FDE의 가장 큰 위험은 ‘고급 아웃소싱’으로 전락하는 것인데, 이를 어떻게 해결할 수 있을까?

저자: 장펑

FDE 모델의 ‘아웃소싱 함정’과 플라이휠을 통한 돌파구: 자산 축적을 둘러싼 생사 경쟁.

1. FDE의 근본적인 논리는 책임의 전이

AI 기업이 FDE(Forward Deployed Engineer, 전방 배치 엔지니어) 팀을 구성하기로 결정할 때 가장 흔히 듣는 이야기는 “팔란티어(Palantir)를 벤치마킹한다”는 것— —엔지니어를 고객 현장에 직접 투입해 모델 역량을 실제 업무 프로세스에 접목시키는 것이다. 한때 시가총액이 4,000억 달러를 돌파하고 매출총이익률이 80%를 넘었던 팔란티어(Palantir)의 이야기는 수많은 기업을 열광하게 만들었다. 그러나 이것이야말로 가장 위험한 인식의 출발점이다.

대중이 FDE에 대해 갖는 첫 번째 오해는 이를 “한 단계 더 발전된 현장 파견 아웃소싱”과 동일시하는 것이다. 일선 FDE 종사자들의 자기 묘사는 더욱 충격적이다. “중국 FDE는 하청업체의 인력 아웃소싱에 가깝다. 대형 기업이 제품을 판매한 후, 우리가 지저분하고 힘든 일을 처리한다.” 이러한 느낌은 결코 개별 사례가 아니다. 한 실무자는 솔직하게 이렇게 말했다. “솔직히 말해서, 저는 우리 업무가 여전히 수주 측의 인력 아웃소싱과 다를 바 없다고 느낍니다. 판매 전 견적 작성, 판매 계약 체결, 판매 후 납품에 불과하죠. 그저 AI라는 껍데기를 씌운 것일 뿐입니다.”

FDE 모델의 제1원리는 무엇일까요? FDE는 단순한 직책이 아니라, 새로운 결과 책임입니다.그 가치는 ‘인력을 현장에 파견하는’ 행위 자체에 있는 것이 아니라, ‘모델 역량’과 ‘비즈니스 성과’ 사이의 점점 더 넓어지는 격차를 메우는 데 있습니다. MIT의 《The GenAI Divide: State of AI in Business 2025》 보고서에 따르면, 기업들은 생성형 AI 분야에 이미 300억~400억 달러를 투자했으나, 95%의 조직이 측정 가능한 상업적 성과를 얻지 못했습니다. 가트너(Gartner)는 2025년 말까지 최소 30%의 생성형 AI 프로젝트가 개념 증명(PoC) 단계 이후 중단될 것으로 예측했습니다. 문제는 모델의 능력이 아니라, 모델을 실제 비즈니스 프로세스에 접목시켜 결과를 창출해 낼 인재가 부족하다는 점입니다.

FDE의 기본 논리는 ‘책임 전방 배치’입니다. 이는 사전 영업, 구현, 제품 및 고객 성공 역량을 하나의 전방 팀으로 재구성하여, 전달과 학습이 동시에 이루어지도록 합니다. 이 논리에서 벗어나면, FDE는 ‘고급 아웃소싱’의 또 다른 형태로 전락하게 됩니다.

2. FDE의 가장 큰 위험은 고급 아웃소싱으로 전락하는 것이다

FDE가 직면한 ‘아웃소싱화’ 위험은 중국에만 국한된 것이 아니라, 전 세계적인 AI 상용화 물결 속에서 공통적으로 제기되는 문제이다.

전 세계 데이터를 살펴보면, FDE 직종의 폭발적인 증가 자체만으로도 비즈니스 모델이 희석될 위험이 따릅니다. 링크드인이 2026년 1월에 발표한 보고서에 따르면, FDE 신규 채용 인원은 2023년부터 2025년까지 42배나 급증했다. OpenAI는 이를 위해 전담 배포 회사를 설립했고, AWS는 10억 달러를 투자해 수천 명 규모의 “임베디드 AI 엔지니어” 팀을 구성했다. 자본과 인재가 이처럼 빠른 속도로 신흥 분야에 몰려들면, 모델이 희석되고 기준이 낮아지는 것은 어떤 신흥 직업도 피할 수 없는 법칙입니다.

