Las vacantes de Forward Deployed Engineer se han multiplicado por cuatro entre enero y julio de 2026, el doble de rápido que el mercado general de ingeniería de IA, según el análisis de 4.894 ofertas que publica Alexey Grigorev (25 de julio de 2026). Un FDE es un ingeniero que trabaja dentro del entorno del cliente: entiende su negocio sobre el terreno, decide el alcance con él y despliega ahí mismo sistemas de IA en producción, en lugar de programar una feature más para un producto que nunca toca al usuario final. El puesto lo inventó Palantir en 2011 y hoy cotiza alto: la mediana del salario base anunciado en EE. UU. es de 173.816 dólares al año, según el análisis de 1.000 vacantes de Bloomberry (noviembre de 2025).
¿Por qué se ha disparado este rol justo ahora?
Porque el valor se ha mudado del modelo a la capa de despliegue. a16z lo argumentó el 27 de enero de 2026: los modelos frontera son cada vez más intercambiables entre sí, así que la ventaja competitiva ya no está en quién entrena el mejor modelo, sino en quién conecta el modelo con los datos internos, las APIs y los flujos de trabajo reales de cada cliente. Y ese trabajo no se hace desde un cubículo en la sede central. Se hace sentado al lado del contable, del jefe de fábrica o del analista que va a usar el sistema.
Los números acompañan. En el dataset de Grigorev, las ofertas de FDE en IA pasaron de 28 en enero de 2026 a 108 en julio, mientras el mercado general de ingeniería de IA se duplicaba en el mismo periodo. Bloomberry, con una muestra independiente de 1.000 vacantes, midió un crecimiento interanual del 1.165 % en noviembre de 2025. OpenAI y Anthropic han creado equipos enteros con este título, y el rol ya ha aterrizado en España: OpenAI tiene una vacante de Forward Deployed Engineer en Madrid abierta, Indeed lista una veintena de ofertas similares entre Madrid y Barcelona, y nosotros mismos abrimos en agosto de 2026 una vacante de Forward Deployed AI Engineer en la capital, híbrida, con Claude Code, LangChain y arquitectura agéntica en el stack exigido.
¿Qué hace un FDE el martes por la mañana?
Grigorev analizó 113 ofertas reales de FDE en IA y las responsabilidades se repiten con una claridad inusual. Ordenadas por frecuencia:
- Hablar con el cliente, directamente (90 % de las ofertas). No es un "punto de contacto" nominal: el FDE hace las reuniones de requisitos, enseña demos, recoge las quejas y traduce "necesitamos algo con IA" en un problema acotado con datos concretos.
- Construir y desplegar sistemas en producción (87 %). No maquetas ni notebooks: código que pasa tests, se integra con el sistema del cliente y se queda corriendo. Un martes típico puede ser depurar por qué un pipeline de ingesta se traga mal los PDF escaneados de su documental y ajustar el chunking para que el RAG deje de alucinar referencias.
- Integrar sistemas y APIs (62 %). Conectar el modelo con su ERP, su CRM, su Slack corporativo o sus bases de datos heredadas. Aquí mueren más proyectos de IA por mala integración que por mal modelo.
- Definir el alcance desde cero (51 %). Discovery, requisitos y scoping. Llegas, no hay backlog, no hay especificación, y tu primer entregable es la especificación.
- Testing, evaluación y monitorización (41 %). Evaluar el sistema con casos reales del cliente, medir tasas de acierto y vigilar deriva. El 39 % restante alimentan con lo aprendido la hoja de ruta del producto central de su empresa.
Fíjate en lo que falta: entrenar modelos desde cero apenas aparece. El FDE no compite con el equipo de investigación; convierte el modelo ya entrenado en algo que funciona en un entorno hostil y con usuarios de verdad.
