Wat een FDE-startup van 32 miljoen zegt over AI-implementatie

TL;DR

• Wat: Een startup gericht op Forward Deployed Engineering (FDE) haalde 32 miljoen dollar seed-funding op — een opvallend groot bedrag voor die fase.
• Waarom relevant: Het signaleert dat investeerders niet meer betalen voor AI-technologie, maar voor bedrijven die AI daadwerkelijk werkend krijgen bij klanten.
• Wat je ermee kunt: Vraag je bij elke AI-investering af: koop ik een tool, of koop ik een werkend resultaat?

Ik stuitte op een bericht van @GlobalAIforGood over een startup die zich specialiseert in FDE-oplossingen en daarvoor 32 miljoen dollar aan seed-funding ophaalde. De naam van het bedrijf wordt niet genoemd in het bericht, maar het bedrag en de richting vind ik opvallend genoeg om er even bij stil te staan. Want die drie letters — FDE — duiken overal op in de AI-wereld van 2026.

Wat is een Forward Deployed Engineer?

Een Forward Deployed Engineer is een software-engineer die niet op een eigen kantoor aan een product bouwt, maar bij de klant aan tafel schuift. Letterlijk. De FDE werkt 60 tot 180 dagen in de organisatie van de opdrachtgever, leert de systemen kennen, navigeert door interne processen en bouwt pas dan de AI-oplossing die daadwerkelijk draait in de productieomgeving.

Het concept komt oorspronkelijk van Palantir, het Amerikaanse databedrijf dat in 2005 engineers bij inlichtingendiensten plaatste omdat die klanten niet openlijk konden vertellen wat ze nodig hadden. De engineers moesten het zelf uitzoeken, ter plekke. Tegen 2016 had Palantir meer FDE's in dienst dan traditionele software-engineers.

Waarom dat relevant is: een demo bouwen in een testomgeving is volgens insiders zo'n 20 procent van het werk. De overige 80 procent gaat over dingen als legacy-systemen, beveiligingsprotocollen, interne goedkeuringen en de vraag hoe je een AI-model laat samenwerken met wat er al staat. Dat is precies het werk van een FDE.

De markt explodeert

De cijfers zijn vrij helder. Volgens Fortune stegen vacatures voor Forward Deployed Engineers met meer dan 4.600 procent vergeleken met 2023. In de eerste acht maanden van 2026 alleen al was er een stijging van meer dan 1.000 procent ten opzichte van dezelfde periode vorig jaar.

En het gaat niet alleen om vacatures. De grote spelers investeren fors:

• OpenAI lanceerde in mei 2026 een aparte dochteronderneming — de OpenAI Deployment Company — met 4 miljard dollar, volledig opgebouwd rond FDE's.
• Microsoft zette 2,5 miljard dollar in op 'Frontier', een plan om 6.000 engineers direct bij klanten te plaatsen.
• AWS richtte een eigen FDE-organisatie op met 1 miljard dollar aan investeringen.
• Anthropic startte samen met Blackstone en Hellman & Friedman het bedrijf 'Ode', gericht op 1,5 miljard dollar aan AI-implementatie in financiële sectoren.

Als ik die bedragen op een rij zet, valt op dat we hier praten over meer dan 9 miljard dollar aan kapitaal dat niet naar betere modellen gaat, maar naar het werkend krijgen van bestaande modellen.

Van tools verkopen naar resultaten verkopen

Wat mij hier opvalt is de verschuiving in het verdienmodel. De traditionele aanpak in software is: je bouwt een product, je verkoopt licenties, en de klant moet het zelf implementeren — eventueel met hulp van een consultant. Het FDE-model draait dat om. Je verkoopt geen tool; je verkoopt een werkend resultaat.

Een MIT-onderzoek stelde vast dat 95 procent van de AI-pilots in bedrijven weinig tot geen meetbare impact op de winst had. Het probleem was niet de technologie, maar de implementatie. Dat verklaart waarom investeerders nu bereid zijn 32 miljoen dollar in een seed-ronde te steken voor een bedrijf dat zich richt op die laatste stap.

Ik vind dat een interessante kanteling. Jarenlang ging het gesprek in AI over wie het beste model had — de snelste, de slimste, de grootste. Nu verschuift het gesprek naar: wie krijgt het werkend op de werkvloer?

Wat betekent dat voor een ondernemer?

Stel dat je als ondernemer overweegt om AI in te zetten in je bedrijf. Je hebt misschien al eens een demo gezien van een chatbot of een documentverwerker. De demo zag er goed uit. Maar dan begint het echte werk: hoe sluit je dat aan op je boekhoudsysteem? Wie traint het model met jouw klantdata? Wat als het niet werkt met je huidige software?

Dat zijn precies de vragen die een FDE beantwoordt. En het feit dat er nu hele bedrijven omheen gebouwd worden — en dat investeerders daar tientallen miljoenen voor neertellen — vertelt je iets over hoe groot dat implementatieprobleem is.

De tegenstroom: FDE's overbodig maken

Niet iedereen is overtuigd dat de toekomst uit meer FDE's bestaat. Het Israelische June, opgericht door onder anderen Efrat Rapoport, haalde 20 miljoen dollar aan pre-seed-funding op met steun van Marc Benioff. Hun pitch is juist het tegenovergestelde: als je product FDE's nodig heeft, dan is je product niet goed genoeg.

June bouwt een platform dat automatisch bestaande systemen scant, knelpunten identificeert en stapsgewijs begeleidt bij implementatie — zonder dat er een gespecialiseerde engineer bij hoeft te zitten. Het is een interessante tegenstelling: de ene groep investeerders betaalt voor meer menselijke expertise, de andere betaalt voor het automatiseren daarvan.

Wat mij betreft is dat geen tegenstelling maar een spectrum. Grote, complexe organisaties met legacy-systemen zullen voorlopig mensen nodig hebben die mee aan tafel schuiven. Kleinere bedrijven met standaardsoftware zijn wellicht beter af met een geautomatiseerde aanpak.

Salarissen en schaarste

Voor de volledigheid: FDE's zijn niet goedkoop. Salarissen beginnen rond de 170.000 dollar en lopen bij Series C-bedrijven op tot meer dan 500.000 dollar all-in. Dat is relevant als je bedenkt dat de schaarste aan FDE's direct invloed heeft op hoe snel bedrijven AI kunnen implementeren.

Kun je je voorstellen wat dit betekent als je als MKB-ondernemer AI wilt inzetten? Je concurreert indirect met bedrijven die een half miljoen per engineer kunnen betalen. Dat maakt platforms die FDE-werk automatiseren — of dienstverleners die het als service aanbieden — voor het MKB misschien wel relevanter dan voor de grote corporates.

Een signaal, geen hype

Voor mij is dit vooral een signaal dat de AI-markt volwassen wordt. De fase waarin het ging om indrukwekkende demo's en snelle prototypes maakt plaats voor een fase waarin het gaat om implementatie, integratie en meetbare resultaten. Dat investeerders bereid zijn 32 miljoen in een seed-ronde te steken voor een bedrijf dat zich daarop richt — zonder dat het om een nieuw model of een nieuwe chip gaat — vind ik eerlijk gezegd een van de duidelijkste tekenen dat de markt verschuift van 'wat kan AI?' naar 'wat levert AI op?'.