در این مقاله
اگر دنبال «forward deployed engineer پالانتیر» میگردید، تقریباً همهچیز به یک یادداشت کوتاه در وبلاگ خود Palantir برمیگردد. آن یادداشت دو واژه را وارد زبان صنعت کرد: «Dev» و «Delta». بعدها شرکتهای دیگر، از جمله سازندگان مدلهای هوش مصنوعی، همین ایده را برداشتند.
داستان این نقش را اغلب با جزئیاتی تعریف میکنند که هیچ منبع اولیهای ندارد: سال دقیق، تعداد نفرات در گذشته، حتی اینکه «اختراع» چه کسی بود. در این نوشته فقط آنچه را میآوریم که منبعش را دیدهایم، و هر جا منبعها با هم نمیخوانند میگوییم.
اگر هنوز تعریف خود نقش را نخواندهاید، مهندس پیادهسازی (FDE) چیست نقطه شروع خوبی است.
یادداشت ۲۰۱۹ پالانتیر دقیقاً چه گفت؟
Palantir در ۸ آوریل ۲۰۱۹ در وبلاگ خود یادداشتی با عنوان «Dev versus Delta: Demystifying engineering roles at Palantir» منتشر کرد. در آن نوشت که مهندسان نرمافزار و مهندسان نرمافزارِ مستقر در محل مشتری (Forward Deployed Software Engineers) بزرگترین نقشهای مهندسی این شرکتاند و در درون شرکت آنها را «Dev» و «Delta» مینامند.
اسم Delta یادگار روزهای اول است: به گفته همان یادداشت، هر تیم در بخش توسعه کسبوکار به یکی از حرفهای الفبای ناتو نامگذاری شده بود. Deltaها بخشی از توسعه کسبوکار بودند و مأموریتشان «دستیابی به نتایج فنی برای مشتریان» بود. هر Delta مستقیم از یک مشتری پشتیبانی میکرد، پلتفرمهای Palantir (از جمله Foundry و Gotham) را مستقر و سفارشی میکرد و با اثرش بر هدف مشتری سنجیده میشد.
تفاوت دو نقش را آن یادداشت در یک جمله خلاصه میکند: Dev «یک قابلیت، مشتریان زیاد» است و Delta «یک مشتری، قابلیتهای زیاد». Devها چیزی میسازند که برای همه به کار بیاید و Deltaها هر چه برای رسیدن به هدف همان یک مشتری لازم باشد. گاهی هم کدی که Delta برای مشتری مینویسد به هسته محصول برمیگردد.
نسخه اصلی یادداشت در وبلاگ Palantir است. (این وبلاگ گاهی دسترسی خودکار را میبندد؛ ما متن را از آرشیو آن خواندهایم.)
Delta با مشاور چه فرقی داشت؟
طبق نقلقول کارکنان خود Palantir در همان یادداشت، مشاوران معمولاً «یک تحلیل، توصیه یا راهحل یکباره» میسازند، در حالی که Deltaها «یک راهحل بلندمدت میسازند» و کار مهندسی و فنی بسیار بیشتری میکنند.
این توصیف خودِ شرکت است و داوری بیطرف نیست. به همین دلیل در از اسلاید تا سیستم: فرق مشاور سنتی با مهندس پیادهسازی هم گفتهایم که مشاوره جای خودش را دارد و نمیخواهیم یکی را بالاتر بنشانیم.
درباره یک نقش مرتبط، «Echo» یا استراتژیست استقرار، هم زیاد میشنوید که او بیشتر شبیه مدیر محصول و Delta بیشتر فنی است. خود کارکنان Palantir میگویند در عمل هر دو ترکیبی از محصول، مهندسی و استراتژیاند، پس این تقسیم را قطعی نکنید.
سال شروع این نقش کی بود؟
نمیدانیم و عدد نمیدهیم. منابع ثانویه با هم همنظر نیستند: بعضی «۲۰۰۵» میگویند، بعضی «دهه ۲۰۰۰» و بعضی «اوایل دهه ۲۰۱۰». تنها چیز اولیهای که داریم همان نامگذاری ناتو در «روزهای اول» است.
