Il primo consenso dell'era degli Agent è emerso: il modello non è più il collo di bottiglia; lo sono le persone.
In una sola settimana, OpenAI ha investito 4 miliardi di dollari, Anthropic si è insediata nel quartier generale di FIS e Google ha annunciato l'assunzione di centinaia di persone—tre giganti dell'AI stanno scommettendo contemporaneamente sullo stesso ruolo: FDE.
L'11 maggio 2026, OpenAI ha annunciato la costituzione della "OpenAI Deployment Company" con un investimento iniziale di 4 miliardi di dollari. Il suo core business è semplice: "inviare" ingegneri presso le aziende clienti per aiutarle a mettere in funzione l'AI.
Solo una settimana prima, Anthropic aveva integrato il suo team di ingegneri nel colosso fintech FIS, con l'obiettivo di comprimere le indagini antiriciclaggio presso BMO e Amalgamated Bank "da ore a minuti" entro la seconda metà del 2026. Una settimana prima ancora, Thomas Kurian, CEO di Google Cloud, aveva pubblicamente reclutato "centinaia" di persone su LinkedIn, un post che ha raccolto 1,3 milioni di visualizzazioni su X.
Il ruolo preso di mira da tutte e tre le aziende è lo stesso: Forward Deployed Engineer (FDE).
Un ruolo che era rimasto popolare solo per vent'anni presso la "alternativa" società di software Palantir è diventato improvvisamente la posizione più ambita nell'industria dell'AI nel 2026. Alcuni gridano allo slogan: l'FDE è il paradigma del PMF per l'era degli Agent.
Questo giudizio è una profonda intuizione o un pio desiderio? Per rispondere, dobbiamo chiarire: cos'è esattamente un FDE, perché è diventato improvvisamente una necessità nel 2026, qual è il suo rapporto con il "PMF"—e quali sono i suoi limiti?
I. Cos'è l'FDE: Non un Ingegnere Commerciale, Né un Consulente
Per prima cosa, traduciamo due termini, che sono i prerequisiti per tutte le discussioni successive.
PMF (Product-Market Fit) è il "Santo Graal" delle startup della Silicon Valley. Significa che il tuo prodotto soddisfa perfettamente una reale domanda di mercato, e il mercato è disposto a pagarlo, riacquistarlo e diffonderlo tramite passaparola. Prima di trovare il PMF, una startup sembra nuotare controcorrente; dopo averlo trovato, è come scendere a valle seguendo la corrente.
FDE sta per "Forward Deployed Engineer", ma non è stato definito originariamente in questo modo. Il ruolo è stato inventato da Palantir nei primi anni 2000, quando i loro clienti erano agenzie di intelligence statunitensi—persone che "non sapevano esprimere chiaramente cosa volevano, non ti lasciavano vedere i loro dati e i cui flussi di lavoro cambiavano continuamente."
C'è una citazione classica di Shyam Sankar, co-fondatore di Palantir: "Se un problema potesse essere risolto da un documento di requisiti, sarebbe stato risolto molto tempo fa."
Così Palantir fece qualcosa di non convenzionale: smisero di chiedere ai clienti "cosa volete" e invece inviarono ingegneri direttamente negli uffici dei clienti, nelle basi militari e persino nelle officine di assemblaggio di aerei per scrivere codice fianco a fianco con loro. Queste persone erano chiamate "Deltas" all'interno di Palantir—dovevano superare gli stessi colloqui di ingegneria ma lavoravano in basi aeree, back office bancari e sistemi IT ospedalieri, invece che in uffici aperti a Palo Alto.
Questo differisce da tre ruoli comuni nelle aziende di software tradizionali:
- Gli Ingegneri Commerciali si occupano di demo pre-vendita e se ne vanno una volta firmato il contratto;
- Gli Architetti di Soluzioni forniscono principalmente consulenza tecnica e non scrivono codice di produzione;
- I Consulenti di solito forniscono metodologie e consegna, ma non partecipano all'iterazione del prodotto del fornitore.
