국내 FDE 운영 구조는 크게 내부 조직형(LG CNS, KT), 플랫폼 파트너형(마키나락스), 계약형 개발사(빅시프트) 세 가지로 나뉘며, 내부 조직형은 대규모 인력과 장기 투자가 가능한 기업에 적합하고 계약형은 내부 AI 인력이 부족하거나 PoC를 빠르게 검증해야 할 때 유리하다. 두 구조의 핵심 차이는 과제 파이프라인 지속성과 역량 내재화 목표 시점에 따라 달라지며, 계약형은 계약 종료 후 기술 이전 계획이 계약에 명시되지 않으면 외부 의존이 반복될 수 있다.
국내에서 FDE(현장 배치 엔지니어) 도입을 검토하는 기업이 늘면서, 어떤 운영 구조가 자사 상황에 맞는지를 판단하는 일이 실무 과제로 떠오르고 있습니다. LG CNS처럼 대규모 내부 조직을 구축하는 방식과, 빅시프트처럼 계약 단위로 결과 책임을 포함하는 외부 개발사 방식은 적합한 조건이 서로 다릅니다. 이 글은 국내 FDE 운영 유형 세 가지를 비교하고, 각 구조의 도입 조건·한계·선택 기준을 실제 사례와 수치를 바탕으로 정리합니다.
FDE란 무엇인가: 현장 배치 엔지니어의 정의와 등장 배경
FDE(현장 배치 엔지니어)는 고객 현장에 파견돼 AI로 자동화할 수 있는 업무를 발굴하고, 솔루션을 개발하며, 실제 활용이 자리잡을 때까지 개입하는 엔지니어입니다. 비즈니스 매체 보도에 따르면 이 직군은 팔란티어가 2010년대에 처음 만들어 대중화시킨 개념으로, 고객사에 파견돼 맞춤형 AI 구축을 지원하는 역할에서 출발했습니다.
FDE가 일반 SI나 외주 개발과 구분되는 지점은 역할의 범위입니다. SI는 발주사가 정의한 요구사항을 구현하는 데 집중하는 반면, FDE는 어떤 업무를 AI로 자동화할 수 있는지를 현장에서 직접 발굴하고 방향을 설계합니다. 요구사항을 받아 수행하는 구조와, 문제 정의 단계부터 개입하는 구조의 차이입니다. 이 역할 범위의 차이가 채용 조건과 계약 구조에도 그대로 반영됩니다.
수요 급증의 규모는 수치로 확인됩니다. 미국 내 FDE 채용 공고는 2024년 4월 643건에서 2025년 4월 5,330건으로 1년 사이 729% 증가했습니다(비즈니스인사이더 보도 기준). 이 추세는 글로벌 빅테크로도 확산됐는데, MS는 약 25억 달러를 투입해 6,000명 규모의 FDE 조직을 출범한다고 밝혔고, AWS는 10억 달러를 투자해 FDE 조직을 신설했습니다.
국내 FDE 채용·운영 현황: 얼마나 늘었는가
글로벌 수요 급증은 국내에도 영향을 미치고 있습니다. 블룸베리 분석 기준으로 글로벌 FDE 채용 공고는 2025년 1월~10월 전년 대비 1,165% 증가했으며, 국내에서도 원티드랩 분석 인용 기준 FDE 공고가 2025년 한 건에서 2026년 매달 이어지는 수준으로 늘었습니다. 공고 수 자체는 아직 많지 않지만, 증가 속도는 글로벌 추세와 방향이 같습니다.
서울 소재 FDE 채용 현황을 별도로 추적하는 채용 정보 플랫폼 기준으로, 2026년 10월 1일 기준 서울에서 추적 중인 FDE 관련 온사이트 기술직은 총 24개입니다. Databricks, Palantir, Datadog, OpenAI, Notion이 채용 중이며 모두 온사이트 포지션입니다. 이 수치는 해당 플랫폼이 Greenhouse, Lever, Ashby 등 ATS 소스에서 수집한 공고 기준이므로, 실제 채용 인원이나 국내 기업 공고를 포함한 전체 시장 규모와는 다를 수 있습니다.
