Executive Summary
2026년 3월부터 6월까지, 단 4개월 사이에 AI 산업과 엔터프라이즈 소프트웨어 산업 전체가 같은 방향으로 움직였다. 이 산업에서 좀처럼 보기 어려운 광경이다. 3월 18일, 액센추어와 마이크로소프트가 "수천 명 규모의 AI 엔지니어"가 참여하는 Forward Deployed Engineering Practice를 공동 출범시켰다.[1] 같은 날, SAP는 "AI 소비량 기반 과금" 전환과 동시에 "고객사에서 직접 AI 앱을 구축하는 FDE 팀 신설"을 발표했다.[2] 4월 15일, 세일즈포스는 FDE Partner Network를 정식 출범시켰다.[3] 5월 4일, 11일, 13일에 앤트로픽, 오픈AI, 구글이 차례로 발표를 내놓았고, 5월 21일에는 EY와 마이크로소프트가 5년간 10억 달러를 공동 투자하는 FDE Alliance를 발표했다.[4] 그리고 6월, 액센추어와 SAP가 또 다른 FDE Program을 출범시켰다.[5]
4개월 사이에 LLM 빅3(오픈AI·앤트로픽·구글), SaaS 빅3(마이크로소프트·SAP·세일즈포스), 그리고 컨설팅 빅2(액센추어·EY)가 모두 Forward Deployed Engineer라는 같은 깃발 아래 모였다. AI 모델 회사들이 컨설팅 회사가 되고 있다는 진단을 넘어, 이제 엔터프라이즈 소프트웨어 산업 전체의 영업·구현 모델이 재편되고 있다고 봐야 할 단계다.
각자의 자본 구조와 조직 형태는 다르다. 자체 인력으로 채용하는 기업이 있고, 합작 법인을 만드는 기업이 있고, 컨설팅 파트너십으로 가는 기업이 있다. 그러나 모두 같은 직책명을 채택했다. 이 직책명의 통일은 우연한 모방이 아니라 산업 차원의 공식화다. 같은 진단이 같은 답에 도달했다는 신호다. 그러나 변화의 표면을 보는 것만으로는 본질을 놓친다. 같은 깃발 아래 다섯 개의 다른 직업이 모여 있기 때문이다. 팔란티어의 FDE, 오픈AI의 FDE, 세일즈포스의 FDE, 액센추어의 FDE, 그리고 이제 등장하기 시작한 자동화된 FDE 까지. 모두 같은 단어를 쓰지만 다른 일을 한다. 이 분화의 양상을 정확히 보지 못하면 어떤 의사결정도 헛돈다. 글로벌 LLM 기업과 SaaS 거인들이 같은 방향으로 움직이는 동안, 한국의 SI 산업은 어떤 좌표에 있는가? 30년에 걸쳐 축적한 자산은 이 변화 속에서 자산이 되는가, 부채가 되는가?
이 글은 다음의 세 가지 질문에 답한다.
첫째, FDE 모델이 SaaS 본진까지 확산된 이유는 무엇이며, 그 다섯 가지 분화의 양상은 어떻게 다른가.
둘째, 이 변화가 엔터프라이즈 의사결정자가 마주한 거버넌스 관점을 어떻게 새롭게 바꾸는가.
셋째, 한국 엔터프라이즈가 이 변화 속에서 글로벌 모델과 한국 도메인 자산의 결합 설계를 어떻게 바라봐야 하는가.
AI 모델, SaaS, 컨설팅과 같은 세 가지 다른 기업들이 한 분기 사이에 같은 답에 도달했다. 우연이 아니라면, 그 답이 다른 답이 가능하지 않은 답이라는 뜻이다. 이 장에서는 더 근본적인 질문을 다룬다. 왜 팔란티어가 22년 전에 발명한 모델이, 지금 유일한 답에 가까운 것이 되었는가.
