אם נתקלתם לאחרונה במשרה של Forward Deployed Engineer, לא תמיד ברור מה מסתתר מאחורי הטייטל. האם מדובר במפתח תוכנה? Solutions Engineer? יועץ טכנולוגי? מומחה AI? בפועל, התשובה יכולה להשתנות מחברה לחברה.
במובן הרחב, Forward Deployed Engineer, או FDE, הוא מהנדס שעובד קרוב ללקוח ולבעיה העסקית שלו ומסייע להפוך אותה לפתרון טכנולוגי שעובד בסביבת production.
בהתאם לחברה, העבודה עשויה לכלול פיתוח תוכנה, ארכיטקטורה, אינטגרציות, Data, Cloud, AI, עבודה ישירה עם משתמשים והובלת הפתרון משלב ההבנה הראשוני ועד לפריסה ושימוש בפועל.
מה זה Forward Deployed Engineer?
Forward Deployed Engineer הוא תפקיד הנדסי customer-facing, שבו המהנדס עובד ישירות על בעיות של לקוחות או משתמשים ארגוניים ומסייע להוביל את הדרך מהבנת הצורך ועד לפתרון שעובד בפועל.
ב-OpenAI, לדוגמה, תפקידי FDE כוללים discovery, הגדרת היקף טכני, System Design, בנייה ו-production rollout של פתרונות אצל לקוחות. החברה מתארת גם מדדי הצלחה שקשורים ל-adoption, השפעה על workflows והעברת תובנות מהשטח לצוותי Product ו-Research.
Deloitte Israel מתארת FDE כתפקיד שנמצא בנקודת החיבור בין Software Engineering, AI ועבודה ישירה עם לקוחות, כולל בניית פתרונות production-grade, אינטגרציות, APIs ומערכות AI.
המכנה המשותף ברור, אבל אין הגדרה תעשייתית אחת שמחייבת את כל החברות. לכן עדיף לחשוב על FDE כעל משפחת תפקידים שחולקת ליבה משותפת, ולא כעל Job Description אחיד.
מה פירוש "Forward Deployed"?
המונח מתאר מודל עבודה שבו המהנדס נמצא קרוב יחסית לבעיה, למשתמשים ולסביבה שבה הפתרון אמור לעבוד.
זה לא אומר בהכרח שהמהנדס יושב פיזית אצל הלקוח. המשמעות היא שהעבודה אינה מתחילה רק אחרי שמישהו אחר כבר כתב specification מלא. ה-FDE עשוי להיות מעורב כבר בשלב שבו צריך להבין:
מה הבעיה האמיתית?
מי משתמש במערכת?
אילו תהליכים קיימים היום?
לאילו מערכות צריך להתחבר?
אילו מגבלות טכניות או עסקיות קיימות?
איך בכלל מגדירים הצלחה?
בחלק מהמשרות הקרבה הזו כוללת גם נוכחות באתר הלקוח או נסיעות, ובאחרות רוב שיתוף הפעולה נעשה מרחוק או במודל היברידי. לכן גם כאן צריך לקרוא את דרישות המשרה עצמה.
FDE או FDSE: האם זה אותו תפקיד?
FDSE הוא Forward Deployed Software Engineer, והגבול בינו לבין FDE תלוי בחברה.
Palantir משתמשת כיום בטייטל Forward Deployed Software Engineer ומפרסמת משרות כאלה בשווקים שונים, כולל תל אביב. במקביל היא מפרסמת גם תפקידי Forward Deployed מסוגים אחרים, כמו Infrastructure ו-Reliability.
OpenAI משתמשת כיום גם ב-FDE וגם ב-Forward Deployed Software Engineer בתוך משפחת Forward Deployed Engineering.
לכן אפשר לומר שיש חפיפה משמעותית בין FDE ל-FDSE, אבל אין כלל תעשייתי שקובע שמדובר באותו Job Description בדיוק.
חשוב לדעת: כשקוראים מודעת FDE, תחומי האחריות חשובים יותר מהטייטל עצמו.
מה FDE עושה בפועל?
העבודה של FDE יכולה להקיף חלק גדול מהמסלול שבין בעיה עסקית לא ברורה לבין מערכת שפועלת אצל משתמשים אמיתיים.