“깊이와 규모의 모순”은 모든 FDE 실무자들이 겪는 공통된 딜레마입니다. 19명의 실무자 인터뷰가 밝힌 바와 같이, “고객에게 더 깊이 파고들수록 가치를 창출할 가능성은 높아지지만, 동시에 개별화된 요구 사항을 더 많이 수용하게 되어 경험이 특정 개인에게만 남게 되고, 다음 고객과는 다시 처음부터 시작해야 한다. 깊이가 없으면 가치도 없고, 깊이만 있으면 규모를 확보할 수 없다.” 이 모순은 국가, 산업 또는 기업 규모에 따라 달라지지 않으며, FDE 모델 고유의 내재적 긴장이다.

a16z의 경고는 보편적인 시사점을 담고 있습니다. a16z AI 애플리케이션 투자 파트너는 실리콘밸리의 AI 스타트업들이 Palantir의 FDE 모델을 앞다퉈 모방하고 있으며, “고도의 맞춤형 서비스를 제공해 고액 계약을 체결하고 있다”고 지적했지만, “Palantir 모델을 맹목적으로 채택할 경우 ‘서비스 함정’에 빠질 수 있다. 즉, 맞춤형 개발이 상품화되지 못해 매출 총이익률이 낮고 규모의 경제를 확보하지 못하게 된다”고 경고했다. 이는 중국 특유의 문제가 아니라, FDE 모델이 전 세계적으로 직면한 공통된 과제다.

이 점을 인식하는 것은 경계를 늦추기 위함이 아니라, “중국 특유의 문제”라는 귀인 착각을 배제하기 위함이다. 문제를 외부 환경 탓으로 돌리면 오히려 모델 자체의 구조적 결함을 가릴 수 있다.

3. 중국 FDE 문제는 더 일찍 발생했고, 플랫폼 지원이 더 취약하다

공통된 법칙 아래, 중국 FDE가 직면한 ‘아웃소싱화’ 위험에는 그만의 독특한 역사적 배경과 구조적 원인이 있다.

첫째, ‘먼저 실행하고 나중에 인증받는’ 성장 경로로 인해 중국 FDE는 자체 플랫폼의 지원이 부족하다. Palantir의 FDE가 높은 매출 총이익률을 유지할 수 있는 이유는 그 뒤에 Foundry 플랫폼이 있기 때문인데, FDE는 현장에서 플랫폼을 기반으로 한 ‘마지막 1km’의 맞춤형 작업을 수행합니다. 반면 중국 기업의 FDE는 대부분 ‘먼저 실행하고 나중에 인정받는’ 방식입니다: 많은 기업이 Palantir를 연구한 뒤 이를 본떠 FDE 팀을 구축한 것이 아니라, AI 프로젝트가 실제로 도입된 후에야 기존 조직의 업무 분담으로는 고객이 원하는 결과를 충족시킬 수 없다는 사실을 깨닫게 됩니다. 영업은 계약 체결을, 프리세일은 솔루션 기획을, 제품은 범용 기능을, 구현팀은 서비스 출시를 담당합니다. 하지만 AI 기능이 출시된 후에도 비즈니스 성과가 나오지 않을 때, 도대체 누가 책임을 져야 할까요? 기존 조직에는 마침 이런 역할을 맡을 사람이 부족했다. 그래서 FDE가 ‘생겨났지만’, 대개는 고립된 존재로 남게 된다. 플랫폼도, 자산 라이브러리도, 수익 환원 메커니즘도 없는 상태다.

둘째, 중국 기업의 고객 기반과 지불 의향은 독특한 ‘아웃소싱화’ 압력을 형성하고 있다. Palantir의 고객은 주로 정부 및 대형 기관으로, 프로젝트 규모가 크고 기간이 길며 예산이 충분하다. 반면 중국 AI 서비스 시장이 직면한 현실은 ‘고객 기반이 취약하고 데이터 및 프로세스가 미비하다’는 점이다. 한 실무자는 전형적인 곤경을 다음과 같이 묘사했다. 수천만 위안 규모의 대형 계약에서, 고객사의 최고 경영자가 계약서에 서명한 후 하급 직원에게 실행을 맡기지만, 하급 직원은 구체적인 요구사항을 제시하지 못하고 “FDE가 직접 찾아보고, 직접 제안하고, 직접 하라”고 한다. 결과적으로 FDE는 방향을 잃은 파리처럼 각 부서를 전전하며 “운에 맡겨” 요구사항을 논의하고, 어쩔 수 없이 7개의 챗봇을 개발했지만 “실제로는 사용할 수가 없었다.” 이러한 환경에서 FDE는 쉽게 “화재 진압대”로 전락하기 쉬우며, 역량을 축적하는 것이 아니라 고객사의 조직적 혼란에 대한 대가를 치르게 된다.

