FDE 직군, 기획자·PM과 무엇이 다를까요? 비개발자가 내게 맞는 길을 고르는 3가지 질문

FDE 직군과 기획자·PM은 일을 시작하는 첫 질문이 다릅니다. 비개발자가 내게 맞는 길을 고르는 3가지 질문과, 막연한 요청을 실행할 일로 바꾸는 5단계 연습을 정리했습니다.

1분 요약 읽기💡FDE 직군과 기획자·PM은 일을 시작하는 첫 질문이 다릅니다. NTT DATA는 FDE가 “어떤 결과를 원하는지, 무엇을 왜 만들고 그 가치를 어떻게 증명할지”부터 묻는다고 정리했어요.FDE는 구현까지 책임지는 엔지니어 직무입니다. 비개발자는 문제를 정의하는 쪽에서 앞서 출발할 수 있지만, 직접 만들어 확인하는 경험은 따로 채워야 해요.내게 맞는 길은 ‘어떤 질문에 끌리는지’, ‘직접 만드는 일을 즐기는지’, ‘결과를 숫자로 책임지고 싶은지’ 세 가지로 가려 볼 수 있습니다.

FDE 직군이 궁금한 비개발자 취업 준비생이라면 한 번쯤 이런 고민을 합니다. “FDE와 기획자, PM 중 나는 어느 쪽을 준비해야 할까?” 코드프레소가 2026년 10월 28일 같은 질문을 Google AI 모드와 Perplexity에 넣어 보니, 두 곳 모두 ‘FDE는 개발자 직무이니 비개발자는 기획자나 PM을 준비하라’는 답을 먼저 내놓았어요.

절반은 맞는 말입니다. FDE(Forward Deployed Engineer, 전방 배치 엔지니어)는 고객 현장에서 AI를 실제로 만들고 작동시키는 엔지니어 직무라서 구현 역량을 피할 수 없거든요. 그렇다고 비개발자에게 닫힌 길은 아닙니다. 세 직무는 일을 시작하는 첫 질문이 다르고, 내가 어떤 질문에 끌리는지를 보면 준비할 길이 보입니다. FDE의 기본 설명은 FDE 교육, 왜 강의보다 선발과 현장 검증일까에 정리해 두었어요.

FDE, 기획자, PM은 각각 어떤 질문으로 일을 시작할까요?

글로벌 IT 서비스 기업 NTT DATA에서 AI 딜리버리를 총괄하는 찰리 두벡(Charlie Doubek)은 10월 27일 회사 블로그에 FDE를 기존 직무 세 가지와 비교했습니다. 업무 분석가는 “무엇이 필요하세요?”라고 요구사항을 묻고, 솔루션 설계자는 “어떻게 만들까”에 집중하며, 기술 프로젝트 관리자는 이미 정해진 일을 진행합니다. FDE는 그보다 앞에서 “어떤 측정 가능한 사업 결과를 원하는지, 무엇을 왜 만들고 그 가치를 어떻게 증명할지”를 묻는다고 썼어요.

직무	처음 던지는 질문	주로 책임지는 것
업무 분석가 (국내 기획자와 가까움)	무엇이 필요하세요?	현업의 요구사항을 모아 정리하기
솔루션 설계자	어떻게 만들까?	만드는 방식과 시스템 구조 정하기
기술 프로젝트 관리자 (PM)	정해진 일을 어떻게 진행할까?	일정과 여러 팀의 협업 조율하기
FDE	어떤 결과를 원하고, 무엇을 왜 만들며, 그 가치를 어떻게 증명할까?	만들 것을 정하고, 직접 만들고, 현장에서 성과를 확인하기

직무 비교는 NTT DATA 글을 따랐고, 괄호 안의 국내 직무명은 이해를 돕기 위해 코드프레소가 붙였습니다. 국내에서 PM은 제품 전체를 책임지는 제품 관리자(Product Manager)를 뜻할 때도 많아서, 회사마다 맡는 범위가 다를 수 있어요.

NTT DATA는 AI 시대의 FDE를 “일부는 엔지니어, 일부는 솔루션 설계자, 컨설턴트, 제품 책임자, 사업 번역가”라고 표현했습니다. 기술을 작동시키는 것뿐 아니라 무엇을 만들지 정하고, 왜 만들 가치가 있는지 보여 주는 데까지 책임진다는 뜻이에요. 이 역할이 필요한 이유로는 가트너 자료를 들었습니다. 2025년 말까지 생성형 AI 프로젝트의 최소 50%가 개념 검증(PoC, 작게 시험해 보는 단계) 뒤 중단됐고, 원인으로 데이터 품질, 위험 관리 부족, 늘어나는 비용, 불분명한 사업 가치가 꼽혔다는 내용입니다. 사업 쪽 요구와 실제 구현 사이에서 ‘번역’이 끊기는 지점을 메우는 사람이 FDE라는 설명이에요.

같은 요청을 받으면 FDE는 무엇을 다르게 할까요?

가상의 가전 렌털 회사 고객지원팀이 “AI로 고객 경험을 좋게 해 주세요”라는 요청을 받았다고 생각해 볼게요. NTT DATA도 같은 종류의 요청을 예로 들며, 타당한 바람이지만 개발팀이 무엇을 만들어야 할지는 거의 알려 주지 않는다고 했습니다. FDE는 이 요청을 다섯 단계로 바꿔 ‘만들 수 있는 일’로 만듭니다.

