Я бывший программист, сейчас занимаюсь менеджментом в ИТ. В ноябрьском обзоре техноблогера Ленни Рачицки я наткнулся на цифру — около 1 500 открытых вакансий Forward Deployed Engineer (FDE) в мировой выборке TrueUp. За год количество таких позиций увеличилось в 4,6 раза. По инженерным должностям в целом та же выборка показывает прибавку 2,5%. Я полез читать вакансии, чтобы разобраться, за какую работу компании готовы платить инженеру у заказчика. Обзор рынка от 10 ноября 2026 года.

О профессиях здесь пишу из вполне личного интереса. Если часть задач, за которые мне когда-то платили, уже можно поручить ИИ, где моё место во всём этом лет через пять? Хотя кого мы обманываем — может, уже через год? В прошлой статье я всерьёз прикидывал, как программисту переучиться на электрика для дата-центра. А про FDE написал всего одну строчку. К этой строчке и хочу вернуться. На Западе таких вакансий становится больше. Думаю, со временем и у нас FDE будут искать чаще. Та самая статья на Хабре.

Превью — Я ставлю на то, что у FDE будет меньше прямых конкурентов на рынке труда, чем у разработчика с таким же стеком (или у модного сейчас ИИ-инженера). Далеко не каждый хороший инженер хочет разбираться, почему заказчик недоволен, а потом лично объяснять, когда всё заработает. Ниже разберу, что команда OpenAI делала у разработчика чипов, чего от FDE требуют три работодателя и какие восемь навыков я проверял бы на интервью. В конце — ссылка на мой GitHub, где я собираю вопросы для подготовки и рассказы об интервью с Reddit и других форумов. В статье дам промпт для репетиции с ИИ-агентом под вашу вакансию.

P. S. Подробности я вынес на GitHub. Сам редко дочитываю длинные карьерные статьи, а так можно взять из репозитория ровно то, что нужно для тренировки со своим ИИ-помощником.

Содержание

1. Чем FDE занимается у заказчика

Forward Deployed Engineer работает рядом с теми, кто потом будет пользоваться системой. Он может сесть за один стол с инженером завода, посмотреть, где тот теряет время, и в тот же день начать писать код. Потом придётся вернуться к этому инженеру. Мне в этой работе как раз нравится момент возвращения. В менеджменте между разговором о проблеме и возможностью проверить собственную догадку порой помещается целый проект. А здесь сам разговариваешь с клиентом и сам пишешь код. Если задаче нужен ИИ, тебе же потом проверять, помог ли он.

В Palantir такая работа существовала задолго до нынешних ИИ-агентов. Набиль Куреши вспоминает, как на год переехал в Тулузу и четыре дня в неделю проводил на заводе Airbus. При сборке A350 людям нужны были наряды на работы, сведения о недостающих деталях и история замечаний по качеству. Команда свела всё это в один интерфейс. Теперь сотрудник мог посмотреть, что задерживает соседнюю бригаду и как в прошлый раз исправили похожий дефект. Сам Куреши описал результат в пяти словах — «Asana, but for building planes». Рассказ Куреши о работе в Palantir.

У меня было что-то похожее. В 2007 году, на четвёртом курсе, я неделями внедрял новые платёжные системы в офисе Банка России в Нижнем Новгороде. Мы сидели рядом с теми, кто потом с этими системами работал. Тогда я слова FDE ещё не знал.

Как это выглядит на проекте по проверке чипов

Проект микросхемы проверяют ещё до изготовления. Инженер задаёт входные условия и смотрит в симуляторе, совпадёт ли поведение схемы с тем, что обещает спецификация. Этим, в частности, и занимается команда функциональной верификации. Как устроена верификация чипов.

В середине 2025 года около 15 FDE из OpenAI работали с крупной полупроводниковой компанией как минимум над десятью сценариями. Среди них — генерация тестов для проверки заданного поведения чипа, поиск причин сбоев и помощник по архитектуре. Часть сотрудников OpenAI впервые столкнулась с проектированием микросхем. Они вошли в команду верификации заказчика и вместе с ней придумали, как оценивать пользу сгенерированного теста и правильность диагноза при сбое.

За первые три–шесть месяцев решения дошли до промышленного использования. По оценке OpenAI, на подготовку направленных тестов стало уходить примерно на 48% меньше времени. Речь именно об этой операции. Когда Codex стал справляться с большей частью работы, команда перенесла решения на общую основу и убрала около 90% собственного кода из каждого проекта. Я бы сделал скидку на маркетинг. Это оценки самой OpenAI. В одном из примеров за август 2026 года первое внедрение заняло два месяца, подключение второй команды — один день. Эти цифры опубликовал руководитель FDE в OpenAI Колин Джарвис. Рассказ Колина Джарвиса о проекте.

