Al final de este artículo, deberías entender por qué Anthropic, OpenAI, Google y otras empresas de IA están buscando FDEs, y cómo puedes capitalizar esta demanda.
Yo mismo he desempeñado este rol, he contratado a algunos de los mejores del mundo para construir nuestro equipo de FDE en Varick, y me he dado cuenta de que no existe una guía definitiva sobre el rol más demandado en la tecnología hoy en día. Esta es esa guía.
Por qué las empresas de IA necesitan FDEs
Para convertirte en FDE, el primer paso es internalizar por qué las empresas de IA los necesitan desesperadamente.
Si crees que la inteligencia se está convirtiendo en un commodity, entonces se deduce que la única ventaja competitiva es cómo y dónde la utilizas. De hecho, me atrevo a decir que no hay ventaja competitiva en la inteligencia por sí sola. Por lo tanto, determinar cómo y dónde las empresas la utilizan se convierte en el rol más importante, y ese es el rol de un forward deployed engineer.
Las empresas contratan a una compañía de IA Aplicada (como Varick) que despliega FDEs para ayudarlas a obtener el máximo provecho de la tecnología. Al hacerlo, obtienen acceso a un equipo que ya ha realizado transformaciones de IA a gran escala, lo que permite a los clientes moverse mucho más rápido que sus competidores, generando enormes ganancias de eficiencia.
El FDE es un ingeniero altamente capacitado que puede entender los problemas del cliente en profundidad, escribir código en una base de código que potencialmente nunca ha visto antes, y comunicar el impacto comercial a un tomador de decisiones no técnico para cerrar el trato. Es una contratación millonaria.
Qué requiere el rol
Ser FDE requiere estar en el sitio con el cliente. El CTO de Palantir dice que no se pueden construir productos para un entorno sin estar realmente en ese entorno. Nosotros hemos visto lo mismo internamente.
El término FDE se originó en Palantir, y se tomaban muy en serio estar en el sitio. En 2010, trabajaron con el grupo de Fuerzas Especiales en Afganistán. Las Fuerzas Especiales realizaban la misión durante el día, obtenían retroalimentación y la enviaban a los FDEs, quienes enviaban código durante la noche.
Estar en el entorno es tan necesario para implementar software militar como para implementar IA. Para ver ganancias reales de eficiencia, una empresa debe ser reconstruida desde cero en torno a la IA. Y eso solo es posible sentándose con el cliente y construyendo agentes personalizados que estén diseñados con datos específicos de la empresa y contexto específico de la empresa.
Acerca del rol
En nuestra opinión, hay tres partes principales en el trabajo de un FDE de IA Aplicada: Auditoría, Evaluaciones y Despliegue. Analicemos cada una.
Auditoría: Estás en el sitio con un cliente, mapeando procesos/flujos de trabajo en diferentes equipos dentro de la empresa. Por ejemplo: dos semanas con operaciones de ingresos, una semana con adquisiciones y un mes completo con finanzas.
Con cada equipo con el que te sientas, aprendes algunas cosas: cómo es su trabajo, dónde están los cuellos de botella y dónde podrías crear agentes que aporten valor.
Además de comprender los flujos de trabajo de cada equipo de la empresa, una parte importante de la fase de auditoría es determinar qué debe automatizarse y qué no. Hay un punto en el que los agentes pueden crear más problemas de los que resuelven.
Aquí hay tres principios generales que puedes seguir para ayudarte a decidir.
Si un flujo de trabajo se puede destilar en reglas pero las entradas son diferentes (una entrada es un correo electrónico, la siguiente podría ser un PDF, la siguiente una imagen escaneada), y el trabajo implica llamar a herramientas, pon un agente. Si las reglas y las entradas son predecibles, el código es más rápido y más barato. Si la decisión requiere reconocimiento de patrones y experiencia en el dominio, déjalo manual.
Tus clientes no obtendrán un buen ROI si el agente se ejecuta cinco veces al mes. Busca automatizaciones largas y de alto volumen. Debe haber suficiente volumen para que importe.
No uses IA en exceso al construir tus agentes. La mayoría de las tareas de automatización se pueden hacer con una serie de llamadas a herramientas y una sola llamada a un LLM como capa orquestadora. Demasiada IA genera costos de tokens innecesarios (que se acumulan a escala) y, a menudo, una salida de menor calidad.
La parte final de la fase de Auditoría es la creación de prototipos. Consulta Agents 101 para aprender a construir un agente, y Agents 102 para llevar ese agente de demo a producción.