셋째, 급여와 가치 평가의 불일치가 ‘아웃소싱화’ 경향을 심화시켰다. Palantir의 FDE 급여는 업계에서 높은 편에 속합니다. 기초 직급의 연봉 범위는 약 13.5만~20만 달러이며, 시니어 직급은 15.5만~30.7만 달러에 달합니다. 반면 중국 시장에서는 실무자들의 증언에 따르면 아웃소싱 엔지니어의 월급이 약 1만 5천 위안인 것으로 나타났습니다(실무자 19명 인터뷰 기준), 헤이핀(猎聘) 플랫폼 데이터에 따르면 FDE의 평균 연봉은 약 40.8만 위안이다. 이러한 급여 격차 뒤에 숨은 논리는 다음과 같다. 낮은 급여는 진입 장벽이 낮음을 의미하고, 낮은 진입 장벽은 진정한 FDE 역량을 갖추지 못한 사람들이 시장에 대거 유입됨을 의미한다. 업계 관계자가 지적했듯이, “플랫폼의 지원이 없는 FDE는 고급 아웃소싱의 또 다른 변형일 뿐이다”.

중국 FDE의 독특함은 “문제가 더 심각하다”는 데 있는 것이 아니라, 문제가 더 일찍 발생하고, 플랫폼 지원이 더 취약하며, 시장 환경이 더 복잡하다는 점에 있다— —이는 난관을 타개할 전략이 실리콘밸리의 동종 업계보다 더 체계적이어야 함을 요구한다.

4. 자산 축적의 부재가 가장 핵심

FDE가 직면한 수많은 도전 과제—인재 부족, 고객 인식 부족, 조직 내 권한과 책임의 갈등, 기술 적용의 어려움—중 어느 것이 가장 치명적일까?

정답은: 자산 축적 메커니즘의 부재다.

이는 다른 문제들이 중요하지 않아서가 아니라, 다른 문제들은 모두 자산 축적을 통해 점진적으로 해결할 수 있기 때문이다. 인재 부족? 축적된 스킬 라이브러리와 템플릿은 ‘만능 인재’에 대한 의존도를 낮출 수 있습니다. 고객의 인식 부족? 축적된 업계 템플릿을 통해 다음 고객이 ‘무엇을 할 수 있는지’를 더 빨리 이해할 수 있습니다. 조직 내 권한과 책임의 갈등? 축적된 방법론과 평가 세트는 ‘조율’에 소요되는 시간을 단축할 수 있습니다. 자산 축적은 복리 효과를 창출할 수 있는 유일한 수단입니다. 다른 투자는 모두 선형적인 반면, 오직 자산 축적만이 기하급수적인 효과를 가져옵니다.

텐센트 연구원의 보고서는 다음과 같은 간결한 판단 프레임워크를 제시합니다: “ FDE와 전통적인 현장 파견의 본질적인 차이는 프로젝트 종료 후 재사용 가능한 자산으로 축적되는지에 있다. 고객에게 시스템 하나만 남기는 것은 아웃소싱이며, 경험을 가져오지만 재사용할 수 없는 것은 프로젝트 방식이다. 현장 경험을 기술, 템플릿, 테스트 세트 또는 제품 역량으로 전환하는 것이야말로 FDE이다; 축적된 자산이 다음 번 동종 프로젝트의 비용을 현저히 낮출 수 있을 때, 비로소 확장 가능한 FDE라 할 수 있다.”

이 판단은 핵심 접근 방식의 두 가지 차원을 드러냅니다:

첫째, 무엇을 축적할 것인가? ‘프로젝트 문서’를 축적하는 것이 아니라, 기계가 직접 호출할 수 있는 자산—스킬(Skill), 커넥터(시스템 연동 구성 요소), 업계 템플릿(시나리오 기반 구성), 테스트 세트(평가 기준), 워크플로우(Workflow), 온톨로지(Ontology)—을 축적하는 것이다. 선도적인 팀들의 접근 방식은 이미 네 가지 유형의 자산으로 정립되었습니다: 배포 템플릿(원클릭 인프라 코드), 통합 컴포넌트 라이브러리(주류 기업 시스템용 사전 설정 커넥터), 업계 지식베이스, 재사용 가능한 스킬 체계.

둘째, 우선순위는 어떻게 정할까? “온톨로지를 완전히 독자적으로 구축하는 데는 막대한 비용이 소요된다. 보다 현실적인 접근 방식은 먼저 고빈도 스킬과 시스템 커넥터를 축적한 뒤, 단계적으로 업계 템플릿과 지식 기반을 형성하는 것이다.” “고빈도”에서 출발하고 “재사용성”에 초점을 맞추는 것이지, 처음부터 “대일통”을 추구하는 산업 플랫폼을 지향하는 것이 아닙니다.

