OpenAI狂砸40亿美刀下场抢FDE，软件工程师的尽头原来是驻场啊

Местное время 11 мая, OpenAI объявила о создании новой компании под названием OpenAI Deployment Company (OpenAI Компания по Развертыванию), с начальным инвестированием свыше 4 миллиардов долларов, сосредоточенной на помощи предприятиям в создании и развертывании систем ИИ.

OpenAI вложила 4 миллиарда долларов в создание компании по развертыванию

OpenAI Deployment Company — это партнерство, созданное совместными усилиями OpenAI и 19 ведущих мировых инвестиционных, консультационных компаний и системных интеграторов. Это партнерство возглавляется TPG, а совместными учредительными партнерами выступают Advent, Bain Capital и Brookfield, а также B Capital, BBVA, Emergence Capital, Goanna, Goldman Sachs, SoftBank Group, WPP и WCAS.

Для быстрого расширения команды OpenAI Deployment Company одновременно приобрела консалтинговую компанию по искусственному интеллекту Tomoro, что позволило привлечь около 150 опытных инженеров и экспертов по внедрению на местах, которые сразу же смогут начать работу. Эти инженеры будут глубоко взаимодействовать с клиентами на местах, тесно сотрудничать с командами, совместно выявлять наиболее ценные сценарии внедрения ИИ и способствовать их реализации.

Это для OpenAI — стратегический важный поворот.

За последние два года OpenAI больше полагалась на ChatGPT Enterprise, API и возможности моделей для выхода на рынок; а сейчас она явно осознает, что наличие самых мощных моделей уже недостаточно для завоевания прежнего корпоративного рынка. Настоящее решение для скорости коммерциализации ИИ — не параметры модели, а «способность к внедрению».

И именно в этом заключается ценность Tomoro.

Кто же такой Tomoro?

Tomoro основана в 2023 году и с момента своего появления носит ярлык «экосистемной компании OpenAI».

Это в первую очередь консалтинговая компания, специализирующаяся на развертывании и инженерных услугах для предприятий. Ее основная деятельность — не разработка базовых моделей, а помощь компаниям в интеграции моделей OpenAI в бизнес-процессы, решая сложные задачи от подключения данных, управления системами, контроля доступа до проектирования рабочих процессов в производственной среде.

По открытым данным, среди клиентов Tomoro — крупные международные компании, такие как Mattel, Red Bull, Tesco, Virgin Atlantic и Supercell.

Общие черты этих клиентов — они не являются «технологическими инновационными компаниями».

То есть, Tomoro специализируется не на тренировке моделей в лабораторных условиях, а на переносе ИИ из концептуальной стадии в реальную производственную среду в самых сложных и реальных бизнес-средах.

Интересно, что у Tomoro есть привлекательная концепция развития: построение трёхдневной рабочей недели. На главной странице своего сайта компания пишет:

«Революция искусственного интеллекта предоставляет возможность переосмыслить общество. Мы не наблюдатели, а создатели — вместе мы построим такой мир, которым будем гордиться мы и будущие поколения.

Наша миссия — сбалансировать производительность ИИ и цели человека, сделав трёхдневную рабочую неделю реальностью.»

Что касается команды основателей, то ядро Tomoro состоит из специалистов в области цифровизации предприятий, облачной инфраструктуры и инженерных решений для ИИ — типичный «комплексный» коллектив, понимающий модели и преобразование бизнес-систем.

На официальной странице Tomoro указано, что в Австралии, Сингапуре, Великобритании и других странах ведется набор инженеров на постоянную работу.

Почему OpenAI внезапно делает крупные ставки на развертывание?

Логика здесь проста: корпоративные клиенты покупают не модели, а результаты.

Дениз Дрессер, главный коммерческий директор OpenAI, говорит: «ИИ становится всё более способным выполнять важные задачи внутри организации. Сейчас задача — помочь интегрировать эти системы в инфраструктуру и рабочие процессы, поддерживающие бизнес. Компания по развертыванию OpenAI призвана помочь устранить этот разрыв и превратить возможности ИИ в реальные операционные преимущества.»