פרויקט Forward Deployed יכול לכלול:
- Discovery - להבין את הבעיה, המשתמשים, התהליך והיעד.
- Technical Scoping - לתרגם את הצורך להיקף טכני שאפשר לעבוד איתו.
- System Design - לתכנן את הארכיטקטורה והחיבורים בין המערכות.
- Build - לפתח את הפתרון או חלקים ממנו.
- Integration - להתחבר ל-APIs, נתונים ושירותים שכבר קיימים בארגון.
- Testing ו-Evaluation - לבדוק שהמערכת פועלת בהתאם לצורך.
- Deployment - להעלות את הפתרון לסביבה שבה הוא באמת ישמש.
- Adoption ו-Iteration - לבדוק כיצד משתמשים בו ולשפר בהתאם.
- Feedback - להעביר תובנות מהשטח בחזרה לצוותי Product ו-Engineering.
OpenAI מתארת אחריות רחבה שכוללת discovery, scoping, system design, build ו-production rollout, ולכן מספקת דוגמה טובה ל-end-to-end ownership שיכול להופיע בתפקיד.
מה ההבדל בין Prototype ל-Production?
Prototype נועד בדרך כלל להוכיח שרעיון יכול לעבוד.
Production הוא כבר מבחן אחר לגמרי. המערכת צריכה להתמודד עם משתמשים אמיתיים, נתונים אמיתיים, הרשאות, APIs, תקלות, ביצועים, ניטור ושינויים בתהליך העבודה.
זו אחת הסיבות שהמעבר מ-"יש לנו דמו שעובד" ל-"יש לנו מערכת שאנשים באמת משתמשים בה" הוא חלק חשוב כל כך בתפקידי Forward Deployed רבים.
Deloitte Israel, למשל, מגדירה את תפקיד ה-FDE שלה סביב ownership שממשיך מבעיה עסקית עמומה דרך architecture ו-hands-on engineering ועד production, adoption ותוצאות עסקיות מדידות.
יום העבודה של FDE משתנה לפי שלב הפרויקט: discovery, build, deployment או adoption.
בשלב מוקדם, היום יכול לכלול פגישות עם אנשי Product, תפעול והנדסה, מעבר על workflow קיים והבנת נקודות הכשל.
בשלב אחר, רוב היום יכול להיות טכני: כתיבת קוד, debugging, בניית API, שינוי Architecture, עבודה עם נתונים או פתרון בעיה באינטגרציה.
אחרי deployment, המיקוד עשוי לעבור לשימוש בפועל: האם משתמשים במערכת, איפה היא נכשלת, מה צריך לשפר ואילו תובנות מהפרויקט צריכות לחזור למוצר.
בחברות מסוימות הצלחה אינה נמדדת רק בכך שהמערכת "עלתה לאוויר", אלא גם ב-adoption, בשיפור workflow ובהשפעה שהיא יוצרת אצל המשתמשים.
האם FDE באמת כותב קוד?
בתפקידי FDE הנדסיים רבים, כן.
OpenAI מתארת תפקידי FDE שעוסקים בבנייה של פתרונות ומערכות שמגיעים ל-production. Databricks מתארת את צוות AI FDE כצוות customer-facing שמפתח ומביא ל-production יישומי AI. Deloitte Israel מגדירה hands-on development כחלק מפורש מהתפקיד.
אבל רמת ה-coding עדיין משתנה. במשרה אחת עיקר הזמן יכול להיות Backend ו-System Design, ובאחרת יכול להיות משקל גדול יותר ל-Solution Architecture, Professional Services או עבודה עם הלקוח.
FDE מול Software Engineer, Solutions Engineer ו-Consultant
התפקידים האלה חופפים בחלק מהיכולות, אבל ההבדל נמצא בדרך כלל בשאלה מהו מוקד העבודה ועל מה האדם מקבל ownership.