Меня в этом рассказе особенно радуют те 90% кода, которые инженеры в итоге выбросили. Заказчику по большому счёту всё равно, какой терминальный интерфейс откроет его сотрудник утром. Ему важно, чтобы после замены инструмента тесты по-прежнему ловили нужные ошибки. Поэтому я больше ценю то, что команда узнала от клиента, и проверки, которые они вместе придумали. Приложение можно переписать, а понимание того, какую ошибку обязан поймать тест, пригодится и в следующей версии.

Так чем занят FDE между первой встречей и запуском? Я бы попросил его показать результат четырёх видов работы.

  1. Разобраться в одном конкретном случае с заказчиком. Попросить специалиста открыть последнюю задачу, которая отняла у него полдня. Увидеть, где он берёт исходные данные, кому пишет и какой шаг перепроверяет руками. Отсюда берутся границы пилота и исходный замер.

  2. Собрать рабочую версию. Найти владельца данных, получить доступ, написать интеграцию, встроить результат в привычный инструмент пользователя. Иногда самый полезный вопрос на этом этапе — зачем здесь вообще нужна модель, если нужное поле уже есть в базе.

  3. Договориться, что считать успехом. Выбрать примеры, на которых заказчик примет работу. Время на проверку ответа тоже считаем. Если инженер сэкономил пять минут на подготовке теста и потратил десять на его исправление, мне такого ускорения не надо.

  4. Остаться после показа. Посмотреть, пользуется ли кто-нибудь инструментом через неделю. Разобрать ошибки, договориться о поддержке и решить со своей продуктовой командой, что стоит сделать общим для следующих клиентов.

Последний пункт особенно близок мне по системной интеграции. Если трём клиентам нужен один коннектор, писать его трижды дорого даже с ИИ. В компании Serval инженеры FDE добавили в продукт больше 60 интеграций со сторонними приложениями и механизм, через который пользователи оценивают работу агента. Опыт Serval в First Round.

Какие вопросы FDE задаёт клиенту, что строит сам и как различаются вакансии OpenAI, Anthropic и X5 Tech

Какие вопросы FDE задаёт клиенту, что строит сам и как различаются вакансии OpenAI, Anthropic и X5 Tech

На моей схеме — более знакомый пример из поддержки. Из одного вопроса оператору получается инженерное решение. Ответ про доступ превращается в контракт API, а ответ про допустимую ошибку — в условие остановки пилота.

2. Кто за это платит

Я бы, конечно, не увольнялся из-за одного графика вакансий. TrueUp отслеживает более 9 000 технологических компаний в разных странах. В ноябрьском срезе у них было свыше 65 тысяч открытых инженерных позиций. На этом фоне полторы тысячи FDE-вакансий всё ещё составляют небольшую нишу. К тому же отдельные компании могли поменять название должности, например назвать sales engineer иначе. Мне здесь интересна работа после продажи. Инженер помогает клиенту внедрить ИИ-продукт и консультирует его команду. Сколько резюме приходит на одну вакансию FDE, я не знаю. Зато в выборке TrueUp за год число таких вакансий выросло быстрее, чем по любой другой инженерной специальности. Меньшая конкуренция за вакансию — моя карьерная ставка. Данные TrueUp и объяснение Рачицки.

Что требуется от FDE

Компания

Что предстоит делать самому

Что стоит проверить до отклика

OpenAI, Сан-Франциско

Отвечать за внедрение LLM у клиента. Самостоятельно писать промышленный код и для клиентской, и для серверной части приложения

Нужны 5+ лет в инженерии или техническом внедрении и опыт работы с заказчиками. В офисе проводят три дня в неделю. До 50% времени могут занять командировки. Годовой оклад — $185–300 тыс. Дополнительно предлагают долю в компании. Вакансия

Anthropic, Мюнхен

Писать приложения на Python в инфраструктуре заказчика, подключать Claude, разрабатывать агентов и оценивать их работу в реальных условиях

В описании — 8+ лет технического опыта с заказчиками. Английским нужно владеть свободно, немецким — на уровне носителя. В командировках предстоит проводить 25–50% времени. Вакансия

X5 Tech, Москва

Выяснять задачу у подразделений розницы, разрабатывать на Python и React, настраивать CI/CD, выкатывать и поддерживать свои приложения

Middle+/Senior, от трёх лет разработки на Python. Компания допускала удалённую работу по России. Объявление от 15 июня 2026 года уже в архиве. Карточка вакансии

У этих трёх вакансий я вижу общий технический порог. Вы должны уметь написать работающий код, встроить его в чужую систему и объяснить человеку со стороны бизнеса, на каких условиях он может этим пользоваться. Дальше начинаются существенные различия. В Anthropic предстоит самому оценивать поведение Claude. В X5 заказчиком вполне мог быть собственный отдел логистики, а результатом — обычное внутреннее приложение. ИИ при этом использует сам разработчик. Отсюда и разные ответы на вопрос «Где у вас в проекте ИИ?». В одном случае моделью пользуется клиент, в другом — сам инженер.

