El primer consenso de la era de los Agentes ha surgido: el modelo ya no es el cuello de botella; la gente lo es.
En apenas una semana, OpenAI invirtió 4 mil millones de dólares, Anthropic se integró en la sede central de FIS, y Google anunció la contratación de cientos de personas—tres gigantes de la IA están apostando simultáneamente por el mismo rol: FDE.
El 11 de mayo de 2026, OpenAI anunció la creación de la "OpenAI Deployment Company" con una inversión inicial de 4 mil millones de dólares. Su negocio principal es simple: "despachar" ingenieros a empresas clientes para ayudarles a poner en marcha la IA.
Apenas una semana antes, Anthropic integró a su equipo de ingeniería en el gigante fintech FIS, con el objetivo de reducir las investigaciones antilavado de dinero en BMO y Amalgamated Bank "de horas a minutos" para la segunda mitad de 2026. Una semana antes de eso, Thomas Kurian, CEO de Google Cloud, publicó personalmente en LinkedIn para reclutar a "cientos" de personas, una publicación que obtuvo 1.3 millones de visitas en X.
El rol al que apuntan las tres empresas es el mismo: Forward Deployed Engineer (FDE).
Un rol que solo había sido popular durante veinte años en la empresa de software "alternativa" Palantir, se ha convertido de repente en el puesto más solicitado en la industria de la IA en 2026. Algunos gritan la consigna: FDE es el paradigma de PMF de la era de los Agentes.
¿Es este juicio una visión profunda o una ilusión? Para responder, debemos aclarar: ¿qué es exactamente un FDE?, ¿por qué se volvió una necesidad repentina en 2026?, ¿cuál es su relación con el "PMF"?—y ¿cuáles son sus limitaciones?
I. ¿Qué es FDE?: No es un Ingeniero de Ventas, ni un Consultor
Primero, traduzcamos dos términos, que son los requisitos previos para toda discusión posterior.
PMF (Product-Market Fit) es el "Santo Grial" de las startups de Silicon Valley. Significa que tu producto satisface perfectamente una demanda real del mercado, y el mercado está dispuesto a pagar por él, recomprarlo y difundirlo de boca en boca. Antes de encontrar el PMF, una startup siente que nada contra la corriente; después de encontrarlo, es como dejarse llevar por la corriente.
FDE significa "Forward Deployed Engineer", pero no se definió originalmente así. El rol fue inventado por Palantir a principios de la década de 2000, cuando sus clientes eran agencias de inteligencia estadounidenses—personas que "no podían expresar claramente lo que querían, no te dejaban ver sus datos y cuyos flujos de trabajo cambiaban constantemente".
Shyam Sankar, cofundador de Palantir, tiene una frase clásica: "Si un problema pudiera resolverse con un documento de requisitos, ya se habría resuelto hace mucho tiempo".
Así que Palantir hizo algo poco convencional: dejaron de preguntar a los clientes "qué quieren" y, en su lugar, enviaron ingenieros directamente a las oficinas de los clientes, bases militares e incluso talleres de ensamblaje de aviones para escribir código junto a ellos. Estas personas eran llamadas "Deltas" dentro de Palantir—tenían que pasar las mismas entrevistas de ingeniería, pero trabajaban en bases de la fuerza aérea, oficinas administrativas de bancos y sistemas de TI de hospitales, en lugar de oficinas abiertas en Palo Alto.
Esto difiere de tres roles comunes en las empresas de software tradicionales:
- Los Ingenieros de Ventas se encargan de las demostraciones previas a la venta y se van una vez que se firma el contrato;
- Los Arquitectos de Soluciones brindan principalmente consultoría técnica y no escriben código de producción;
- Los Consultores generalmente proporcionan metodologías y entrega, pero no participan en la iteración del producto del proveedor.
La singularidad de un FDE es que escribe el código de producción del cliente mientras retroalimenta los problemas comunes encontrados en los escenarios del cliente al producto central del proveedor. La descripción interna de Palantir es: "El alcance del trabajo de un FDE es como el de un CTO de startup—responsable de un proyecto de alto riesgo de principio a fin en un equipo pequeño".