팔란티어가 2003년 창업했을 때 초기 고객의 대부분은 CIA를 비롯한 정보기관이었다. 이 고객들에게는 일반 엔터프라이즈 소프트웨어 시장에서는 보기 어려운 두 가지 특수성이 있었다. 첫째, 자신들의 워크플로우를 외부 벤더에 명확히 설명할 수 없었다. 무엇을 분석하는지 자체가 기밀이었기 때문이다. 둘째, 데이터를 외부로 반출할 수 없었다. 같은 이유에서다.
이 두 제약은 일반적인 소프트웨어 영업·구현 모델을 모두 무력화시켰다. 고객의 요구사항을 받아 사무실에서 제품을 만들고 납품하는 표준 패턴은 시작 단계에서 막혔다. 고객은 요구사항을 줄 수 없었고, 벤더는 데이터를 가져갈 수 없었다. 팔란티어의 해결책은 단순했지만 비정통적이었다. 엔지니어를 고객 안으로 보내는 것이다. 정보기관 사무실 안에서 분석가 옆에 앉아, 같은 책상에서 일하면서, 그들이 어떻게 일하는지를 관찰하고, 그 자리에서 도구를 만들고, 만든 도구를 즉시 검증하게 했다. 이것이 FDE 모델의 기원이다.
여기서 한 가지 더 짚어야 할 디테일이 있다. 팔란티어의 원형 FDE는 혼자 일하지 않았다. Forward Deployed Software Engineer(FDSE)와 Deployment Strategist(DS)라는 두 직군이 항상 2인 1조로 움직였다. FDSE는 코드를 짜는 사람이고, DS는 기술과 운영 우선순위 사이의 갭을 메우는 사람이다. 같은 책상에 앉은 두 사람이 문제를 정의하는 사람과 문제를 푸는 사람으로 결합되어 있었다. 이 2인 1조 구조가 단순한 파견과 본질적으로 다른 점이다. 컨설팅사의 인력 파견은 문제를 풀어주는 모델이지만, 팔란티어의 FDE는 문제를 함께 정의하고 함께 푸는 모델이었다.
지금 시점에서 돌이켜보면, AI 시대의 엔터프라이즈 고객들이 마주한 상황은 22년 전 정보기관 고객의 상황과 구조적으로 닮아 있다. 워크플로우를 명확히 설명할 수 없는 것은 마찬가지다. 단지 이유가 다를 뿐이다. 정보기관은 기밀이라서 설명할 수 없었고, 지금의 기업 고객은 자신의 워크플로우가 어떻게 AI로 재설계되어야 하는지를 모르기 때문에 설명할 수 없다. 데이터를 함부로 반출할 수 없는 것도 마찬가지다. 정보기관은 국가 기밀이라서, 지금의 기업은 컴플라이언스와 개인정보 보호 규제 때문에. 같은 두 가지 제약이 다시 등장했고, 그 제약을 푸는 가장 효율적인 답이 이미 팔란티어에 의해 22년 전에 검증된 셈이다.
MIT의 NANDA Initiative에 따르면, 지난 3년간 전 세계 기업이 생성형 AI에 투자한 300억~400억 달러에도 불구하고 엔터프라이즈 AI 파일럿의 95%가 측정 가능한 손익 효과를 전혀 만들지 못하고 있다.[6] 이 숫자는 AI 산업의 가장 불편한 진실이자, FDE 모델이 폭발적으로 확산되는 가장 강력한 동력이다. 95%라는 숫자가 의미하는 것은 분명하다. 모델 성능이 부족해서가 아니다. 시연 환경에서는 모든 것이 작동했다. 박수를 받았다. 임원 보고도 통과했다. 그러나 그것이 기업의 실제 워크플로우, 데이터 거버넌스, 레거시 시스템, 컴플라이언스 제약 안에서 작동하는 시스템으로 변환되는 단계에서 95%가 무너졌다. 보고서의 표현을 빌리면 "문제는 모델의 품질이 아니라, 도구와 조직 양쪽의 학습 격차"이다. 이 갭을 메울 사람이 없었기 때문이다.
