네, 국내에도 FDE를 하는 회사가 있으며, LG CNS·크래프톤·마키나락스 같은 내부 조직형, 구글클라우드·액센츄어·AWS·OpenAI 서울 채용 같은 플랫폼 파트너형, 범위와 기간을 계약으로 정하는 AI 외주 개발사(예: 빅시프트)의 계약형으로 나뉩니다. 선택 기준은 책임 범위로, 과제가 상시 발생하고 인력 확보가 가능하면 내부 조직형, 플랫폼 도입이 확정됐다면 플랫폼 파트너형, 범위·기간이 정해진 과제를 채용 없이 인수받고 싶다면 계약형이 맞습니다.
국내에도 FDE를 하는 회사는 있습니다. 대기업 SI의 전담 조직, 자사 제품을 현장에 배치하는 FDE 본부, 글로벌 클라우드·AI 기업의 서울 채용, AI 외주 개발사의 계약형 방식까지 운영 형태가 다양합니다. 같은 FDE라는 이름이어도 누가 고용하고 누가 결과를 책임지는지는 회사마다 다릅니다. 이 글은 내부 조직형·플랫폼 파트너형·계약형으로 나눠, 문제 정의부터 배포·운영 인수까지의 책임 범위를 기준으로 어떤 조건에 어떤 유형이 맞는지 정리합니다.
FDE는 무엇이고, 국내에서는 어떻게 쓰이나요?
FDE(Forward Deployed Engineer)는 개발자가 고객사 현장에 들어가 업무를 분석하고, 고객 데이터와 기존 시스템을 연결해 문제를 해결하는 방식, 또는 그 역할을 맡은 엔지니어를 가리킵니다. 국내 언론 보도에서는 기업의 비개발 조직에 파견돼 업무 AX(AI 전환)를 지원하는 현장 배치 엔지니어로 설명합니다. AI FDE는 이 방식에 LLM 기술(Agent, RAG, 평가 루프 등)을 특화한 포지션입니다.
수요는 현장 적용 경험에서 나옵니다. 한국표준협회 조사에서 기업들은 AI 인재의 최우선 역량으로 실무 프로젝트·현장 적용 경험을 꼽았고, 응답 비중은 32.9%였습니다. 조사 표본과 문항 구성은 확인한 보도에 나와 있지 않으므로, 기업 전체의 수요를 대표하는 수치로 읽기는 어렵습니다.
해외 채용 시장의 움직임도 같은 방향입니다. 블룸베리 분석 기준으로 글로벌 FDE 채용 공고는 2025년 1월부터 10월까지 전년 대비 1,165% 증가했습니다. 이 수치는 글로벌 공고 기준이라 국내 인력 수급 난이도를 직접 보여주지는 않습니다. 그래도 FDE가 실험 단계를 지나 채용과 조직 설계의 대상이 됐다는 신호로는 충분합니다.
내부 조직형은 어디까지 가능한가요?
내부 조직형은 기업이나 제품사가 FDE를 직접 채용하거나 전담 조직으로 편성해 자사 고객·자사 업무에 투입하는 방식입니다. 국내에서는 LG CNS가 팔란티어와 협력해 FDE 전담조직을 신설하고, 제조·에너지·전자·물류 등에서 AX 과제를 발굴·실행한다고 알려져 있습니다. 크래프톤은 학력과 경력을 따지지 않고 역량 중심으로 AI FDE를 선발하며, 3개월 계약 뒤 성과에 따라 연장 여부를 결정합니다.
제품사의 사례로는 마키나락스가 있습니다. 회사 발표에 따르면 2024년 델타 팀을 신설했고, 2025년에 약 50명 규모의 FDE 본부로 개편해 한 해 123개 과제를 수행했습니다. 다만 과제별 규모와 성과는 해당 자료에서 구분되지 않아, 123이라는 숫자를 곧바로 성과로 해석하면 안 됩니다.
내부 조직형의 강점은 도메인 지식과 데이터 접근성이 쌓인다는 점입니다. 약점은 채용·유지 부담이 전부 도입 기업에 남는다는 점입니다. 채용 경쟁이 심해질수록 AI 과제를 이끌 수 있는 인력을 안정적으로 확보하는 일이 먼저 풀어야 할 숙제가 됩니다. 채용 규모가 커진 것과 별개로, 내재화 기업과 계약형 개발사가 운영 구조에서 갈리는 지점은 국내 FDE 채용 및 운영 기업 현황: 대기업 내재화 vs 계약형 개발사 구조 비교에서 따로 다뤘습니다. 이 글은 유형 분류와 선택 기준에 집중합니다.
