De grootste labs zetten hun geld niet langer alleen op betere modellen, maar op de mensen die die modellen bij bedrijven aan de praat krijgen. Deze pagina legt uit wat dat "forward-deployed" model is, wie er meedoet, en geeft je een scan of jouw eigen AI-project in de pilot-val zit of klaar is voor productie.
Stand: 21 juli 2026 · analyse, geen advies
Modellen commoditiseren. De waarde verschuift naar wat ertussen zit.
Elk half jaar staat er een sneller, goedkoper model. De ruwe intelligentie wordt een gebruiksartikel — je kiest 'm per taak en ruilt 'm zo weer in. Waar bedrijven op vastlopen is niet welk model, maar het feit dat een model op zichzelf niets doet: het moet worden ingebed in echte processen, echte data en echte systemen voordat er waarde uit komt.
Dat gat — tussen "we hebben toegang tot het beste model ter wereld" en "het draait daadwerkelijk in ons bedrijf" — is de implementatiekloof. En precies daar zetten de grootste spelers nu hun geld op in.
Waar de marge zit, verschuift naar rechts.
waarde beweegt → deze kant op →
De redenering van de investeerders: de modellen worden zó goed en zó goedkoop dat het onderscheid niet langer daar zit. Het onderscheid zit in wie een organisatie in kaart kan brengen en er een werkend systeem omheen kan bouwen. Dat is mensenwerk, het schaalt slecht, en juist daarom is het waardevol.
Geen consultant die een rapport achterlaat, geen programmeur die op kantoor blijft.
Een forward-deployed engineer (FDE) is een engineer die letterlijk mee naar binnen gaat bij de klant: hun processen in kaart brengt, ter plekke code schrijft op hun systemen, en tegelijk het eigen product verbetert met wat hij daar leert. De rol werd ruim tien jaar geleden bedacht door Palantir (intern "Delta" genoemd) om overheidsklanten te bedienen die met gewone consultants niet vooruitkwamen. Tot ongeveer 2016 had Palantir méér FDE's dan gewone software-engineers.
Met de opkomst van LLM's is de rol explosief in trek geraakt — a16z noemde het "de heetste baan in tech". Het integreren van AI in een echt bedrijf is precies het soort ambigue, end-to-end werk waar de FDE voor gemaakt is.
| Forward-deployed engineer | Traditionele consultant | Software-engineer | |
|---|---|---|---|
| Levert op | Werkend systeem in productie | Advies / rapport | Product-features |
| Waar | 25–50% bij de klant, code op hún infra | Bij de klant, presenteert | Op kantoor / eigen codebase |
| Duur | Langdurige relatie | Eenmalige opdracht | Doorlopend intern |
| Schrijft code? | Ja, op productiesystemen | Zelden | Ja, intern product |
| Kernvaardigheid | Omgaan met ambiguïteit + bouwen | Analyse + overtuigen | Diepe engineering |
Beloning voor een FDE ligt in 2026 grofweg tussen $300k en $600k+ — een teken van hoe schaars het profiel is.
Van niche-rol bij één bedrijf naar de inzet van de grootste labs.
Twee kampen: de nieuwe lab-gebonden ondernemingen en de gevestigde consultancy's.
Waar labs "Claude-first" of "GPT-first" zijn, is een onafhankelijk implementatiepartner modelagnostisch. Dat is het strategische breukvlak: kies je diepe integratie met één modelmaker, of vrijheid om per taak het beste model te pakken? Ode zegt zelf "Claude-first, maar we gebruiken de concurrent als dat beter is" — een erkenning dat het model uiteindelijk maar één ingrediënt is in een systeem dat je moet engineeren.
Zes vragen. De rode draad bij mislukte AI-trajecten is dezelfde: losse pilots zonder eigenaar, ver van de echte processen. Kijk waar jouw project staat.
Deze scan draait volledig in je browser. Er wordt niets opgeslagen of verstuurd.
Dit is een marktanalyse voor algemeen begrip, geen investerings-, carrière- of bedrijfsadvies. Bedragen en cijfers stand medio juli 2026; markt beweegt snel.