이 진단은 다음의 다섯 가지 통념을 동시에 무너뜨린다.
첫째, 더 좋은 모델이 답이라는 통념. 모델은 이미 충분히 좋다.
둘째, 더 많은 컴퓨팅 자원이 답이라는 통념. 데모를 위한 컴퓨팅은 충분했다.
셋째, 더 많은 AI 교육이 답이라는 통념. 교육받은 인력이 만든 PoC가 프로덕션에 안착하지 못한 것이다.
넷째, 더 좋은 컨설팅 자문이 답이라는 통념. 슬라이드에서 검증된 것이 운영 환경에서 동작하지 않은 것이 95% 실패의 본질이다.
다섯째, 더 표준화된 AI 도입 방법론이 답이라는 통념. 표준화된 6개월 컨설팅 프로젝트가 끝날 무렵, 모델은 이미 다른 모델이 되어 있다.
다섯 통념이 동시에 무너지면 남는 답은 하나밖에 없다. 엔지니어가 고객 안에 들어가서, 모델 진화 속도를 따라가면서, 운영 환경의 제약을 직접 다루면서, 작동하는 시스템을 만들어내는 것이다. 이것이 FDE 모델이다. SaaS 거인들과 컨설팅 빅4가 한 분기 안에 같은 결론에 도달한 이유는 다른 답이 없기 때문이다. 여기서 한 가지 실리콘밸리의 빅테크에서 일어나는 흥미로운 비대칭을 생각해 볼 필요가 있다. 메타는 전 임직원의 10% 정리해고를 발표했고, 구글·마이크로소프트·아마존은 개발 조직을 대폭 줄이고 있다. 그런데 같은 기업들이 동시에 공격적으로 채용하고 있는 단 하나의 포지션이 FDE다. 시장 가치의 중심이 옮겨갔다는 가장 선명한 신호다. 데모를 만드는 엔지니어의 가치는 빠르게 낮아지고 있고, 프로덕션에 안착시키는 엔지니어의 가치는 그만큼 빠르게 높아지고 있다.
FDE 모델의 표면적 매력은 고객 안에서 직접 만든다는 점이다. 그러나 팔란티어 모델의 진짜 가치는 표면이 아니라 그 뒤에 있는 학습의 플랫폼화 메커니즘에 있다. SaaS 거인들이 FDE 깃발을 들기 시작한 지금, 가장 깊이 들여다봐야 할 부분은 바로 FDE를 "단순히 엔지니어를 현장에 두는 것이 아니라, 제품화된 컨설팅(Productized Consulting)"으로 규정했다는 점이다. 컨설팅이지만 제품으로 변환된다. 한 고객의 문제를 푼 결과물이 다음 고객의 도구가 된다는 것이다.
이 메커니즘이 만들어내는 경제 구조는 컨설팅과 본질적으로 다르다. 전통적인 컨설팅사 모델에서 한 고객 프로젝트는 그 고객만을 위한 결과물이다. 컨설턴트가 프로젝트 6개월 동안 만들어낸 솔루션은 그 고객사에 납품되고, 그것으로 가치 창출은 종료된다. 다음 고객에게는 다시 처음부터 시작한다. 시간당 청구 모델은 이 구조 위에서 작동한다. 고객마다 새로 짓는다는 전제가 있기 때문에 시간 단위 청구가 정당화된다.
팔란티어는 이 구조를 정면으로 뒤집었다. 한 고객 프로젝트를 그 고객만을 위한 결과물이 아니라 플랫폼의 다음 진화를 위한 R&D 투자로 정의한 것이다. FDSE와 DS는 고객 안에서 솔루션을 만들었지만, 그 솔루션이 작동하는 방식, 흥미롭게 실패하는 방식, 다른 고객에서도 반복될 것 같은 패턴을 항상 본사로 가져왔다. 그리고 그 패턴들이 “플랫폼의 원시 요소(primitive)”로 인코딩되었다. 온톨로지, 객체 모델, 권한 시스템, 워크플로우 엔진, 출처 추적 같은 것들이다. 이렇게 만들어진 것이 파운드리(Foundry) 플랫폼이다. 한 고객의 문제를 푼 결과물이 다음 고객의 도구가 되는 선순환이다.
