Pessoal, apareceu uma vaga no meu feed que me travou.
"Forward Deployed Engineer". FDE. Eu não sabia o que era. Achei que fosse buzzword de consultoria, tipo Solutions Architect com nome diferente.
Aí fui pesquisar. E encontrei uma frase que mudou minha leitura:
"Se você não consegue apontar código que você shipou que roda em produção no cliente, você está descrevendo um SA, não um FDE."
Essa distinção é o ponto. FDE não é cargo de slide. É cargo de código. Mas código que roda na infra do cliente, com os dados do cliente, resolvendo o problema do cliente.
Este post é o que eu juntei de ~10 fontes, incluindo um FDE real que escreveu sobre o dia-a-dia dele. Não sou FDE. Mas achei relevante o suficiente pra dividir aqui — e deixei as referências no final pra quem quiser ir mais fundo.
Tabela de Conteúdo
- 1. O que é FDE, direto ao ponto
- 2. O dia-a-dia real (de quem vive isso)
- 3. Skills por tema, não por stack
- 4. A conta que muda: FDE vs SWE
- 5. Quem contrata e pra onde leva
- 6. O que a entrevista testa (e onde engenheiros fortes falham)
- 7. Três perguntas antes de considerar FDE
- 8. O que eu não sei (e quero saber)
- Referências
1. O que é FDE, direto ao ponto
FDE é o engenheiro que vai até o cliente fazer o produto funcionar no cenário real.
A Palantir criou o papel em 2009 porque o Foundry não funcionava só com documentação. Cada cliente tinha schema diferente, integração diferente, caso de uso diferente. Alguém precisava estar lá, com acesso ao ambiente de produção, escrevendo código.
Hoje o cargo explodiu. Uma análise de ~1000 vagas em 2025-2026 mostrou crescimento de 5x ano a ano. NY ultrapassou SF como maior mercado. Salário mediano: $174K, 70% com equity, zero quota de vendas.
Esse último dado é importante: FDE é track de engenharia, não comercial.
2. O dia-a-dia real (de quem vive isso)
Het Trivedi, FDE na Baseten (startup de inferência de modelos), publicou um breakdown honesto do papel. A divisão de tempo dele:
| Atividade | % do tempo |
|---|---|
| Performance de modelo | 60% |
| Engenharia de software | 20% |
| Vendas (pré-sales) | 10% |
| Suporte ao cliente | 10% |
O trabalho dele segue três fases:
Fase 1: Perguntas técnicas de alto nível. Clientes perguntam coisas como "como faço cache de pesos do modelo pra cold start mais rápido?" ou "qual a melhor forma de lidar com requests concorrentes?". O FDE vira advisor técnico.
Fase 2: Construir e otimizar. Pegar o modelo, adaptar pro caso de uso do cliente, otimizar latência/throughput. Usar TensorRT, batching, o que for necessário. É a parte que ele mais gosta.
Fase 3: Provar performance e fechar. Benchmark lado a lado com o cliente. Se funciona e o preço fecha, deal fechado. Aí transição pra suporte.
A frase dele que ficou:
"Fechar deal é uma das melhores sensações. É uma forma muito tangível de ver o impacto que você tem na empresa."
Mas ele também é honesto sobre o outro lado:
"Se você perde um deal, esse L fica no seu registro. Todo mundo é educado demais pra dizer 'você estragou', mas é difícil tirar da cabeça que você podia ter feito melhor."
3. Skills por tema, não por stack
Stack muda conforme a empresa. Palantir usa Java/Scala, OpenAI usa Python, Retool usa TypeScript. Mas os temas que um FDE precisa dominar são os mesmos.
Hard skills
| Tema | Por quê |
|---|---|
| Modelagem de dados | Cliente tem schema caótico. Você vai mapear, transformar, normalizar |
| Debugging em ambiente hostil | Não tem staging, não tem acesso root, problema aparece ao vivo |
| Performance e otimização | Latência, throughput, cold start. O cliente mede e cobra |
| Infra básica multi-cloud | Cliente pode estar em AWS, GCP, Azure, on-prem, ou híbrido |
| Automação de deploy | Reduzir fricção de setup e rollout em ambiente que você não controla |
Soft skills
| Tema | Por quê |
|---|---|
| Conforto com ambiguidade | Requisito muda toda semana. Escopo vive |
| Ownership de ponta a ponta | Não existe "isso é do suporte" |
| Autonomia em campo | Você trabalha sozinho ou em dupla, longe do time de produto |
| Negociação técnica | Convencer o cliente que a solução A é melhor que a B |
| Gestão de expectativa | O delay de 3 semanas. Como comunicar sem perder a confiança |
A Salesforce descreveu FDE como "tech guru + business consultant + hand-holder, tudo em uma pessoa". Não é exagero.
4. A conta que muda: FDE vs SWE
| SWE | FDE | |
|---|---|---|
| Onde você trabalha | Mesmo ambiente, infra controlada | Ambiente do cliente, infra que você não controla |
| O que você entrega | Feature do produto | Feature + integração + rollout + treinamento |
| Como você é medido | Código, velocity, incidents | Adoção do cliente, receita, expansão |
| Feedback loop | Sprint review | Demo ao vivo, às vezes no dia seguinte |
| Contexto | Um projeto por vez (idealmente) | Múltiplos POCs simultâneos + suporte |
| Viagem | Pouca ou nenhuma | Alta (50-75% em alguns casos) |
A parte que pega: context switching constante. Het Trivedi de novo:
"Não é como trabalho de software normal onde você pode focar num projeto. Como FDE, você está jonglando múltiplos POCs enquanto apaga incêndios de suporte. É fácil se perder em rabbit holes técnicos."
