O primeiro consenso da era dos Agentes surgiu: o modelo não é mais o gargalo; as pessoas são.
Em apenas uma semana, a OpenAI investiu US$ 4 bilhões, a Anthropic se instalou na sede da FIS, e o Google anunciou a contratação de centenas de pessoas — três gigantes da IA estão apostando simultaneamente no mesmo cargo: FDE.
Em 11 de maio de 2026, a OpenAI anunciou a criação da "OpenAI Deployment Company" com um investimento inicial de US$ 4 bilhões. Seu negócio principal é simples: "enviar" engenheiros para empresas clientes, ajudando-as a implementar e operar a IA.
Apenas uma semana antes, a Anthropic integrou sua equipe de engenharia na gigante de tecnologia financeira FIS, com o objetivo de reduzir as investigações de lavagem de dinheiro no BMO e no Amalgamated Bank "de horas para minutos" até o segundo semestre de 2026. Uma semana antes disso, o CEO do Google Cloud, Thomas Kurian, usou o LinkedIn para recrutar "centenas" de pessoas, uma postagem que gerou 1,3 milhão de visualizações no X.
O cargo alvo das três empresas é o mesmo: Forward Deployed Engineer (FDE).
Um cargo que, por vinte anos, só foi popular na "alternativa" empresa de software Palantir, tornou-se subitamente a posição mais cobiçada na indústria de IA em 2026. Alguns já gritam o slogan: FDE é o paradigma de PMF da era dos Agentes.
Esse julgamento é uma visão profunda ou um pensamento ilusório? Para responder, precisamos esclarecer: o que exatamente é um FDE, por que se tornou uma necessidade repentina em 2026, qual é sua relação com "PMF" — e quais são suas limitações?
I. O que é FDE: Nem Engenheiro de Vendas, Nem Consultor
Primeiro, vamos traduzir dois termos, que são os pré-requisitos para toda a discussão subsequente.
PMF (Product-Market Fit) é o "Santo Graal" das startups do Vale do Silício. Significa que seu produto atende perfeitamente a uma demanda real do mercado, e o mercado está disposto a pagar por ele, recomprá-lo e divulgá-lo boca a boca. Antes de encontrar o PMF, uma startup parece estar nadando contra a corrente; depois de encontrá-lo, é como descer a correnteza.
FDE significa "Forward Deployed Engineer", mas não foi originalmente definido assim. O cargo foi inventado pela Palantir no início dos anos 2000, quando seus clientes eram agências de inteligência dos EUA — pessoas que "não conseguiam dizer claramente o que queriam, não deixavam você ver seus dados e cujos fluxos de trabalho mudavam constantemente".
O cofundador da Palantir, Shyam Sankar, tem uma citação clássica: "Se um problema pudesse ser resolvido por um documento de requisitos, já teria sido resolvido há muito tempo."
Então a Palantir fez algo não convencional: parou de perguntar aos clientes "o que você quer" e, em vez disso, enviou engenheiros diretamente para os escritórios dos clientes, bases militares e até mesmo para lojas de montagem de aeronaves para escrever código lado a lado com eles. Essas pessoas eram chamadas de "Deltas" internamente na Palantir — elas tinham que passar pelas mesmas entrevistas de engenharia, mas trabalhavam em bases da força aérea, nos bastidores de bancos e em sistemas de TI de hospitais, em vez de escritórios abertos em Palo Alto.
Isso difere de três funções comuns em empresas de software tradicionais:
- Engenheiros de Vendas lidam com demonstrações pré-venda e vão embora assim que o contrato é assinado;
- Arquitetos de Soluções fornecem principalmente consultoria técnica e não escrevem código de produção;
- Consultores geralmente fornecem metodologias e entrega, mas não participam da iteração do produto do fornecedor.
A singularidade de um FDE é que ele escreve o código de produção do cliente enquanto retroalimenta os problemas comuns encontrados nos cenários do cliente para o produto principal do fornecedor. A descrição interna da Palantir é: "O escopo do trabalho de um FDE é como o de um CTO de startup — responsável por um projeto de alto risco do início ao fim em uma pequena equipe."
