El primer consenso de la era de los Agentes ha surgido: el modelo ya no es el cuello de botella; lo son las personas.
En una sola semana, OpenAI invirtió 4 mil millones de dólares, Anthropic se incrustó en la sede 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 las empresas clientas 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 comprimir las investigaciones de lavado de dinero en BMO y Amalgamated Bank "de horas a minutos" para la segunda mitad de 2026. Una semana antes de eso, el CEO de Google Cloud, Thomas Kurian, 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 codiciado de 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 de repente en 2026?, ¿cuál es su relación con el "PMF"?—y ¿cuáles son sus limitaciones?
I. ¿Qué es un FDE? Ni un Ingeniero de Ventas, Ni un Consultor
Primero, traduzcamos dos términos, que son los requisitos previos para toda la discusión posterior.
PMF (Product-Market Fit) es el "Santo Grial" de las startups de Silicon Valley. Significa que tu producto satisface perfectamente una necesidad 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 navegar río abajo.
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 de EE. UU.—personas que "no podían expresar claramente lo que querían, no te dejaban ver sus datos y cuyos flujos de trabajo cambiaban constantemente".
El cofundador de Palantir, Shyam Sankar, tiene una cita 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 quieres" y, en su lugar, enviaron ingenieros directamente a las oficinas de los clientes, bases militares e incluso talleres de montaje de aviones para escribir código junto a ellos. Estas personas se llamaban "Deltas" dentro de Palantir: tenían que pasar las mismas entrevistas de ingeniería, pero trabajaban en bases de la fuerza aérea, oficinas bancarias 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 y, al mismo tiempo, retroalimenta los problemas comunes encontrados en los escenarios del cliente al producto principal 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 al de ingenieros de software regulares. Toda la forma del producto de la empresa—la plataforma Foundry—se "destiló" esencialmente de innumerables proyectos de FDE in situ. Un ingeniero que sirvió 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 capacidades de 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 dominante: la mayoría de las empresas SaaS aconsejaban "no aprender de Palantir, los márgenes brutos no se sostendrán". 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 "incrustarían" en FIS para codiseñar 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 a unos 150 FDE y expertos en despliegue.
El 12 de mayo, el CEO de Google Cloud, Thomas Kurian, 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, PPTs y demostraciones, pero sin una entrega a gran escala. En una encuesta de IBM a 2,000 ejecutivos a principios de 2026, la "velocidad de ejecución" se clasificó 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. Se está haciendo cada vez más claro un patrón: el ganador de la próxima fase de la IA empresarial depende de la eficacia con la que una empresa pueda desplegar esta tecnología en escenarios de negocio reales".
Hay otro conjunto de datos que vale la pena señalar. Según los informes, OpenAI no cumplió con 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. La CEO de Negocios Aplicados de OpenAI, Fidji Simo, calificó el progreso de Anthropic como una "llamada de atención" y dijo que la empresa debe "ofrecer resultados en escenarios de productividad".
En otras palabras, la utilidad marginal del "poder del 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 lo potente que 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 tus empleados las usen. Los límites de una herramienta son claros: lo que hace y lo que no hace está explícitamente escrito 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 sistemas centrales, cotejar con patrones de lavado conocidos, juzgar niveles de riesgo y redactar Informes de Actividades Sospechosas (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 ser 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 fallo de un Agente es un "fracaso del negocio", no un "fracaso funcional". Si falta un botón de 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 el "contexto operativo" que cualquier generación anterior de software.
Tercero, el mercado de Agentes es uno donde "no hay productos maduros con los que compararse, y los propios clientes no saben lo que quieren". Esta es exactamente la situación a la que se 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 de nuevo.
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, proporcionar soporte de despliegue de servicio exclusivo 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 in situ es tanto una entrega para el cliente como un descubrimiento de producto para el proveedor. Los FDE son los tentáculos del proveedor que se adentran en el 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 de manera general ignora varias paradojas reales.
Reserva 1: FDE podría estar resolviendo el "problema de PMF", o podría estar "enmascarando el problema de PMF".
El significado original de PMF es "el producto encaja en el mercado"—el producto en sí mismo es la respuesta, y los clientes lo usan, lo renuevan y lo 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 in situ durante seis meses para ponerlo en marcha, estrictamente hablando, el producto en sí mismo no ha encontrado el PMF.
Alex Coqueiro, analista senior de Gartner, hizo 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 fallo 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 disminuye, 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 de mano de obra 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 alto nivel.
Reserva 2: ¿Es esto una "empresa de consultoría disfrazada de empresa de producto"?
La opinión del mercado de capitales también está dividida sobre esto.
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 2,000 empresas a nivel mundial" se convertirán en el grupo de clientes natural de DeployCo—tanto una fuente de ingresos como un bucle 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 (altos márgenes, baja 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 del 'bloqueo'".
En otras palabras: lo que es un paradigma de PMF para el proveedor podría ser la víspera del bloqueo 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 caros porque hacen mucho "trabajo sucio de integración": mapeo de campos, interconexión 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 automatizando.
La práctica de Salesforce con su producto Agentforce muestra que gran parte del trabajo de "despliegue de Agentes de preguntas frecuentes simples" que inicialmente realizaban los FDE está siendo absorbido por el propio producto; 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 del producto y la consultoría empresarial—entonces se convierte verdaderamente en "consultoría de alto nivel". Pero si la evolución de la IA alcanza 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
Volviendo 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 el PMF en sí mismo—es el método para encontrar el 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 in situ 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 un bloqueo suave.
- 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 de base, con paquetes senior que promedian $238k y los de primer nivel se acercan a $400k. Además, este presupuesto proviene del gasto de expansión del cliente, no de la plantilla de I+D interna, lo que lo hace contracíclico durante los períodos de despidos.
- Para los inversores: Utilizar un marco de valoración de SaaS puro para las 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 reutilizable del producto después de cada compromiso in situ. 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 empiezan 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 por FDE simultáneamente es menos una declaración de victoria de un paradigma y más una admisión de un hecho: antes de que los Agentes se conviertan en verdaderos "software sobre software", necesitamos personas—personas in situ que entiendan tanto al cliente como al modelo—para recorrer esos caminos sin pavimentar uno por uno.
Quizás el verdadero paradigma de PMF espere hasta que los caminos recorridos por los FDE sean lo suficientemente numerosos y claros para que los Agentes puedan correr sobre ellos 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 siguen en el camino.
Los datos y casos en 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.