Дрессер и её команда уже поняли, что сейчас самое важное — это наличие на местах, то есть корпоративных специалистов по внедрению ИИ.

Несмотря на огромный успех ChatGPT в потребительском сегменте, в корпоративном рынке за последний год Anthropic быстро вырос благодаря серии Claude, заручившись сильной позицией у разработчиков и бизнес-клиентов. Уже в этом году внутри OpenAI признали, что рост Anthropic создает для компании значительное давление.

По информации Reuters, на внутренней встрече OpenAI руководитель бизнес-направления Fidji Simo ясно заявил сотрудникам:

Рост Anthropic должен стать для OpenAI «звоночком».

Она подчеркнула, что компания должна сосредоточить ресурсы на повышении корпоративной производительности, а не распыляться на слишком разнородные продуктовые линии.

В определённом смысле, компания по развертыванию OpenAI — это результат стратегической защиты.

Конечно, Anthropic тоже не сидит сложа руки.

На прошлой неделе было объявлено о создании совместного предприятия, сосредоточенного на развертывании корпоративных решений ИИ, в которое вошли Blackstone, Hellman & Friedman и Goldman Sachs в качестве учредителей.

Это совместное предприятие оценивается в 1,5 миллиарда долларов, при этом Anthropic, Blackstone и Hellman & Friedman вложили по 300 миллионов долларов. Остальные инвесторы — Apollo Global Management, General Atlantic, государственный инвестиционный фонд Сингапура (GIC), Leonard Green и Suko Capital.

Это означает, что началась активная борьба за «коммерческое применение ИИ в бизнесе».

Если раньше конкуренция шла за создание более мощных моделей, то теперь она смещается: кто быстрее внедрит модель в реальные бизнес-процессы.

Резкое снижение спроса на традиционных инженеров, почему инженеры по развертыванию стали очень востребованы?

Это изменение тренда явно отражается и на рынке труда.

Когда «внедрение моделей в реальные бизнес-процессы» становится ключевым фактором успеха, спрос на традиционных программистов, которые занимаются только написанием кода и не взаимодействуют с бизнесом, резко падает. В то же время, инженеры по внедрению, способные работать на местах, интегрировать системы и продвигать внедрение, становятся очень востребованными.

Посмотрим на две яркие статистики: в первом квартале 2025 года количество вакансий для традиционных инженеров снизилось примерно на 70%; в то же время спрос на фронтовых инженеров (Forward Deployed Engineers, FDE) вырос с примерно 800% до около 1000%. Это явное свидетельство фундаментальных изменений в отрасли.

Почему спрос на традиционных инженеров падает, а инженеры по внедрению — это «жареный хлеб» на рынке?

Ответ в том, что успех проекта сейчас зависит на 60–70% от «применения и внедрения», а не только от инженерных и программных навыков. Важна способность совместно с клиентом внедрять инновации, адаптироваться, руководить процессом и быстро реагировать. Навыки быстрого итеративного внедрения и адаптации — ключевые. Основной барьер сместился с «технических возможностей» на «применение и внедрение». Помощь клиентам в переосмыслении рабочих процессов и систем для будущих требований — приоритет.

Однако, самостоятельно реализовать AI-проекты сложно, потому что очень мало специалистов, хорошо разбирающихся в AI. И не только в AI — нужно также понимать системную архитектуру и бизнес-процессы компании.

Объединение этих знаний — залог успеха. А недостающие навыки внедрения и детализация — в руках фронтовых инженеров.

Даже при наличии готовых решений на рынке, клиентам зачастую нужны большие доработки и настройки. Без участия FDE, совместной работы с клиентом, глубокого понимания продукта и архитектуры проекта добиться успеха сложно. Практика показывает, что AI-проекты с участием FDE показывают значительно более высокий ROI и уровень успеха.

Почему традиционные модели поставки не работают?

Стандартный процесс продажи программного обеспечения — разработка продукта → передача продажам → продвижение клиенту → установка (с помощью службы поддержки) → самостоятельное решение проблем клиентом. Эта модель игнорирует самый важный аспект: реальная среда клиента всегда «особенная и сложная».

Но есть простая истина: сопровождение — это самое продолжительное проявление любви.