Я строчку «до 50% времени в поездках» обсуждал бы дома ещё до технического интервью. А у работодателя первым делом попросил бы рассказать о последнем внедрении. Что инженер написал лично? Кто этим сегодня пользуется? Кому звонят, когда всё упало? По ответам быстро выясняется и доля программирования, и количество встреч, и судьба вечера после релиза. Одного названия FDE для выбора работы мало — слишком по-разному компании описывают эту работу.

3. Что показать на собеседовании

Шилпа Баладжи, которая руководила наймом FDE в Palantir, вспоминает одно задание. Кандидату объясняли, как устроена инсайдерская торговля, и просили придумать способ её обнаружить. Какие данные понадобятся? О чём спросите клиента? Что будете искать в этих данных? Мне нравится такой отбор. Уже по первым вопросам слышно, понял ли кандидат, что именно ему предстоит искать в тысячах обычных сделок. Рассказ Баладжи в First Round.

Для репетиции я бы взял тот же сюжет с чипами. Дальше — моё учебное задание. Команда верификации хочет помощника, который предлагает тест по фрагменту спецификации. У вас на встрече полчаса с инженером. Что попросите показать? Я бы попросил два теста на одну функцию. Первый однажды помог поймать ошибку. Второй месяцами проходил, пока ошибку не заметили другим способом. Пусть инженер объяснит разницу. Из этого разговора выйдет больше пользы, чем из получасового спора о выборе модели.

Допустим, проверяем очередь на четыре элемента. Модель написала тест, который кладёт в очередь один элемент, забирает его и успешно завершается. Зелёная галочка есть. По спецификации полная очередь должна отклонить новую запись. А у нас в одной из версий пятый элемент молча затирает самый старый. Первый тест пройдёт на обеих версиях. До полной очереди он просто не добрался.

Теперь напишите второй тест. Положите в очередь A, B, C и D, затем попробуйте записать E. Проверьте две вещи. Запись E должна вернуть отказ. А если после этого прочитать очередь до конца, должны вернуться ровно A, B, C и D, в том же порядке. Запустите тест на обеих версиях. Я бы на собеседовании попросил показать, на какой проверке упала ошибочная версия и какая строка спецификации объясняет, почему вы ждали именно такого поведения.

Тест с одним элементом проходит на обеих версиях очереди. При попытке записать E в полную очередь исправная версия возвращает отказ и сохраняет A, B, C, D. Ошибочная принимает E и возвращает B, C, D, E.

Тест с одним элементом проходит на обеих версиях очереди. При попытке записать E в полную очередь исправная версия возвращает отказ и сохраняет A, B, C, D. Ошибочная принимает E и возвращает B, C, D, E.

Я добавил бы вопрос от руководителя проекта. Допустим, генерация ускорилась, но каждый новый тест всё ещё проверяет самый дорогой специалист команды. Где выигрыш? Придётся измерить полное время до принятого теста и выяснить, какие ошибки специалист по-прежнему ловит руками. Для меня здесь начинается разговор со взрослым кандидатом. Он может сказать заказчику, какое обещание готов дать и на каких данных его проверит.

Для второго, короткого раунда я бы взял CRM. После банковских интеграций к фразе «по тайм-ауту просто повторим» у меня давний вопрос. Откуда вы знаете, чем закончилась первая попытка? Представьте, что CRM успела сохранить запись, а ответ до сервиса не дошёл. Объясните, что гарантирует принимающий API, когда можно повторить запрос с прежним ключом и в какой момент придётся остановиться и сверить результат. Я попрошу показать один тест. По нему сразу видно, какие гарантии вы приписали CRM.

4. С чего начать разработчику и аналитику

Если вы разработчик, вспомните, как вы запускали интеграцию или сложный продукт. Помимо кода и теста, подготовьте историю внедрения. Кто пришёл с проблемой? Почему вы взяли в первый релиз именно этот кусок? Что у пользователя изменилось через неделю? Может выясниться, что операторы перестали открывать сервис. Расскажите, как вы это обнаружили и что сделали дальше. Вот тут я вас особенно внимательно послушаю.

Если вы системный аналитик, начните с другого конца. Возьмите знакомый контракт API и доведите один сценарий до работающего кода. Пусть в нём будет одна операция, зато вы сами сможете её запустить, сломать и объяснить результат по журналу. Для вакансии, где Python придётся писать каждый день, одной спецификации мало.