Para 2016, el número de FDE en Palantir superó una vez al de ingenieros de software regulares. Toda la forma de producto de la empresa—la plataforma Foundry—se "destiló" esencialmente de innumerables proyectos de FDE en el sitio. Un ingeniero que trabajó como FDE en Palantir durante siete años resumió este modelo como "de camino de grava a carretera pavimentada": los FDE construyen numerosos caminos de grava en los sitios de los clientes, y el equipo de producto identifica los más transitados para pavimentarlos y convertirlos en carreteras, transformándolos en capacidades de la plataforma.
II. El Punto de Inflexión de 2026: Por Qué Tres Gigantes de la IA Apuestan por FDE Simultáneamente
Durante casi veinte años, el modelo de Palantir fue visto como un "caso atípico" en el Silicon Valley convencional—la mayoría de las empresas SaaS aconsejaban "no aprendan de Palantir, los márgenes brutos no se mantendrán". Pero en 2026, las cosas cambiaron de repente.
El 4 de mayo, Anthropic y FIS anunciaron una asociación en la que el equipo de IA Aplicada de Anthropic y los FDE se "integrarían" dentro de FIS para co-diseñar Agentes de IA para delitos financieros.
El 11 de mayo, OpenAI anunció oficialmente la OpenAI Deployment Company (con el nombre en código interno "DeployCo"), con una inversión inicial de 4 mil millones de dólares liderada por TPG, con la participación de 19 firmas de inversión y consultoría. Simultáneamente, anunciaron la adquisición de Tomoro, una consultora de IA aplicada, incorporando alrededor de 150 FDE y expertos en despliegue.
El 12 de mayo, Thomas Kurian, CEO de Google Cloud, anunció una nueva "organización centrada en IA" dentro de Google Cloud para contratar a "cientos" de FDE. En ese momento, Google Cloud tenía 59 ofertas de trabajo relacionadas.
¿Por qué ahora? ¿Por qué todos a la vez? El juicio de las tres empresas apunta a un hecho: el cuello de botella de la era de los Agentes no es el modelo en sí, sino el despliegue.
La encuesta "Pulse of Change" de Accenture muestra que solo el 32% de los líderes empresariales reportan haber visto un "impacto sostenido de la IA en toda la empresa". El 68% restante se encuentra en un estado de tener pilotos, PPT y demostraciones, pero sin entrega a gran escala. En una encuesta de IBM a 2000 ejecutivos a principios de 2026, la "velocidad de ejecución" se enumeró como la tercera prioridad estratégica más alta.
El anuncio de OpenAI expuso esta lógica sin rodeos: "En los últimos años, más de un millón de empresas han adoptado nuestros productos y API. Un patrón se está volviendo cada vez más claro: el ganador de la próxima fase de la IA empresarial depende de la eficacia con la que una empresa pueda implementar esta tecnología en escenarios comerciales reales".
Hay otro conjunto de datos que vale la pena señalar. Según los informes, OpenAI no alcanzó sus objetivos internos de ingresos y usuarios activos semanales a principios de 2026, mientras que Anthropic y Google Gemini continuaron ganando participación en el mercado empresarial. Fidji Simo, CEO de Aplicaciones de Negocio de OpenAI, calificó el progreso de Anthropic como una "llamada de atención" y dijo que la empresa debe "cumplir con los escenarios de productividad".
En otras palabras, la utilidad marginal del "poder de producto" del modelo de IA está disminuyendo, pero la utilidad marginal de la capacidad de ingeniería para "convertir modelos en sistemas utilizables" se está disparando. No importa cuán potente sea el modelo, si no puede ejecutarse dentro del proceso de cumplimiento de un banco, el sistema de reclamaciones de una aseguradora o el sistema MES de una fábrica, es solo una demostración, no un negocio.
FDE es precisamente ese convertidor.
