl die Regeln als auch die Eingaben vorhersehbar sind, ist Code schneller und billiger. Wenn die Entscheidung Mustererkennung und Fachwissen erfordert, lassen Sie es manuell.
Ihre Kunden werden keine gute Rendite erzielen, wenn der Agent nur fünfmal im Monat läuft. Suchen Sie nach langwierigen, umfangreichen Automatisierungen. Es muss genug Volumen vorhanden sein, um einen Unterschied zu machen.
Setzen Sie KI nicht übermäßig ein, wenn Sie Ihre Agenten bauen. Die meisten Automatisierungsaufgaben können mit einer Reihe von Tool-Aufrufen und nur einem Aufruf an ein LLM als Orchestrierungsschicht erledigt werden. Zu viel KI führt zu unnötigen Token-Kosten (die sich im großen Maßstab summieren) und oft zu einer geringeren Ausgabequalität.
Der letzte Teil der Audit-Phase ist das Prototyping. Lesen Sie Agents 101, um zu lernen, wie man einen Agenten baut, und Agents 102, um diesen Agenten von der Demo in die Produktion zu bringen.
Evaluierung: Wenn ein Kunde Millionen für eine KI-Bereitstellung ausgibt, muss er wissen, dass es funktioniert. Dazu baut ein FDE detaillierte Evaluierungen auf.
Eine gute Evaluierung prüft nicht nur, ob die endgültige Antwort eines Agenten korrekt ist, sondern auch, ob die KI wie ein Mensch denkt. Dazu müssen Sie zwei Dinge tun:
Verfolgen Sie die Schritte des Menschen und bewerten Sie die KI bei jedem Schritt: Ein Mensch löst Probleme nicht in einem Schritt. Es ist ein mehrstufiger Prozess. Bilden Sie diese Schritte ab und prüfen Sie, ob die KI unterwegs dieselben Kontrollpunkte erreicht.
Fangen Sie klein an mit guten Beispielen des gewünschten Ergebnisses und messen Sie dann alles daran: Wenn Sie einen Kundendienst-Agenten bauen, setzen Sie sich mit einem Menschen zusammen und finden Sie heraus, was die bestmögliche Antwort auf eine Benutzeranfrage ist. Wiederholen Sie das ein paar Mal bei ein paar Aufgaben. Jetzt wissen Sie, wie "großartig" aussieht, und können die Agenten an diesem Standard messen.
Evaluierungen beweisen dem Kunden den Wert. Während alle sagen, dass sie KI in ihrem Unternehmen wollen, gibt es immer noch viele, die skeptisch sind, ob es funktioniert. Eine gute Agentenbewertung ist das, was ein Manager braucht, um darauf zu vertrauen, dass der Agent eine Rendite bringt.
Bereitstellung: Vermeiden Sie groß angelegte Datenmigrationen. Bauen Sie stattdessen APIs über einer vorhandenen Datenebene (SharePoint oder Datenbanken) und platzieren Sie ein Modell als Orchestrator darüber, um Abfragen durchzuführen. Das spart Zeit und Geld und, was noch wichtiger ist, erspart Ihnen den brutalen Albtraum, Ihre bestehenden Systeme herauszureißen. Unsere Kunden haben Millionen von Dollar und mehrere Jahre für die Migration zu ihrem neuesten ERP ausgegeben. Das Letzte, was sie wollen, ist, es wieder zu ersetzen.
Wenn all das erledigt ist, erstellen Sie eine Ausführungsumgebung, um den Agenten sicher zu testen. Dies ist eine Sandbox direkt in der Infrastruktur des Unternehmens, damit Sie den Agenten ausführen, testen und debuggen können, bevor er in die Produktion geht.
Gehen Sie beim Übergang in die Produktion langsam vor. Nehmen Sie einen kleinen Workflow, bringen Sie ihn zum Laufen und fügen Sie dann zusätzliche Fähigkeiten hinzu. Beginnen Sie zum Beispiel mit einem Agenten, der Fehler erkennt, untersucht und einen Ticket schreibt, das zusammenfasst, was seiner Meinung nach schiefgelaufen ist. Wenn das funktioniert, geben Sie ihm erst dann die Fähigkeit, Code zu schreiben und einen PR zu erstellen.