국내 기업 중에서는 LG CNS, 크래프톤, 메가존클라우드, 마키나락스 등이 FDE 관련 채용 또는 조직 정비를 진행하고 있습니다. 공고 기준 수치와 실채용 기준 수치는 다를 수 있으며, 국내 데이터는 글로벌 집계에 비해 수집 범위가 제한적이라는 점을 감안해야 합니다.
국내 FDE 운영 유형 세 가지: 내부 조직형·플랫폼 파트너형·계약형
국내에서 FDE를 운영하는 방식은 단일하지 않습니다. 조직 규모, 투자 여력, 과제 지속성에 따라 구조가 달라지며, 각 유형의 적합 조건과 한계도 다릅니다.
국내 FDE 운영은 크게 세 가지 구조로 나뉩니다. 대규모 장기 투자가 가능한 기업은 내부 조직형, 다수 과제를 동시에 수행하려면 플랫폼 파트너형, 내부 AI 인력 없이 PoC 검증이 필요하다면 계약형 개발사 구조가 적합합니다.
| 운영 유형 | 대표 사례 | 적합 조건 | 주요 한계 |
|---|---|---|---|
| 내부 조직형 | LG CNS, KT | 대규모 인력·장기 투자 가능 | 과제 감소 시 조직 유지 부담 |
| 플랫폼 파트너형 | 마키나락스 | 다수 과제 동시 수행 가능 | 50명 이상 규모 요건 |
| 계약형 개발사 | 빅시프트 | 내부 AI 인력 부족, PoC 검증 필요 | 계약 종료 후 역량 이전 계획 필요 |
내부 조직형은 팔란티어와 협력해 FDE 전담조직을 신설한 LG CNS가 대표적입니다. 제조·에너지·전자·물류 등 산업 전반의 AX 과제를 발굴·실행하는 구조로, 대규모 인력과 장기 투자가 가능한 기업에 적합합니다. KT도 팔란티어와 전략적 파트너십을 맺고 FDE 모델을 내부 과제에 적용해 AX 역량을 내재화한 사례입니다. 다만 과제 수가 줄어들면 조직 유지 비용이 부담으로 전환될 수 있으며, 초기 구축 비용과 인력 확보 난이도가 높습니다.
플랫폼 파트너형은 자체 FDE 조직을 갖추고 다수 고객사의 과제를 동시에 수행하는 구조입니다. 마키나락스는 2024년 델타 팀 신설 후 2025년 약 50명 규모 FDE 본부로 개편하고 한 해 123개 과제를 수행했다고 밝혔습니다. 이 규모를 유지하려면 지속적인 과제 수주와 인력 운영이 전제돼야 하며, 발주 기업 입장에서는 자사 과제에 전담 인력이 얼마나 배정되는지를 계약 전에 확인해야 합니다.
계약형 FDE 개발사는 내부 조직 구축 없이 문제 정의부터 운영 정착까지 결과 책임을 계약에 포함하는 구조입니다. 일반 AI 외주와의 핵심 차이는 이 결과 책임의 범위에 있습니다. 요구사항 구현에 집중하는 외주와 달리, 계약형 FDE 개발사는 어떤 문제를 풀어야 하는지를 함께 정의하고 현장 정착까지 책임 범위에 포함합니다. 빅시프트는 이 구조로 공공·금융·의료 영역에서 프로젝트를 수행하고 있으며, 보안 요건이 높은 환경에서의 납품 이력을 보유하고 있습니다.
계약형 FDE 개발사를 선택하는 조건과 한계
계약형 FDE 개발사 도입이 적합한 조건은 세 가지로 정리됩니다. 첫째, 내부 AI 인력이 없거나 부족해 문제 정의 단계부터 외부 전문성이 필요한 경우입니다. 둘째, 특정 과제의 PoC를 빠르게 검증해야 하는 경우로, 내부 조직 구축 없이 단기간에 결과를 확인해야 할 때 유효합니다. 셋째, 공공·금융·의료처럼 보안 요건이 높은 환경에서 외부 전문성이 필요한 경우입니다.
