OpenAI Deployment Company와 FDE — 제품을 파는 대신 현장으로 들어간다
OpenAI가 별도 법인 OpenAI Deployment Company를 출범시키고 FDE 조직을 전면에 내세웠다. 제품을 먼저 만들어 파는 대신 고객사의 제약 안으로 들어가는 이 모델이 무엇을 뜻하는지 정리했다.
기업이 AI를 도입할 때 가장 어려운 지점은 모델 성능이 아니라 그 모델을 실제 업무 시스템 안으로 넣는 일입니다. OpenAI가 이 지점을 겨냥해 별도 조직을 만들었습니다.
1. OpenAI가 말하는 FDE의 정의
OpenAI는 FDE를 “복잡한 실제 사용 사례에서 AI를 프로덕션으로 가져가는 방식”이라고 설명합니다. 일반 제품을 먼저 만들어 판매하는 방식이 아니라, 고객사의 보안 모델, 권한, 거버넌스, 컴플라이언스, 레거시 인프라 같은 현실 제약 안으로 들어가 맞춤형 AI 시스템을 직접 설계·구축·배포하는 역할입니다.
즉 FDE는 단순한 “솔루션 엔지니어”나 “컨설턴트”가 아닙니다. 고객사 현장에 깊게 들어가 문제를 발견하고, 모델을 붙이고, 평가 체계를 만들고, 실제 업무에서 쓰이도록 제품화까지 밀어붙이는 역할에 가깝습니다.
2. 왜 지금 FDE를 강조하나
2026년 5월 11일 OpenAI는 OpenAI Deployment Company를 출범시켰습니다. 이 회사는 기업들이 AI 시스템을 실제 업무에 안정적으로 배포하도록 돕기 위한 별도 조직이며, OpenAI가 과반 소유·통제하는 형태입니다. 초기 투자 규모는 40억 달러 이상이고, TPG, Advent, Bain Capital, Brookfield, Goldman Sachs, SoftBank Corp., McKinsey, Bain & Company, Capgemini 등 19개 투자·컨설팅·시스템 통합 파트너가 참여합니다.
핵심은 OpenAI가 Tomoro라는 AI 컨설팅·엔지니어링 회사를 인수하기로 했다는 점입니다. 이 인수를 통해 약 150명의 FDE 및 배포 전문가가 OpenAI Deployment Company에 합류할 예정입니다. 단, 인수는 규제 승인 등 통상적인 종료 조건을 거쳐야 하며, 수개월 내 마무리될 것으로 공지되었습니다.
3. FDE가 실제로 하는 일
OpenAI 채용공고 기준으로 FDE는 다음 일을 합니다.
- 문제 발견 — 고객사의 핵심 업무 흐름을 파악하고 AI 적용 가치가 큰 지점을 찾음
- 기술 설계 — OpenAI 모델, 고객 데이터, 내부 도구, 권한 체계, 보안 요건을 연결하는 아키텍처 설계
- 구현 — Python, JavaScript 등으로 프론트엔드·백엔드·AI 시스템을 직접 개발
- 배포 — 프로토타입에서 MVP, 운영 시스템까지 밀어붙임
- 평가 — eval, KPI, 전후 비교, ROI 측정으로 실제 효과 검증
- 제품 피드백 — 현장 문제를 OpenAI의 Product·Research 팀에 전달해 모델과 플랫폼 개선에 반영
OpenAI의 FDE 채용공고는 “discovery, technical scoping, system design, build, production rollout”을 FDE가 직접 소유한다고 설명하며, 성공 기준도 단순 납품이 아니라 프로덕션 도입, 측정 가능한 업무 영향, eval 기반 피드백이라고 명시합니다.
4. 요구 역량
OpenAI의 일반 FDE 공고는 5년 이상의 엔지니어링 또는 기술 배포 경험, 고객 대면 경험, 복잡한 시스템 구축 경험, Python/JavaScript 기반 프로덕션 코드 작성 능력, LLM·생성형 모델 기반 시스템 구축 경험을 요구합니다. 또한 빠르게 변하는 상황에서 의사결정하고, 엔지니어·제품팀·고객 이해관계자와 명확히 커뮤니케이션하는 능력을 강조합니다.
흥미로운 점은 OpenAI가 FDE를 산업별로도 세분화하고 있다는 것입니다. 예를 들어 반도체 FDE는 RTL 저장소, 검증 환경, 시뮬레이터, 내부 툴링과 OpenAI 모델을 연결해 칩 설계·검증 업무를 자동화하는 역할을 맡습니다. 성공 기준도 생산 도입, 설계 사이클 단축, 엔지니어 생산성 향상, 평가 루프 구축 등으로 정의됩니다.
5. FDE 조직 안의 세부 역할
OpenAI의 FDE는 하나의 직무만 의미하지 않습니다. 채용공고를 보면 최소 세 갈래가 보입니다.
Forward Deployed Engineer — 고객 현장에 들어가 문제 정의부터 시스템 설계, 구현, 운영 배포까지 담당하는 핵심 역할입니다. 출장 비중이 높고, NYC 공고 기준 최대 50% 출장 가능성이 명시되어 있습니다.
Platform Engineer, FDE — 개별 고객 프로젝트에서 반복적으로 발견되는 패턴을 OpenAI 플랫폼의 재사용 가능한 기능, 추상화, 도구, 레퍼런스 아키텍처로 바꾸는 역할입니다. 이 역할은 고객 현장 배포보다는 FDE 조직 전체의 레버리지를 높이는 쪽에 가깝습니다.
Technical Deployment Lead, FDE — FDE, 연구팀, 고객 엔지니어, 제품팀 사이에서 기술 배포 전체를 리드하는 역할입니다. 비즈니스 목표를 기술 계획으로 바꾸고, 워크플로우·성공 기준·MVP·확장·변화관리까지 조율합니다.
6. 전략적 의미
OpenAI의 FDE 전략은 단순히 “기업 고객에게 API를 더 많이 팔겠다”는 수준이 아닙니다. 방향은 더 큽니다.
첫째, OpenAI는 모델 회사에서 배포 회사로 확장하고 있습니다. 공식 발표에서도 OpenAI는 자신들을 “research and deployment company”라고 설명하며, 모델을 만드는 것만으로는 충분하지 않고 안전하고 효과적으로 대규모 배포하는 것이 중요하다고 강조합니다.
둘째, FDE는 OpenAI의 현장 학습 루프입니다. 고객사의 실제 문제를 해결하면서 어떤 모델이 어디서 실패하는지, 어떤 eval이 필요한지, 어떤 워크플로우가 반복되는지를 수집하고, 이를 제품·모델 로드맵에 반영합니다. OpenAI 공고에서도 FDE가 Research와 Product에 필드 피드백을 공유한다고 명시합니다.
셋째, 기업 AI 시장의 병목이 “모델 성능”에서 도입·통합·운영·변화관리로 이동했다는 신호입니다. OpenAI 발표는 다음 단계의 기업 AI가 실제 업무 사용 사례에 얼마나 효과적으로 배포되는지에 의해 결정될 것이라고 설명합니다.
7. 한 줄로 정리
OpenAI의 FDE는 “고객사의 복잡한 업무 현장 안으로 들어가 OpenAI 모델을 실제 운영 시스템으로 바꾸는 엔지니어 조직”입니다.
OpenAI가 Deployment Company까지 만든 것은, 앞으로 AI 경쟁의 핵심이 단순 모델 성능이 아니라 현장 배포 능력, 평가 체계, 워크플로우 재설계, 반복 가능한 솔루션 패턴 확보로 이동하고 있다는 강한 신호입니다.