Em 2016, o número de FDEs na Palantir já ultrapassava o de engenheiros de software comuns. Toda a forma do produto da empresa — a plataforma Foundry — foi essencialmente "destilada" de inúmeros projetos de campo de FDEs. Um engenheiro que atuou como FDE na Palantir por sete anos resumiu esse modelo como "estrada de cascalho para rodovia pavimentada": os FDEs constroem inúmeras estradas de cascalho nos locais dos clientes, e a equipe de produto identifica as mais percorridas para pavimentá-las como rodovias, transformando-as em capacidades da plataforma.
II. O Ponto de Virada de 2026: Por que Três Gigantes da IA Estão Apostando em FDE Simultaneamente
Por quase vinte anos, o modelo da Palantir foi visto como um "caso atípico" no Vale do Silício dominante — a maioria das empresas de SaaS aconselhava "não aprenda com a Palantir, as margens brutas não se sustentam". Mas em 2026, as coisas mudaram repentinamente.
Em 4 de maio, a Anthropic e a FIS anunciaram uma parceria onde a equipe de IA Aplicada e os FDEs da Anthropic seriam "incorporados" à FIS para co-projetar Agentes de IA para crimes financeiros.
Em 11 de maio, a OpenAI anunciou oficialmente a OpenAI Deployment Company (codinome interno "DeployCo"), com um investimento inicial de US$ 4 bilhões liderado pela TPG, com a participação de 19 empresas de investimento e consultoria. Simultaneamente, anunciaram a aquisição da Tomoro, uma consultoria de IA aplicada, trazendo cerca de 150 FDEs e especialistas em implantação.
Em 12 de maio, o CEO do Google Cloud, Thomas Kurian, anunciou uma nova "organização focada em IA" dentro do Google Cloud para contratar "centenas" de FDEs. Na época, o Google Cloud tinha 59 vagas de emprego relacionadas.
Por que agora? Por que todos de uma vez? O julgamento das três empresas aponta para um fato: o gargalo da era dos Agentes não é o modelo em si, mas a implantação.
A pesquisa "Pulse of Change" da Accenture mostra que apenas 32% dos líderes empresariais relatam ver "impacto sustentado da IA em toda a empresa". Os 68% restantes estão em um estado de ter pilotos, PPTs e demonstrações, mas nenhuma entrega em grande escala. Em uma pesquisa da IBM com 2.000 executivos no início de 2026, a "velocidade de execução" foi listada como a terceira maior prioridade estratégica.
O anúncio da OpenAI colocou essa lógica de forma direta: "Nos últimos anos, mais de um milhão de empresas adotaram nossos produtos e APIs. Um padrão está se tornando cada vez mais claro — o vencedor da próxima fase da IA empresarial depende da eficácia com que uma empresa pode implantar essa tecnologia em cenários de negócios reais."
Há outro conjunto de dados que vale a pena notar. A OpenAI supostamente não atingiu suas metas internas de receita e usuários ativos semanais no início de 2026, enquanto a Anthropic e o Google Gemini continuaram a ganhar participação no mercado empresarial. A CEO de Negócios Aplicados da OpenAI, Fidji Simo, chamou o progresso da Anthropic de "um alerta" e disse que a empresa deve "entregar cenários de produtividade".
Em outras palavras, a utilidade marginal do "poder do produto" do modelo de IA está diminuindo, mas a utilidade marginal da capacidade de engenharia de "transformar modelos em sistemas utilizáveis" está disparando. Não importa quão forte seja o modelo, se ele não puder funcionar dentro do processo de conformidade de um banco, do sistema de sinistros de uma seguradora ou do sistema MES de uma fábrica, é apenas uma demonstração, não um negócio.
FDE é precisamente esse conversor.