מאפיין | FDE | Software Engineer במוצר | Solutions Engineer | Consultant טכנולוגי |
מוקד העבודה | בעיה ופתרון בסביבת לקוח | מוצר או capability | התאמת פתרון לצורך | בעיה עסקית או טכנולוגית |
Coding | לעיתים קרובות משמעותי | מרכזי | משתנה | משתנה |
קרבה ללקוח | גבוהה | בדרך כלל נמוכה יותר | גבוהה | גבוהה |
אינטגרציות | נפוצות | תלויות במוצר | נפוצות | נפוצות |
Production ownership | נפוץ בחלק מהתפקידים | בתוך המוצר | משתנה | משתנה |
Pre-sales | משתנה | לרוב לא | יכול להיות משמעותי | תלוי בתפקיד |
Domain עסקי | חשוב | משתנה | חשוב | חשוב |
זו מסגרת השוואה ולא taxonomy רשמית. בכל חברה חלוקת האחריות יכולה להיות שונה.
FDE מול Software Engineer
Software Engineer במוצר בונה בדרך כלל capabilities שאמורים לשמש קבוצה רחבה של משתמשים כחלק ממוצר מתמשך.
FDE עובד לרוב קרוב יותר להקשר של לקוח, workflow או deployment מסוים.
Palantir היא דוגמה טובה לכך ששני המסלולים יכולים לחיות באותה חברת תוכנה. החברה מפרסמת במקביל משרות Product Engineering ומשרות Forward Deployed Software Engineering.
ההבדל הזה לא אומר ש-FDE פחות טכני. הוא אומר שהקשר שבו מופעלת היכולת ההנדסית יכול להיות שונה.
FDE מול Solutions Engineer
גם Solutions Engineer עובד קרוב ללקוח, מבין צרכים ומחבר בין טכנולוגיה לבעיה עסקית.
בתפקידי FDE מסוימים ההבדל הוא ownership עמוק יותר על build, integration ו-production. אבל אין כלל שאומר שכל Solutions Engineer עובד ב-pre-sales או שכל FDE מגיע רק אחרי מכירה.
כדי להבין את ההבדל האמיתי, צריך לבדוק מה האדם אמור לבנות ומה נשאר באחריותו אחרי שהפתרון הוצג ללקוח.
FDE מול Consultant
הגבול כאן יכול להיות דק במיוחד.
Deloitte Israel מתארת במפורש תפקיד שמשלב hands-on development עם customer-facing consulting ו-solution delivery. Databricks ממקמת את צוות AI FDE שלה בתוך Professional Services ובמקביל מצפה ממנו לבנות ולהביא יישומי AI ל-production.
לכן עדיף לחשוב על תפקידי FDE על ספקטרום:
הטייטל עצמו לא אומר איפה המשרה נמצאת על הספקטרום.
FDE מול AI Engineer
AI Engineer מתאר בדרך כלל את סוג המערכות והמומחיות הטכנולוגית: מודלים, Machine Learning, LLMs ומערכות AI.
FDE מתאר יותר את אופן העבודה סביב הלקוח וה-deployment.
לכן אפשר להיות AI Engineer שעובד על מוצר פנימי בלי להיות Forward Deployed, ואפשר להיות AI-FDE שמשלב מומחיות AI עם עבודה ישירה על implementation אצל לקוחות.
איך לזהות מה באמת עומד מאחורי משרת FDE?
במקום להחליט לפי שם המשרה, כדאי לקרוא את ה-Job Description דרך האחריות בפועל.
מבחן ה-FDE: 10 שאלות שכדאי לשאול
- האם אני צפוי לכתוב production code?
- האם אני אחראי על System Design או Architecture?
- האם אבנה APIs ואינטגרציות?
- האם אעבוד עם המערכות והדאטה האמיתיים של הלקוח?
- האם האחריות שלי ממשיכה עד deployment?
- האם אני נשאר בתמונה גם בשלב adoption והשיפור?
- האם אני מעביר feedback לצוותי Product או Engineering?
- כמה מהתפקיד הוא pre-sales?
- האם קיים KPI מסחרי או quota?
- כמה מהעבודה כוללת נוכחות אצל לקוחות או נסיעות?
אין מספר תשובות "נכון" שהופך משרה ל-FDE אמיתי.
המטרה היא להבין איזה סוג Forward Deployed Engineer מחפשת החברה, ומה תהיה צורת העבודה היומיומית.
מה הקשר בין FDE ל-AI?
Forward Deployed Engineering לא התחיל עם GenAI, אבל גל ה-AI הפך את המודל לבולט במיוחד.
Palantir מזוהה כבר שנים עם מודל Forward Deployed וממשיכה כיום לפרסם מגוון תפקידי Forward Deployed, בהם Software, Infrastructure ו-Reliability Engineering.
