AI Engineer i Forward Deployed Engineer: zadaci i odgovornost

Dok sam pripremao pregled tržišta AI poslova, stalno sam nailazio na dva naziva: AI Engineer i Forward Deployed Engineer. Njihovi oglasi mogu izgledati slično. Oba uključuju kod, modele i puštanje u produkciju. Razlika je često u uvjetima rada i rezultatu za koji inženjer odgovara.

Razlikovao bih ih prema tome oko čega je posao organiziran. AI Engineer obično gradi AI funkciju ili sustav unutar proizvoda. Forward Deployed Engineer, odnosno FDE, odgovara za uvođenje kod određenog klijenta, uključujući njegove procese i podatke. Jedna osoba može raditi oboje. Naziv pozicije sam ne određuje granice odgovornosti.

Što gradi AI Engineer

Pretpostavimo da proizvod treba pretraživanje dokumenata. Inženjer mora odlučiti kako se dokumenti učitavaju i osvježavaju, kako pronaći relevantne odlomke i kako provjeriti odgovor modela. Važna su prava pristupa: sadržaj dokumenta koji korisnik ne smije otvoriti ne smije procuriti kroz odgovor asistenta.

Prvi uspješan primjer ostavlja mnogo otvorenih pitanja. Na neke upite sustav odgovara dobro, na druge uvjerljivo pogrešno. Dugi dokumenti preskupi su za obradu. Promjena modela pokvari provjere koje su prije prolazile. To postaju pitanja arhitekture i rada sustava s kojima se inženjer mora znati nositi.

Za takav posao htio bih skup provjernih pitanja s očekivanim ponašanjem. Ako podatka nema u dokumentima, sustav to treba reći. Ako su izvori proturječni, odgovor to treba pokazati. Dojam da asistent lijepo odgovara nije dovoljan za novu verziju.

U proizvodu te odluke trebaju podnijeti ponovnu uporabu. Drugi korisnik učitat će drukčije dokumente, količina će se promijeniti i pojavit će se nova ograničenja. AI Engineer mora razmišljati kako će sljedeći tim ili klijent koristiti istu funkciju.

Za što odgovara Forward Deployed Engineer

Sada zamislimo uvođenje te tražilice u određenu tvrtku. Aktualni dokumenti nalaze se na više mjesta, stare verzije nisu označene, a odjeli se ne slažu tko smije vidjeti cijene. Zaposlenici postavljaju pitanja drukčije od autora demonstracije.

FDE prolazi kroz te uvjete zajedno s klijentom. Gdje je mjerodavna informacija? Tko može odobriti pristup? Koje sučelje odgovara radu zaposlenika i što treba učiniti kada sustav ne odgovori? Tehnički funkcionalna mogućnost može ostati neiskorištena ako ta pitanja nisu riješena.

To je inženjerski posao. OpenAI-jev opis FDE uloge povezuje rad s klijentom i razvoj platforme. Inženjer i dalje piše i otklanja pogreške u kodu. Dio zahtjeva razjasni se tijekom uvođenja, kada postanu vidljivi podaci i način rada klijenta.

Format sam detaljnije obradio u tekstu o FDE-u za malu tvrtku. Ovdje me zanima podjela odgovornosti: poboljšavanje zajedničke funkcije i njezino osposobljavanje za određeno okruženje.

Jedan primjer, dva područja odgovornosti

Uzmimo zamišljenu tvrtku koja preko Telegrama prima upite za događaje. Poruka može sadržavati datum, približan broj gostiju i dugo glasovno objašnjenje. Klijent može izostaviti grad ili sat poslije promijeniti datum.

AI Engineer može izraditi izdvajanje polja, obradu glasa i provjeru rezultata. Sustav treba znati izraziti nesigurnost oko datuma. Ako klijent ispravi broj gostiju, podatak se treba ažurirati umjesto stvaranja drugog nepovezanog upita. Ti slučajevi pomažu provjeriti tehničku izvedbu.

FDE mora razumjeti kako ljudi obrađuju upit. Koja su polja obvezna prije procjene cijene? Tko prima zahtjev i gdje se on treba pojaviti? Smije li sustav automatski poslati dodatno pitanje? Što se događa ako odgovor stigne noću ili je menadžer već ručno izmijenio zapis?

Ako posao dijele dva inženjera, trebaju dogovorenu granicu. Pretpostavimo da model ispravno prepozna promjenu, ali CRM odbije ažuriranje. Tko vidi pogrešku, tko je ispravlja i što menadžer vidi u međuvremenu? Ta pitanja treba riješiti prije nego što se upiti počnu gubiti.