III. Por que a Era dos Agentes Tem uma "Demanda Estrutural" por FDEs
Para entender por que "Agente" e "FDE" são uma combinação perfeita, precisamos esclarecer a diferença fundamental entre Agentes e formas anteriores de IA.
Os produtos SaaS tradicionais são essencialmente "ferramentas": você compra o Salesforce para obter um conjunto de modelos de processo de vendas configurados para suas pessoas usarem. Os limites de uma ferramenta são claros — o que ela faz e não faz está explicitamente escrito no manual do produto.
Um Agente é sobre "agir em nome de": você não o usa mais; você o deixa fazer coisas por você. Um Agente de combate à lavagem de dinheiro não apenas dá aos investigadores uma interface de consulta melhor; ele os ajuda a concluir todo o fluxo de trabalho de "extrair evidências de sistemas principais, cruzar com padrões conhecidos de lavagem de dinheiro, julgar níveis de risco e redigir Relatórios de Atividades Suspeitas (SAR)".
Essa diferença tem três consequências:
Primeiro, os Agentes devem estar profundamente incorporados no fluxo de trabalho real do cliente. Para "agir em nome de", um Agente precisa saber onde estão os limites de conformidade do banco, quais decisões não podem ser automatizadas, como os relatórios SAR devem ser escritos para serem aceitos pelos reguladores e onde os dados internos estão armazenados. Essas coisas não estão em documentos de produto; elas estão na "memória muscular institucional" do cliente.
Segundo, a falha de um Agente é uma "falha de negócios", não uma "falha funcional". Se um botão do SaaS está faltando, os usuários reclamam. Se um Agente perde uma transação suspeita, o banco é multado pelos reguladores. Isso significa que a implantação de Agentes depende mais fortemente de "conhecimento de domínio" e "contexto operacional" do que qualquer geração anterior de software.
Terceiro, o mercado de Agentes é um onde "não há produtos maduros para servir de referência, e os próprios clientes não sabem o que querem". Esta é exatamente a situação que a Palantir enfrentou com as agências de inteligência. Os clientes podem dizer "quero que as investigações de LBC sejam mais rápidas", mas não podem definir "rápido", quais fontes de dados usar, quais etapas automatizar ou quais pontos de decisão humana manter. Esse tipo de problema não pode ser resolvido com um documento de requisitos; requer que engenheiros entrem, observem, testem, modifiquem e observem novamente.
A descrição do cargo de FDE da Anthropic delineia claramente essa lógica: "Construir aplicações de produção dentro dos sistemas do cliente, entregar artefatos técnicos como servidores MCP, subagentes e habilidades de agente, fornecer suporte de implantação de alto nível em ambientes empresariais e identificar padrões de implantação reutilizáveis para retroalimentar as equipes de produto e engenharia."
Essa última parte — "retroalimentar as equipes de produto e engenharia" — é a verdadeira alavancagem do modelo FDE. Significa que cada engajamento no local é tanto uma entrega para o cliente quanto uma descoberta de produto para o fornecedor. Os FDEs são os tentáculos do fornecedor que alcançam o mercado, trazendo amostras de necessidades do mundo real.
IV. FDE é o "Paradigma de PMF da Era dos Agentes"? Três Ressalvas
A esta altura, o julgamento de que "FDE é o paradigma de PMF da era dos Agentes" parece muito convincente. Mas aceitar essa conclusão amplamente ignora várias contradições reais.
Ressalva 1: FDE pode estar resolvendo o "problema do PMF", ou pode estar "mascarando o problema do PMF".
O significado original de PMF é "produto se encaixa no mercado" — o produto em si é a resposta, e os clientes o usam, renovam e recomendam imediatamente.
A essência do modelo FDE é "usar trabalho humano para preencher a lacuna entre produto e mercado". Se um produto requer uma equipe de engenheiros no local por seis meses para funcionar, estritamente falando, o produto em si não encontrou PMF.
Alex Coqueiro, analista sênior da Gartner, fez uma previsão contundente em um relatório recente: até 2028, 70% das empresas serão forçadas a abandonar projetos de Agentes liderados por FDE porque "os custos do fornecedor são muito altos e faltam capacidades internas para evolução independente".