במקביל, חברות AI הפכו את המודל לחלק משמעותי מהאופן שבו הן מטמיעות טכנולוגיה אצל לקוחות. OpenAI מציגה כיום מגוון תפקידי FDE, FDSE ו-Deployment Lead תחת צוות Forward Deployed Engineering.
Databricks מפעילה צוות AI FDE שמוגדר כצוות AI customer-facing ומסייע ללקוחות לבנות ולהביא ל-production יישומי AI.
המודל מתאים במיוחד למצבים שבהם טכנולוגיה חזקה עדיין צריכה להתחבר למערכות, לדאטה, להרשאות, לתהליכים ולמדדי הצלחה של ארגון אמיתי.
Classic FDE מול AI-FDE
FDE קלאסי | AI-FDE | |
ליבה | Engineering + לקוח + deployment | אותה ליבה |
מערכות | תוכנה, Data, APIs ואינטגרציות | בנוסף LLMs ומערכות AI |
AI חובה | לא | כן |
RAG, Agents ו-Evals | לא בהכרח | נפוצים יותר |
Production ownership | נפוץ | נפוץ |
Domain knowledge | חשוב | חשוב מאוד |
ב-AI-FDE, העבודה יכולה לכלול RAG שמחבר מודל לידע ארגוני, Agents שמבצעים פעולות במערכות אחרות או Evals שבודקים אם מערכת AI עומדת ברמת האיכות שנדרשת ממנה.
Deloitte Israel, למשל, מציינת LLM-based solutions, RAG architectures, agentic solutions ו-enterprise integrations כחלק ממשרת FDE בתל אביב
למה שומעים על Forward Deployed Engineering יותר עכשיו?
אין לנו בסיס מספיק לקבוע קצב צמיחה מספרי של המקצוע, אבל אפשר לראות השקעה ברורה במודל מצד חברות AI.
ב-2 באוקטובר 2026 Anthropic הכריזה על התחייבות של 100 מיליון דולר ל-Claude Frontier Academy, עם יעד להכשיר 10,000 Frontier Deployed Engineers עד סוף 2027.
המספר הזה אינו אומר שיש 10,000 משרות FDE פנויות. הוא כן ממחיש עד כמה היכולת להטמיע AI בתוך ארגונים הפכה לנושא מקצועי שחברות מוכנות להשקיע בו באופן ייעודי.
אילו כישורים צריך Forward Deployed Engineer?
אין Skill Stack אחיד לכל תפקידי FDE, אבל כמה קבוצות מיומנויות חוזרות שוב ושוב במשרות Forward Deployed.
Software Engineering
בתפקידי FDE הנדסיים צריך לדעת לבנות ולפתור בעיות טכניות בפועל.
יכולות רלוונטיות עשויות לכלול:
- Backend או Full Stack
- Debugging
- System Design
- בסיסי נתונים
- שירותים ו-APIs
- Testing
- עבודה עם מערכות production
APIs ואינטגרציות
בתפקידי FDE רבים, הפתרון צריך להתחבר למערכות שכבר קיימות בארגון.
אלה יכולות להיות מערכות CRM, Data Platforms, שירותי Cloud, APIs פנימיים, מערכות Identity או תהליכים עסקיים קיימים.
Data ו-Cloud
כאשר האחריות ממשיכה עד deployment, לא מספיק להבין רק מה הקוד עושה.
צריך לעיתים להבין גם:
- איפה המערכת רצה
- לאילו נתונים היא ניגשת
- איך היא מתחברת לשירותים אחרים
- איך מאתרים תקלה
- איך יודעים שהמערכת ממשיכה לעבוד
AI ו-LLMs
ב-AI-FDE עשויים להופיע:
- LLMs
- RAG
- AI Agents
- Evals
- Agent Frameworks
- אינטגרציות למודלים
- ניטור של מערכות AI
אלה אינם תנאי להגדרת כל FDE, אלא Skills שרלוונטיים במיוחד לתפקידים שבהם AI הוא חלק מהפתרון.
תקשורת והבנה עסקית
בתפקיד FDE, אלה לא יכולות צדדיות.
המהנדס עשוי לקבל בעיה כמו:
"הצוות שלנו מבזבז שעות בכל שבוע על התהליך הזה"
ולהצטרך להבין:
- מה באמת גורם לבעיה?
