Forward deployed engineer (FDE)
Wat is een forward deployed engineer?
Een forward deployed engineer (FDE) is een software-ingenieur in dienst van een software- of AI-leverancier die enkele maanden bij jou in het bedrijf komt werken, op jouw systemen en met jouw data, om van een vaag idee iets te maken dat in productie draait. Daarna draagt hij het over en trekt hij naar de volgende klant. De ingenieur is van de leverancier. Het probleem, de data en het resultaat zijn van jou.
Palantir heeft zijn bedrijf op die rol gebouwd. Vanaf het begin van de jaren 2010 stuurde het zijn eigen ingenieurs, intern Deltas genoemd, naar de klant om daar ter plaatse werkende software op het Palantir-platform te bouwen. Jarenlang had het er meer van in dienst dan gewone productontwikkelaars. Het idee bleef een eigenaardigheid van Palantir tot AI-producten tegen dezelfde muur liepen: de software werkt in de demo, en dan komt ze terecht bij een echt bedrijf met zijn ordersysteem, zijn half gedocumenteerde processen en zijn Excel-bestanden.
In 2025 verspreidde de rol zich snel. Investeerder a16z noemde het in juni 2025 de meest gewilde job bij startups, de Financial Times telde tussen januari en september 2025 een stijging van meer dan 800 procent in het aantal maandelijkse FDE-vacatures, en OpenAI, Anthropic, Salesforce en een lange rij AI-startups werven nu onder die titel. In 2026 ging het model nog een stap verder: OpenAI richtte in mei een apart deploymentbedrijf op rond FDE's, Anthropic zette diezelfde maand een vergelijkbare onderneming op met investeringspartners, AWS kondigde in juni een eigen forward deployed engineering-afdeling aan, en de AI Engineer World's Fair in San Francisco gaf forward deployed engineering een eigen conferentietrack.
Wat doet een FDE van dag tot dag?
De vacatureteksten van OpenAI en Anthropic lijken sterk op elkaar. Bij OpenAI is de FDE verantwoordelijk voor discovery, scoping, systeemontwerp, bouw en uitrol in productie, en wordt hij afgerekend op adoptie en op feedback uit evals die de productroadmap bijstuurt. Bij Anthropic bouwt hij productietoepassingen in de systemen van de klant, levert hij zaken als MCP-servers en sub-agents op, en legt hij herbruikbare deploymentpatronen vast voor het productteam. Een deployment loopt door dezelfde fases.
Discovery. De ingenieur gaat bij de mensen zitten die het werk doen, niet bij de stuurgroep. Wat doet een planner echt als een bestelling te laat is? Waar zit die informatie? Het deploymentbedrijf van OpenAI beschrijft de eerste fase als een gerichte diagnose, gevolgd door een klein aantal prioritaire workflows die samen met de directie van de klant gekozen worden.
Datakoppelingen. Hier gaat het grootste deel van de kalender naartoe: leestoegang tot het ERP, een export uit het ticketsysteem, een manier om een klant op te zoeken zonder de hele databank te kopiëren. Het AI-stuk faalt zelden; de koppeling met jouw data wel.
Evals en promptwerk. Voor er iets gebouwd wordt, verzamelt de ingenieur voorbeelden van goede uitkomsten bij jouw experts en maakt daar een testset van. Elke aanpassing aan een prompt of een configuratie wordt daarna tegen die set gescoord, niet tegen iemands buikgevoel.
Integratie. Het resultaat moet terechtkomen waar mensen al werken: een knop in het CRM, een conceptmail in de mailbox, een lijn in het ordersysteem. Anthropic beschrijft een opdracht als ingenieurs die samen met artsen en IT-medewerkers tools bouwen die passen in de workflows die dat personeel al gebruikt.
Verandering begeleiden en overdragen. Het team opleiden, de eerste weken van echt gebruik meevolgen en opschrijven wat er gebouwd is. Het forward deployed team van Cursor zei het op de World's Fair van 2026 zonder omwegen: als de leverancier vertrekt, mag de klant het niet uitzetten.
Forward deployed engineer tegenover een implementatiepartner
Een implementatiepartner of een extern team dat per uur factureert kan de meeste van die taken ook uitvoeren. Het verschil zit in wie er leert van de deployment.
Wie leert er?
Als een FDE drie maanden in jouw magazijn doorbrengt, leert de leverancier. De omweg rond jouw ERP wordt een connector in het product. De prompt die eindelijk overweg kon met Belgische btw-nummers wordt een standaardinstelling. De roadmap van de leverancier verandert door wat de ingenieur bij jou gezien heeft, en precies daarom wil de leverancier ervoor betalen. Bij OpenAI staat die feedback in de vacature als maatstaf voor succes, en Anthropic vraagt zijn FDE's om deploymentpatronen terug te brengen naar het productteam.
Doet een extern team hetzelfde werk, dan leert dat team. De herbruikbare stukken belanden in hun gereedschapskist en worden aan de volgende klant verkocht. Het product van de leverancier verandert niet.
In beide gevallen is de partij die standaard het minst leert jij, tenzij je erop staat. Dat is het nuttigste wat je kan weten voor je tekent.
Wie betaalt wie?
Een extern team factureert je uren. Een FDE zit meestal in de deal verrekend: als deel van de licentie, als deel van een betaalde pilot, of als een dienstenlijn die de leverancier tegen of rond kostprijs verkoopt. Het advies van a16z aan startups is daar duidelijk over: verkoop de diensten aan kostprijs en beoordeel het team op klantbehoud, want de marge komt terug via het softwareabonnement. De kost verdwijnt niet, ze verhuist naar het contract.
