OpenAI i Anthropic w tym samym tygodniu maja 2026 roku ogłosiły miliarddolarowe joint ventures oparte na identycznym założeniu: modele językowe są gotowe, ale firmy nie potrafią ich wdrożyć. Rozwiązaniem ma być Forward Deployed Engineer. Stanowisko brzmi militarnie. I to jest zamierzone.
Kluczowe fakty:
- OpenAI i Anthropic ogłosiły w maju 2026 roku miliarddolarowe joint ventures oparte na założeniu, że modele językowe są gotowe, ale firmy nie potrafią ich wdrożyć.
- Forward Deployed Engineer to inżynier oprogramowania pracujący bezpośrednio w środowisku klienta, w jego infrastrukturze i chmurze, dostarczający działający system zamiast tylko rekomendacji jak klasyczny konsultant.
- Model FDE wymyślił Palantir w latach 2010-2012 do pracy z amerykańskimi agencjami wywiadowczymi, a do 2016 roku firma zatrudniała więcej FDE niż inżynierów produktu.
Czym właściwie jest Forward Deployed Engineer?
FDE (Forward Deployed Engineer) to inżynier oprogramowania, który pracuje bezpośrednio w środowisku klienta. Nie zdalnie w sensie „wysyłam pull requesty i czekam”. Dosłownie u klienta: w jego infrastrukturze, w jego chmurze, obok jego specjalistów domenowych. Pisze kod produkcyjny. Zostaje, dopóki system nie działa.
To fundamentalnie różni się od klasycznego konsultingu. Konsultant pisze rekomendacje i wychodzi. FDE zostaje i dostarcza działający system.
Model wymyślił Palantir w latach 2010-2012, kiedy firma pracowała z amerykańskimi agencjami wywiadowczymi. Klient nie potrafił precyzyjnie opisać, czego potrzebuje. Dane były zbyt wrażliwe, żeby je udostępnić. Wymagania zmieniały się co tydzień. Żaden tradycyjny produkt software’owy nie nadążał. Palantir wysłał więc inżynierów bezpośrednio do agencji. Wewnętrznie nazywano ich „Deltami”. Do 2016 roku firma zatrudniała więcej FDE niż inżynierów produktu. Taki był rdzeń całego modelu biznesowego.
Dlaczego standardowy SaaS nie działa dla AI?
Tu leży sedno sprawy. Klasyczny model sprzedaży enterprise software działa tak: budujesz produkt, sprzedajesz go, customer success manager pomaga z wdrożeniem, a zespół klienta sam integruje resztę. Sprawdza się przy CRM-ach, narzędziach do zarządzania projektami, analityce.
Przy systemach AI ten model się sypie. I nie z powodu jakości modeli.
Problem polega na dwustronnej luce wiedzy:
- Inżynierowie klienta znają swój biznes dogłębnie: schematy danych, wymagania compliance, architekturę legacy, edge case’y
- Inżynierowie z AI labu znają zachowanie modeli w produkcji: wzorce promptowania, strategie RAG, frameworki do ewaluacji, tryby awarii widoczne dopiero w skali
- Żadna ze stron nie ma wiedzy tej drugiej
- Potrzebujesz obu, żeby cokolwiek działało na produkcji
Według raportu MIT NANDA „State of AI in Business 2025” aż 95% pilotów generatywnego AI w przedsiębiorstwach nie przynosi żadnych mierzalnych efektów biznesowych. To nie jest problem z modelami. To problem z wdrożeniem.
Zatrzymuję się przy tej liczbie, bo jest ona zarówno alarmująca, jak i… dająca do myślenia w szerszym kontekście. 95% nieudanych pilotów to nie tylko argument za FDE. To też sygnał, że organizacje masowo inwestują w AI bez podstawowej gotowości: bez danych w porządku, bez jasno zdefiniowanych procesów, bez ludzi, którzy rozumieją, co właściwie chcą osiągnąć. FDE może pomóc zamknąć lukę techniczną. Ale nie zastąpi strategii. Czy budowanie armii forward deployed engineers to odpowiedź na problem gotowości organizacyjnej, czy raczej plaster na głębszą ranę? I kto za to zapłaci, skoro zaangażowania FDE kosztują krocie?
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Prawie co drugi pracownik w Polsce używa AI za plecami swojego szefa. 71% polskich pracowników oszczędza dzięki AI od pół godziny do ponad dwóch godzin dziennie …
Palantir jako dowód działania modelu
Zanim przejdziemy do OpenAI i Anthropic, warto spojrzeć na dane Palantira. To najlepszy istniejący proof of concept.
W Q1 2026 firma zaraportowała 85% wzrostu przychodów rok do roku. Przychody od rządu USA wzrosły o 84%, a przychody komercyjne w USA o 133%. Palantir podniósł prognozy na cały rok 2026 do 71% wzrostu. Krytycy przez lata twierdzili, że model FDE jest zbyt drogi i nie skaluje się jak SaaS. Liczby odpowiedziały same.
Jest jeszcze jedna cecha tego modelu: lepkość. Gdy zespół FDE spędza miesiące wewnątrz organizacji klienta budując system wpleciony w jej procesy, klient nie zmienia dostawcy rok później. Koszt zmiany to nie anulowanie subskrypcji. To przebudowa całego systemu. Wysoki koszt pozyskania, bardzo wysoka retencja, bardzo duża wartość kontraktu.
OpenAI idzie na całość: The Deployment Company
OpenAI zaczął budować swój team Forward Deployed Engineering pod koniec 2024 roku. 11 maja 2026 roku sformalizował całą strukturę, ogłaszając powołanie „The Deployment Company” – joint venture, w którym OpenAI ma większościowy udział.