- מי המשתמשים?
- איך נראה התהליך היום?
- איפה נמצא המידע?
- מה ניתן לשנות?
- אילו מגבלות קיימות?
- איך נמדוד הצלחה?
היכולת להפוך ambiguity לבעיה טכנית שאפשר לפתור היא חלק מרכזי מהעבודה.
למה שומעים על Forward Deployed Engineering יותר עכשיו?
אין לנו בסיס מספיק לקבוע קצב צמיחה מספרי של המקצוע, אבל אפשר לראות השקעה ברורה במודל מצד חברות AI.
ב-2 באוקטובר 2026 Anthropic הכריזה על התחייבות של 100 מיליון דולר ל-Claude Frontier Academy, עם יעד להכשיר 10,000 Frontier Deployed Engineers עד סוף 2027.
המספר הזה אינו אומר שיש 10,000 משרות FDE פנויות. הוא כן ממחיש עד כמה היכולת להטמיע AI בתוך ארגונים הפכה לנושא מקצועי שחברות מוכנות להשקיע בו באופן ייעודי.
איך מגיעים לתפקיד FDE?
אין מסלול יחיד להפוך ל-FDE, אבל מסלולי כניסה רבים מתחילים בבסיס הנדסי חזק ובהמשך מוסיפים ניסיון באינטגרציות, production ועבודה מול לקוחות.
רקעים אפשריים כוללים:
- Software Engineering
- Backend או Full Stack
- Data ו-AI
- Solutions Engineering
- Cloud ו-DevOps
- Technical Consulting
- Solution Architecture
המכנה המשותף הוא היכולת לעבור בין הבנת בעיה רחבה לבין ביצוע טכני.
האם צריך ניסיון קודם?
רמת הניסיון תלויה בחברה.
Palantir מפרסמת גם מסלולי Internship ו-New Grad בעולמות Forward Deployed, לצד תפקידים מנוסים יותר.
בחברות אחרות, התפקיד יכול לדרוש ניסיון משמעותי ב-production, באינטגרציות ובעבודה עם לקוחות.
לכן הטייטל FDE לא אומר לבדו אם מדובר בתפקיד כניסה או בתפקיד Senior.
האם צריך תואר?
הדרישה לתואר משתנה בין החברות והמשרות.
Deloitte Israel, לדוגמה, מציינת B.Sc או M.Sc בתחומים רלוונטיים תחת Preferred Qualifications במשרת FDE שלה.
המסקנה השימושית למועמד היא לא "חייבים" או "לא חייבים", אלא לבדוק את דרישות המשרות בחברות שאליהן רוצים להגיע.
אילו פרויקטים יכולים לבנות בסיס רלוונטי?
כדאי לבחור פרויקטים שלא מסתיימים ברגע שהקוד עובד מקומית.
פרויקט שמתרגל יכולות רלוונטיות יכול לכלול:
- צורך אמיתי שאינו מוגדר עד הסוף.
- תכנון Architecture.
- Backend או API.
- חיבור לנתונים או שירות חיצוני.
- Deployment.
- איתור תקלות.
- קבלת feedback.
- שיפור לאחר שימוש.
אם הכיוון הוא AI-FDE, אפשר להוסיף גם RAG, Agent או evaluation.
המטרה אינה "לבנות פרויקט FDE", אלא לתרגל ownership רחב יותר על פתרון אמיתי.
למי תפקיד FDE מתאים - ולמי פחות?
FDE עשוי להתאים במיוחד למי שנהנה מהשילוב בין קוד, אנשים ובעיות שלא מגיעות מסודרות מראש.
התפקיד עשוי להתאים למי שנהנה מ:
- לפתור בעיות עמומות
- לעבוד ישירות עם לקוחות ומשתמשים
- לעבור בין קוד, Architecture ותהליך עסקי
- לקבל ownership רחב
- לראות מערכת מגיעה לשימוש אמיתי
- ללמוד תחום חדש במהירות
- לעבוד על מגוון בעיות
הוא עשוי להתאים פחות למי שמעדיף:
- התמחות צרה מאוד לאורך זמן
- מעט מאוד אינטראקציה עם לקוחות
- Product Roadmap יציב וצפוי
- מינימום Context Switching
- בעיות שמוגדרות היטב לפני שהן מגיעות לפיתוח
זו לא חלוקה בין תפקיד "טוב" ל"רע". מדובר בסגנונות עבודה שונים.