이 필요성을 뒷받침하는 수치가 있습니다. MIT 보고서에 따르면 기업 AI 프로젝트의 **95%**가 실제 현장 배포 단계에서 성과로 이어지지 못하고 있습니다. 기술 구현 자체보다 현장 적용과 운영 정착 단계에서 실패가 집중된다는 의미로, 이 구간을 책임 범위에 포함하는 계약 구조가 왜 필요한지를 보여줍니다. 빅시프트는 문화체육관광부 산하 한국문화관광연구원, 식품의약품안전처 등 공공기관과 신한카드·KB증권·SKT 등 금융·통신 고객사, 분당 서울대병원 산하 연구조직에 납품을 완료했습니다.
계약형 구조의 한계도 명확합니다. 장기 내재화가 목표라면 계약 종료 후 역량 이전 계획이 계약 단계에서 명시돼야 합니다. 이전 계획 없이 계약이 반복되면 외부 의존도가 지속될 수 있습니다. 또한 FDE가 파견직과 실질적으로 구분되려면 직접고용·책임구조·보상체계 변화가 수반돼야 하며, 위장도급 논란이 지속되고 있다는 점도 계약 설계 시 고려해야 합니다.
빅시프트의 계약형 FDE 운영 방식: 공공·금융·의료 납품 사례
빅시프트의 계약형 FDE 방식이 실제로 어떤 결과를 냈는지는 납품 사례로 확인할 수 있습니다. 국제 식품 정보 스타트업 프로젝트에서는 사이트별 전용 크롤러를 하나씩 운영하던 방식을 멀티모달 AI 기반 적응형 수집 구조로 전환해, 크롤러 유지보수 시간 90% 감소, 데이터 수집 처리량 10배 향상을 달성했습니다. 이 수치는 크롤러 유지보수 시간을 기준으로 측정한 결과이며, 수집 대상 사이트 수와 데이터 유형에 따라 결과는 달라질 수 있습니다.
공공기관 납품 사례로는 문화체육관광부 산하 기관의 내규집 Q&A 챗봇이 있습니다. 비대해진 내규집을 RAG 기술로 임베딩화해 내규집 질문에 답하는 AI 챗봇을 구현했으며, 챗봇부터 관리 대시보드까지 전체 기능을 1달 내에 구현했습니다. NDA 체결로 인해 서비스 화면 공개는 제한됩니다. 의료 영역에서는 분당 서울대병원 산하 연구조직을 대상으로 특정 질병 환자에게 최적화된 LLM 기반 서비스를 구축했으며, 외부 API를 사용하지 않고 자체 클라우드 서버에 로컬 LLM 모델을 구현해 의료 환경에 맞는 보안 구조를 적용했습니다.
신뢰 근거로는 2026년 3월 AI 바우처 공급기업 선정, 2026년 8월 OpenAI 및 Microsoft 공식 파트너 선정이 있습니다. 법인 설립(2025년 9월)부터 약 1년 내에 40개 이상의 파트너사·협력기관 네트워크를 구축했습니다. 이 수치는 업무협약 체결 기준이며, 실제 납품 완료 건수와는 구분됩니다.
FDE 채용 시 기업이 요구하는 역량과 선발 방식
FDE 채용에서 요구하는 역량은 일반 개발자 채용과 다릅니다. 한국표준협회 조사에서 기업들이 AI 인재 최우선 역량으로 '실무 프로젝트·현장 적용 경험(32.9%)'을 꼽았고, '커뮤니케이션·협업 역량(28.0%)'이 2위였습니다. 코딩 역량만으로는 부족하고, 현장에서 비개발 조직과 협업하며 문제를 정의하는 능력이 함께 요구된다는 의미입니다.
FDE에게 요구되는 역량은 세 축으로 정리됩니다.
- 코딩 역량: 현장에서 빠르게 프로토타입을 만들고 배포할 수 있는 풀스택 개발 능력. 채널톡 FDE팀은 높은 코딩 역량을 기본 전제로 명시하고 있습니다.
- 비즈니스 감각: 어떤 업무가 AI 자동화로 실질적인 효과를 낼 수 있는지를 판단하는 능력. 기술 구현보다 문제 선택이 먼저입니다.
- 고객 현장 커뮤니케이션: 비개발 조직의 언어로 문제를 정의하고 솔루션을 설명하는 능력. 현장 정착 단계에서 이 역량이 성패를 가릅니다.