Beginnen Sie mit der kleinsten Einheit an Autonomie; geben Sie ihm erst dann die Fähigkeit, Maßnahmen zu ergreifen.
So gelangen Sie als FDE von einem Audit zur Bereitstellung. Diese Schritte zu lernen, ist der gesamte Job an sich.
Wie man in 30 Tagen ein FDE wird
Es gibt in der Regel drei Hintergründe, die als FDE am erfolgreichsten sind: Berater, Produktmanager und Softwareentwickler. Auch wenn Sie in keine dieser Kategorien fallen, wird die Befolgung des 30-Tage-Fahrplans am Ende dieses Abschnitts Ihre Chancen auf die Rolle exponentiell erhöhen. Tun Sie dies parallel zu Bewerbungen und Vorstellungsgesprächen.
Berater/Produktmanager
Als Berater oder Produktmanager sollten Sie bereits in der Lage sein, Daten in ROI zu übersetzen. Das ist die Hälfte des Jobs. Aber das größte Hindernis für jemanden mit diesem Hintergrund ist der Mangel an technischer Erfahrung.
Ein hochwertiges Portfolio kann dies abmildern. Wählen Sie zwei dieser Nebenprojekte und gehen Sie voll und ganz darauf ein:
- Ein produktionsreifer KI-Agent, der einen gesamten Prozess ausführen kann, den Sie früher in Ihrem alten Job manuell erledigt haben. Er sollte APIs aufrufen, sein Denken autonom protokollieren und ein Fehlerbehandlungsnetz haben.
- Eine RAG-Pipeline, die auf einem Datensatz aufbaut (wählen Sie einen benutzerdefinierten Datensatz für die Branche, in die Sie einsteigen möchten: juristische Dokumente, Krankenakten, Finanzunterlagen usw.).
- Ein selbst erstelltes Evaluierungsframework, das die Ausgaben eines Agenten über mehrere Dimensionen hinweg (Korrektheit, Format, Kosten, Latenz) für verschiedene Geschäftsprozesse (Beschaffung, Kreditorenbuchhaltung usw.) bewertet.
- Ein MCP, mit dem Sie ein LLM mit einer Legacy-Software verbinden können, die derzeit keine KI-Integration unterstützt.
Lagern Sie Ihr Verständnis nicht an KI aus. Wenn Sie es Schritt für Schritt angehen, sollten diese Konzepte recht verständlich sein. Es gibt einen Grund, warum dies 30 Tage heißt, nicht 30 Minuten.
Softwareentwickler
Der wohl wichtigste Teil der FDE-Rolle ist die Kommunikation. Sie müssen übersetzen, was KI kann und was nicht, in etwas, das für einen nicht-technischen VP Sinn ergibt. Wenn Sie das nicht können, können Sie kein FDE sein.
SWEs sollten Projekte bauen, die denen im Abschnitt für Berater/Produktmanager ähneln, aber jede einzelne Komponente dessen erklären, was Sie gerade gebaut haben. Den Tech-Stack, die Ergebnisse, die Iterationen, die Sie vorgenommen haben, die Geschäftsergebnisse. Am wichtigsten ist, dass Sie einen Grund für den Bau dieser Agenten haben: Was war der Schmerzpunkt, den Sie lösen, und wie könnte das in einer echten Kundeninteraktion ablaufen?
30-Tage-Plan unabhängig von der Rolle
Für etwas Konkreteres folgen Sie diesem 30-Tage-Plan, der Sie auf fast alles vorbereitet:
Kontrollpunkt 1 (nach 7 Tagen):
- Was ist ein Agent und wie funktioniert eine Agentenschleife: Lesen Sie Anthropics Building Effective Agents, schreiben Sie dann ein Skript, das die Schleife ausführt: Prompt → Modell → Antwort → nächster Schritt.
- Wie man einen Agenten ein Tool aufrufen lässt: Fügen Sie zwei Tool-Aufrufe hinzu (einen API-Aufruf und eine Websuche) mit den Tutorials zur Tool-Nutzung von Anthropic/OpenAI.