컨설팅사의 단위 매출당 비용은 시간이 지나도 거의 변하지 않는다. 매번 새로 짓기 때문이다. 팔란티어의 단위 매출당 비용은 시간이 지날수록 떨어진다. 플랫폼이 성숙할수록 한 고객에서 새로 만들어야 하는 부분이 줄어들기 때문이다. 우위가 복리로 쌓인다. 이것이 팔란티어가 컨설팅 회사가 되지 않고 제품 회사로 진화한 핵심 메커니즘이다.
[그림 1] 팔란티어의 FDE 동작 모델 (출처: 팔란티어)
이 부분이 결정적이다. AI 빅3와 SaaS 거인들이 FDE 모델을 채택할 때, 그들이 모방하려는 것은 고객 안에서 직접 만든다는 표면이 아니다. 그렇게 만든 것을 플랫폼으로 응축하는 메커니즘이다.
같은 직책명을 채택했다고 해서 같은 일을 하는 것은 아니다. 빅테크와 SaaS 거인, 컨설팅 빅4가 모두 FDE라는 깃발을 들었지만, 그 깃발 아래에서 실제로 어떤 일이 일어나는지는 기업마다 본질적으로 다르다. 그 다섯 가지 분화의 양상을 정리한다.
팔란티어의 FDE는 다른 모든 변종의 원형이다. 정보기관 고객의 두 제약(설명할 수 없는 워크플로우와 반출할 수 없는 데이터)에 대응하기 위해 발명되었고, 본사로 가져온 학습이 플랫폼의 원시 요소로 응축되는 메커니즘이 결합되어 있다. 가장 흥미로운 진화는 모델 자체의 자동화다. 팔란티어는 2025년 11월 AI FDE를 베타로 출시했고 2026년 3월 정식 출시했다. 자연어 명령으로 파운드리 플랫폼의 운영 작업을 수행하는 에이전트로, 데이터 변환·코드 저장소 관리·온톨로지 구축 등 인간 FDE가 하던 작업의 일부를 자동화한다. 도구 이름 자체가 "AI Forward Deployed Engineer"라는 사실은, 팔란티어가 인간 FDE 역할의 일부 자동화를 명시적으로 인정한 셈이다.
[그림 2] AI FDE 의 작업 화면 (출처: 팔란티어)
인간 FDE의 가치는 기술적 구현에서 판단력·도메인 번역력·이해관계자 설득력으로 빠르게 이동하고 있다. 한국 SI가 향후 FDE 인재를 양성할 때 어떤 역량에 무게를 두어야 할지를 결정하는 가장 중요한 신호다.
오픈AI는 2024년 초 단 2명이었던 FDE를 같은 해 말 39명까지 확장했고, 2026년 5월 투모로(Tomoro) 인수로 약 150명을 추가로 확보했다. 이 모델의 가장 선명한 검증 사례가 모건 스탠리(Morgan Stanley)다. 오픈AI 팀이 직접 투입된 AI Assistant 구축 프로젝트는 자문가 팀 채택률 98%를 달성했고, 문서 접근 효율은 20%에서 80%로 4배 향상되었다.[7] 같은 종류의 PoC를 외부 컨설팅사가 6개월 동안 만들었을 때 95%가 프로덕션에 안착하지 못한다는 MIT NANDA 보고서의 통계와 정확히 대비된다. 직고용 모델의 핵심은 모델 진화 속도와 동기화된 구현이다. 외부 컨설팅사가 6개월 프로젝트로 도입할 모델은, 프로젝트 시작 시점의 모델과 다른 것이 되어 있다. 모델 기업 자체 FDE만이 그 진화 속도를 따라갈 수 있다.
