• 팔란티어 FDE 출신의 폭탄 발언: "지금 FDE 붐은 제품이 없어서 사람으로 때우는 중."
• AI가 다음에 집어삼킬 건 현업의 판단이 아니라, 중간에서 말을 옮기던 그 자리

신입사원보다 똑똑한데, 눈치는 신입보다 없는 직원. 요즘 회사들이 앞다퉈 들이는 AI 에이전트 얘기입니다. 보고서는 3분 만에 쓰는데, "그 거래처는 원래 그렇게 처리 안 해" 같은 회사 사정은 하나도 모릅니다.

그래서 등장한 해결사가 FDE(현장 배치 엔지니어). 고객사에 눌러앉아 현업 말을 듣고, AI가 알아듣게 다시 옮겨 주는 사람이죠. 해외 미팅에 꼭 데려가야 하는 통역사 같은 존재. 실리콘밸리에서 제일 잘 팔리는 직함이 된 지 오래입니다.

그런데 이 통역사 부대의 원조, 팔란티어에서 그 일을 이끌던 Eugen Alpeza가 지난 9월 29일 X에 자기 밥그릇을 걷어차는 글을 올렸습니다. 제목이 "FDE 붐은 제품 공백이다." 이틀도 안 돼 22만 명이 봤습니다.

1. 똑똑한데 눈치 없는 신입, AI 에이전트

• 기업마다 같은 벽: AI는 회사가 어떻게 굴러가는지 모르고, 아는 현업은 가르칠 방법이 없음
• 지금 유행하는 처방 두 가지, 둘 다 반쪽짜리
   - FDE 고용: 현업 → FDE → AI로 말을 두 번 옮기는 구조. 원래 비싼 서비스인데, 운영이 바뀔 때마다 통역사를 또 불러야 함
   - 과거 기록 몽땅 연결(맥락 그래프): 확장성은 좋음. 근데 기록만 이어 붙여서 해결됐다면 FDE가 이렇게 귀하신 몸일 리 없음
• 진짜 숙제는 하나: 현업 머릿속 '판단'을 AI가 따를 수 있는 지시문으로 바꾸고, 사업이 바뀔 때마다 그걸 최신으로 유지하는 일

2. 수백억 달러 장부 속 '실수'와 '사정'은 똑같이 생겼다

• 대형 통신사가 수백억 달러어치 공급망 지출 데이터를 넘기며 주문: 규정 벗어난 장비 발주를 자동으로 잡아 달라
• 추세 찾기는 식은 죽 먹기. 진짜 골치는 미묘한 구분
  - 특정 전압 장비는 대부분 교체되는데, 항상은 아님
  - 현업에 물어보니 일부는 절차가 있는 줄도 몰라서 저지른 실수, 일부는 문서에 한 줄도 없던 정당한 지역 사정
• 장부에는 실수와 사정이 똑같은 얼굴로 찍혀 있음
  - 패턴은 FDE도 찾음. 하지만 뭘 멈추고 뭘 공식 규칙으로 올릴지는 현업만 판정할 수 있음

3. ContextOps: 통역사 빼고 현업과 AI가 직거래

• AI가 판을 뒤집은 지점: 업무 매뉴얼 만드는 값은 폭락, 그걸 가진 회사의 이득은 폭등
  - "신입이 그대로 따라 할 수 있는 최신 매뉴얼 있어요?" 물으면 대부분 웃음부터 터짐. 예전엔 유지비가 살인적이라 아무도 못 해냈음
  - 큰 조직에서 전체 프로세스를 다 아는 사람은 한 명도 없음. 대신 AI는 수천 건을 한 번에 읽음
• 같은 통신사 사례를 새 방식으로 돌리면
  - AI가 이력을 훑어 전압 규칙 초안을 쓰고, 근거 사례 붙이고, 안 맞는 건에 빨간 줄
  - 현업 책임자는 "이 묶음은 실수, 저 묶음은 정당" 판정하고 이유 한 줄 달아 도장
  - 대표 사례로 시험 운행한 뒤 배포. 이후 규칙 수정은 FDE 없이 현업이 직접
• 이걸 상시로 돌리는 규율이 ContextOps(맥락 운영)
  - 내용 책임은 현업, 받아 적고 고치는 건 AI, 실행 시스템은 엔지니어

4. 쓸수록 똑똑해지는 회사, 그 성적표

• 학습 루프의 진가는 몇 바퀴 돌고 나서
  - 처음 보는 케이스 → AI가 현업에 SOS → 현업이 해결하고 이유 기록 → 비슷한 건이 쌓이면 AI가 규칙 개정안 제출 → 현업 승인
  - 그 규칙을 쓰는 모든 에이전트가 한꺼번에 업그레이드
  - 학습 루프를 FDE에게 월세로 빌려 쓰다가, 회사가 자가로 소유하게 되는 셈
• 성적표 이름은 '실행 가능 커버리지'
  - 사람이 판단을 보태 주지 않아도 AI가 승인된 규칙만으로 제대로 처리하는 업무 비율
  - 측정법은 간단: 샘플 100건 뽑아서 몇 건 통과하나 세어 보기
  - 저자가 고객사에 처음 들어가 보면 대개 10~30%
• "에이, 그냥 우리 데이터로 모델 학습시키면 되잖아?" 안 통함
  - 옛 직원들의 나쁜 버릇까지 고스란히 배움
  - 공급사·지역·정책이 바뀔 때마다 재학습 지옥
  - 현업에게 문서 고치라곤 해도, 모델 속에 밴 버릇을 빼내라곤 못 함
• 그래서 지시문도 코드처럼: 담당자, 버전, 근거, 테스트, 되돌리기 버튼
  - 저자의 회사 Edra가 만드는 게 바로 이 '현업용 GitHub'

여기서 헷갈리면 안 되는 포인트. AI가 노리는 건 현업의 판단이 아니라 그 판단을 받아 적던 중간 통역 자리입니다. 저자도 댓글에서 쐐기를 박았어요. 현업이 운전대를 잡아야 한다, 제대로 된 사업 판단을 줄 수 있는 건 그들뿐이라고. 판단의 몸값은 오히려 오릅니다. 한 사람의 감이 에이전트를 타고 수십 개로 복제되니까.

FDE들한텐 등골이 살짝 서늘한 대목도 있습니다. 저자 왈, 프로젝트 끝났는데 새 제품은 없고 기존 솔루션 깔고 AI 에이전트 몇 개 만들어 준 게 전부라면 그건 진짜 FDE 일이 아니라고. 말만 옮기던 통역사는 번역기가 나오는 날 일감이 줄고, 통역하다 발견한 구멍을 제품으로 메우는 쪽만 살아남지 싶습니다.

저자의 마지막 한 방. 회사가 돌아가는 방식에 대한 지식이야말로 그 회사의 가장 값진 IP다. 흩어진 티켓, 먼지 쌓인 문서, 에이스 몇 명의 기억력에 맡겨 둘 물건이 아니라는 얘기.

출처: Eugen Alpeza, "The FDE boom is a product gap", X 아티클 (2026년 9월 29일)