ادعای رایج دیگری هم هست: اینکه Palantir تا حدود ۲۰۱۶ تعداد FDEهایش بیشتر از مهندسان معمولی بود. این را فقط در یک وبلاگ ثانویه دیدهایم و استفاده نمیکنیم. یک نکته خوب برای خواننده این است که هر وقت کسی با اطمینان میگوید «در سال X شروع شد»، منبعش را بپرسد.
OpenAI و Anthropic چطور وارد ماجرا شدند؟
هر دو شرکت برای رساندن مدلهایشان به کار مشتری تیمهای مهندسی مستقر ساختهاند. eWeek در ۴ نوامبر ۲۰۲۵ و به نقل از Financial Times نوشت که OpenAI تیم FDE خود را در ابتدای ۲۰۲۴ راه انداخت و برای ۲۰۲۵ حدود ۵۰ مهندس در نظر داشت، و Anthropic برنامه داشت تیم هوش مصنوعی کاربردیاش را در ۲۰۲۵ پنج برابر کند. منبع: گزارش eWeek.
آگهی استخدام خود Anthropic برای «Forward Deployed Engineer, Applied AI» نقش را اینطور شرح میدهد: مهندسی که پیش مشتریان راهبردی مینشیند و برنامههای تولیدی روی Claude میسازد (از جمله سرورهای MCP، زیرایجنتها و مهارتهای ایجنت)، الگوهای تکرارشونده استقرار را شناسایی میکند و به تیم محصول و مهندسی برمیگرداند. همین جمله آخر تفاوت مهمی با مشاوره دارد: تجربه یک مشتری به محصول برمیگردد.
eWeek در همان گزارش از مثالی هم نقل کرده که OpenAI درباره John Deere گفته است. این ادعا از سمت خود شرکت و دستدوم است، پس آن را بهعنوان واقعیت مستقل نمیآوریم.
رشد آگهیهای استخدام چقدر بوده؟
طبق گزارش PYMNTS در ۱۰ مارس ۲۰۲۶ که به Financial Times نسبت داده شده، آگهیهای ماهانه استخدام برای مهندسهای پیادهسازی بین ژانویه و سپتامبر ۲۰۲۵ بیش از ۸۰۰ درصد زیاد شد. توجه کنید که منابع درباره اینکه چه کسی این رقم را اندازه گرفته اختلاف دارند: eWeek همین رشد را به داده Indeed نسبت میدهد. پس بهتر است بنویسید «طبق گزارشها» و رقم را دقیقتر از این نکنید. منبع: PYMNTS.
این رشد دلیلی بر موفقیت مدل نیست. فقط میگوید شرکتها دارند آدم استخدام میکنند. اینکه چرا؟ یکی از توضیحها این است که ابزار هوش مصنوعی بهتنهایی کار مشتری را حل نمیکند. بحث درباره آن گزارشهای پروژههای آزمایشی در چرا بیشتر پروژههای هوش مصنوعی در مرحله آزمایشی میمانند آمده است.
نقد این نقش چیست؟
نقد اصلی این است که FDE ممکن است در عمل یک نیروی خدمات حرفهای باشد، با همه ضعفهای آن، و بدهی فنی را سر مشتری بگذارد. Chris Degnan، سرمایهگذار و مدیر فروش سابق Snowflake، در پادکست 20VC (۲۳ مه ۲۰۲۶) به نقل از گزارش letsdatascience گفته FDE «یک آدم خدمات حرفهای باشکوهتر» است و مهندس واقعاً خوب نمیخواهد چنین نقشی داشته باشد. او به بدهی فنی و بار نگهداریای که برای مشتری میماند هشدار میدهد. ما فقط این گزارش را دیدهایم و متن اصلی را نه: letsdatascience.
دو نکته درباره این نقد. یکی اینکه Degnan سرمایهگذار است و دیدگاهش مثل هر دیدگاه دیگری یک طرف دارد. دوم اینکه بخشی از آن قابلاندازهگیری و جدی است: وقتی مهندس کار را ترک میکند، چه چیزی برای شما میماند؟ پاسخ باید در قرارداد باشد، نه در اعتماد. ما این پرسش را در بعد از رفتن تیم اجرا چه میماند؟ مالکیت کد، داده و دانش جداگانه بررسی کردهایم.