III. Por Qué la Era de los Agentes Tiene una "Demanda Estructural" de FDE
Para entender por qué "Agente" y "FDE" son una combinación perfecta, debemos aclarar la diferencia fundamental entre los Agentes y las formas anteriores de IA.
Los productos SaaS tradicionales son esencialmente "herramientas": compras Salesforce para obtener un conjunto de plantillas de procesos de ventas configuradas para que tu gente las use. Los límites de una herramienta son claros: lo que hace y lo que no hace está escrito explícitamente en el manual del producto.
Un Agente se trata de "actuar en nombre de": ya no lo usas; dejas que haga cosas por ti. Un Agente antilavado de dinero no solo le da a los investigadores una mejor interfaz de consulta; les ayuda a completar todo el flujo de trabajo de "extraer evidencia de los sistemas centrales, cotejar con patrones de lavado conocidos, juzgar niveles de riesgo y redactar Informes de Actividad Sospechosa (SAR)".
Esta diferencia tiene tres consecuencias:
Primero, los Agentes deben estar profundamente integrados en el flujo de trabajo real del cliente. Para "actuar en nombre de", un Agente debe saber dónde están los límites de cumplimiento del banco, qué decisiones no se pueden automatizar, cómo deben redactarse los informes SAR para que sean aceptados por los reguladores y dónde se almacenan los datos internos. Estas cosas no están en los documentos del producto; están en la "memoria muscular institucional" del cliente.
Segundo, el fracaso de un Agente es un "fracaso empresarial", no un "fracaso funcional". Si falta un botón en un SaaS, los usuarios se quejan. Si un Agente pasa por alto una transacción sospechosa, el banco es multado por los reguladores. Esto significa que el despliegue de Agentes depende más del "conocimiento del dominio" y del "contexto operativo" que cualquier generación anterior de software.
Tercero, el mercado de Agentes es uno donde "no hay productos maduros para comparar, y los propios clientes no saben lo que quieren". Esta es exactamente la situación que enfrentó Palantir con las agencias de inteligencia. Los clientes pueden decir "quiero que las investigaciones de AML sean más rápidas", pero no pueden definir "rápido", qué fuentes de datos usar, qué pasos automatizar o qué puntos de decisión humana mantener. Este tipo de problema no se puede resolver con un documento de requisitos; requiere que los ingenieros entren, observen, prueben, modifiquen y observen nuevamente.
La descripción del puesto de FDE de Anthropic describe claramente esta lógica: "Construir aplicaciones de producción dentro de los sistemas del cliente, entregar artefactos técnicos como servidores MCP, subagentes y habilidades de agente, brindar soporte de despliegue de primera clase en entornos empresariales e identificar patrones de despliegue reutilizables para retroalimentar a los equipos de producto e ingeniería".
Esa última parte—"retroalimentar a los equipos de producto e ingeniería"—es el verdadero apalancamiento del modelo FDE. Significa que cada compromiso sobre el terreno es tanto una entrega para el cliente como un descubrimiento de producto para el proveedor. Los FDE son los tentáculos del proveedor que llegan al mercado, trayendo muestras de necesidades del mundo real.
IV. ¿Es FDE el "Paradigma de PMF de la Era de los Agentes"? Tres Reservas
Hasta ahora, el juicio de que "FDE es el paradigma de PMF de la era de los Agentes" suena muy convincente. Pero aceptar esta conclusión en general ignora varias paradojas reales.
Reserva 1: FDE podría estar resolviendo el "problema del PMF", o podría estar "enmascarando el problema del PMF".
El significado original de PMF es "el producto se adapta al mercado"—el producto en sí mismo es la respuesta, y los clientes lo usan, renuevan y recomiendan de inmediato.
La esencia del modelo FDE es "usar mano de obra humana para cerrar la brecha entre el producto y el mercado". Si un producto requiere un equipo de ingenieros en el sitio durante seis meses para funcionar, estrictamente hablando, el producto en sí mismo no ha encontrado PMF.