[그림 3] 서울 지역 FDE 구인 공고 (출처: 구글)
SaaS 거인들의 FDE는 LLM 직고용형과 본질적으로 다른 구조를 갖는다. 모델 위에 자사의 워크플로우 플랫폼이 있고, 그 플랫폼 위에서 FDE가 작동한다. 모델의 진화를 흡수하면서도 자사 플랫폼의 락인 자산을 동시에 활용하는 이중 구조다.
세일즈포스가 자사 FDE 직군을 "오늘날 가장 핫한 역할"로 명시한 사실은 이 모델의 폭발력을 보여준다. 세일즈포스는 자사 FDE가 핵심 고객을 다루고 FDE Partner Network가 미드마켓을 커버하는 이중 채널 구조를 채택했다. SAP는 AI 소비량 기반 과금으로의 전환을 선언함과 동시에, 자체 FDE 팀과 액센추어와의 FDE Program을 병행하는 방식을 택했다. 마이크로소프트는 또 다른 형태다. 액센추어와의 FDE Practice가 수천 명 규모의 엔지니어를 단번에 시장에 투입했고, EY와의 10억 달러 FDE Alliance는 EY를 Client Zero로 설정해 40만 명 임직원에게 코파일럿을 우선 배포한다. 자체 FDE 직고용이 아니라 파트너 생태계 전체를 FDE 군단으로 활성화하는 방식이다. 세 회사 모두 같은 SaaS 대표 기업이지만 직접 흡수(세일즈포스), 파트너 결합(SAP·마이크로소프트)으로 선택이 갈렸다.
컨설팅 빅4의 FDE는 흡수당하는 것이 아니라 적응하는 전략의 결과물이다. 자체 FDE 트랙을 만들고, 그 트랙을 LLM/SaaS 기업별로 별도 부대화하고 있다. 딜로이트는 "Lead Forward Deployed Engineer, Microsoft AI & Data"라는 시니어 매니저급 별도 직책으로 채용을 진행하고 있으며, 명세에 "재사용 가능한 제품 역량으로 전환하는 플랫폼화 경험"을 명시적으로 요구한다.
[그림 4] 딜로이트의 마이크로소프트 제품 전문 FDE 구인 공고 (출처: 딜로이트)
같은 시점에 PwC는 다른 방향을 선택했다. 팔란티어 파운드리 전담 FDE 트랙을 시니어 어소시에이트·매니저·시니어 매니저·디렉터의 4단계 직급별로 정식 운영 중이다. 딜로이트는 마이크로소프트를, PwC는 팔란티어를 자신의 주력 전선으로 정의한 것이다. 그러나 이 모델의 본질적 제약은 플랫폼 자산의 부재다. 컨설팅사 자체는 자기 플랫폼이 없다. 남의 플랫폼 위에서 일하기 때문에, 고객 안에서의 학습이 다음 고객에게 응축되는 팔란티어식 복리 구조를 만들기 어렵다. 단기적으로는 빅4의 글로벌 산업 도메인 지식과 C-레벨 관계망 자산 덕분에 강력하지만, 결합 관계가 약해지는 순간 흡수의 대상이 된다.
다섯 번째 분화는 가장 최근에 시작되었고 가장 빠르게 진화 중이다. 모델 1에서 언급한 팔란티어의 AI FDE는 이 자동화 트렌드의 가장 선명한 예다. 데이터 통합 매핑, 표준 워크플로우 패턴 인식, 일상적 모니터링 등 인간 FDE가 수행하던 작업의 일부가 이미 자동화되기 시작했다. 향후 5년 안에 FDE 역할의 하위 30~50%는 자동화될 가능성이 매우 높다. 인간 FDE의 가치는 모호한 요구의 구조화, 다층 이해관계자 사이의 정치적 합의 도출, 비즈니스 결과에 대한 책임 보유 같은 자동화 불가능한 영역으로 빠르게 이동한다.
