Oferty pracy dla « forward deployed engineer » (FDE) i « AI engineer » często wymagają tych samych kompetencji: Python, API i wdrożenia w chmurze. Jednak oba zawody mogą prowadzić do bardzo różnych dni pracy. Według przewodnika opublikowanego przez Analytics Vidhya, różnica polega głównie na organizacji odpowiedzialności, problemach, z którymi się stykają, oraz na tym, jak mierzy się sukces.
- FDE wdraża rozwiązania AI wraz z klientami, od pomysłu do produkcji.
- AI engineer projektuje i utrzymuje aplikacje AI z wersji na wersję.
- Obie role wymagają Pythona, API, RAG i wdrożeń w chmurze, ale różnią się codziennym zakresem pracy.
- Liczba ofert nie powinna decydować o wyborze zawodu, a praca FDE może tworzyć wzorce do ponownego użycia.
FDE projektuje i wdraża oprogramowanie wraz z klientami. W firmach zajmujących się sztuczną inteligencją często oznacza to przeniesienie przepływu pracy opartego na modelu językowym (LLM, systemie trenowanym na dużych ilościach tekstu) od pomysłu do produkcji. Według źródła, rola FDE w OpenAI obejmuje odkrywanie potrzeb, określanie zakresu technicznego, projektowanie systemu, implementację i wdrożenie. Środowisko klienta kształtuje pracę: ograniczone dane, starsze systemy i nieudokumentowane procedury zatwierdzania są częścią problemu do rozwiązania.
Proces zwykle obejmuje kilka etapów, od obserwacji użycia po przekazywanie wniosków. Przewodnik podkreśla ten ostatni etap: opis stanowiska FDE w Anthropic wyraźnie obejmuje dzielenie się schematami wdrożeń z zespołami produktowymi i inżynieryjnymi. Praca wykonana dla jednego klienta może więc tworzyć możliwości do ponownego wykorzystania, zamiast gromadzić się jako specyficzne poprawki.
AI engineer projektuje i obsługuje oprogramowanie wykorzystujące sztuczną inteligencję, czy to asystenta, usługę rekomendacji, aplikację wizyjną czy agenta zdolnego do korzystania z narzędzi. W zespole produktowym lub wewnętrznym praca ta często trwa od wersji do wersji. Jako przykład przewodnik podaje stanowisko Senior AI Engineer w Criteo, które obejmuje agentów, debugowanie, wdrażanie, monitorowanie i utrzymanie.
Przewodnik ilustruje tę ciągłość prostym przypadkiem: tańszy model dobrze odpowiada na typowe pytania, ale nie radzi sobie z nietypowymi wyjątkami od polityki firmy. Zmiana modelu obniża koszt na żądanie, jednocześnie wprowadzając problem z jakością. Inżynier musi wtedy dysponować reprezentatywnymi przypadkami testowymi, metrykami opóźnienia i kosztu oraz sposobem na wycofanie zmian.
Dla zilustrowania różnicy, przewodnik wyobraża sobie dystrybutora wdrażającego asystenta AI dla swoich zespołów wsparcia, odpowiedzialnego za odpowiadanie na pytania dotyczące polityki handlowej, sprawdzanie zamówień i pozostawianie zwrotów upoważnionym pracownikom. FDE mógłby odkryć, że bezpośrednią przeszkodą jest nieaktualne repozytorium polityk, podczas gdy AI engineer mógłby stwierdzić, że aktualizacja modelu spowodowała regresję. Według przewodnika, te różne akcenty mieszczą się w tym samym wysiłku inżynieryjnym i nie dzielą zadań w sposób sztywny.
Obie role opierają się na wspólnych kompetencjach: inżynierii oprogramowania, projektowaniu aplikacji AI, w tym generacji wspomaganej pobieraniem (RAG, która polega na dostarczaniu modelowi dokumentów pobranych z bazy), ocenie i uruchamianiu w produkcji. FDE musi dodatkowo umieć zadawać klientowi właściwe pytania i negocjować zakres, podczas gdy stanowisko zorientowane na produkt wymaga dogłębnej i długoterminowej znajomości systemu.
Przewodnik wyjaśnia również, że twierdzenie, jakoby rola FDE oferowała « far more roles », nie jest poparte liczeniem ofert i nie powinno samo kierować wyborem zawodu. Według źródła, wiele stanowisk FDE obejmuje implementację, testy i wdrożenie, a udział kodu zależy od pracodawcy.