Ele também apontou um modo de falha oculto: "Se a carga de trabalho do FDE não diminuir após várias implantações, é um sinal de que a dependência está sendo construída, não a capacidade. Quando um caso de uso amadurece, mas o investimento não cai, significa que os clientes estão pagando preços de consultoria por capacidades operacionais que deveriam possuir."
Este é o maior risco do modelo FDE: ele pode degenerar de um "mecanismo de descoberta de produto" para um "preenchimento de trabalho permanente". A razão pela qual o modelo da Palantir teve sucesso foi a etapa de "estrada de cascalho para rodovia pavimentada" — a especificidade dos cenários do cliente deve eventualmente ser destilada no produto. Se esta etapa de destilação falhar, FDE é apenas terceirização de alto nível.
Ressalva 2: Isso é uma "empresa de consultoria disfarçada de empresa de produto"?
O julgamento do mercado de capitais sobre isso também está dividido.
Os apoiadores acreditam que o modelo FDE dá às empresas de IA uma vantagem competitiva de "pré-implantação": quanto mais cedo você enviar engenheiros para empresas da Fortune 500, mais cedo você controla o ponto de entrada para os fluxos de trabalho de IA empresarial, e os custos de migração do cliente aumentarão exponencialmente. A declaração oficial da OpenAI Deployment Company mencionou que parceiros "patrocinando mais de 2.000 empresas globalmente" se tornarão o pool de clientes natural da DeployCo — tanto uma fonte de receita quanto um ciclo de feedback.
Mas os críticos apontam que esse modelo faz o perfil financeiro das empresas de IA parecer mais com um híbrido de "consultoria + software". A Palantir tem sido subvalorizada no mercado secundário há muito tempo, em parte porque os analistas usam estruturas de avaliação de SaaS puro (altas margens, baixo trabalho) que não se encaixam. À medida que a OpenAI e a Anthropic começam a contratar FDEs em escala, suas estruturas de margem, receita por funcionário e múltiplos de avaliação serão desafiados.
A avaliação do analista da Constellation Research, Larry Dignan, foi mais direta: a OpenAI Deployment Company não opera de forma independente como a IBM Consulting, que pode integrar qualquer modelo. "A chance de a OpenAI Deployment Company usar a Anthropic é zero. A OpenAI retrata seu departamento de serviços como uma vantagem de integração vertical, mas os CIOs o verão através das lentes de 'aprisionamento'."
Em outras palavras: o que é um paradigma de PMF para o fornecedor pode ser a véspera do aprisionamento do fornecedor para o cliente.
Ressalva 3: FDE pode ser substituído pelas ferramentas que eles criam.
Este paradoxo é o mais interessante. Os FDEs são caros porque fazem muito "trabalho sujo de integração": mapeamento de campos, interfaceamento de API, tradução de sistemas legados, ajuste de prompts e construção de estruturas de avaliação — precisamente os tipos de trabalho que a IA é melhor em automatizar.
A prática da Salesforce com seu produto Agentforce mostra que grande parte do trabalho inicial de "implantação de Agente de FAQ simples" feito por FDEs está sendo absorvido pelo próprio produto; o trabalho do FDE está migrando para camadas de abstração mais altas — arquitetura multiagente, design de protocolo MCP, Agentes de voz e orquestração de Agentes de codificação.
Em uma mesa redonda sobre FDEs em abril de 2026, organizada pelo South Park Commons em Nova York, vários líderes de FDE chegaram a um consenso: à medida que os modelos ficam mais fortes, o valor dos FDEs não diminui, aumenta — mas a fonte do valor muda. O trabalho de integração de baixo nível é consumido pela IA, e o valor central dos FDEs muda para "julgar quais problemas resolver no local do cliente e o que padronizar".
