Muchas empresas ya tienen licencias de ChatGPT, han hecho algunos talleres y tienen un piloto que quedó bien en la presentación. Aun así, el trabajo diario de los equipos de negocio apenas ha cambiado. Ahí es justo donde entra el Forward Deployed Engineer: alguien que no solo asesora ni solo entrega código, sino que se queda con el cliente hasta que la IA se encarga de una tarea real de forma fiable.
El término viene de empresas de software que envían ingenieros “al frente”, junto al cliente, en lugar de limitarse a entregar un producto. Un FDE entiende el negocio del cliente, construye la solución él mismo con las herramientas y los datos que ya existen, y la acompaña hasta que funciona en producción. En el contexto de la IA, eso significa: entender un proceso de negocio, elegir una tarea adecuada, construir un agente de IA o “empleado de IA” para ella, ponerle controles y entregárselo al equipo.
¿En qué se diferencia un FDE de un consultor, un solutions engineer o un ingeniero de software?
Un consultor analiza y recomienda, y la implementación suele quedar en manos de otros. Un solutions engineer normalmente apoya a ventas: hace demos y resuelve dudas técnicas antes de cerrar un contrato. Un ingeniero de software desarrolla según una especificación que escribió otra persona. El FDE une esas piezas: encuentra el problema, construye la solución y responde de que se use de verdad en el día a día. No se le mide por diapositivas ni por líneas de código, sino por si el equipo de negocio sigue usando la solución después de la entrega.
Paso 1: Diagnosticar el proceso de negocio
Antes de construir nada, hay que diagnosticar. Habla con la dirección sobre el problema que de verdad quieren resolver y con las personas que hacen ese trabajo cada día. Pídeles que te muestren un proceso paso a paso: de dónde vienen los datos, quién decide qué, dónde se copia, se pregunta o se espera. Muchas veces el “necesitamos IA” resulta ser un problema de datos o de coordinación. Detectarlo pronto ahorra semanas.
Paso 2: Elegir una sola tarea
El error más común al implantar IA en una empresa es abarcar demasiado. Elige una tarea frecuente, con entradas y salidas claras, cuyo resultado una persona pueda revisar rápido y en la que un error no cause un daño grave inmediato. Por ejemplo: clasificar las solicitudes entrantes, redactar borradores a partir de plantillas o resumir informes. Antes de empezar, anota cómo se hace hoy la tarea y cuánto tiempo lleva, para poder comparar después.
Paso 3: Construir el agente de IA
Un agente de IA útil rara vez es solo un prompt. Necesita acceso al conocimiento correcto (documentos, una base de conocimiento), conexión con los sistemas donde ocurre el trabajo (por ejemplo, mediante conectores o MCP) y pasos bien descritos que se puedan guardar como Skills reutilizables. Empieza con una versión que solo haga sugerencias y deja que una persona apruebe cada resultado. Mientras tanto, recoge ejemplos reales en los que el agente acierta y en los que falla, y mejóralo a partir de esos casos.
Paso 4: Pensar en la gobernanza y la protección de datos desde el principio
En cualquier proyecto de IA aparece pronto la protección de datos; en Europa, eso significa el RGPD. Un FDE no sustituye el asesoramiento legal, pero debe hacer las preguntas correctas: ¿qué datos personales entran en el agente? ¿Dónde se procesan y se almacenan? ¿Quién tiene acceso y queda registrado lo que hace el agente? Involucra pronto a quien se ocupe de la protección de datos, en lugar de presentarle un sistema ya terminado. En lo técnico, unas pocas reglas sencillas ayudan mucho: usar solo los datos necesarios, asignar permisos por rol, que una persona decida en los casos delicados y poder desactivar el agente en cualquier momento.
Paso 5: Entregar y medir resultados
Un proyecto solo está terminado cuando el equipo puede mantenerlo sin el FDE. Eso incluye una guía breve, un responsable con nombre en el equipo de negocio, un procedimiento para los errores y una fecha fija para revisar los resultados. Mide con los mismos indicadores que registraste antes de empezar: tiempo de proceso, porcentaje de resultados aceptados sin corregir y frecuencia con la que realmente se usa el agente. Unas cifras honestas, aunque sean modestas, generan más confianza para el siguiente proyecto que las grandes promesas.
¿Qué habilidades necesita un FDE y cómo se construye un portafolio?
El rol pide una combinación: suficiente técnica para construir tú mismo agentes, conexiones de datos y evaluaciones; suficiente visión de negocio para hablar de prioridades con la dirección; y suficiente paciencia para acompañar a los equipos durante el cambio. Al empezar, un portafolio pesa más que un título. Documenta dos o tres implantaciones pequeñas y reales: el problema de partida, la tarea elegida, cómo está construido el agente, cómo resolviste datos y permisos, y qué cambió de forma medible. Pueden salir de tu propio trabajo o de la empresa de un conocido.
Si quieres aprenderlo de forma ordenada, FDE AI Rollout Bootcamp tiene 35 lecciones (las lecciones están en chino): desde quién es un FDE y cómo diagnosticar un proyecto, pasando por la elección de herramientas, Skills y 16 tipos de empleados de IA, bases de conocimiento, memoria, conectores y MCP, hasta evaluación, gobernanza de seguridad, entrega y operación. Terminas con un portafolio que puedes usar para conseguir proyectos o entrevistas. Las 2 primeras lecciones son gratuitas.