Wat kost het en hoe wordt het gefactureerd?
Drie vormen dekken het grootste deel van de markt.
Gebundeld in het enterprisecontract. De grote AI-labs houden hun FDE's voor grote klanten. Volgens persberichten uit 2025 begonnen de maatwerkdeployments van OpenAI rond tien miljoen dollar, en dat ligt buiten bereik van een Belgische KMO. De nieuwe deploymentbedrijven van OpenAI en Anthropic mikken op middelgrote bedrijven, maar het prijskaartje is niet publiek.
Betaalde pilot. Een AI-startup rekent een vast bedrag aan voor een pilot van acht tot twaalf weken met een of twee van zijn ingenieurs op jouw probleem, vaak verrekend met de licentie van het eerste jaar als je doorgaat. Dit is waar een KMO het vaakst een FDE tegenkomt.
Per ingenieur per maand. Een dagtarief of maandbedrag voor een ingenieur met naam, dichter bij klassieke dienstverlening. Sommige leveranciers, en partnerprogramma's zoals het programma dat AWS in 2026 lanceerde, laten hun FDE-werk lopen via partners die zo factureren.
Welke vorm het ook is, vraag het totaal over drie jaar, niet de pilotprijs. De pilot is het goedkope stuk.
Een voorbeeld
Een groothandel met 60 medewerkers koopt bij een jonge leverancier een AI-agent om mails over de status van bestellingen te beantwoorden. De leverancier zet één FDE tien weken in als deel van een betaalde pilot.
In week één loopt de ingenieur mee met de twee collega's die die mails beantwoorden en haalt hij 300 oude mails met hun antwoorden op. Week twee en drie gaan naar een read-only koppeling met het ordersysteem en een kleine service die een bestelling opzoekt op klant en referentie. In week vier geven de ingenieur en de twee collega's bij 150 van die oude mails het juiste antwoord aan; dat wordt de evalset. Week vijf tot acht is prompt- en configuratiewerk, waarbij elke versie tegen de 150 gevallen gescoord wordt tot de agent er negen op tien juist heeft en de rest doorgeeft aan een mens. In week negen en tien maakt de agent conceptantwoorden die een collega goedkeurt, en schrijft de ingenieur op wat er gebouwd is en waarom.
De leverancier houdt er een geteste connector met het ordersysteem en een betere standaardprompt aan over. De groothandel houdt er een werkende agent, een evalset en twee collega's die het systeem begrijpen aan over. Ontbreekt dat laatste, dan is de pilot niet geslaagd, hoe goed de demo er ook uitzag.
Waar moet je op letten bij een FDE-opdracht?
De kennis vertrekt met de ingenieur. Na tien weken kent een FDE jouw opstelling beter dan wie ook in je bedrijf. Als hij doorschuift naar de volgende klant, gaat die kennis mee, tenzij ze opgeschreven en aangeleerd is. Een kritiek die in 2026 verscheen bij een softwarebedrijf uit de defensiesector zegt het scherp: een groeiend aantal FDE's wijst op een product dat nooit volwassen werd en op een klant die vastzit aan personeel van de leverancier. De hoeveelheid ondersteuning die je van de leverancier nodig hebt, hoort maand na maand te dalen.
Afhankelijkheid van de mensen van één leverancier. Configuratie, prompts en connectors die de ingenieur van de leverancier gebouwd heeft, leven vaak in de tooling van die leverancier. Als de relatie stopt, wat blijft er dan aan jouw kant over?
Scope creep. Een goede ingenieur die ter plaatse zit, vindt vijf extra problemen die het oplossen waard zijn. Elk daarvan kan de moeite zijn, maar elk daarvan doet ook het contract groeien. Hou een geschreven scope voor de pilot bij en een aparte lijst voor later.
De roadmap kleurt het advies. De FDE wordt afgerekend op de adoptie van zijn product. Als het eerlijke antwoord is "dit stuk doe je beter met een simpele regel in je ERP", hoor je dat misschien niet. Iemand aan jouw kant moet genoeg technisch inzicht hebben om die vraag te stellen.
Wat vraag je voor je tekent?
Een interne eigenaar met naam vanaf dag één. Eén iemand uit je eigen bedrijf die in elke sessie zit en het systeem kan uitleggen als de ingenieur weg is. Zonder die persoon gebeurt de rest van deze lijst niet.
De evalset als opgeleverd onderdeel. De testgevallen die jouw experts gelabeld hebben, zijn kennis van jouw bedrijf. Ze horen van jou te zijn, in een vorm die je zelf kan draaien, en je hebt ze nodig op de dag dat je van model of van leverancier verandert.
Prompts, configuratie en connectors in je eigen repository. Geen screenshot, geen toegang tot de console van de leverancier: de echte bestanden, onder jouw versiebeheer.
Overdrachtsdocumentatie en een nazorgperiode. Een beschrijving van wat er gebouwd is, hoe je een courante aanpassing doet, en wie de vragen beantwoordt in de drie maanden nadat de ingenieur vertrokken is.
Een dalende ondersteuningscurve in het contract. Spreek vooraf af hoe "jullie kunnen dit zonder ons draaien" eruitziet en wanneer je dat punt verwacht te bereiken. Kan de leverancier dat moment niet beschrijven, dan heeft de opdracht geen einde.