ai4sdlc, архитектура и технический менеджмент

FDE: платформа вместо заказной разработки (Рубрика #AI4SDLC) Посмотрел 18-минутное выступление Kevin Bai «Forward Deployed Engineering 101», что продолжает тему FDE. В прошлом разборе меня интересовало, что такой инженер делает руками; здесь - зачем он вообще нужен бизнесу и как не превратить внедрение в дорогую заказную разработку. Сейчас Kevin - в команде Applied AI компании Anthropic; раньше он строил FDE-команду в Rippling и работал в Palantir. Поэтому модель он объясняет не как модную роль, а как способ продавать сложную платформу. Рамка простая: FDE нужен, когда компания продает технически сложную систему нетехническому покупателю. CTO и разработчики обычно осваивают платформу сами; Jira или Slack нетехнической команде достаточно настроить. Трудный квадрат - платформа, поверх которой нужно строить, и клиент без собственной инженерной глубины. Одной лицензии мало. FDE - разработчик, которому можно доверить разговор с клиентом. Он разбирается в реальном процессе и собирает решение поверх платформы. Клиент покупает не коробку и не часы разработчика, а работающий результат. Но есть важная граница. Если каждый FDE пишет для клиента отдельную систему с нуля, это уже студия заказной разработки, а экономика утонет в сопровождении. Нужны общие строительные блоки: уникальное остается у клиента, повторяемое возвращается в платформу. Тогда внедрение становится и каналом продуктовой разведки. AI удешевляет сборку, но не отменяет это правило. По гипотезе Kevin, агентные платформы проще адаптировать, поэтому FDE-модель может понадобиться большему числу компаний. Я бы добавил: дешевый код повышает риск наплодить одноразовых решений. Чем быстрее реализация, тем важнее архитектурная дисциплина. Для меня вывод - перед наймом FDE нужны два ответа. Мы действительно продаем сложную систему нетехническому покупателю? И есть ли платформа, на которой решения можно собирать повторно? Если нет второго, модное название роли лишь замаскирует заказную разработку внутри продуктовой компании. #AI #AI4SDLC #Engineering #Architecture #Product #Management