Alex Coqueiro, analista senior de Gartner, dio una predicción mordaz en un informe reciente: para 2028, el 70% de las empresas se verán obligadas a abandonar los proyectos de Agentes liderados por FDE porque "los costos del proveedor son demasiado altos y faltan capacidades internas para la evolución independiente".
También señaló un modo de falla oculto: "Si la carga de trabajo de FDE no disminuye después de múltiples despliegues, es una señal de que se está construyendo dependencia en lugar de capacidad. Cuando un caso de uso madura pero la inversión no baja, significa que los clientes están pagando precios de consultoría por capacidades operativas que deberían poseer ellos mismos".
Este es el mayor riesgo del modelo FDE: podría degenerar de un "mecanismo de descubrimiento de producto" a un "relleno laboral permanente". La razón por la que el modelo de Palantir tuvo éxito fue el paso de "camino de grava a carretera pavimentada"—la especificidad de los escenarios del cliente debe eventualmente destilarse en el producto. Si este paso de destilación falla, FDE es solo subcontratación de alta gama.
Reserva 2: ¿Es esto una "firma de consultoría disfrazada de empresa de producto"?
El juicio del mercado de capitales sobre esto también está dividido.
Los partidarios creen que el modelo FDE proporciona a las empresas de IA un foso de "pre-despliegue": cuanto antes envíes ingenieros a las empresas Fortune 500, antes controlas el punto de entrada para los flujos de trabajo de IA empresarial, y los costos de migración del cliente aumentarán exponencialmente. El comunicado oficial de OpenAI Deployment Company mencionó que los socios que "patrocinan a más de 2000 empresas a nivel mundial" se convertirán en el grupo de clientes natural de DeployCo—tanto una fuente de ingresos como un ciclo de retroalimentación.
Pero los críticos señalan que este modelo hace que el perfil financiero de las empresas de IA se parezca más a un híbrido de "consultoría + software". Palantir ha sido infravalorado durante mucho tiempo en el mercado secundario, en parte porque los analistas utilizan marcos de valoración de SaaS puro (márgenes altos, poca mano de obra) que no encajan. A medida que OpenAI y Anthropic comiencen a contratar FDE a gran escala, sus estructuras de margen, ingresos por empleado y múltiplos de valoración se verán desafiados.
La evaluación de Larry Dignan, analista de Constellation Research, fue más directa: OpenAI Deployment Company no opera de forma independiente como IBM Consulting, que puede integrar cualquier modelo. "La probabilidad de que OpenAI Deployment Company utilice Anthropic es cero. OpenAI presenta su departamento de servicios como una ventaja de integración vertical, pero los CIO lo verán a través del lente de 'dependencia del proveedor'".
En otras palabras: lo que es un paradigma de PMF para el proveedor podría ser la víspera de la dependencia del proveedor para el cliente.
Reserva 3: FDE podría ser reemplazado por las herramientas que crean.
Esta paradoja es la más interesante. Los FDE son costosos porque hacen mucho "trabajo sucio de integración": mapeo de campos, interfaz de API, traducción de sistemas heredados, ajuste de prompts y construcción de marcos de evaluación—precisamente los tipos de trabajo que la IA es mejor para automatizar.
La práctica de Salesforce con su producto Agentforce muestra que gran parte del trabajo de "despliegue simple de Agente de preguntas frecuentes" que inicialmente hacían los FDE está siendo absorbido por el producto mismo; el trabajo de FDE se está migrando a capas de abstracción más altas—arquitectura multiagente, diseño de protocolo MCP, Agentes de voz y orquestación de Agentes de codificación.
En una mesa redonda sobre FDE celebrada en abril de 2026 por South Park Commons en Nueva York, varios jefes de FDE llegaron a un consenso: a medida que los modelos se vuelven más potentes, el valor de los FDE no disminuye, aumenta—pero la fuente de valor cambia. El trabajo de integración de bajo nivel es devorado por la IA, y el valor central de los FDE se desplaza a "juzgar qué problemas resolver en el sitio del cliente y qué estandarizar".
