OpenAI bygger ett helt bolag kring det. Anthropic likaså. Google, Mistral och Cohere rekryterar för fullt, och rollannonserna har fullkomligt exploderat det senaste året. Titeln är densamma överallt: Forward Deployed Engineer. Det är AI-branschens hetaste roll just nu. Själva begreppet är dock allt annat än nytt.
Palantir uppfann rollen för snart tjugo år sedan
Begreppet kommer från Palantir, som tidigt ställdes inför ett ovanligt problem: deras kunder inom amerikansk underrättelsetjänst kunde inte berätta vad de behövde. Kraven var hemliga, processerna likaså. Palantirs lösning blev att flytta ut ingenjörerna till kunden. De satt i kundens miljö, såg problemen på plats och byggde lösningen där den skulle användas, med ansvar hela vägen från första behovsanalys till drift. Modellen blev så central att Palantir länge hade fler Forward Deployed Engineers än vanliga mjukvaruingenjörer.
Resten av branschen betraktade det mest som en kuriositet: dyrt, svårt att skala och tätt knutet till Palantirs egen plattform. Konsultvärlden fortsatte som vanligt, med förstudier, rapporter och överlämningar i PowerPoint.
Sedan kom AI, och plötsligt passade modellen perfekt
Generativ AI har ett välkänt produktionsproblem. Modellerna klarar demon galant, men i mötet med verklig data, odokumenterade arbetsflöden och befintliga system fastnar de flesta initiativ. En MIT-studie från 2025 gick igenom hundratals AI-piloter i storföretag och fann att ungefär 95 procent inte gav någon mätbar effekt på resultatet. Forskarnas slutsats var talande: felet låg inte i modellerna, utan i integrationen.
Det är exakt det problemet en Forward Deployed Engineer löser. En ingenjör som sitter i kundens team ser hur arbetet faktiskt går till, hittar processerna som är värda att automatisera och kan bygga, utvärdera och driftsätta i den miljö där lösningen ska leva. Ingen kravspecifikation i världen slår att sitta bredvid personen som gör jobbet i dag.
AI-jättarna har dragit samma slutsats. I maj 2026 lanserade OpenAI The Deployment Company, ett bolag med över fyra miljarder dollar i kapital och ett enda uppdrag: att ta modellerna hela vägen in i storföretagens verksamhet. Bara dagarna innan presenterade Anthropic ett motsvarande initiativ tillsammans med bland andra Blackstone och Hellman & Friedman. Modellbolagen själva har alltså insett att modeller inte driftsätter sig själva.
Den viktiga skillnaden: plattform eller ägande
Här finns en nyans som är lätt att missa. Hos Palantir fanns rollen för att få kunder att lyckas med Palantirs egen plattform. Ingenjörerna var briljanta, men slutmålet var alltid att verksamheten skulle landa i leverantörens produkt.
Det som hänt nu är att arbetssättet frikopplats från plattformen. När AI ska anpassas och integreras i en verklig verksamhet är det inbäddade arbetssättet överlägset, oavsett vems modeller som används. Och då blir nästa fråga den avgörande: vem äger det som byggs när ingenjörerna åker hem?
Så jobbar vi
För oss på TokenTek är det här ingen trend att haka på. Det är så vi har jobbat från start: våra ingenjörer arbetar hos kunden, i kundens team och infrastruktur, och tränar kundens medarbetare medan lösningen växer fram. Skillnaden mot plattformsmodellen ligger i slutet på resan. När vi lämnar över äger kunden allt: modeller, kod, dokumentation och arbetssätt.
Branschen har till slut satt ett namn på vårt arbetssätt. Vi tar det som ett gott betyg.
Vill ni se vad det innebär i praktiken? Läs mer om hur vi arbetar som AI-konsult eller hör av er direkt.