Este é um equilíbrio delicado. Se as ferramentas de IA evoluírem rápido o suficiente, a "alavancagem de integração" do modelo FDE será comprimida, deixando apenas julgamento de produto e consultoria de negócios — então ele se torna verdadeiramente "consultoria de alto nível". Mas se a evolução da IA atingir um gargalo, a complexidade da integração persistirá por muitos anos, tornando o FDE um negócio de longo prazo.
V. O Significado Varia para Diferentes Pessoas
De volta à pergunta original: FDE é o paradigma de PMF da era dos Agentes?
Se eu tiver que fazer um julgamento, tendo a afirmá-lo desta forma: FDE é o "estado intermediário necessário" para a IA empresarial passar da demonstração para a produção na era dos Agentes, mas não é o PMF em si — é o método para encontrar o PMF.
Esta afirmação tem significados diferentes para diferentes identidades:
- Para fornecedores de IA: FDE não é um negócio de receita; é um mecanismo de descoberta de produto. Se você o tratar como um negócio de consultoria, cairá em uma armadilha de margem; somente destilando continuamente a experiência de campo em capacidades de produto reutilizáveis — servidores MCP, habilidades de agente, estruturas de avaliação, modelos de implantação — o investimento em FDE renderá juros compostos.
- Para clientes empresariais: O verdadeiro valor do FDE não é deixar o fornecedor "construir para você", mas "transferir capacidade para você no processo de construção". Na declaração oficial da parceria Anthropic-FIS, esta frase é chave: "transferir conhecimento para que a FIS possa construir e escalar agentes adicionais de forma independente ao longo do tempo." Se não houver tal mecanismo de saída no contrato, o modelo FDE é um aprisionamento suave.
- Para engenheiros: Este é o conjunto de habilidades mais raro de 2026 — profundidade técnica, compreensão do contexto do cliente e julgamento de negócios. A faixa salarial de FDE listada pelo Google é de US$ 127 mil a US$ 265 mil de base, com pacotes seniores com média de US$ 238 mil e os de alto nível chegando a US$ 400 mil. Além disso, esse orçamento vem de gastos de expansão do cliente, não de headcount interno de P&D, tornando-o anticíclico durante períodos de demissão.
- Para investidores: Usar uma estrutura de avaliação de SaaS puro para empresas de IA impulsionadas por FDE será enganoso. O que precisa ser observado não são as margens atuais, mas a velocidade de "transformar estradas de cascalho em rodovias pavimentadas" — o quanto a capacidade reutilizável do produto melhora após cada engajamento no local. A Palantir levou quase vinte anos para o mercado entender isso; a OpenAI e a Anthropic não terão tanta paciência.
Conclusão: Paradigmas Não Anunciam Seu Próprio Nascimento
O termo PMF foi proposto pela primeira vez por Marc Andreessen em 2007, e seu critério era muito simples: "Você não precisa explicar, você simplesmente sabe que o encontrou." — os usuários começam a chegar em massa, o produto está em falta e o sistema está constantemente sobrecarregado.
Por este padrão, o mercado empresarial de IA em maio de 2026 tem o "embrião do PMF", mas ainda não a "vitória do PMF". As três empresas apostando em FDE simultaneamente é menos sobre declarar uma vitória de paradigma e mais sobre admitir um fato: antes que os Agentes se tornem verdadeiro "software acima do software", precisamos de pessoas — pessoas no local que entendam tanto o cliente quanto o modelo — para percorrer essas estradas não pavimentadas, uma a uma.
Talvez o verdadeiro paradigma de PMF espere até que as estradas percorridas pelos FDEs sejam numerosas e claras o suficiente para que os Agentes possam correr por elas mesmos — nesse ponto, esta discussão sobre FDEs se tornará uma nota de rodapé de uma era.
Mas em 2026, todos ainda estão na estrada.
Dados e casos neste artigo são de anúncios oficiais da OpenAI, Anthropic, Google e FIS, bem como de relatórios públicos do The Information, Pragmatic Engineer, Constellation Research, CIO Magazine e Gartner, com dados atualizados até maio de 2026.