Este es un equilibrio delicado. Si las herramientas de IA evolucionan lo suficientemente rápido, el "apalancamiento de integración" del modelo FDE se comprimirá, dejando solo el juicio de producto y la consultoría empresarial—entonces se convierte verdaderamente en "consultoría de alta gama". Pero si la evolución de la IA llega a un cuello de botella, la complejidad de la integración persistirá durante muchos años, convirtiendo a FDE en un negocio a largo plazo.
V. El Significado Varía para Diferentes Personas
Volvamos a la pregunta original: ¿Es FDE el paradigma de PMF de la era de los Agentes?
Si debo emitir un juicio, tiendo a plantearlo de esta manera: FDE es el "estado intermedio necesario" para que la IA empresarial pase de la demostración a la producción en la era de los Agentes, pero no es PMF en sí mismo—es el método para encontrar PMF.
Esta afirmación tiene diferentes significados para diferentes identidades:
- Para los proveedores de IA: FDE no es un negocio de ingresos; es un mecanismo de descubrimiento de producto. Si lo tratas como un negocio de consultoría, caerás en una trampa de márgenes; solo destilando continuamente la experiencia sobre el terreno en capacidades de producto reutilizables—servidores MCP, habilidades de agente, marcos de evaluación, plantillas de despliegue—la inversión en FDE generará interés compuesto.
- Para los clientes empresariales: El verdadero valor de FDE no es dejar que el proveedor "lo construya por ti", sino "transferirte la capacidad en el proceso de construirlo". En el comunicado oficial de la asociación Anthropic-FIS, esta frase es clave: "transferir conocimiento para que FIS pueda construir y escalar agentes adicionales de forma independiente con el tiempo". Si no hay tal mecanismo de salida en el contrato, el modelo FDE es una dependencia suave del proveedor.
- Para los ingenieros: Este es el conjunto de habilidades más raro de 2026: profundidad técnica, comprensión del contexto del cliente y juicio empresarial. El rango salarial de FDE publicado por Google es de $127k a $265k base, con paquetes senior que promedian $238k y los de nivel superior se acercan a $400k. Además, este presupuesto proviene del gasto de expansión del cliente, no de la plantilla interna de I+D, lo que lo hace contracíclico durante los períodos de despidos.
- Para los inversores: Utilizar un marco de valoración de SaaS puro para empresas de IA impulsadas por FDE será engañoso. Lo que hay que observar no son los márgenes actuales, sino la velocidad de "convertir caminos de grava en carreteras pavimentadas"—cuánto mejora la capacidad de producto reutilizable después de cada compromiso sobre el terreno. A Palantir le llevó casi veinte años que el mercado entendiera esto; OpenAI y Anthropic no tendrán tanta paciencia.
Conclusión: Los Paradigmas No Anuncian Su Propio Nacimiento
El término PMF fue propuesto por primera vez por Marc Andreessen en 2007, y su criterio era muy simple: "No necesitas explicarlo, simplemente sabes que lo has encontrado"—los usuarios comienzan a llegar en masa, el producto escasea y el sistema está constantemente sobrecargado.
Según este estándar, el mercado empresarial de IA en mayo de 2026 tiene el "embrión de PMF", pero aún no la "victoria de PMF". Que las tres empresas apuesten simultáneamente por FDE es menos una declaración de victoria de paradigma y más una admisión de un hecho: antes de que los Agentes se conviertan en verdadero "software por encima del software", necesitamos personas—personas sobre el terreno que entiendan tanto al cliente como al modelo—para recorrer uno por uno esos caminos sin pavimentar.
Quizás el verdadero paradigma de PMF esperará hasta que los caminos recorridos por los FDE sean numerosos y claros, de modo que los Agentes puedan correr por sí mismos—en ese momento, esta discusión sobre los FDE se convertirá en una nota al pie de una era.
Pero en 2026, todos todavía están en el camino.
Los datos y casos de este artículo provienen de anuncios oficiales de OpenAI, Anthropic, Google y FIS, así como de informes públicos de The Information, Pragmatic Engineer, Constellation Research, CIO Magazine y Gartner, con datos actualizados a mayo de 2026.