Evaluaciones: Si un cliente está gastando millones en un despliegue de IA, necesita saber que funciona. Para eso, un FDE construye evaluaciones detalladas.
Una buena evaluación no solo verifica si la respuesta final que da un agente es correcta, sino que también verifica que la IA esté pensando como lo haría un humano. Para hacer eso, haz dos cosas:
Traza los pasos del humano y califica a la IA en cada uno: Un humano no resuelve problemas en un solo movimiento. Es un proceso de múltiples pasos. Mapea esos pasos y observa si la IA está alcanzando los mismos puntos de control en el camino.
Comienza con pequeños y excelentes ejemplos del resultado deseado, luego mide todo contra ellos: Si estás construyendo un agente de atención al cliente, siéntate con un humano y determina cuál es la mejor respuesta posible a la consulta de un usuario. Repite eso varias veces en algunas tareas. Ahora sabes cómo se ve "excelente" y puedes exigirle ese estándar a los agentes.
Las evaluaciones demuestran valor al cliente. Si bien todos dicen que quieren IA en su empresa, todavía hay muchos que se muestran escépticos sobre si funciona. Una buena evaluación de agente es lo que un ejecutivo necesita para confiar en que el agente proporcionará ROI.
Despliegue: Evita las migraciones de datos a gran escala. En su lugar, construye APIs sobre una capa de datos existente (SharePoint o bases de datos) y coloca un modelo encima como orquestador para consultar a través de ella. Esto ahorra tiempo y dinero y, lo que es más importante, te salva de la brutal pesadilla de reemplazar tus sistemas existentes. Nuestros clientes han gastado millones de dólares y varios años migrando a su último ERP. Lo último que quieren es reemplazarlo de nuevo.
Una vez que todo lo anterior esté completado, crea un entorno de ejecución para probar el agente de forma segura. Esto es un sandbox directamente en la infraestructura de la empresa para que puedas ejecutar, probar y depurar el agente antes de pasar a producción.
Al pasar a producción, comienza despacio. Toma un flujo de trabajo pequeño, hazlo funcionar y luego agrega capacidades adicionales. Por ejemplo, comienza con un agente que detecte errores, investigue y escriba un ticket resumiendo lo que cree que salió mal. Si eso funciona, solo entonces dale la capacidad de escribir código y enviar un PR.
Comienza con la unidad más pequeña de autonomía; solo entonces dale la capacidad de actuar.
Así es como pasas de una auditoría a un despliegue como FDE. Aprender estos pasos es el trabajo en sí mismo.
Cómo convertirte en FDE en 30 días
Hay tres perfiles típicos que encuentran el mayor éxito como FDE: Consultores, Gerentes de Producto e Ingenieros de Software. Incluso si no encajas en ninguno de estos, seguir la hoja de ruta de 30 días al final de esta sección aumentará exponencialmente tus posibilidades de obtener el rol. Haz esto en paralelo con postularte y entrevistar.
Consultores/Gerentes de Producto
Como consultor o PM, ya deberías tener la capacidad de traducir datos en ROI. Esa es la mitad del trabajo. Pero el mayor obstáculo para alguien con este perfil es la falta de experiencia en ingeniería.
Un portafolio de alta calidad puede mitigar esto. Elige dos de estos proyectos paralelos y dedícate por completo:
- Un agente de IA listo para producción que pueda ejecutar un proceso completo que solías hacer manualmente en tu trabajo anterior. Debe poder llamar a APIs, registrar su pensamiento de forma autónoma y tener un mecanismo de manejo de fallos.
- Un pipeline de RAG construido sobre un conjunto de datos (elige un conjunto de datos personalizado para la industria en la que intentas incursionar: documentos legales, registros médicos, presentaciones financieras, etc.).
- Un framework de evaluación que hayas construido tú mismo que puntúe las salidas de un agente en múltiples dimensiones (corrección, formato, costo, latencia) para diferentes procesos de negocio (adquisiciones, cuentas por pagar, etc.).
- Un MCP donde puedas conectar un LLM a un software heredado que actualmente no admita integración de IA.
No externalices tu entendimiento a la IA. Si lo tomas paso a paso, estos conceptos deberían ser bastante comprensibles. Hay una razón por la que esto se titula 30 días, no 30 minutos.
