Tienes un piloto de IA que funciona en una demo y se atasca antes de producción. El modelo responde bien, el equipo cree en la idea, y aun así el sistema no llega a manos de los usuarios reales. Ese es el momento en el que aparece el Forward Deployed Engineer. No es un rol para arrancar el prototipo. Es el rol para cerrar el tramo final, el que integra la solución con tus sistemas y la deja operando de verdad. Ese es su territorio.
La duda que trae aquí a la mayoría de los responsables técnicos no es qué hace un FDE. Es cómo se incorpora uno a un proyecto concreto sin equivocarse en el modelo: si va en plantilla o por proyecto, qué hay que preparar antes de que empiece y cómo saber si el perfil que tienes delante sabe desplegar de verdad o solo lo cuenta bien.
TL;DR. Para incorporar un Forward Deployed Engineer a un proyecto de IA (el rol de ingeniería que integra la solución en tu entorno, no Full Disk Encryption), decide primero el modelo: en plantilla si la necesidad es continua, por proyecto si lo que tienes es un pico de implantación con final. Luego acota el encargo sobre un caso de uso real y accesos a datos, y evalúa despliegues acreditados, no currículum.
¿Es un Forward Deployed Engineer lo que necesita tu proyecto?
Forward Deployed Engineer, no Full Disk Encryption. Las siglas coinciden y conviene despejarlo antes de seguir. Aquí hablamos del rol de ingeniería: un perfil senior que se integra en el equipo del cliente para llevar una solución de IA de prototipo a producción, hablando a la vez con la máquina y con negocio. La definición completa del rol, su origen y sus funciones están en la guía de qué es un Forward Deployed Engineer.
No es lo que buscas si tu problema es entrenar un modelo desde cero, montar el data lake o mantener una plataforma de forma indefinida. Para eso hay otros perfiles. El FDE brilla en un caso muy concreto: cuando la tecnología ya existe y lo que falla es el aterrizaje en tu operación. Si tu piloto pasó la prueba pero no pasa a producción, ese hueco es exactamente el suyo.
¿Cuándo necesita una empresa incorporar un Forward Deployed Engineer?
Cuando el proyecto de IA se queda en el 25%. BCG calculó en enero de 2025 que el 75% de las empresas había probado IA y solo el 25% había visto resultados reales. Ese hueco entre probar y llegar a producción tiene nombre, implementation gap, y tiene una figura que lo cierra. El FDE es el last mile of AI: el tramo donde la integración con tus sistemas, tus datos y tu gente decide si el piloto se convierte en algo que se usa o se queda en una diapositiva.
La demanda ya no es teórica en España. Según el análisis de mercado de Shakers, en agosto de 2026 había 96 ofertas de Forward Deployed Engineer y roles equivalentes en el mercado español, repartidas entre 50 empresas (n=96). Un 50% más que en julio, cuando eran 64 ofertas en 35 empresas. Y no es solo Silicon Valley: la lista va desde nativas de IA como OpenAI, n8n o Parloa hasta integradores y consultoras como Kyndryl, Accenture, Salesforce o BCG X. Hay demanda enterprise local, no solo de startups. Que un integrador global como Kyndryl y una nativa de IA como n8n busquen el mismo perfil casi al mismo tiempo dice bastante sobre el momento del rol: ha dejado de ser una rareza de laboratorio para convertirse en una pieza que las empresas necesitan cuando quieren que un proyecto de IA deje de quedarse a medio camino.
¿En plantilla o por proyecto? Los dos modelos de incorporación
La respuesta corta: depende de si tu necesidad tiene final. Un FDE resuelve un despliegue concreto con un pico de trabajo y un cierre. Si eso describe tu caso, el modelo por proyecto encaja mejor que una plaza fija que se queda sin función cuando el sistema ya está operativo. Si en cambio prevés una carga continua de nuevos despliegues durante años, la plantilla tiene sentido. La mayoría de los proyectos de IA que se atascan son del primer tipo, no del segundo.
Aquí está el contraste, sin adornos:
| Dimensión | En plantilla | Por proyecto |
|---|---|---|
| Cuándo encaja | Roadmap de IA largo y carga continua | Pico de implantación con entregable y final |
| Tiempo hasta empezar | Semanas o meses de selección | Días, si hay acceso a talento ya certificado |
| Coste | Salario fijo más estructura, y banco si baja la carga | Tarifa por proyecto, sin coste entre encargos |
| Riesgo principal | Perfil escaso, caro de atraer y de retener | Que el proveedor no verifique de verdad la capacidad |
| Transferencia | Se queda en casa por defecto | Hay que exigirla dentro del alcance |
El riesgo del modelo por proyecto no es la temporalidad. Es la certificación. Un experto externo entra en tu entorno de producción, así que la pregunta no es si el contrato es fijo o no, sino si hay constancia de que esa persona ya ha llevado una integración parecida hasta el final. Ahí es donde una infraestructura de contratación en la era de la IA cambia las reglas frente a un listado de perfiles: certifica la capacidad de ejecución antes de ponerte a nadie delante.
¿Cómo acotar el encargo de un Forward Deployed Engineer?
Un FDE rinde en proporción a lo bien definido que esté el encargo. No lo pongas a descubrir tu problema. Llega con el problema acotado y con los accesos listos, y el pico de implantación se acorta. Llega con un objetivo difuso y sin datos a mano, y las primeras semanas se van en algo que deberías haber cerrado tú antes.