از دید سرمایهگذاران هم بحث دیگری هست: مقاله a16z در ۴ ژوئن ۲۰۲۵ استدلال میکند شرکتهای محصول هوش مصنوعی ممکن است ناچار باشند حاشیه سود اولیه را به نفع داده و جریان کار مشتری فدا کنند. این هم نظر یک سرمایهگذار برای جذب بنیانگذاران است، نه داده بیطرف، و فقط برندگان در آن دیده میشوند.
این داستان برای یک شرکت ایرانی چه معنایی دارد؟
این داستان ثابت نمیکند که این نقش در ایران جاافتاده است. در جستوجوی فارسی ما صفحهای که این نقش را توضیح بدهد پیدا نکردیم، و برای همین واژه «مهندس پیادهسازی» را خودمان انتخاب کردهایم.
چیزی که از این تاریخ میماند ایده است، نه برند: کسی که کنار مشتری کار میکند و سیستم را داخل کار او میسازد از کسی که از دور توصیه میکند متفاوت است. این ایده در شرکتهایی با اندازه و بودجههای بسیار متفاوت هم به کار میآید. مقایسه آن با نرمافزار آماده و تیم داخلی در نرمافزار آماده، تیم داخلی یا مهندس پیادهسازی است، و روش کار ما برای این نقش در صفحه روش کار.
پرسشهای رایج
Palantir کی این نقش را ساخت؟
سال دقیق را نمیدانیم و منابع همنظر نیستند. چیزی که قطعی است یادداشت ۸ آوریل ۲۰۱۹ آن شرکت است که نقشهای Dev و Delta را شرح میدهد و میگوید نام Delta از روزهای اول و از الفبای ناتو میآید.
FDE همان مشاور فنی است؟
طبق توصیف Palantir، نه: مشاور معمولاً یک تحلیل یا توصیه یکباره میدهد، ولی Delta راهحل بلندمدت میسازد. البته این توصیف از طرف خود شرکت است.
آیا OpenAI و Anthropic واقعاً FDE دارند؟
بله. به نقل از Financial Times، OpenAI از ابتدای ۲۰۲۴ تیم FDE راه انداخته و Anthropic آگهی استخدام رسمی برای این نقش داشته است.
بزرگترین نقد به مدل FDE چیست؟
اینکه بدهی فنی و بار نگهداری روی دوش مشتری بماند و FDE به یک نیروی خدمات حرفهای تبدیل شود. راهش تحویل شفاف دانش، کد و داده است.
راهکار مرتبط
روش کار
روش کار بلنک پیکسل: گفتوگوی رایگان، گزارش امکانسنجی برای فرایندهای شما، و بعد ساخت، اتصال و بهبود پیوسته. دامنه هر پروژه پس از شناخت مشخص میشود.
ادامه مطالعه
مقالههای مرتبط
مهندس پیادهسازی۲۴ آبان ۱۴۰۵
از اسلاید تا سیستم: فرق مشاور سنتی با مهندس پیادهسازی (FDE)
مشاوره هوش مصنوعی برای کسبوکار یعنی چه؟ فرق مشاور سنتی و مهندس پیادهسازی در محصول، محل کار و تعهد، و اینکه کی کدام را انتخاب کنید.
خواندن مقالهمهندس پیادهسازی۲۱ آبان ۱۴۰۵
گزارش امکانسنجی هوشمندسازی چیست و چطور ساخته میشود؟
گزارش امکانسنجی هوشمندسازی، نوشتهای کوتاه از فرایندهای اصلی کسبوکار شماست: زمان و پول کجا هدر میرود و از کجا شروع کنید. چهار بخش و روش ساخت.
خواندن مقالهمهندس پیادهسازی۱۸ آبان ۱۴۰۵
چرا بیشتر پروژههای هوش مصنوعی در مرحله آزمایشی میمانند؟
یک گزارش ۲۰۲۵ میگوید بیشتر پروژههای آزمایشی هوش مصنوعی به نتیجه نمیرسند. روش گزارش، نقدها و پنج دلیل واقعی گیر کردن پروژه را ببینید.
خواندن مقاله
ببینید هوش مصنوعی کجا بیشترین صرفهجویی را برایتان دارد.
یک گفتوگوی رایگان درباره کسبوکارتان، و بعد گزارش امکانسنجی مکتوب از فرایندهایتان: زمان و پول کجا هدر میرود، هوش مصنوعی چه کارهایی را میتواند برعهده بگیرد و از کجا باید شروع کرد.