L'unicità di un FDE è che scrive il codice di produzione del cliente mentre segnala i problemi comuni trovati negli scenari del cliente al prodotto principale del fornitore. La descrizione interna di Palantir è: "L'ambito di lavoro di un FDE è come quello del CTO di una startup—responsabile di un progetto ad alto rischio dall'inizio alla fine in un piccolo team."
Entro il 2016, il numero di FDE in Palantir superò quello degli ingegneri software tradizionali. L'intera forma del prodotto dell'azienda—la piattaforma Foundry—era essenzialmente "distillata" da innumerevoli progetti sul campo degli FDE. Un ingegnere che ha servito come FDE in Palantir per sette anni ha riassunto questo modello come "da strada sterrata a autostrada asfaltata": gli FDE costruiscono numerose strade sterrate nei siti dei clienti, e il team di prodotto identifica quelle più percorse per asfaltarle, trasformandole in capacità della piattaforma.
II. Il Punto di Svolta del 2026: Perché Tre Giganti dell'AI Scommettono Contemporaneamente sull'FDE
Per quasi vent'anni, il modello di Palantir è stato visto come un "anomalia" nella Silicon Valley tradizionale—la maggior parte delle aziende SaaS consigliava "non imparate da Palantir, i margini lordi non reggeranno". Ma nel 2026, le cose sono improvvisamente cambiate.
Il 4 maggio, Anthropic e FIS hanno annunciato una partnership in cui il team Applied AI di Anthropic e gli FDE si sarebbero "integrati" all'interno di FIS per co-progettare Agent AI per la criminalità finanziaria.
L'11 maggio, OpenAI ha annunciato ufficialmente la OpenAI Deployment Company (nome in codice interno "DeployCo"), con un investimento iniziale di 4 miliardi di dollari guidato da TPG, con la partecipazione di 19 società di investimento e consulenza. Contemporaneamente, hanno annunciato l'acquisizione di Tomoro, una società di consulenza AI applicata, portando circa 150 FDE ed esperti di implementazione.
Il 12 maggio, il CEO di Google Cloud Thomas Kurian ha annunciato una nuova "organizzazione focalizzata sull'AI" all'interno di Google Cloud per assumere "centinaia" di FDE. All'epoca, Google Cloud aveva 59 posizioni aperte correlate.
Perché ora? Perché tutti insieme? Il giudizio delle tre aziende punta a un fatto: il collo di bottiglia dell'era degli Agent non è il modello in sé, ma l'implementazione.
Il sondaggio "Pulse of Change" di Accenture mostra che solo il 32% dei leader aziendali riferisce di aver visto un "impatto AI sostenuto a livello aziendale". Il restante 68% si trova in uno stato di progetti pilota, PPT e demo, ma senza una consegna su larga scala. In un sondaggio IBM su 2.000 dirigenti all'inizio del 2026, la "velocità di esecuzione" è stata elencata come la terza priorità strategica più alta.
L'annuncio di OpenAI ha messo questa logica in chiaro: "Negli ultimi anni, più di un milione di imprese hanno adottato i nostri prodotti e API. Uno schema sta diventando sempre più chiaro—il vincitore della prossima fase dell'AI aziendale dipende da quanto efficacemente un'azienda può implementare questa tecnologia in scenari aziendali reali."
C'è un altro dato degno di nota. OpenAI avrebbe mancato i suoi obiettivi interni di fatturato e utenti attivi settimanali all'inizio del 2026, mentre Anthropic e Google Gemini continuavano a erodere la quota di mercato aziendale. Fidji Simo, CEO di Applied Business di OpenAI, ha definito i progressi di Anthropic un "campanello d'allarme" e ha detto che l'azienda deve "ottenere risultati negli scenari di produttività."
In altre parole, l'utilità marginale del "potere del prodotto" del modello AI sta diminuendo, ma l'utilità marginale della capacità ingegneristica di "trasformare i modelli in sistemi utilizzabili" sta aumentando vertiginosamente. Non importa quanto sia forte il modello, se non può funzionare all'interno del processo di conformità di una banca, del sistema di richieste di risarcimento di una compagnia assicurativa o del sistema MES di un'azienda manifatturiera, è solo una demo, non un business.
L'FDE è precisamente quel convertitore.