При этом слово FDE встречается и в аналитических вакансиях. У российской WMT в архиве есть позиция системного аналитика AI/Data с таким названием. Там искали человека с опытом от четырёх лет, требовали SQL, работу с API и участие во внедрении. Знакомство с Python относилось к пожеланиям. Если вы сильны в интеграции и приёмке, это повод внимательно прочитать обязанности и уточнить, кто будет писать промышленный код. Архив вакансии WMT.

Карта собеседования. Восемь навыков и что по каждому показать

На карточке я собрал восемь навыков на примере помощника службы поддержки. В таблице перенёс их на задачу с чипами. В правой колонке — то, что я попросил бы кандидата показать на экране или объяснить на словах.

Восемь навыков FDE. Инженерная основа, ИИ-системы и работа с заказчиком. Для каждого навыка указаны действие и критерий

Восемь навыков FDE. Инженерная основа, ИИ-системы и работа с заказчиком. Для каждого навыка указаны действие и критерий

Навык

Что показать на примере с тестами

K1. Код и отладка

Один запускаемый тест. На исправной реализации он проходит, на версии с известной ошибкой падает по ожидаемой причине.

K2. Данные и интеграции

Путь от версии спецификации до отчёта симулятора. Можно восстановить, какой тест запускался и к какой версии проекта он относится.

K3. Архитектура и эксплуатация

Небольшую схему и один отказ. Например, симулятор недоступен. Что увидит инженер и откуда потом продолжить работу?

K4. LLM и поиск

Пункт спецификации рядом с предложенным тестом. Если модель взяла старую редакцию, можно выяснить, ошибся поиск или генерация.

K5. Агенты и инструменты

Границу полномочий. Инженер одобряет конкретную версию теста перед включением в общий набор. Измените тест после одобрения и покажите, что система запросит его снова.

K6. Оценка и безопасность

Набор проверок с известными ошибками, неполным заданием и закрытым документом другой команды. Какие результаты остановят выпуск?

K7. Задача и эффект

Сколько времени специалист тратил на принятый тест до пилота и сколько тратит теперь, включая исправления. Сравните на одинаковых задачах.

K8. Коммуникация и ответственность

Короткое решение для руководителя. Что запускаем, кто отвечает за результат, при какой ошибке останавливаем пилот и кому сообщаем.

Удобная проверка перед собеседованием — закройте правую колонку и пройдитесь по левой на собственном проекте. Где вы можете сразу открыть код, протокол испытаний или решение о запуске? А где после слов «этим занималась наша команда» трудно вспомнить, что сделали лично вы? Я бы начинал подготовку именно с этого места. Вопросы к каждому из восьми навыков.

5. Пусть ИИ-агент проведёт собеседование

В моём проекте AI Interview Atlas есть русскоязычный раздел про FDE. Там лежат тренировочные кейсы, вопросы по отдельным навыкам и критерии, по которым можно разобрать свой ответ. Если готовитесь самостоятельно, выберите задачу, проговорите решение вслух и только потом откройте разбор. Раздел FDE на GitHub · Версия для чтения.

А можно посадить своего ИИ-агента на место интервьюера. Передайте ему ссылку на раздел FDE в AI Interview Atlas, текст интересующей вас вакансии и промпт ниже. Если агент не может открыть ссылку, скопируйте в чат текст страницы. На репетицию хватит 25 минут. Пять минут оставьте на вопросы заказчику, десять — на решение, пять — на возражение и ещё пять — на разбор ответа.

Проведи со мной пробное собеседование на FDE по этой вакансии. Возьми один кейс из атласа и сначала сыграй заказчика. Дай мне самому выяснить задачу. Затем перейди к технической части. Задавай по одному вопросу, жди моего ответа и придержи подсказки до конца. Если я скажу «проверим качество», попроси назвать ошибку, из-за которой я остановлю пилот. В конце процитируй две мои реплики, укажи, какие навыки K1–K8 они подтверждают, и предложи одно упражнение на самый заметный пробел.

А вот как я бы примерил эту профессию на себя ещё до собеседования. Сходите к человеку, для которого вы делали последнюю фичу, и попросите показать, как он ею пользуется. Если он откроет свой старый Excel, побудьте рядом ещё десять минут. За эти десять минут вы узнаете, чего не хватило пользователю. А заодно поймёте про себя одну вещь — интересно ли вам вообще в этом разбираться.

А у вас кто остаётся разбираться с этим Excel — разработчик, аналитик, руководитель проекта? Особенно интересно услышать тех, кто присматривается к FDE. Сколько времени вам хотелось бы оставить на код?

И личная просьба. Если попробуете потренироваться с AI Interview Atlas, напишите мне в личку или в комментарии, какой вопрос заставил вас задуматься. Интересного погружения в новую профессию!