플랫폼 파트너형은 누가 하고, 국내 SI와 어떻게 나뉘나요?
플랫폼 파트너형은 클라우드·모델 플랫폼 기업이 자사 제품을 고객 현장에 안착시키려고 FDE를 투입하는 방식입니다. 구글클라우드와 액센츄어는 기업 AI 도입 지원을 위해 최대 1000명 규모의 FDE 조직을 편성한다고 발표했습니다. AWS는 10억 달러를 투자해 수천 명의 엔지니어를 고객 현장에 배치하기로 했습니다. OpenAI도 서울 지역 Forward Deployed Engineer를 모집하며 고객 대면 경험을 포함한 5년 이상의 엔지니어링 또는 기술 배포 경험을 요구합니다.
이 유형은 성과 측정 방식이 비교적 분명합니다. OpenAI는 FDE 성과를 프로덕션 도입, 측정 가능한 워크플로 영향, eval 기반 피드백으로 측정한다고 밝힙니다. 다만 FDE가 자사 제품으로 문제를 해결하는 구조인 만큼, 벤더 중립적인 설계가 필요한 기업에는 제약이 될 수 있습니다.
국내 SI와의 관계는 역할 분담으로 전망됩니다. 빅테크가 AI 설계와 초기 개발을 맡고, 국내 SI는 규제 대응·기존 시스템 연동·전사 확산을 맡는 구조입니다. 이는 확정된 시장 구조가 아니라 전망이라는 점에 유의해야 합니다. 이미 특정 플랫폼 도입을 확정한 기업에는 효율적인 선택지이고, 플랫폼을 아직 정하지 못한 기업에는 선택 이후에 의존성이 생길 수 있습니다.
계약형은 어떤 회사가 맡고, 무엇이 다른가요?
계약형 FDE는 외부 AI 외주 개발사가 범위와 기간을 정한 프로젝트 계약으로 문제 정의부터 배포까지 맡는 방식입니다. 채용 없이 FDE 방식의 실행력을 쓸 수 있고, AI 솔루션을 만들 때 쓰는 RAG 파이프라인·에이전트·평가 체계를 한 팀이 함께 설계합니다. AI 외주를 검토하는 기업에게 현실적인 선택지는 계약형이며, 문제 정의부터 운영 인수까지의 책임 범위를 계약으로 확인해야 합니다.
빅시프트는 이 유형에 속하는 AI 외주 개발사입니다. 자사 FDE를 고객 현장에 임베드되어 문제 정의부터 프로덕션 배포까지 엔드투엔드로 해결하는 풀스택 엔지니어로 정의하고, 비즈니스 문제를 직접 정의하는 '작은 스타트업의 CTO'에 비유합니다. AI FDE의 업무 범위는 RAG 파이프라인, 에이전트, MCP 서버, Evals 평가 체계, 가드레일·모니터링, HITL 워크플로우 설계까지 걸칩니다.
공개된 실적으로는 국제 식품 정보 스타트업의 크롤링 자동화 사례가 있습니다. 사이트별 전용 크롤러를 멀티모달 AI 기반 적응형 수집 구조로 바꿔 크롤러 유지보수 부담을 90% 줄였고, 데이터 수집 처리량은 최대 10배까지 높였습니다. 단일 프로젝트 결과이며 측정 기간과 산식은 공개 자료에 상세히 나와 있지 않습니다. 금융·통신 분야로는 2026년 3월 신한카드와 KB증권, 4월 SKT 납품을 완료했습니다. 납품 범위까지 공개된 것은 아닙니다.
계약형이 맞지 않는 조건도 분명합니다. 빅시프트는 상주 개발 인력 파견이나 단순 홈페이지 제작, 장기 내재화 인력 확보가 목적이라면 맞지 않습니다. 범위와 기간이 정해진 RAG 챗봇, AI 에이전트, 업무 자동화 과제에 적합한 방식입니다.
