Forward Deployed Engineer nedir: kodun bittiği yerde başlayan iş
Bir şirket "bize bir AI asistanı lazım" der. Forward Deployed Engineer, yani FDE, o cümleyi olduğu gibi almayan mühendistir. Müşterinin yanına gider, aksayan işi bulur, çözümü mevcut sistemlere bağlar ve çalışmasını sahiplenir.
Cümle yanlış değildir. Ama eksiktir. Asıl sorular başka yerdedir. Hangi iş aksıyor? Veri nerede duruyor? Kim kullanacak? Hata olunca kim fark edecek? Başarıyı neyle ölçeceğiz?
Terim nereden geliyor
Rol yeni değil. Palantir mühendislerini yıllardır iki gruba ayırıyor. "Dev" denen grup tek bir yetenek geliştirir ve onu birçok müşteri kullanır. "Delta" denen grup tersini yapar. Tek bir müşteri için birçok yeteneği çalışır hale getirir. Delta'nın resmi adı Forward Deployed Software Engineer.
Palantir'in 2019 tarihli yazısı başarıyı da tarif ediyor: müşterinin hedefine etki. Verdiği örnek bir üretici. Hattan çıkan hatalı ürün sayısını düşürmek istiyor. Delta'nın işi o sayıyı oynatmak.
Aynı yazı bir yanlış anlamayı da düzeltiyor. Delta danışman değil. Danışman çoğu zaman tek seferlik bir analiz ya da öneri bırakır. Delta ise müşteriyle birlikte uzun ömürlü bir çözüm kurar.
AI şirketleri bu rolü neden istiyor
Bugün aynı unvan OpenAI ve Anthropic ilanlarında duruyor. Tarifleri birbirine yakın.
OpenAI'ın San Francisco ilanı başarının ölçüsünü açıkça yazıyor. Üretimde benimsenme. Ölçülebilir iş akışı etkisi. Ürünün ve modelin yol haritasını değiştiren değerlendirme geri bildirimi. Demo bu listede yok.
Anthropic'in ilanı işi müşterinin sistemlerinin içine koyuyor. FDE, Claude modelleriyle üretimde çalışan uygulamalar kuruyor. Teslim ettiği parçalar da üretimdeki iş akışlarında kullanılacak parçalar.
İki ilanda da bir satır daha var: seyahat. Anthropic zamanın yüzde 25 ile 50'sinin müşteri sahasında geçmesini bekliyor. OpenAI'ın Londra ilanında sınır yüzde 50. Masa başı bir rol değil.
Talep de büyüdü. ICONIQ'nun 2025 yazılım raporu, Job Zip verisinden bir grafik veriyor. Şubat 2024 ile Nisan 2025 arasında FDE işe alan şirket sayısı da açık ilan sayısı da on iki katın üzerinde arttı. Bir not düşmek gerek. ICONIQ, AI şirketlerine yatırım yapan bir fon. Grafik de ilan sayıyor, doldurulan pozisyonu değil.
Aynı sayfada bir uyarı var. Raporda alıntılanan Nick Cochran'a göre FDE pahalı bir yatırım. Şirket bu yatırımdan en az 5-10 kat getiri hedeflemeli. Ölçülebilir etki burada da şart.
FDE ne yapar, ne yapmaz
Fark unvanda değil, sorumluluğun nerede bittiğinde.
| Rol | Bıraktığı şey | İşi ne zaman biter |
|---|---|---|
| FDE | Üretimde çalışan, etkisi ölçülen bir iş akışı | Çözüm kullanılınca ve sonuç ölçülünce |
| Danışman | Analiz ya da öneri | Sunum bitince |
| Prompt yazan kişi | Daha iyi bir model cevabı | Cevap iyileşince |
| Ürün mühendisi | Birçok müşterinin kullanacağı tek yetenek | Özellik yayınlanınca |
İletişim ve danışmanlık tarafı FDE'nin işinin parçası. Ama teknik uygulamayı ve sonucu sahiplenmeyen rol eksik kalıyor. Her probleme ajan ekleyen kişi de FDE değil. Her otomasyon hizmeti de kendiliğinden FDE işi sayılmaz.
Somut bir örnek
Bir işletme düşünelim. Siparişler e-postada. Stok Excel'de. Müşteri bilgisi başka bir sistemde.
Buradaki iş "AI ekledik" demek değil. Siparişi doğru okumak. Stokla eşleştirmek. Emin olunamayan durumda bir insana sormak. Sonucu kayda geçirmek.
Sonra da ölçmek. Hatalar azaldı mı? Elle yapılan iş azaldı mı? Ölçülmeyen bir otomasyon, sadece çalıştığı varsayılan bir otomasyondur.
Para tarafı nerede
İki yol var. Bir AI şirketinde bu unvanla çalışmak. Ya da benzer becerilerle işletmelere uygulama ve bağlantı işi yapmak.
"AI ile en hızlı para kazanma yolu bu" diyemem. Bunu gösteren karşılaştırmalı bir veri yok. İlan artışı talebi gösterir, getiriyi göstermez. Müşteri bulmak, kod yazmak ve teslimin sorumluluğunu almak da bir gecede öğrenilmiyor.
Bende kalan düşünce şu. Kod üretmek kolaylaşıyor. Doğru problemi seçmek kolaylaşmıyor. Dağınık sistemleri anlamak, insanlarla anlaşmak ve sonucu sahiplenmek de kolaylaşmıyor. Bunları birlikte taşıyanın seçeneği daha fazla olabilir. Bu bir iş garantisi değil. Rolün kendisi de AI ile değişecek.
Nereden başlanır
Beş temel var:
- Veri ve SQL temelleri
- Sistemleri birbirine bağlamak: API'ler ve entegrasyon
- Güvenli canlıya alma
- AI çıktılarını test etmek
- Müşteriyle problem keşfi ve açık iletişim
Bunların hepsi tek bir gerçekçi projede buluşabilir. Bir iş akışı baştan sona kurulur. Hata senaryoları gösterilir. Sonuç ölçülür.
Ücretsiz bir harita da var. GitHub'daki Awesome FDE Roadmap; ajanlar, kurumsal veri ve stratejik danışmanlık taraflarını tek yerde topluyor. Bitirmek iş garantisi değil. Eksikleri görmek için iyi bir başlangıç.
Sizce AI tarafında asıl fırsat yeni araç geliştirmekte mi, var olan araçları işletmelerde gerçekten çalıştırmakta mı?