¿De dónde sale este puesto? Palantir, 2011 y los «Deltas»
El título tiene más años de los que parece. En 2011, Palantir hizo algo rarísimo para la época: cogió a sus solutions engineers e integration engineers, roles de bajo estatus en cualquier organización de ingeniería, y les cambió el nombre a forward deployed engineers. Les llamaban «Deltas», como la Delta Force. Cuenta Tom Hollands en a16z que sonaba ridículo, y funcionó brillantemente: el mensaje interno era que el trabajo en cliente no era un mal menor, sino el corazón del negocio. La propia Palantir describe su rol de Forward Deployed Software Engineer (FDSE) como un puesto que ellos mismos pionearon, embebido en el cliente para configurar sus plataformas (Foundry en empresas, Gotham en defensa) para las necesidades de un solo cliente en lugar de construir una feature para miles.
El guiño del 2026 es que ahora son los laboratorios de modelos quienes copian el modelo de Palantir. Cuando tu producto es un modelo genérico, la diferenciación se juega en quién lo implanta mejor, y para eso necesitas ingenieros con pasaporte y acceso al sistema del cliente.
¿Cuánto gana un Forward Deployed Engineer en 2026?
Con los datos publicados hasta ahora, esta es la foto del mercado estadounidense (salario base anual, sin acciones ni bonus):
| Empresa | Rango base (2026) | Notas |
|---|---|---|
| OpenAI | 162.000-280.000 $ | San Francisco; el rango queda un 60 % por encima de un solutions engineer tradicional (Paraform, junio de 2026) |
| Anthropic | 200.000-320.000 $ | Estimación del mismo análisis de compensación |
| Palantir | 135.000-200.000 $ | Rango del FDSE, el rol original |
Tres matices que importan. Primero: la mediana global de 173.816 dólares de Bloomberry incluye empresas de todos los tamaños, no solo laboratorios frontera, donde la compensación total con acciones puede duplicar el base. Segundo: Nueva York paga ligeramente por debajo de San Francisco para el mismo rol, según Paraform. Tercero: casi todas las vacantes son presenciales o híbridas, lo cual es coherente con la naturaleza del puesto (estás «desplegado» en el cliente); el remoto puro es raro. Para España no hay todavía una mediana publicada y fiable, así que no te voy a dar una cifra inventada: lo único verificable es que las vacantes ya existen y que el rol se contrata por encima de un software engineer generalista de nivel equivalente.
FDE, AI engineer o solutions engineer: en qué se diferencian
Es la pregunta que más confusión genera, y el análisis de Grigorev la desembota bien. El AI engineer (o applied AI engineer) construye producto desde la casa matriz: trabaja en el código que servirá a miles de clientes, pero rara vez ve a uno en persona. El solutions engineer clásico vive en preventa: hace demos y pruebas de concepto, y cuando el cliente firma, se va y deja la implementación a otro equipo. El consultor recomienda y documenta; el que implementa suele ser otro. El FDE rompe esas fronteras: define con el cliente, construye en producción, lo opera y responde del resultado. Es la diferencia entre vender el mapa y conducir el coche hasta el destino.
Ojo con el ruido: al ser el título de moda, hay consultoras reetiquetando puestos de integración de toda la vida como «forward deployed». Antes de aceptar una oferta, pregunta exactamente qué porcentaje de tu tiempo estarás en cliente y quién mantiene el sistema seis meses después del despliegue.
Las habilidades que piden de verdad, con porcentajes
Sobre esas mismas 113 ofertas de 2026, las tecnologías más citadas quedan así: Python en el 89 % de las ofertas, AWS en el 40 %, GCP en el 36 %, Docker en el 35 %, Azure en el 32 %, Kubernetes en el 31 %, TypeScript en el 29 %, CI/CD en el 27 %, SQL en el 23 % y React en el 14 %. La lectura es nítida: buscan perfiles de despliegue, no de investigación. Python de producción, contenedores, una nube grande y capacidad de integración pesan más que cualquier certificado de machine learning. El inglés avanzado también es requisito de facto en España, donde gran parte de los clientes son multinacionales.