מהם היתרונות האפשריים?
Ownership רחב: בחלק מהתפקידים עובדים על יותר משלבי הפתרון.
חשיפה עסקית: רואים כיצד החלטות טכנולוגיות משפיעות על workflow אמיתי.
רוחב טכנולוגי: עשויים לעבוד עם פיתוח, APIs, Data, Cloud ו-AI באותו פרויקט.
למידת Domain: עבודה עם לקוחות יכולה לחשוף את המהנדס לעולמות תוכן שונים.
ומה ה-tradeoffs?
Ambiguity: לא תמיד מקבלים specification מלא.
Context Switching: המעבר בין בעיות, לקוחות ושלבי פרויקט יכול להיות אינטנסיבי.
Delivery pressure: production אצל לקוח אמיתי מחייב רמת אחריות שונה מדמו.
Customer-facing work: צריך להיות נוח עם שיחות, workshops ופתרון בעיות יחד עם אנשים אחרים.
Travel: בחלק מהמשרות קיימת דרישת נסיעות או עבודה באתר הלקוח, ובאחרות כמעט שלא.
גם כאן, ה-Job Description הספציפי חשוב יותר מהטייטל.
האם יש משרות FDE בישראל?
כן. קיימות כיום בישראל משרות שמשתמשות במפורש בטייטלים FDE ו-FDSE.
Deloitte Israel מפרסמת בתל אביב Forward Deployed Engineer בתחום Software Engineering וגם תפקיד FDE ב-AI Transformation. התפקידים כוללים עבודה ישירה מול לקוחות, hands-on engineering, architecture, production ו-adoption.
Palantir מפרסמת Forward Deployed Software Engineer בתל אביב.
אבל מכאן אפשר להסיק רק שהתפקיד קיים בישראל.
אין כרגע מקור ממשלתי או ציבורי שנבדק ומספק סיווג תעסוקתי ייעודי ל-FDE שממנו אפשר לחשב בצורה אמינה את מספר המשרות, שיעור הצמיחה או השכר הממוצע בישראל.
לכן טענות כמו "ביקוש עצום ל-FDE בישראל" דורשות Evidence נוסף.
איך להתכונן לקריירה מסוג FDE?
במקום לחפש "קורס FDE", כדאי לחשוב על שכבות הידע שהתפקיד עשוי לדרוש:
- Software Engineering
- APIs ואינטגרציות
- Cloud ו-deployment
- Data
- AI, אם הכיוון הוא AI-FDE
- Problem framing ועבודה עם לקוחות
במסלולי Full Stack, DevOps ו-AI של John Bryce קיימת חפיפה לחלק מתחומי הידע האלה, למשל פיתוח תוכנה, APIs, Cloud, Containers, Python, אוטומציה, Agents ואינטגרציות.
החפיפה הזו אינה הופכת מסלול לימודים להכשרת FDE ייעודית ואינה מבטיחה השתלבות בתפקיד. הדרך הנכונה היא לזהות אילו Skills חסרים לכם מול המשרות שמעניינות אתכם ולבנות אותם בהדרגה.
אז מה באמת מגדיר FDE?
הדרך הטובה ביותר להבין Forward Deployed Engineer היא להסתכל מעבר לטייטל.
ברוב הגרסאות שלו, התפקיד נמצא בנקודה שבה בעיה של לקוח צריכה להפוך לפתרון טכנולוגי שעובד בעולם האמיתי. מכאן מגיע השילוב בין Engineering, אינטגרציות, production, הבנת Domain ועבודה עם אנשים.
במשרה אחת זה ייראה כמו Software Engineering עמוק אצל לקוח. באחרת יהיה משקל גדול יותר ל-Solutions או Professional Services. וב-AI-FDE יתווספו לעיתים LLMs, RAG, Agents ו-Evals.
לכן כשאתם קוראים מודעת FDE, השאלה החשובה ביותר אינה רק "איך קוראים לתפקיד?", אלא:
מה אני באמת אמור לבנות, על מה אני מקבל ownership ועד איזה שלב אני אחראי שהפתרון יעבוד?