다섯째, 인력 투입에서 자산 축적으로, 단일 지점 납품에서 플라이휠 폐쇄 루프로

약점을 어떻게 강점으로 전환할까? 위기를 어떻게 기회로 전환할까? 그 해답은 두 가지 핵심 전환에 있다——“인력 투입”에서 “자산 축적”으로, “단일 지점 전달”에서 “플라이휠 폐쇄 루프”로.

전환 1: 겉보기에는 약점처럼 보이는 ‘맞춤형’이라는 특징을 ‘고가치 데이터 수집’이라는 독보적인 강점으로 전환한다.

맞춤형의 본질적인 난제는 ‘완료 후 바로 떠나 재사용이 불가능하다’는 점이다. 하지만 다른 관점에서 보면, 매번의 맞춤형 납품은 고객 비즈니스 현장에 깊이 파고드는 ‘고가치 데이터 수집’의 기회이기도 하다. FDE가 이 과정에서 접하게 되는 비즈니스 로직, 프로세스 규칙, 실패 사례 및 경계 시나리오는 바로 지능형 에이전트를 훈련하고 최적화하는 데 있어 가장 희소한 ‘실제 세계 데이터’이다. 문제는 “맞춤형” 그 자체가 아니라, 맞춤화를 통해 생성된 지식이 포착되고, 구조화되며, 기계가 실행할 수 있는 능력으로 코딩되었는지에 있다.

국타이하이퉁의 리서치 보고서는 다음과 같은 명확한 전환 모델을 제시했다: FDE가 고객 현장에 투입되어 고부가가치 업무 지식을 확보 → Harness(에이전트 런타임 플랫폼)가 지식을 에이전트가 실행 가능한 능력으로 코딩 → 생산 운영 과정에서 실제 작업 및 실패 데이터 생성 → FDE가 이를 재해석하고 추상화하여 피드백 → Harness와 플랫폼의 지속적인 반복 개선 → 다음 고객사 배포 시 더 빠르고 비용 절감. 이 순환 구조의 핵심은 다음과 같습니다: 매번의 “맞춤형 개발”이 더 이상 일회성 비용이 아니라, 다음 번 “재사용”을 위한 투자라는 점입니다.

전환 2: “현장 압박”이라는 겉보기에는 수동적인 상황을 “플라이휠 가동”의 첫 번째 추진력으로 전환한다.

FDE가 겪는 현장 압박은 고객의 결과에 대한 엄격한 요구, 진행 상황에 대한 불안, 불확실성에 대한 거부감에서 비롯됩니다. 하지만 이러한 압박은 오히려 자산 축적을 이끄는 가장 강력한 원동력입니다. 축적된 자산만이 다음 번 프로젝트 수행 시 시간을 절약하고, 위험을 줄이며, 확실성을 높일 수 있기 때문입니다.

사이정보의 실천 사례가 이를 입증합니다: 사이정보의 공식 발표에 따르면, 해당 기업의 FDE 체계는 이미 10여 개의 대형 그룹 기업에서 검증을 마쳤으며, 납기 주기를 최대 36% 단축하고 인력 투입을 평균 16% 이상 줄였습니다. 핵심적인 차이점은 “매번 현장에서 공동 창조한 결과를 플랫폼에 환원함으로써, 유사 프로젝트가 점차 맞춤형 납품에서 역량 재사용으로 전환되도록 했다”는 점입니다. 차이슝 주식회사는 증권 보도에 따르면 “현장delivery—역량 축적—프로젝트 간 재사용”이라는 선순환을 실현했으며, 2026년 상반기 프로젝트 병렬delivery 건수는 최대 430건에 달했습니다.

구체적인 전략은 세 가지입니다:

전략 1: “정착 우선”이라는 납품 규율을 확립한다. 각 프로젝트 종료 전, 반드시 다음 세 가지 질문에 답해야 한다: 이번 프로젝트에서 어떤 스킬을 축적했는가? 어떤 커넥터를 업데이트했는가? 어떤 템플릿을 개선했는가? 자산이 산출되지 않은 프로젝트는 완료된 것으로 간주하지 않습니다.