III. Perché l'Era degli Agent Ha una "Domanda Strutturale" di FDE
Per capire perché "Agent" e "FDE" sono una combinazione perfetta, dobbiamo chiarire la differenza fondamentale tra gli Agent e le forme precedenti di AI.
I prodotti SaaS tradizionali sono essenzialmente "strumenti": compri Salesforce per ottenere un set di modelli di processo di vendita configurati da usare per il tuo personale. I confini di uno strumento sono chiari—cosa fa e cosa non fa è esplicitamente scritto nel manuale del prodotto.
Un Agent riguarda la "delega": non lo usi più; gli fai fare cose per te. Un Agent antiriciclaggio non si limita a dare agli investigatori un'interfaccia di query migliore; li aiuta a completare l'intero flusso di lavoro di "estrarre prove dai sistemi principali, incrociare i dati con i modelli di riciclaggio noti, giudicare i livelli di rischio e redigere Rapporti di Attività Sospette (SAR)."
Questa differenza ha tre conseguenze:
In primo luogo, gli Agent devono essere profondamente integrati nel flusso di lavoro reale del cliente. Per "delegare", un Agent deve sapere dove sono i confini di conformità della banca, quali decisioni non possono essere automatizzate, come i rapporti SAR dovrebbero essere scritti per essere accettati dalle autorità di regolamentazione e dove sono memorizzati i dati interni. Queste cose non sono nei documenti di prodotto; sono nella "memoria muscolare istituzionale" del cliente.
In secondo luogo, il fallimento di un Agent è un "fallimento di business", non un "fallimento funzionale". Se manca un pulsante SaaS, gli utenti si lamentano. Se un Agent non rileva una transazione sospetta, la banca viene multata dalle autorità di regolamentazione. Questo significa che l'implementazione degli Agent si basa più pesantemente sulla "conoscenza del dominio" e sul "contesto operativo" rispetto a qualsiasi generazione precedente di software.
In terzo luogo, il mercato degli Agent è uno dove "non ci sono prodotti maturi da confrontare, e i clienti stessi non sanno cosa vogliono." Questa è esattamente la situazione che Palantir ha affrontato con le agenzie di intelligence. I clienti possono dire "voglio che le indagini AML siano più veloci", ma non possono definire "veloce", quali fonti di dati utilizzare, quali fasi automatizzare o quali punti decisionali umani mantenere. Questo tipo di problema non può essere risolto con un documento di requisiti; richiede che gli ingegneri entrino, osservino, testino, modifichino e osservino di nuovo.
La descrizione del lavoro di FDE di Anthropic delinea chiaramente questa logica: "Costruire applicazioni di produzione all'interno dei sistemi dei clienti, fornire artefatti tecnici come server MCP, sub-agenti e competenze degli agent, fornire supporto di implementazione 'white-glove' in ambienti aziendali e identificare modelli di implementazione riutilizzabili da reindirizzare ai team di prodotto e ingegneria."
L'ultima parte—"reindirizzare ai team di prodotto e ingegneria"—è la vera leva del modello FDE. Significa che ogni coinvolgimento sul campo è sia una consegna per il cliente che una scoperta di prodotto per il fornitore. Gli FDE sono i tentacoli del fornitore che si estendono nel mercato, riportando campioni di esigenze del mondo reale.
IV. L'FDE è il "Paradigma del PMF dell'Era degli Agent"? Tre Riserve
A questo punto, il giudizio che "l'FDE è il paradigma del PMF dell'era degli Agent" suona molto convincente. Ma accettare ampiamente questa conclusione ignora diversi veri paradossi.
Riserva 1: L'FDE potrebbe risolvere il "problema del PMF", oppure potrebbe "mascherare il problema del PMF".
Il significato originale del PMF è "il prodotto si adatta al mercato"—il prodotto stesso è la risposta, e i clienti lo usano, lo rinnovano e lo raccomandano immediatamente.
L'essenza del modello FDE è "usare il lavoro umano per colmare il divario tra prodotto e mercato". Se un prodotto richiede un team di ingegneri sul campo per sei mesi per essere messo in funzione, a rigore, il prodotto stesso non ha trovato il PMF.