5월 시점에서는 LLM 빅3의 합작법인 발표가 컨설팅 빅4의 영역을 흡수하는 사건으로 분석되었다. 6월 시점에서 보면 그 분석은 달라진다. 마이크로소프트, SAP, 세일즈포스와 같은 SaaS 대표 기업들이 같은 분기에 자체 FDE 모델로 진입하면서, 진짜 충돌은 컨설팅 빅4 영역의 잠식이 아니라 SaaS 본진의 방어와 LLM 신흥 강자의 침투 사이에서 벌어지고 있다고 할 수 있다.
SAP의 AI 소비량 기반 과금 선언은 단순한 가격 정책 변경이 아니다. 지난 20년간 엔터프라이즈 SaaS 산업 전체를 떠받쳐온 시트(seat) 기반 과금 모델에 균열을 내는 사건이다. 시트 기반 모델은 얼마나 많은 사용자가 사용하는가를 가치 측정의 기준으로 삼는다. 그러나 한 사람이 100개의 AI 에이전트를 운영하는 환경에서 시트당 가격은 의미를 잃는다. 세일즈포스도 같은 방향으로 움직였다. 에이전트포스의 가격 모델은 대화당 과금(per-conversation pricing)이다. 마이크로소프트도 시트당 코파일럿 가격 외에 에이전트 단위 가격 모델을 별도로 출시하기 시작했다. 시트 → 소비량 → 성과 기반으로의 3단계 진화다.
이 전환은 한국 엔터프라이즈 IT 사업 환경에 직접적인 시사점을 준다. 엔터프라이즈 IT 사업의 가장 큰 부분이 시간당 인건비 기반이라는 사실은 시트 기반 SaaS 모델과 정확히 같은 구조적 한계를 공유한다. SaaS 거인들이 시간당·시트당 모델을 버리고 있는 시점에 우리 사업 모델은 언제까지 시간당 인건비 위에서 작동할 수 있는가를 고민할 시점이다.
SaaS 대표 기업들이 LLM 기업의 공격에 대해 가지고 있는 가장 강력한 방어선은 수년에 걸쳐 축적된 도메인 모델이다. 세일즈포스의 “추론엔진 + 데이터 클라우드”, SAP의 “AI 비서 + 비즈니스 프로세스 플랫폼 + 지식그래프”의 결합은 단순한 마케팅 용어가 아니다. 한 기업이 SAP로 결산을 마감하고 세일즈포스로 영업 파이프라인을 관리하고 서비스나우로 IT 운영을 처리하는 워크플로우는, 수년에 걸쳐 형성된 조직적 합의다. 오픈AI나 앤트로픽이 같은 워크플로우를 처음부터 LLM 위에 재구축하려면 그 합의를 모두 다시 해야 한다. SaaS 거인의 가장 강력한 자산은 그 합의가 이미 본인 플랫폼 위에 잠금되어 있다는 사실이다.
새 전쟁의 본질은 모델·플랫폼·워크플로우라는 3개 레이어 중 어느 레이어가 마지막 1마일을 통제하는가의 싸움이다. SaaS 거인은 자사 플랫폼 위에서 통제하려 하고, LLM 회사는 자사 모델 위에서 통제하려 한다. 한국 엔터프라이즈 IT 산업은 이 충돌의 가운데에 서 있다. 금융권 규제 환경, 정부 조달 프로세스, 제조업 그룹사 간 거래 구조는 SaaS의 글로벌 표준 모델만으로도, LLM의 한국어 도메인 흡수만으로도 단기에 완전히 커버되지 않는다. 이 두 갭을 동시에 메우는 것이 한국 시장에서의 FDE 결합 설계의 본질적 과제다.
