El puesto que más rápido crece en inteligencia artificial no se ejerce desde la oficina de la empresa que te paga. Se ejerce sentado en la oficina del cliente, montando el sistema con su gente y sus datos. TechCrunch lo reportó en julio y el New York Times volvió sobre ello el 30 de agosto: el forward deployed engineer se ha convertido en la obsesión de contratación del sector.
Puntos clave
- El forward deployed engineer trabaja dentro de la organización del cliente para construir, implantar y desplegar el software o los modelos. Parte ingeniero, parte arquitecto de soluciones, parte consultor.
- Palantir inventó la figura hace años. Ahora la copian OpenAI y Anthropic, y las consultoras grandes dicen que necesitan multiplicar por diez su plantilla de ese perfil.
- Jeff Christian, cazatalentos, calcula unos 2.000 ingenieros en Estados Unidos con la experiencia real para entregar retorno. Su frase exacta: "no 2.000 disponibles, 2.000 en total".
- Bajo la etiqueta operan hoy unos 17.000 perfiles en el mercado estadounidense, así que la mayoría no cumple ese listón.
- A principios de 2026 entre el 5% y el 10% de las empresas planeaba contratar uno. A mitad de año era el 70%.
Qué hace exactamente esta persona
No es un comercial técnico ni alguien que da formación y se va. Es un ingeniero que se instala en el cliente durante semanas o meses, entiende cómo trabaja ese negocio de verdad, y construye ahí dentro lo que haga falta para que la IA produzca algo medible.
La diferencia con la consultoría clásica está en el entregable. La consultoría entrega un diagnóstico y un plan. Esta figura entrega software funcionando conectado a los sistemas que ya tenía la empresa.
Chris Taylor, CEO de Ode with Anthropic, marca la línea donde de verdad se separa el grano de la paja: "muchos forward deployed engineers están bien preparados para ayudarte a desplegar Claude Code en tu plantilla. Muy pocos son capaces de construir la funcionalidad estrella de tu producto de IA".
Esa frase vale como criterio de contratación. Poner una herramienta a disposición de trescientas personas y que la usen es un trabajo. Construir con IA algo que antes no existía en el producto es otro, y el mercado paga por el segundo creyendo que compra el primero.
De dónde sale la escasez
Los números de Christian explican por qué las ofertas se han disparado sin que se cubran.
Diecisiete mil personas llevan hoy ese título. Dos mil tienen la experiencia para que el proyecto acabe en retorno. La diferencia entre las dos cifras es todo el problema del sector metido en una resta.
Y la razón es que el perfil exige tres cosas que casi nunca vienen juntas. Hay que saber programar de verdad, no montar prototipos. Hay que entender un negocio ajeno lo bastante rápido como para saber qué proceso merece automatizarse y cuál no. Y hay que aguantar sentado delante de un director de operaciones que no quiere estar en esa reunión.
La mayoría de ingenieros buenos falla en la segunda o en la tercera. La mayoría de consultores buenos falla en la primera.
El movimiento de OpenAI y Anthropic dice algo
Que los dos laboratorios que fabrican los modelos estén contratando gente para ir físicamente a casa del cliente es la señal más honesta que ha dado el sector este año.
Si el modelo se vendiera solo, no harías eso. Enviarías la documentación, cobrarías por token y te dedicarías a entrenar el siguiente. Montar un equipo que viaja, se sienta con el cliente y construye a medida es caro, no escala y ensucia los márgenes.
Lo hacen porque el modelo por sí solo no produce retorno. La distancia entre "tenemos acceso a un modelo de frontera" y "esto nos ahorra dinero de verdad" se recorre con trabajo de fontanería sobre los datos y los procesos de cada empresa, y ese trabajo no lo hace el modelo.
Es la misma conclusión a la que llegan las empresas que se dejan millones en proyectos de IA que no mueven la aguja. El cuello de botella nunca fue la capacidad del modelo.
Qué hacer con esto si diriges una empresa
Dos lecturas prácticas, según de qué lado estés.
Si vas a contratar a alguien así, la pregunta de la entrevista no es qué modelos conoce. Es que te enseñe algo que construyó dentro de una empresa que no era la suya, con qué datos, contra qué sistema y qué número movió. Si la respuesta va de pilotos y pruebas de concepto, estás delante de los 17.000, no de los 2.000.
Si eres ingeniero y te lo estás planteando, la parte que te falta casi seguro no es técnica. Es la de entrar en un negocio ajeno, entender en dos semanas dónde está el dinero y ser capaz de decirle a un directivo que su idea favorita no va a funcionar. Se aprende, pero se aprende en la oficina del cliente.
Y hay una tercera lectura, para el que dirige. Que este puesto exista y se pague así significa que la implantación es el trabajo, y que el software es la parte fácil. Cualquier presupuesto de IA que ponga el 90% en licencias y el 10% en la gente que lo va a montar dentro está mal repartido.
Fuente original: TechCrunch
Relacionado