Alex Coqueiro, analista senior di Gartner, ha dato una previsione tagliente in un recente rapporto: entro il 2028, il 70% delle imprese sarà costretto ad abbandonare i progetti Agent guidati da FDE perché "i costi del fornitore sono troppo alti e mancano capacità interne per un'evoluzione indipendente."
Ha anche indicato una modalità di fallimento nascosta: "Se il carico di lavoro degli FDE non diminuisce dopo più implementazioni, è un segnale che si sta costruendo una dipendenza piuttosto che una capacità. Quando un caso d'uso matura ma l'investimento non diminuisce, significa che i clienti stanno pagando prezzi di consulenza per capacità operative che dovrebbero possedere loro stessi."
Questo è il rischio più grande del modello FDE: potrebbe degenerare da un "meccanismo di scoperta del prodotto" a un "riempimento di manodopera permanente". Il motivo per cui il modello Palantir ha avuto successo è stato il passaggio "da strada sterrata a autostrada asfaltata"—la specificità degli scenari del cliente deve eventualmente essere distillata nel prodotto. Se questo passaggio di distillazione fallisce, l'FDE è solo outsourcing ad alto valore.
Riserva 2: È una "società di consulenza travestita da azienda di prodotto"?
Il giudizio del mercato dei capitali su questo è anch'esso diviso.
I sostenitori credono che il modello FDE dia alle aziende di AI un fossato "pre-implementazione": prima invii ingegneri nelle aziende Fortune 500, prima controlli il punto di ingresso per i flussi di lavoro AI aziendali, e i costi di migrazione del cliente aumenteranno esponenzialmente. La dichiarazione ufficiale di OpenAI Deployment Company menzionava che i partner "che sponsorizzano oltre 2.000 imprese a livello globale" diventeranno il pool di clienti naturale di DeployCo—sia una fonte di entrate che un ciclo di feedback.
Ma i critici sottolineano che questo modello rende il profilo finanziario delle aziende di AI più simile a un ibrido "consulenza + software". Palantir è stata a lungo sottovalutata nel mercato secondario, in parte perché gli analisti utilizzano quadri di valutazione SaaS puri (margini elevati, basso contenuto di lavoro) che non si adattano. Mentre OpenAI e Anthropic iniziano ad assumere FDE su larga scala, le loro strutture di margine, i ricavi per dipendente e i multipli di valutazione saranno messi in discussione.
La valutazione dell'analista di Constellation Research Larry Dignan è stata più diretta: OpenAI Deployment Company non opera in modo indipendente come IBM Consulting, che può integrare qualsiasi modello. "La probabilità che OpenAI Deployment Company usi Anthropic è zero. OpenAI presenta il suo reparto servizi come un vantaggio di integrazione verticale, ma i CIO lo vedranno attraverso la lente del 'lock-in'."
In altre parole: quello che è un paradigma di PMF per il fornitore potrebbe essere la vigilia del lock-in del fornitore per il cliente.
Riserva 3: L'FDE potrebbe essere sostituito dagli strumenti che creano.
Questo paradosso è il più interessante. Gli FDE sono costosi perché fanno molto "lavoro sporco di integrazione": mappatura dei campi, interfacciamento API, traduzione di sistemi legacy, ottimizzazione dei prompt e creazione di framework di valutazione—precisamente i tipi di lavoro che l'AI è più brava ad automatizzare.
La pratica di Salesforce con il suo prodotto Agentforce mostra che gran parte del lavoro iniziale di "implementazione di Agent per FAQ semplici" svolto dagli FDE sta venendo assorbito dal prodotto stesso; il lavoro degli FDE si sta spostando verso livelli di astrazione più elevati—architettura multi-agente, progettazione di protocolli MCP, Agent vocali e orchestrazione di Agent di codifica.
In una tavola rotonda sugli FDE tenuta da South Park Commons a New York nell'aprile 2026, diversi responsabili FDE hanno raggiunto un consenso: man mano che i modelli diventano più forti, il valore degli FDE non diminuisce, aumenta—ma la fonte del valore cambia. Il lavoro di integrazione di basso livello viene mangiato dall'AI, e il valore centrale degli FDE si sposta verso "giudicare quali problemi risolvere sul sito del cliente e cosa standardizzare."