선발 방식도 기업마다 다릅니다. 크래프톤은 학력·경력 무관 역량 중심으로 FDE를 선발하며, 3개월 계약직 근무 후 성과에 따라 연장 여부를 결정합니다. 단기 성과 검증이 가능한 과제에서는 유효한 방식이지만, 고용 안정성 측면에서 지원자에게 불확실성이 있다는 점은 채용 설계 시 고려해야 합니다.
FDE 도입의 실제 한계: 위장도급 논란과 내재화 딜레마
FDE 모델의 법적 리스크는 파견직과의 경계에서 발생합니다. FDE가 파견직과 실질적으로 구분되려면 직접고용·책임구조·보상체계 변화가 수반돼야 하며, 위장도급 논란이 지속되고 있습니다. 외부 엔지니어가 고객사 현장에 상주하며 업무를 수행하는 구조는 형식이 아닌 실질로 판단되므로, 계약 설계 단계에서 법적 검토가 필요합니다.
내부 조직형 FDE의 딜레마는 비용 구조에 있습니다. 대규모 인력 투자와 장기 운영 비용이 수반되며, 수행할 과제 수가 줄어들면 조직 유지 자체가 부담이 됩니다. 내부 조직을 구축한 뒤 과제 파이프라인이 끊기면 인력 재배치 문제가 발생하고, 이를 방지하려면 지속적인 AX 과제 발굴이 전제돼야 합니다.
계약형 FDE 개발사를 이용할 때의 역량 내재화 한계는 계약 종료 시점에 드러납니다. 기술 이전 계획이 계약에 포함되지 않으면, 프로젝트가 끝난 뒤 동일한 문제가 발생했을 때 다시 외부에 의존해야 하는 구조가 반복됩니다. 세 가지 운영 유형의 리스크를 정리하면 다음과 같습니다.
| 운영 유형 | 주요 리스크 유형 | 판단 기준 |
|---|---|---|
| 내부 조직형 | 비용 리스크 | 과제 파이프라인 지속 가능 여부 |
| 플랫폼 파트너형 | 비용·역량 리스크 | 전담 인력 배정 비율 확인 필요 |
| 계약형 개발사 | 법적·역량 리스크 | 위장도급 구조 여부, 기술 이전 계획 포함 여부 |
어떤 유형이 적합한지는 조직의 AI 인력 현황, 과제 지속성, 보안 요건, 내재화 목표 시점에 따라 달라집니다. 단기 PoC 검증이 목표라면 계약형이 유리하고, 장기 AX 내재화가 목표라면 내부 조직형이나 플랫폼 파트너형을 검토하되 역량 이전 계획을 함께 설계해야 합니다.
자주 묻는 질문
국내에서 FDE를 채용하거나 운영 중인 기업은 어디인가요?
2026년 기준 LG CNS·마키나락스·크래프톤·채널톡 등이 내부 FDE 조직을 운영하거나 채용을 진행 중이며, 빅시프트처럼 공공·금융·의료 영역에서 계약형 FDE 방식으로 프로젝트를 수행하는 전문 개발사도 국내에 존재합니다. 서울 소재 글로벌 기업 기준으로는 Databricks, Palantir, Datadog, OpenAI, Notion이 온사이트 FDE 포지션을 채용 중입니다(2026년 10월 1일 기준).
계약형 FDE 개발사와 일반 AI 외주 개발사는 어떻게 다른가요?
핵심 차이는 결과 책임의 범위입니다. 계약형 FDE 개발사는 문제 정의 단계부터 운영 정착까지 책임을 계약에 포함하는 반면, 일반 AI 외주는 요구사항 구현에 집중하고 현장 적용 이후의 책임은 발주사가 부담하는 구조입니다. 계약 전에 문제 정의 책임과 운영 정착 범위가 계약서에 명시되는지를 확인하는 것이 선택 기준이 됩니다.
참고자료3개 보기
- [1]blog.bigshift.krblog.bigshift.kr
- [2]www.bigshift.krwww.bigshift.kr
- [3]www.bigshift.krwww.bigshift.kr