Ingenieros de Software
Podría decirse que la parte más importante de ser FDE es la comunicación. Necesitas traducir lo que la IA puede y no puede hacer en algo que tenga sentido para un VP no técnico. Si no puedes hacer eso, no puedes ser FDE.
Los ingenieros de software deberían construir proyectos similares a los mencionados en la sección de consultoría/PM, pero explicar cada componente de lo que acaban de construir. El stack tecnológico, los resultados, las iteraciones que hicieron, los resultados comerciales. Lo más importante, necesitas tener una razón para construir esos agentes en primer lugar: ¿cuál era el punto de dolor que estabas resolviendo y cómo podría desarrollarse esto en una interacción real con un cliente?
Plan de 30 días independientemente del rol
Para algo más concreto, sigue este plan de 30 días que te preparará para casi cualquier cosa:
Punto de control 1 (7 días):
- Qué es un agente y cómo funciona un bucle de agente: lee Building Effective Agents de Anthropic, luego escribe un script que ejecute el bucle: prompt → modelo → respuesta → siguiente paso.
- Cómo hacer que un agente llame a una herramienta: agrega dos llamadas a herramientas (una llamada a API y una búsqueda web) usando los tutoriales de uso de herramientas de Anthropic/OpenAI.
- Cómo construir barreras de seguridad adecuadas: agrega validación de entrada, un límite máximo de pasos y filtrado de salida antes de que cualquier cosa llegue al usuario.
- Cuándo usar la ventana de contexto vs memoria externa: usa la ventana de contexto por defecto, a menos que el estado necesite persistir más tiempo que la ejecución.
- Qué es un registro de auditoría y cómo construir uno: registra cada prompt, llamada a herramienta y respuesta con marcas de tiempo. Esto ayuda a encontrar y señalar errores del agente.
Punto de control 2 (14 días):
- Cómo forzar salidas estructuradas: siempre devuelve JSON. Lee la página de desarrollador de OpenAI.
- Cómo llevar una demo a producción y qué suele fallar: Lee Agents 102.
- Cómo crear puntos de control: guarda el estado del agente cada n pasos en un archivo para que pueda reiniciarse desde el último punto de control.
Punto de control 3 (21 días):
- Cómo funcionan la lógica de reintento y el backoff exponencial: cada llamada externa necesita reintentos. Ante una falla, espera 1s, 2s, 4s, 8s, con un tope de 16s.
- Cómo optimizar el costo al desplegar agentes: tres cosas: modelos más baratos para subtareas baratas (Opus debería usarse solo para razonamiento), almacenar en caché los prompts comunes, limitar los tokens máximos. Rastrea el costo por consulta.
- Cómo construir un conjunto de datos dorado para evaluaciones: comienza con 20 consultas reales, etiqueta la salida perfecta tú mismo. "Demystifying evals for AI agents" de Anthropic lo cubre todo.
- Cómo funcionan los pipelines multi-agente y las arquitecturas paralelas: divide el trabajo cuando un agente no puede manejarlo. Uno planifica, otros ejecutan, uno sintetiza.
Punto de control 4 (Última semana):
Revisa lo anterior y comunícalo todo en voz alta. Vincula todo lo que puedas con métricas de negocio.
Resumen
El FDE es el rol más demandado en la tecnología hoy en día. Todas las empresas necesitan IA, pero nadie sabe cómo implementarla.
El trabajo tiene tres fases (auditoría, evaluaciones, despliegue). Tu trabajo es entender cada fase y su propósito.
Tu portafolio y tu capacidad para hablar sobre él son los factores decisivos. Construye agentes, pipelines de RAG, frameworks de evaluación, MCPs, etc., y, lo más importante, sé capaz de articular con confianza el caso de uso comercial detrás de todo lo que construyes.
La falta de habilidad de comunicación es un factor decisivo para el rol de FDE. Si no puedes explicar lo que la IA puede y no puede hacer a un tomador de decisiones no técnico, no habrá despliegue.
Reconoce cuándo la IA no es la respuesta; esto genera confianza con el cliente y, más importante aún, ROI para los agentes en producción.
Sigue estos pasos y tus posibilidades de abrirte camino serán exponencialmente mayores.
Si quieres dar el salto a la empresa de IA Aplicada de más rápido crecimiento en San Francisco, Varick está contratando. Estamos construyendo el equipo de FDE más elitista de Silicon Valley, liderado por un ex COO de Citadel Securities. Aplica directamente en https://www.varickagents.com/careershttps://www.varickagents.com/careers).