Sučelje može biti Telegram bot. Zaposleniku kojem treba ekran s poljima i statusima možda više odgovara Mini App. Sučelje treba pratiti način rada ljudi, a ne naziv inženjerske uloge.

Vještine koje dijele obje uloge

U oba posla koristi razumjeti tuđi kod, raditi s API-jima i provjeravati ponašanje na problematičnim ulaznim podacima. Kod LLM-a to uključuje ograničenja modela, cijenu zahtjeva i ocjenjivanje odgovora. Inženjer treba znati objasniti tehnički izbor i osobi koja ne piše kod.

Razlika je često u rasporedu radnog dana. U proizvodnom timu AI Engineer može dugo poboljšavati zajednički sustav i usklađivati promjene s drugim developerima. FDE susreće više pitanja o organizaciji klijenta: tko odlučuje, zašto podaci tako izgledaju i što se smije promijeniti u procesu.

AI Engineer također razgovara s korisnicima, a FDE može izraditi komponentu koja kasnije uđe u zajednički proizvod. Nema čvrste granice. Kada tvrtka zapošljava pod jednim od tih naziva, pitao bih za prvi projekt i rezultat koji očekuje nakon nekoliko mjeseci.

Certifikat ili popis biblioteka odgovara na drugo pitanje. Radije bih pogledao izrađen sustav: zašto je arhitektura takva, gdje griješi i što se događa poslije pogreške. Moje bilješke o razvoju Dantive pokazuju proizvodnu stranu tog rada. Dantiva je moj proizvod s web sučeljem, Telegram botom i Mini Appom.

Kako tvrtka može odlučiti koga treba

Ako proizvod već ima korisnike i treba bolju AI funkciju za sve, zadatak je bliži AI Engineeringu. Primjeri su bolje pronalaženje izvora, kraće čekanje odgovora ili provjera novog modela prije zamjene starog.

Ako je tehnologija već odabrana, a teškoća je u podacima, pristupima i svakodnevnom radu jednog tima, netko treba preuzeti odgovornost za uvođenje. Tom zahtjevu odgovara FDE format. Ipak treba provjeriti je li dovoljna obična automatizacija. Nekim procesima ne treba ni agent ni LLM.

Maloj tvrtki možda ne trebaju dvije zasebne pozicije. Inženjer i konzultant može pokriti oba dijela kada je opseg ograničen i njegove vještine odgovaraju zadatku. Tada treba jasno opisati rezultat i predaju: što radi nakon puštanja, što ostaje ručno i tko održava sustav.

Tako pristupam svom radu. Prvo treba razumjeti zadatak i ograničenja, zatim izabrati način izvedbe. Ovisno o projektu, to može biti AI agent, RAG unutar postojećeg proizvoda ili klasična integracija. Naziv može opisati format, ali sadržaj posla treba odrediti zasebno.

Kada je uvođenje završeno

Koristan kriterij završetka je da tim može obaviti dogovoreni proces bez autora demonstracije pokraj sebe. Postoji način da se kvar primijeti i istraži. Računi pripadaju odgovarajućim vlasnicima, troškovi su vidljivi, a ograničenja zapisana.

Nakon puštanja u rad treba se vratiti slučajevima na kojima je sustav provjeren. Rade li na stvarnim podacima? Koriste li zaposlenici rješenje? Je li nastao dodatni ručni posao koji nitko nije uračunao? Odgovori pomažu odlučiti što poboljšati i treba li uopće proširivati uvođenje.

Pri izboru između AI Engineera i FDE-a počeo bih rezultatom koji treba postići i okruženjem u kojem on mora raditi. To točnije opisuje zadatak od izbora modernijeg naziva.

Česta pitanja o AI Engineeru i FDE-u

Po čemu se AI Engineer razlikuje od Forward Deployed Engineera?

AI Engineer obično odgovara za AI funkciju ili sustav unutar proizvoda. FDE odgovara za uvođenje u okruženju određenog klijenta, uključujući podatke, integracije i rad korisnika. Poslovi se mogu preklapati.

Piše li FDE kod ili samo savjetuje?

Piše kod i vodi tehničku izvedbu. Rad s klijentom pomaže razumjeti zahtjeve i dovesti sustav do uporabe; ne zamjenjuje inženjerske vještine.

Može li jedna osoba raditi oba posla?

Da, posebno u malom timu s ograničenim opsegom projekta. Tehnička kvaliteta, uvođenje i daljnja podrška ipak trebaju jasno dogovorenu odgovornost.

Koja uloga treba maloj tvrtki?

Ovisi o zadatku. Razvoj zajedničke AI funkcije traži AI Engineering. Uvođenje u postojeći rad tima traži iskustvo bliže FDE-u. Prvo treba provjeriti je li AI potreban i može li se rezultat izmjeriti.