기업 AI의 질문이 바뀌고 있습니다. 이제 핵심은 “무엇을 할 수 있나”보다 “어떻게 실제 업무에 넣어 성과를 만들 것인가”에 가깝습니다.
AWS가 10억 달러 규모의 내부 자원을 투입해 AI 중심의 Forward Deployed Engineering, 즉 FDE 조직을 출범한 배경도 여기에 있습니다.1 FDE는 고객사 내부에 직접 배치돼 기술 전환을 가속하는 엔지니어를 뜻합니다.2 단순히 솔루션을 설명하는 역할이 아니라, 고객 조직 안에서 목적별 AI 에이전트와 프로덕션 시스템을 함께 만드는 역할입니다.
FDE는 컨설턴트보다 ‘함께 만드는 엔지니어’에 가깝다
FDE라는 표현은 팔란티어가 10여 년 전 만든 개념으로 알려져 있습니다.2 핵심은 외부 전문가가 평가와 권고를 담은 보고서만 남기고 떠나는 방식이 아니라, 현장에 들어가 실제 시스템을 구축한다는 점입니다.
AWS FDE는 고객의 비즈니스팀, 엔지니어링팀, 보안팀과 함께 프로덕션 AI 시스템을 만든다고 설명합니다.1 이 과정은 고객의 데이터, 거버넌스, 내부 프로세스를 기반으로 진행됩니다. 즉 AI를 별도 실험실에서 검증하는 데 그치지 않고, 실제 운영 환경에 맞게 연결하는 방식입니다.
이 지점에서 FDE의 의미가 분명해집니다. 기업 AI 도입의 병목은 모델 자체보다 권한, 보안, 업무 흐름, 운영 책임, 내부 승인처럼 조직 안에 얽힌 문제인 경우가 많습니다. FDE는 바로 이 “마지막 1마일”을 줄이려는 접근입니다.
AWS가 강조하는 차이는 속도와 자립성이다
AWS는 FDE 모델을 통해 기존에 수개월 걸리던 배포 기간을 수일 단위로 줄이는 것을 목표로 한다고 밝혔습니다.1 이를 위해 에이전트 우선 접근, 배포 기간 단축, 고객 자립성을 주요 차별점으로 제시합니다.1
여기서 중요한 것은 속도만이 아닙니다. 빠른 데모를 만드는 것과 운영 가능한 AI 시스템을 남기는 것은 다릅니다. AWS는 FDE 프로젝트를 청구 가능 시간보다 공유 목표와 비즈니스 결과 중심으로 구성한다고 설명합니다.1 잘 작동한다면 이는 외부 인력에 의존하는 컨설팅이 아니라, 고객 조직 내부에 실행 역량을 남기는 방식이 됩니다.
AWS가 말하는 AI-Driven Development Lifecycle도 같은 맥락입니다. AI 기반 실행, 인간 감독, 동적 팀 협업을 결합해 개발과 배포를 빠르게 반복하겠다는 접근입니다.1 결국 FDE의 가치는 “대신 만들어주는가”가 아니라 “고객 팀이 다음 문제를 더 빠르게 풀 수 있게 되는가”로 판단해야 합니다.
AI 경쟁은 모델에서 현장 실행으로 넓어지고 있다
AWS만 이 흐름에 뛰어든 것은 아닙니다. OpenAI와 Anthropic도 최근 각각 40억 달러와 15억 달러 규모의 FDE 관련 합작 벤처를 출범했습니다.2 AI 기업들의 경쟁 축이 모델 성능을 넘어, 고객사의 실제 업무 안으로 들어가 결과를 만드는 능력으로 확장되고 있다는 신호입니다.
따라서 기업 입장에서 AWS의 10억 달러 FDE 조직을 볼 때 핵심 질문은 단순히 “얼마나 큰 투자냐”가 아닙니다. 더 실용적인 질문은 다음에 가깝습니다.
우리 조직의 AI 병목은 모델 선택인가, 실제 배포와 운영인가?
외부 엔지니어가 들어왔을 때 내부 팀의 역량도 함께 커지는가?
프로젝트의 성공 기준이 기술 구현이 아니라 비즈니스 결과로 정의되는가?
배포 이후에도 운영, 보안, 거버넌스가 지속 가능하게 남는가?
AWS의 FDE 조직은 기업 AI 도입이 다음 단계로 넘어가고 있음을 보여줍니다. 이제 중요한 것은 더 많은 AI 실험이 아니라, 실제 업무 안에서 반복 가능하게 성과를 만드는 실행 체계입니다.
참고
1AWS invests $1 billion to embed AI forward deployed engineers with customers
2AWS puts $1 billion into new AI unit to embed engineers with customers, joining growing wave
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.