Questo è un equilibrio delicato. Se gli strumenti AI si evolvono abbastanza velocemente, la "leva di integrazione" del modello FDE verrà compressa, lasciando solo giudizio di prodotto e consulenza aziendale—allora diventa veramente "consulenza ad alto valore". Ma se l'evoluzione dell'AI incontra un collo di bottiglia, la complessità dell'integrazione persisterà per molti anni, rendendo l'FDE un business a lungo termine.
V. Il Significato Varia per Persone Diverse
Torniamo alla domanda originale: L'FDE è il paradigma del PMF dell'era degli Agent?
Se devo dare un giudizio, tendo a formularlo così: L'FDE è lo "stato intermedio necessario" affinché l'AI aziendale passi dalla demo alla produzione nell'era degli Agent, ma non è il PMF stesso—è il metodo per trovare il PMF.
Questa affermazione ha significati diversi per identità diverse:
- Per i fornitori di AI: L'FDE non è un business di fatturato; è un meccanismo di scoperta del prodotto. Se lo tratti come un business di consulenza, cadrai in una trappola di margini; solo distillando continuamente l'esperienza sul campo in capacità di prodotto riutilizzabili—server MCP, competenze degli agent, framework di valutazione, modelli di implementazione—l'investimento in FDE darà frutti composti.
- Per i clienti aziendali: Il vero valore dell'FDE non è lasciare che il fornitore "lo costruisca per te", ma "trasferirti la capacità nel processo di costruzione." Nella dichiarazione ufficiale della partnership Anthropic-FIS, questa frase è fondamentale: "trasferire conoscenze in modo che FIS possa costruire e scalare ulteriori agent in modo indipendente nel tempo." Se non c'è un tale meccanismo di uscita nel contratto, il modello FDE è un lock-in gentile.
- Per gli ingegneri: Questo è il set di competenze più raro del 2026—profondità tecnica, comprensione del contesto del cliente e giudizio aziendale. La fascia salariale FDE elencata da Google va da $127k a $265k di base, con pacchetti senior in media a $238k e quelli di alto livello vicini a $400k. Inoltre, questo budget proviene dalla spesa per l'espansione dei clienti, non dal personale interno di R&S, rendendolo anticiclico durante i periodi di licenziamento.
- Per gli investitori: Usare un quadro di valutazione SaaS puro per le aziende di AI guidate da FDE sarà fuorviante. Ciò che deve essere osservato non sono i margini attuali, ma la velocità di "trasformare strade sterrate in autostrade asfaltate"—quanto migliora la capacità riutilizzabile del prodotto dopo ogni coinvolgimento sul campo. Palantir ha impiegato quasi vent'anni perché il mercato lo capisse; OpenAI e Anthropic non avranno altrettanta pazienza.
Conclusione: I Paradigmi Non Annunciano la Propria Nascita
Il termine PMF è stato proposto per la prima volta da Marc Andreessen nel 2007, e il suo criterio era molto semplice: "Non hai bisogno di spiegarlo, sai semplicemente di averlo trovato." — gli utenti iniziano ad affluire, il prodotto è scarso e il sistema è costantemente sovraccarico.
Secondo questo standard, il mercato aziendale dell'AI nel maggio 2026 ha l'"embrione del PMF" ma non ancora la "vittoria del PMF". Le tre aziende che scommettono simultaneamente sull'FDE riguardano meno la dichiarazione di una vittoria del paradigma e più l'ammissione di un fatto: prima che gli Agent diventino veramente "software al di sopra del software", abbiamo bisogno di persone—persone sul campo che capiscono sia il cliente che il modello—per percorrere quelle strade non asfaltate una per una.
Forse il vero paradigma del PMF aspetterà che le strade percorse dagli FDE siano abbastanza numerose e chiare da permettere agli Agent di correrci da soli—a quel punto, questa discussione sugli FDE diventerà una nota a piè di pagina di un'epoca.
Ma nel 2026, sono tutti ancora in viaggio.