- Wie man richtige Schutzmaßnahmen baut: Fügen Sie Eingabevalidierung, ein maximales Schritt-Limit und Ausgabefilterung hinzu, bevor etwas den Benutzer erreicht.
- Wann man den Kontextfenster vs. externen Speicher verwendet: Standardmäßig Kontext verwenden, es sei denn, der Zustand muss länger als der Lauf bestehen bleiben.
- Was ist ein Audit-Trail und wie baut man ihn auf: Protokollieren Sie jeden Prompt, jeden Tool-Aufruf und jede Antwort mit Zeitstempeln. Dies hilft, Agentenfehler zu finden und zu kennzeichnen.
Kontrollpunkt 2 (nach 14 Tagen):
- Wie man strukturierte Ausgaben erzwingt: Geben Sie immer JSON zurück. Lesen Sie die Entwicklerseite von OpenAI.
- Wie man eine Demo in die Produktion bringt und was normalerweise kaputt geht: Lesen Sie Agents 102.
- Wie man Zwischenstände sichert: Speichern Sie den Agentenzustand alle n Schritte in einer Datei, damit er vom letzten Prüfpunkt neu gestartet werden kann.
Kontrollpunkt 3 (nach 21 Tagen):
- Wie Wiederholungslogik und exponentieller Backoff funktionieren: Jeder externe Aufruf benötigt Wiederholungen. Bei Fehlern warten Sie 1 s, 2 s, 4 s, 8 s, maximal 16 s.
- Wie man Kosten bei der Bereitstellung von Agenten optimiert: Drei Dinge: günstigere Modelle für günstige Teilaufgaben (Opus sollte nur für das Denken verwendet werden), gängige Prompts cachen, maximale Token begrenzen. Verfolgen Sie die Kosten pro Abfrage.
- Wie man einen goldenen Datensatz für Evaluierungen erstellt: Beginnen Sie mit 20 echten Abfragen und beschriften Sie die perfekte Ausgabe selbst. Anthropics "Demystifying evals for AI agents" deckt alles ab.
- Wie Multi-Agent-Pipelines und parallele Architekturen funktionieren: Teilen Sie die Arbeit auf, wenn ein Agent sie nicht bewältigen kann. Einer plant, andere führen aus, einer synthetisiert.
Kontrollpunkt 4 (letzte Woche):
Überprüfen Sie das Obige und kommunizieren Sie alles laut. Verknüpfen Sie alles, was Sie können, mit Geschäftskennzahlen.
TLDR
Der FDE ist der derzeit gefragteste Job im Tech-Bereich. Jedes Unternehmen braucht KI, aber niemand weiß, wie man sie einsetzt.
Der Job hat drei Phasen (Audit, Evaluierung, Bereitstellung). Ihre Aufgabe ist es, jede Phase und ihren Zweck zu verstehen.
Ihr Portfolio und Ihre Fähigkeit, darüber zu sprechen, sind die entscheidenden Faktoren. Bauen Sie Agenten, RAG-Pipelines, Evaluierungsframeworks, MCPs usw. und, am wichtigsten, seien Sie in der Lage, den geschäftlichen Anwendungsfall hinter allem, was Sie bauen, selbstbewusst zu artikulieren.
Mangelnde Kommunikationsfähigkeit ist ein Ausschlusskriterium für die FDE-Rolle. Wenn Sie einem nicht-technischen Entscheidungsträger nicht erklären können, was KI kann und was nicht, wird es keine Bereitstellung geben.
Erkennen Sie, wann KI nicht die Antwort ist; das schafft Vertrauen beim Kunden und, noch wichtiger, ROI für die Agenten in der Produktion.
Befolgen Sie diese Schritte und Ihre Chancen auf einen Einstieg werden exponentiell höher sein.
Wenn Sie zu dem am schnellsten wachsenden Applied AI Unternehmen in SF wechseln möchten, Varick stellt ein. Wir bauen das elitärste FDE-Team im Silicon Valley auf, geleitet von einem ehemaligen COO von Citadel Securities. Bewerben Sie sich direkt unter https://www.varickagents.com/careershttps://www.varickagents.com/careers).