Cómo convertirte en Forward Deployed Engineer: una ruta en cinco pasos
- Pasa tu Python de notebook a producción. El 89 % de las ofertas lo exige, pero no de la manera académica: quiere ver aplicaciones con tests, manejo de errores y despliegue automático. Un buen ejercicio es coger cualquier proyecto personal y llevarlo a CI/CD con contenedor incluido.
- Aprende a integrar, no solo a modelar. Monta un RAG sobre un dataset desordenado (facturas escaneadas, transcripciones, tickets) y conéctalo a una API real. Ahí aprenderás el 80 % del trabajo diario: parsing sucio, evaluación de respuestas y límites del contexto. Si vienes del desarrollo tradicional y quieres formalizar el salto a IA, la especialización de ingeniería de IA para desarrolladores va justo de eso: llevar IA a producción sobre una base de código ya sólida.
- Entrena la pierna comercial. El 90 % de las ofertas exige trato directo con el cliente, así que busca cualquier excusa para hacerlo: soporte técnico en tu empresa actual, voluntariado para implantar una herramienta en otro departamento, proyectos freelance con entregable en su infraestructura. Aprende a hacer preguntas de discovery y a escribir un alcance de una página que un directivo entienda.
- Despliega en una nube de verdad. Elige AWS, GCP o Azure (en ese orden de frecuencia) y acostúmbrate a Docker y Kubernetes. Que algo se caiga un domingo y lo arregles tú es, literalmente, la descripción del puesto.
- Prepara una entrevista distinta a la habitual. Según Paraform, en OpenAI el proceso combina dos o tres rondas de código (nivel medium-hard de LeetCode, con componente práctico) con dos o tres rondas de role-play de cliente: te plantean un problema ambiguo de negocio y evalúan cómo lo acotas, qué preguntas haces y cómo priorizas. Ensaya esa segunda parte tanto como la primera; casi nadie lo hace y ahí se decide la oferta.
Si quieres el mapa completo del rol hermano más cercano (el AI engineer tradicional: qué hace, skills y salario), tenemos la guía de AI Engineer, en inglés, como pilar de este clúster de carrera.
¿Es para ti? Para quién sí y para quién no
Sí, si te da energía la ambigüedad, si prefieres un problema nuevo cada trimestre a pulir la misma feature, y si no te asusta presentar delante de un comité de dirección un martes por la mañana. Los perfiles que mejor encajan suelen ser híbridos: desarrolladores con experiencia de cliente (consultoría, soporte de nivel 3, implementaciones), o gente técnica de sectores concretos (salud, industria, banca) que domina el vocabulario del negocio.
No, si lo tuyo es la profundidad técnica aislada: si tu plan es trabajar en investigación de modelos, el FDE te va a parecer ruido y desplazamientos. Tampoco encaja quien necesite requisitos estables y alcance cerrado, porque aquí la especificación cambia con el cliente delante. Y hay un riesgo real que conviene nombrar: es un rol joven y en plena inflación de títulos, así que conviene auditar cada oferta para distinguir un FDE de verdad de un integrador disfrazado. Dicho esto, la tendencia de fondo (el valor mudándose a la capa de despliegue) no parece una moda pasajera, sino un cambio estructural del mercado.
Por dónde empezar esta semana
- Elige un problema real de alguien que no sea tú (un negocio familiar, tu departamento, una ONG) y prototipa una solución de IA encima de sus datos reales. Ese proyecto vale más que diez certificados en una entrevista de FDE.
- Escribe el caso en una página: problema, alcance, qué desplegaste, qué se rompió y cómo lo mediste. Es tu mejor material de role-play.
- Compara rutas de formación según tu punto de partida con nuestra comparadora de programas, o mira el programa de ingeniería de IA si necesitas la base completa antes de especializarte.