전략 2: “현장 → 플랫폼 → 현장”의 피드백 순환 고리 구축. FDE의 업무 순환 고리에서 피드백 고리는 반드시 후방의 제품 연구개발 팀과 직접 연결되어야 합니다. 고객 현장의 문제, 데이터 및 요구 사항을 플랫폼으로 전달함으로써, 일회성 맞춤형 제공이 결국 재사용 가능한 플랫폼 역량으로 정립되도록 해야 합니다. FDE는 “현장에서 형성된 역량을 후방 팀에 지속적으로 기여하여, 한 고객 현장에서 드러난 문제를 다음 번에 계속 사용할 수 있는 자산으로 전환”해야 합니다 .

전략 3: “인력 복제” 대신 “역량 복제” 활용 . FDE의 진정한 규모 확대는 인력을 지속적으로 늘리는 데 있는 것이 아니라, 현장 경험을 스킬, 커넥터, 산업별 템플릿 및 플랫폼 역량으로 축적하여 고객사당 인력 투입을 지속적으로 줄이는 데 있다. 다음 단계의 경쟁 차원은 “더 이상 모델 자체의 성능 경쟁에 국한되지 않고, 기업이 더 낮은 한계 비용으로 FDE 실무 경험을 축적하고 복제할 수 있는지 여부를 동시에 반영하게 될 것”이다.

6. 전환, 플라이휠 및 미래

FDE 모델의 본질을 되돌아보면, 세 가지 보편적인 원칙을 도출할 수 있습니다:

첫째, FDE는 ‘주재’가 아니라 ‘전환’이다.. 주재는 단지 수단일 뿐, 전환이야말로 목적이다——고객의 비즈니스 지식을 재사용 가능한 기계 능력으로 전환하는 것이다. 한 관찰자가 말했듯이, “FDE의 가장 핵심적인 능력은 현실 세계를 AI가 이해할 수 있는 구조로 추상화하는 것”입니다. 이 점을 달성하지 못한다면, 아무리 많은 인력을 투입하더라도 그것은 단지 ‘고급 아웃소싱’의 또 다른 형태일 뿐입니다.

둘째, 전환 플라이휠이 없는 FDE에는 미래가 없다. 플라이휠의 핵심은 ‘빠르게 회전하는 것’이 아니라 ‘회전할수록 힘이 덜 드는 것’이다. 매번 현장에서의 결과물 전달은 다음 번 전달을 더 수월하게 만들어야 합니다. 이는 사람의 숙련도 향상 때문이 아니라, 자산의 축적과 플랫폼의 지능화 덕분이어야 합니다. “일할수록 더 지치는” FDE 팀은 노력 부족 때문이 아니라, 자산 축적과 피드백 순환 메커니즘을 구축하지 못했기 때문입니다.

셋째, 중국 FDE의 가장 큰 기회는 바로 가장 큰 위험 속에 숨어 있습니다. ‘아웃소싱화’ 위험이 두드러지는 이유는 중국 기업의 AI 수요가 충분히 크고, 적용 시나리오가 충분히 많으며, 데이터가 충분히 풍부하기 때문이다. 이 모든 것이 바로 훈련 플라이휠에 있어 가장 귀중한 ‘연료’이다. 핵심은 “현장→생태계→현장”의 재순환 메커니즘을 구축하여, 매번의 “힘들고 지루한 작업”을 다음 번 “수월한 작업”의 자본으로 전환할 수 있느냐에 달려 있습니다.

산업정보화부는 2026년 9월 《인공지능 응용 서비스 제공업체 육성 특별 조치 시행에 관한 통지》(공신청과함〔2026〕414호)를 발표하며, “서비스 제공업체가 현장 배치 엔지니어(FDE) 팀을 구성하여 사용자 현장에 뿌리를 내리고 시나리오 구현을 보장하도록 장려한다”고 명확히 밝혔다. 채용 사이트 데이터에 따르면, FDE 관련 신규 채용 공고 건수는 8월 한 달 동안만으로도 2026년 상반기 총합을 넘어섰다. 이러한 열풍 속에서 가장 경계해야 할 점은 “FDE를 할 것인가 말 것인가”가 아니라, “FDE를 수행하고도 그 성과를 축적하는 것을 잊는 것”이다.

FDE의 최종 목표는 방대한 현장 상주 팀이 아니라, 사용할수록 더욱 강력해지는 지능형 자산 체계입니다. 사람은 유동적일 수 있지만, 자산은 반드시 남아야 한다. 프로젝트는 일시적일 수 있지만, 역량은 지속되어야 한다. 이것이야말로 FDE가 ‘고가의 아웃소싱’에서 ‘가치 플라이휠’로 나아가는 유일한 길이다.