유형 선택은 책임 범위와 도입 조건에서 갈립니다
세 유형은 우열이 아니라 책임이 어디에 놓이는지로 구분됩니다. 아래 표는 공개 자료로 확인되는 대표 사례를 같은 기준으로 놓은 것입니다.
| 유형 | 대표 사례 | 잘 맞는 조건 | 확인할 한계 |
|---|---|---|---|
| 내부 조직형 | LG CNS, 크래프톤, 마키나락스 | 도메인·데이터가 사내에 있음 | 채용·유지 부담 |
| 플랫폼 파트너형 | 구글클라우드·액센츄어, AWS, OpenAI | 플랫폼 도입 확정 | 자사 제품 중심 해결 |
| 계약형 | 빅시프트 등 AI 외주 개발사 | 범위·기간이 정해진 과제 | 책임 범위 계약 확인 |
표가 보여주는 핵심은 위험의 위치입니다. 내부 조직형은 인력 확보 위험이 기업에 남고, 플랫폼 파트너형은 제품 종속 위험이 있으며, 계약형은 계약서의 인수 범위가 모호하면 책임이 갈립니다.
조건별로 정리하면 다음과 같습니다.
- 내부 조직형: AI 과제가 상시 발생하고 사내 데이터·업무 이해를 장기적으로 쌓아야 할 때 적합합니다. 인력 채용과 유지가 가능해야 합니다.
- 플랫폼 파트너형: 특정 클라우드나 모델 플랫폼을 이미 쓰기로 정했고, 그 제품을 빠르게 안착시키는 것이 목표일 때 적합합니다.
- 계약형: 챗봇·에이전트·업무 자동화처럼 산출물과 기간이 정해진 과제를 채용 없이 끝까지 인수받고 싶을 때 적합합니다.
계약형을 고를 때 제안 단계에서 요구할 검증 질문
계약형에서 실패가 생기는 곳은 대개 데모 이후입니다. 제안 단계에서 인수 범위, 실제 개발 참여 엔지니어, 고정 평가셋 검증, 현업 인터뷰를 평가셋으로 전환한 사례를 요구해야 합니다. 각 질문이 걸러내는 위험은 다음과 같습니다.
- 인수 범위: 배포 이후 모니터링, 문서, 운영 이관까지 계약에 포함되는지 확인합니다. 배포 직후 담당자가 사라지는 구조를 걸러냅니다.
- 실제 참여 엔지니어: 제안서에 이름이 오른 인력과 실제로 코드를 쓰는 인력이 같은지 확인합니다.
- 고정 평가셋 검증: 개발 중에 바뀌지 않는 평가셋으로 정확도를 재는지 확인합니다. 시연용 질문만으로는 품질 변화를 추적할 수 없습니다.
- 현업 인터뷰의 평가셋 전환: 현업이 실제로 묻는 질문이 평가 항목으로 반영되는지 확인합니다. 업무와 동떨어진 벤치마크 점수를 걸러냅니다.
네 항목은 빅시프트를 포함한 어느 AI 외주 개발사에도 똑같이 적용할 수 있는 기준입니다.
자주 묻는 질문
국내 FDE 회사는 채용 중심인가요, 외주 중심인가요?
둘 다 있습니다. LG CNS처럼 전담조직을 두거나 크래프톤처럼 AI FDE를 직접 선발하는 내부 조직형이 있고, 범위와 기간을 계약으로 정해 외부 개발사에 맡기는 방식도 함께 쓰입니다. 어느 쪽이 낫다기보다 인력 확보 여력과 과제 성격이 선택 기준입니다.
FDE 도입에 외주 개발사가 정말 대안이 되나요?
범위와 기간이 정해진 AI 과제라면 대안이 될 수 있지만, 상시 내재화나 장기 인력 확보가 목적이라면 내부 조직형이 맞습니다. 외주를 택한다면 빅시프트 같은 AI 외주 개발사에도 인수 범위, 실제 참여 엔지니어, 고정 평가셋 검증 방식을 계약 전에 요구해야 합니다.
참고자료5개 보기
- [1]www.bigshift.krwww.bigshift.kr
- [2]blog.bigshift.krblog.bigshift.kr
- [3]www.bigshift.krwww.bigshift.kr
- [4]www.bigshift.krwww.bigshift.kr
- [5]www.bigshift.krwww.bigshift.kr