지금까지의 분석은 공급자 측의 변화를 다뤘다. 이 변화의 다른 한 축, 즉 구매자 측에서는 어떤 관점의 변화가 필요한가? FDE 시대의 AI 도입은 시스템을 사들이는 결정과 본질적으로 다른 성격을 갖는다. FDE 모델이 처음 검증된 환경을 다시 들여다볼 필요가 있다. 2003년 팔란티어의 초기 고객은 정부 정보기관이었다. 워크플로우를 외부 벤더에 설명할 수도 없고, 데이터를 외부로 반출할 수도 없는 환경이었다. 팔란티어의 해결책은 단순했다. 엔지니어를 정보 분석가 옆자리에 직접 앉히는 것. 다른 모델이 가능하지 않았기에 선택된 모델이다. 이 사실이 중요한 이유는 분명하다. FDE 모델은 엔지니어를 고객 안에 들이되, 그 들이는 방식을 정보기관 수준으로 통제할 수 있는 환경에서 검증되었다. 누가 무엇을 볼 수 있는지, 어떤 권한으로 어디까지 접근하는지, 사고 시 어떤 프로토콜이 작동하는지 — 이 모든 것이 계약 이전 단계에서 이미 합의되고 명문화된 상태에서 출발했다.
엔터프라이즈 의사결정자가 마주한 질문도 함께 바뀌고 있다. "이 모델이 잘 작동하는가" 만큼이나 "누가 우리 운영 시스템 안에 들어와 있으며, 무엇을 볼 수 있는가"가 중요한 평가 변수가 되었다. 전통적인 소프트웨어 도입은 시스템을 사들이는 결정이었다. FDE 모델 기반 AI 도입은 사람이 우리 안에 들어오는 결정이라는 성격을 함께 갖는다. 평가 기준의 무게중심이 제품 사양에서 접근 권한 거버넌스로 함께 이동하고 있다. 따라서 RFP 양식 자체에 새로운 관점이 추가되는 것이 자연스럽다. 제품 사양과 단가 외에 접근 권한의 범위와 통제 방식, 정보 노출의 범위와 보고 체계, 사고 발생 시 대응 프로토콜, 그리고 성과 기반 계약 옵션 같은 요소들이 RFP 단계에서 함께 검토될 때, FDE 모델 기반 AI 도입의 가치를 안전하게 실현할 수 있다. 이는 특정 기업이나 산업의 숙제가 아니라, FDE 시대를 맞이하는 모든 엔터프라이즈에 공통된 관점의 전환이다.
이 변화는 한국 시장에도 새로운 기회를 만든다. 4개월 사이에 모델 회사·SaaS 거인·컨설팅 빅4가 모두 FDE 깃발 아래 모인 시점에서, 한국 엔터프라이즈 IT 생태계는 어떤 자산이 어떻게 활용될 수 있는가에 대한 새로운 질문에 답할 기회를 갖게 되었다.
한국 IT 서비스 산업이 30년 동안 축적한 자산은 FDE 모델이 가장 가치를 발휘하는 영역과 자연스럽게 겹친다. 세계적 규모의 ERP 구축 레퍼런스, 통신사 빌링·금융 코어뱅킹·정부 행정 시스템에서 축적된 요구 정리, 다층 이해관계자 관리, 30년 된 레거시와 신규 시스템의 통합 경험이 그것이다. 한국 대기업·정부·금융권의 의사결정 구조는 글로벌 표준 모델만으로 단기에 완전히 커버되지 않는 고유성을 갖는다. 모건 스탠리에서 오픈AI 팀이 직접 투입되어 자문가 팀 채택률 98%를 만들어낸 종류의 작업은, 한국에서는 한국 시장의 맥락을 깊이 이해하는 행위자가 동등한 깊이로 참여할 때 같은 성과를 만들 수 있다.