Se você é do tipo que precisa de foco profundo em uma coisa só, FDE vai ser difícil.
5. Quem contrata e pra onde leva
Empresas que contratam FDE
O padrão: produto técnico + clientes enterprise + necessidade de customização ou integração profunda.
| Empresa | Contexto |
|---|---|
| Palantir | Criou o papel. FDE é parte central da operação |
| OpenAI | Deployment de modelos em clientes estratégicos |
| Databricks | Plataforma de dados. Clientes enterprise precisam de customização |
| Scale AI | Dados pra ML. Trabalho próximo ao cliente pra garantir qualidade |
| Anthropic | Applied AI Engineer (mesmo papel, nome diferente) |
| Retool | Low-code interno. FDE ajuda cliente a montar as primeiras apps |
| Plaid | Fintech de conexão bancária. Integrações complexas com bancos |
| Google Cloud | FDE pra Generative AI em enterprise |
| Anduril | Defesa. Engenheiros no campo com clientes militares |
| Stripe | Em contas enterprise, engenheiros dedicados |
| Deloitte | Consultoria adotando o modelo FDE pra AI |
Caminho de carreira
FDE não é beco sem saída. Os caminhos mais comuns:
- Lead FDE → Head of FDE: Gerenciar time de FDEs, definir playbooks
- Solutions Architect: Menos código, mais design de alto nível
- Product Manager: Você já conhece o cliente melhor que ninguém
- GTM Engineering / Sales Engineering: Mais perto de vendas, menos de delivery
- Voltar pra SWE: Com contexto de cliente que poucos SWEs têm
6. O que a entrevista testa (e onde engenheiros fortes falham)
A Palantir criou uma rodada chamada "decomposition" que virou padrão no mercado. Você recebe um problema vago, real, sem spec limpo. 45-60 minutos. Não tem resposta certa.
O que eles avaliam
- Você clarifica o objetivo antes de propor solução?
- Você nomeia suas premissas em voz alta?
- Você sequencia o trabalho por risco, não por facilidade?
Essa rodada tem a menor taxa de aprovação (~40%) e o maior peso (~30%) do processo inteiro.
Por que engenheiros fortes falham
"A maioria dos candidatos over-indexa em prep algorítmica e pula isso completamente. O modo de falha é pular direto pra proposta técnica no minuto um."
Se você treinou só LeetCode, vai sofrer aqui.
Exemplo de prompt real
"Uma empresa de logística quer um agente que redireciona entregas usando dados do SAP, feeds de clima em tempo real, e input de 500 gerentes de armazém em sistemas diferentes. Você tem uma hora."
O que separa pass de fail: nomear um modo de falha antes de ser perguntado. Tipo: "isso quebra se o input dos gerentes tiver mais de um dia de atraso".
Coding round diferente
Menos LeetCode, mais engenharia realista:
- Parsear CSV com quoting inconsistente
- Rate limiter com limite por usuário e global
- Retry com exponential backoff e jitter pra API instável
- Pipeline de RAG simples e defender a escolha de chunking
A regra: narrar continuamente. Silêncio é lido como travado, mesmo quando não está.
7. Três perguntas antes de considerar FDE
1. Você prefere impacto visível e rápido ou construir sistema de longo prazo?
FDE fecha deal e vê o cliente usando na semana seguinte. Mas você não vai ficar 2 anos evoluindo a mesma arquitetura.
2. Você lida bem com ambiguidade e context switching?
Requisito muda. Múltiplos clientes ao mesmo tempo. Se isso te estressa, FDE vai ser difícil.
3. A medida de sucesso é o cliente, não o código. Você aceita isso?
Código bom que o cliente não usa é fail. Código que resolve o problema do cliente é win. Se sua identidade está muito ligada a craft técnico puro, pode ser frustrante.
8. O que eu não sei (e quero saber)
Achei pouca coisa sobre FDE fora de empresa gringa. Databricks, Palantir, OpenAI, Google Cloud, Scale AI. Tudo lá fora.
Será que existe esse papel em empresa BR? Startup brasileira contrata assim, ou é sempre "engenheiro fullstack que também faz integração"? Alguma consultoria nacional usa o modelo?
Se você trabalha como FDE, já considerou, ou conhece alguém que faz isso: quero ouvir. O post foi o que eu consegui juntar de fora. A visão de dentro ainda tá faltando. 🤝
Referências
Material que usei pra montar este post. Se quiser ir mais fundo:
What I Learned As A Forward Deployed Engineer Working At An AI Startup — Het Trivedi (FDE na Baseten). Breakdown real do dia-a-dia.
Cracking the Forward Deployed AI Engineer Interview — AI Engineering Insider. Dados de mercado: ~1000 vagas, $174K mediana, 70% equity.
What is a Forward Deployed Engineer? — Pragmatic Engineer. Definição canônica, Palantir como origem.
Forward Deployed Engineer vs Software Engineer — Exponent. Comparação estruturada.
Palantir FDE Interview Guide — Exponent. Decomposition round, taxas de aprovação.
Forward Deployed Engineering: Delivering Business Outcomes with AI — Databricks. FDE em contexto de AI/ML.
5 Skills for This New Role — Salesforce. "Tech guru + business consultant + hand-holder".
Top comments (0)