Модель FDE — это не просто передача продукта и уход, а непосредственное размещение лучших инженеров внутри компании клиента. Эти инженеры вместе с менеджерами по документации создают код, настраивают интеграцию, конфигурируют системы для работы в конкретных условиях клиента. Это «предварительное развертывание»: ваши инженеры работают прямо внутри компании клиента.

Эта модель эффективна потому, что она основана на простом понимании: такие FDE — специалисты, хорошо разбирающиеся в работе моделей и программного обеспечения, а инженеры клиента (например, из JPMorgan) — отлично знают свою компанию: структуру данных, требования к соблюдению нормативов, внутреннюю политику и конкретные задачи. Ни одна из сторон не может справиться в одиночку. Модель FDE заставляет эти две системы знаний столкнуться и объединиться, чтобы найти действительно эффективное решение.

Этот подход особенно подходит для клиентов с «особенными и сложными» задачами: больниц, банков, оборонных структур, крупных финансовых институтов. Стандартные SaaS-решения не подходят, потому что у них есть наследие систем, ограничения регуляторов, внутренние процессы, изначально не рассчитанные на ИИ.

Можно сказать и так: снижение спроса на традиционных инженеров — не потому, что технологии устарели, а потому, что меняется определение «инженера». Специалисты, способные глубоко работать на местах, понимать бизнес, быстро внедрять и совместно создавать инновации, — это самые востребованные кадры эпохи ИИ.

В таких условиях, каким навыкам должны обладать инженеры по внедрению?

В одном из подкастов представители OpenAI — руководитель платформенных решений Sherwin Wu и менеджер по продуктам Olivier Godement — подробно рассказали о ключевых требованиях к FDE.

В сценариях с высокой степенью кастомизации и высокой безопасностью, например, в изолированных физических средах национальных лабораторий, инженеры по внедрению демонстрируют ряд критически важных навыков.

Во-первых, у них есть прочные навыки физической и низкоуровневой инфраструктуры: они могут не только установить и запустить модель на конкретном оборудовании и сетях клиента, а не только через API, но и в условиях строгих ограничений безопасности — например, в полностью изолированной среде с «воздушным зазором», где запрещено носить электронные устройства, — физическими средствами импортировать веса модели на суперкомпьютер.

Во-вторых, у них есть глубокие навыки кастомизации и инженерной работы: они могут тесно взаимодействовать с командами разработки, заниматься «чистым» ручным созданием и адаптацией среды для таких систем, как Venado, а также обладать агентским инженерингом (Agentic Engineering), управлять оркестровкой, памятью и задачами, обеспечивая стабильную работу модели даже в условиях жестких ограничений.

Кроме того, команда OpenAI отмечает, что успешное развертывание требует не только технических навыков, но и организационных характеристик:

«Режим «штурмовой команды» (Tiger Team):

• В развертывании нужны не только технические специалисты, но и люди с «организационными знаниями» (Institutional Knowledge).

• Компетенции: это небольшая команда из инженеров, экспертов в различных областях (SME) и тех, кто хорошо знает внутренние процессы организации. Большая часть критических знаний (например, SOP — стандартные операционные процедуры) хранится в головах старших сотрудников, а не в документах.

Оценка снизу вверх (Evals First):

• Четкое определение целей: успешное развертывание требует сначала понять, что считать успехом.

• Вовлечение оператора: стандарты оценки не должны устанавливаться сверху, их должны разрабатывать сами операторы, потому что только они знают реальные боли и сценарии.

Роль меняется: от «инструмента» к «партнеру по мышлению»:

• Успешное внедрение позволяет моделям стать глубоко интегрированными в научные рабочие процессы. В случае национальных лабораторий, инженеры по внедрению превращают модель в «мышление-партнера» (Thought Partner), помогающего в проектировании экспериментов и анализе сложных данных.

Роль FDE и инженеров по внедрению уже вышла за рамки простого «установщика программного обеспечения» и превратилась в «многофункционального специалиста: связующего звена, архитектора и эксперта по отрасли». Они должны не только обеспечить работу модели, но и решить проблему интеграции ИИ в ключевые бизнес-процессы (даже те, что не задокументированы или скрыты).