Venture zebrało ponad 4 miliardy dolarów od 19 inwestorów. Kotwicą jest TPG, współprowadzącymi partnerami Advent International, Bain Capital i Brookfield Asset Management. Dołączyli Goldman Sachs, SoftBank, Warburg Pincus, BBVA i B Capital. Wśród partnerów założycielskich są też firmy konsultingowe: Bain & Company, Capgemini i McKinsey. Przedsięwzięciem kieruje COO OpenAI, Brad Lightcap.
OpenAI zobowiązało się do 500 milionów dolarów kapitału przy zamknięciu transakcji, z opcją dołożenia do 1 miliarda więcej. Reuters i Financial Times informowały, że inwestorom private equity zagwarantowano 17,5% rocznego zwrotu przez pięć lat. OpenAI nie potwierdziło tej liczby oficjalnie.
Firma przejęła też Tomoro, firmę consultingową specjalizującą się we wdrożeniach AI, zatrudniającą ok. 150 inżynierów z doświadczeniem m.in. u klientów takich jak Tesco, Virgin Atlantic i Supercell.
Konkretne przykłady już istnieją. BBVA we współpracy z OpenAI zbudował system obsługujący 120 000 pracowników w 25 krajach. John Deere, przy pomocy zespołów FDE OpenAI, wdrożył rekomendacje siewu oparte na AI, które pozwoliły rolnikom zmniejszyć zużycie środków chemicznych nawet o 70%.
Anthropic nie czeka: własne joint venture z Blackstone
Cztery dni przed ogłoszeniem OpenAI, 4 maja 2026, Anthropic zapowiedział równoległą inicjatywę. Firma ogłosiła powołanie nowej firmy świadczącej usługi enterprise AI we współpracy z Blackstone, Hellman & Friedman i Goldman Sachs jako partnerami założycielskimi. Dodatkowe finansowanie zapewnili Apollo Global Management, General Atlantic, GIC, Leonard Green i Sequoia Capital. Wycena nowej firmy wynosi 1,5 miliarda dolarów, z początkowym zobowiązaniem 300 milionów dolarów podzielonym między Anthropic, Blackstone i Hellman & Friedman.
Jon Gray, prezes i COO Blackstone, stwierdził, że celem jest przełamanie „one of the most significant bottlenecks to enterprise AI adoption” („jednej z największych barier wdrożeń AI w przedsiębiorstwach”). CFO Anthropic, Krishna Rao, ujął to jeszcze dosadniej: „Enterprise demand for Claude is significantly outpacing any single delivery model” („Popyt enterprise na Claude znacząco przerasta możliwości jakiegokolwiek pojedynczego modelu dystrybucji”).
Marc Nachmann z Goldman Sachs opisał cel jako „democratizing access to forward-deployed engineers” („demokratyzację dostępu do forward deployed engineers”) – szczególnie dla firm z segmentu mid-market.
Model działania nowej firmy Anthropic jest klasycznie FDE-owy. Zaangażowanie może zaczynać się od tego, że zespół inżynierów siada razem z lekarzami i personelem IT, żeby zbudować narzędzia pasujące do istniejących workflow.
Co FDE musi umieć technicznie?
Nie chodzi o umiejętności badawcze. Chodzi o deployment. W ogłoszeniach o pracę OpenAI, Anthropic, Google Cloud i Palantira pojawia się konsekwentnie ten sam zestaw wymagań:
- RAG pipelines: chunking strategy, bazy wektorowe (Pinecone, Weaviate, pgvector), modele embeddingowe, logika rerankingu – cała ta maszyneria musi być skonfigurowana pod konkretne dane klienta
- Frameworki ewaluacji: zestawy testów wykrywające halucynacje, regresje i błędy grounding zanim trafią na produkcję
- Frameworki agentowe: LangGraph, LangChain, CrewAI, DSPy, wieloetapowe łańcuchy wywołań narzędzi
- Observability produkcyjny: logowanie, monitoring, alerty dla opóźnień, zużycia tokenów, współczynnika błędów i dryfu wyników w czasie
- Bezpieczeństwo i compliance: wdrożenia wewnątrz infrastruktury kontrolowanej przez klienta, często on-premise lub w prywatnej chmurze
Pod względem wynagrodzenia: Google Cloud FDE zarabia od 127 do 183 tys. dolarów rocznie plus equity. Mid-level OpenAI FDE w San Francisco to od 220 do 280 tys. dolarów. Do tego wymagane do 50% czasu w podróżach służbowych.
Palantir, OpenAI, Anthropic – konwergencja modelu
To, co obserwujemy w maju 2026, to coś więcej niż dwa ogłoszenia. To strategiczna konwergencja trzech największych firm AI wokół identycznego wniosku: sam model nie wystarczy.
Palantir wymyślił ten model z konieczności, bo jego klienci byli zbyt specyficzni na standardowy produkt. OpenAI wdraża go, bo traci udział rynkowy – według danych Menlo Ventures z połowy 2025 roku OpenAI miało ok. 25% enterprise LLM market share, podczas gdy w 2023 roku kontrolowało ok. 50%. Anthropic buduje równoległą strukturę, bo popyt na Claude przerasta możliwości dostarczenia przez samo API.
Pytanie, które pozostaje otwarte: czy skalowanie modelu FDE przez firmy AI to też nowa forma uzależnienia klienta od konkretnego dostawcy? Im głębiej inżynier wplata model w procesy organizacji, tym trudniej zmienić model. Lepkość działa w obie strony.