이런 자산 구조는 한국 엔터프라이즈 의사결정자에게 두 가지 관점을 제공한다. 첫째, 글로벌 FDE 모델을 한국 시장에 도입할 때 한국 도메인 자산과의 결합이 자연스러운 설계 원칙이 된다. 둘째, 그 결합의 결과물이 재사용 가능한 형태로 응축되면 한국 엔터프라이즈 전체의 다음 AI 사이클이 더 효율적으로 된다. 이 두 가지 관점은 개별 기업의 의사결정인 동시에, 한국 IT 산업 생태계 전체에 영향을 미치는 의사결정이다. 향후 한국 엔터프라이즈 IT 의사결정자의 역할은 글로벌 솔루션을 어떻게 도입할 것인가에서 글로벌 모델과 한국 도메인 자산을 어떻게 결합할 것인가로 자연스럽게 확장되고 있다. 이 결합 설계는 단순한 벤더 선정이 아니라, 한국 엔터프라이즈가 보유한 도메인 자산을 어떻게 활용할 것인가를 함께 고민하는 자리이기도 하다.
2026년 3월부터 6월까지, 단 4개월 사이에 AI 모델 기업·SaaS 거인·컨설팅 빅4가 모두 FDE 깃발 아래 모였다. 각자 다른 자본 구조와 다른 조직 형태를 선택했지만 모두 같은 직책명을 채택한 사실은, 이 수렴이 산업 차원의 공식화임을 보여준다. 이 변화는 한국 엔터프라이즈에 새로운 결합 설계의 기회를 제공한다. 글로벌 모델과 한국 도메인 자산이 결합되고 RFP 거버넌스의 진화가 자연스럽게 진행될 때, 한국 엔터프라이즈는 FDE 시대의 AI 전환을 자기 시장의 맥락에 맞게 설계할 수 있다. 30년에 걸쳐 축적된 한국 엔터프라이즈 IT 생태계의 자산은 이미 그곳에 있다. 그 자산을 어떻게 결합 설계에 활용할 것인가가, 그 기업의 AI 경쟁력을 결정한다고 생각한다.
고객사의 현장에 엔지니어를 파견하여 고객의 워크플로우를 직접 이해하고, 그 자리에서 즉각적으로 솔루션을 개발하고 검증하는 방식입니다. 기존의 소프트웨어 개발 방식과는 달리, 고객의 요구사항을 명확히 설명하기 어려운 경우나 데이터 외부 반출이 어려운 경우에 특히 효과적입니다.
AI 모델의 성능이 향상되었음에도 불구하고, 실제 기업 환경에 적용되어 가시적인 성과를 내는 경우는 극히 드뭅니다. 이는 모델 자체의 문제가 아니라, 기업의 복잡한 워크플로우, 데이터 거버넌스, 레거시 시스템과의 통합 문제 때문입니다. FDE 모델은 이러한 격차를 메우는 가장 효과적인 방법으로 평가받고 있습니다.
FDE 모델은 단순히 엔지니어를 파견하는 것이 아니라, 고객과의 긴밀한 협력과 신뢰를 기반으로 합니다. 따라서 FDE 엔지니어의 역량, 고객과의 커뮤니케이션, 데이터 보안, 접근 권한 관리 등 다양한 측면을 고려해야 합니다. 특히, RFP 단계에서부터 이러한 사항들을 명확히 정의하고 계약을 체결하는 것이 중요합니다.
FDE 모델은 앞으로 더욱 자동화될 것으로 예상됩니다. 팔란티어는 이미 AI FDE를 출시하여 데이터 변환, 코드 저장소 관리 등 일부 작업을 자동화하고 있습니다. 향후 인간 FDE의 역할은 기술적 구현보다는 문제 정의, 의사소통, 전략 수립 등으로 변화할 것입니다.
▶ 해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶ 해당 콘텐츠는 사전 동의 없이 2차 가공 및 영리적인 이용을 금하고 있습니다.
SAP France의 Senior Program Manager
한국에서 컴퓨터 공학을 전공 후, 7년간 한국후지쯔에서 개발자로 근무하고, 1998년 프랑스 파리로 이주하여 Business Objects에서 개발 매니저와 프로그램 매니저를 거쳐, 현재 SAP의 클라우드 ERP 엔지니어링 그룹의 시니어 프로덕트/프로그램 매니저로 근무 중입니다. 책 <프로덕트 매니지먼트>의 저자입니다.