Qué tener listo antes de que empiece
- Un caso de uso concreto y medible, no "queremos IA en la empresa".
- Acceso a los datos reales y a los sistemas con los que hay que integrar.
- Un interlocutor de negocio que valide qué es un buen resultado.
- Claridad sobre el legacy: qué se puede tocar y qué no.
- La transferencia escrita en el alcance, para que la capacidad se quede en casa.
La duración típica va de unas semanas a unos pocos meses. El encargo se cierra cuando el sistema está en producción con datos reales, documentado, y el equipo interno puede operarlo sin el experto. Ese último punto es el que más se olvida y el que más valor deja: un despliegue sin transferencia te deja atado al proveedor.
¿Qué evaluar en un Forward Deployed Engineer?
Despliegues acreditados por encima de la lista de tecnologías. La base técnica se da por supuesta. Según el análisis de mercado de Shakers sobre esas ofertas, el stack que más se repite es corto y claro:
- Python, en la mayoría de las ofertas.
- TypeScript y trabajo con APIs de LLM.
- Despliegue en cloud, sobre todo AWS y Azure.
Eso es el suelo, no el diferencial. Lo que separa a un FDE que cierra proyectos de uno que se queda a medias es la evidencia de haber llevado una integración a producción con un cliente detrás, y la capacidad de sentarse con negocio sin traducir a medias.
Por eso la evaluación seria no mira el currículum, mira la prueba. El detalle del stack exigible está en la guía de skills y stack de un Forward Deployed Engineer, y el proceso de certificación y matching, desde el lado de quién incorpora, en la página de Forward Deployed Engineer de Shakers. La regla es simple: talento certificado en skills IA, no perfil autodeclarado.
¿Cuánto cuesta y cómo empezar?
Como referencia de banda, la mediana de compensación total de un Software Engineer en España ronda los 63.455 euros anuales (análisis de Shakers sobre datos de Levels.fyi, n=1575, julio de 2026). Es una referencia de mercado, no una tarifa cerrada de FDE: el perfil se paga en el tramo alto de esa banda por su componente de trato directo con el cliente. Para el modelo por proyecto, el desglose de tarifa diaria por seniority está en el análisis de salario de un Forward Deployed Engineer en España.
Empezar bien pasa por acotar el encargo con los cinco puntos de arriba y por trabajar con talento cuya capacidad de ejecución ya está certificada, para no pagar el aprendizaje del proveedor. Si tienes un piloto de IA parado y quieres ver cómo se activa un FDE sobre tu caso, puedes hablar con un experto de Shakers y recibir una propuesta ajustada a tu proyecto.
Preguntas frecuentes sobre incorporar un Forward Deployed Engineer
- ¿Conviene incorporar un FDE en plantilla o por proyecto?
Depende de si la necesidad tiene final. Un despliegue de IA concreto, con un pico de trabajo y un cierre, encaja con el modelo por proyecto, que además empieza en días si el talento está certificado. La plantilla tiene sentido cuando prevés una carga continua de nuevos despliegues durante años. La mayoría de los pilotos atascados son del primer tipo.
- ¿Qué necesito tener listo antes de incorporar un FDE?
Un caso de uso medible, acceso a los datos reales y a los sistemas con los que hay que integrar, un interlocutor de negocio que valide el resultado y claridad sobre qué parte del legacy se puede tocar. Cuanto más acotado llegue el encargo, más corto es el pico de implantación y menos tiempo se pierde en descubrir lo que deberías haber cerrado antes.
- ¿Cuánto dura un encargo típico de un FDE?
De unas semanas a unos pocos meses. El encargo se cierra cuando el sistema está en producción con datos reales, documentado, y el equipo interno puede operarlo sin el experto. No es soporte indefinido. La transferencia de conocimiento forma parte del entregable, y conviene dejarla escrita en el alcance para que la capacidad se quede dentro de casa.
- ¿Necesito un FDE, un machine learning engineer o una consultora?
Un machine learning engineer construye o entrena el modelo. Una consultora te coloca perfiles y se queda un margen del precio. Un Forward Deployed Engineer se ocupa del tramo intermedio que suele fallar: integrar una solución que ya existe en tu operación real y dejarla funcionando. Si tu problema es el aterrizaje en producción y no el modelo en sí, el perfil que buscas es el FDE.
- ¿Qué pasa cuando el FDE termina el proyecto?
Se retira dejando el sistema operativo, documentado y en manos del equipo interno. Ese es el diseño del rol: capacidad instalada, no dependencia. Si el alcance incluyó la transferencia y las evaluaciones del sistema, tu gente puede mantener y medir la solución sin el experto. Un despliegue que te deja atado al proveedor está mal planteado desde el principio.
Incorporar un Forward Deployed Engineer no es sumar una persona más al equipo. Es cerrar el tramo que separa un piloto de IA de un sistema en uso. La decisión de fondo no es tanto plantilla o proyecto, sino asegurar que quien entra en tu producción ha demostrado que sabe rematar ese último kilómetro. Ahí es donde el mercado se mueve de contratar puestos a activar skills: from roles to skills + agents, con capacidad de ejecución certificada en lugar de promesas de currículum.