결과 정하기: ‘고객 경험 개선’을 잴 수 있는 숫자로 바꿉니다. 렌털 회사라면 필터 교체·고장 접수 문의의 평균 처리 시간, 한 번의 문의로 해결되는 비율이 후보예요.
업무 흐름 그리기: 상담원이 문의를 받아 계약 정보를 찾고 방문 기사 일정을 잡기까지의 순서, 막히는 지점, 쓸 수 있는 데이터를 확인합니다. AI가 도움이 될 곳과 아닐 곳이 여기서 갈려요.
개입할 곳 고르기: 모든 곳에 AI를 넣지 않습니다. 예를 들어 ‘문의 내용을 읽고 담당 부서로 나누는 일’처럼 결과에 가장 영향이 큰 한두 곳을 고릅니다.
증명 방법 정하기: 지금의 처리 시간을 먼저 재 두고, 무엇이 바뀌면 성공인지와 어떤 기록을 남길지 정합니다.
실행할 일로 바꾸기: NTT DATA의 예처럼 “평균 처리 시간을 20% 줄이고 첫 문의 해결률을 15% 높이며, 합의한 지표로 성과를 보고하는 AI 상담 보조 도구 도입”처럼 만들 수 있는 문장으로 정리합니다. 20%와 15%는 NTT DATA 글의 예시 숫자예요.

여기까지 오면 개발팀에는 만들 것이 생기고, 사업부는 무엇이 성공인지 알게 됩니다. FDE는 그 뒤 시제품을 직접 만들어 현장에서 숫자가 바뀌는지 확인하는 데까지 갑니다. 기획자와 PM도 1~4단계 일부를 함께 맡지만, 끝까지 직접 만들고 숫자로 확인하는 책임을 지는지가 가장 큰 차이예요.

비개발자는 FDE를 준비할 수 없을까요?

AI 검색의 답처럼 ‘비개발자는 FDE 불가’로 단정하기는 이릅니다. 그렇다고 쉬운 길이라고 말하기도 어려워요.

구현 쪽 근거부터 보면, NTT DATA는 FDE에게 필요한 조건으로 엔지니어로서의 신뢰와 AI 플랫폼 전문성을 먼저 꼽았습니다. 만든 결과가 왜 그렇게 작동하는지 설명할 수 있어야 현장에서 믿고 맡길 수 있으니까요. 같은 문장에서 컨설팅 역량, 사업 감각, 업계 지식, 여러 이해관계자를 한데 모으는 능력도 함께 꼽았습니다. 또 AI로 무언가를 만드는 기술 장벽은 낮아지고 있고, 더 어려운 일은 무엇을 만들지 정하고 그 주변의 업무 방식을 다시 설계하는 일이라고 썼어요.

정리하면 비개발자는 앞의 1~4단계에서 앞서 출발할 수 있지만, 5단계 이후 직접 만들어 확인하는 경험은 따로 쌓아야 합니다. 이 부분을 채울 마음이 없다면 지금은 기획자나 PM이 더 잘 맞는 길일 수 있어요.

내게 맞는 길은 어떻게 고를까요? 3가지 질문

질문	FDE 쪽에 가깝다면	기획자·PM 쪽에 가깝다면
1. 어떤 질문에 더 끌리나요?	“무엇을 왜 만들고, 효과를 어떻게 증명할까”를 붙잡고 있을 때 즐겁다	“사용자가 무엇을 불편해하나”, “정해진 기간 안에 어떻게 끝낼까”를 풀 때 즐겁다
2. 직접 만들어 보는 일을 즐기나요?	AI 도구나 간단한 코드로 시제품을 만들고, 틀린 곳을 찾아 고치는 과정이 재밌다	만드는 일은 개발자에게 맡기고, 요구를 정확히 정리해 전달하는 쪽이 편하다
3. 결과를 숫자로 책임지고 싶나요?	처리 시간·오류 수 같은 숫자가 현장에서 실제로 바뀌었는지 끝까지 확인하고 싶다	여러 팀의 일정과 우선순위를 맞추고, 제품 전체의 방향을 관리하는 쪽에 관심이 크다

코드프레소가 제안하는 간단한 기준은 이렇습니다. 세 질문 중 두 개 이상이 FDE 쪽이면 FDE 준비를 시작해 볼 만하고, 하나도 없다면 기획자·PM 경험을 먼저 쌓는 편이 자연스럽습니다.

어느 쪽이든 쓸모 있는 연습이 하나 있어요. 주변에서 들은 막연한 요청 하나를 골라 위의 다섯 단계로 바꿔 보는 것입니다. “AI로 업무를 편하게 해 주세요” 같은 요청을 A4 한 장에 결과 숫자, 업무 흐름, 고른 개입 지점, 증명 방법, 실행 문장으로 정리해 보세요. 기획자·PM을 준비한다면 그대로 문제 정의 포트폴리오가 되고, FDE를 준비한다면 여기에 AI 도구로 직접 만들어 확인한 기록을 붙이면 됩니다. 직접 만드는 경험을 어떻게 쌓을지는 AI가 코드를 짜 주면 FDE는 필요 없어질까요?에, 업계 지식을 쌓는 순서는 FDE 신입, 업계 지식 없이 시작해도 될까요?에 정리했습니다.

현장 프로젝트로 FDE의 일을 경험해 보려면?

코드프레소가 AXMOS 컨소시엄 파트너들과 함께 운영하는 FDE 교육·양성 과정 Forward Fellowship은 졸업예정자·구직자와 재직자를 따로 나누지 않고 통합 선발했습니다. 서류와 인터뷰에 선택 응시인 역량 평가를 더해 문제 해결력과 성장 가능성을 보고, 5주 동안 온라인으로 학습·평가한 뒤 선발된 Fellow가 2주 동안 오프라인 기업 프로젝트에 참여하는 구조예요(공식 페이지, 2026년 10월 28일 확인).

공식 페이지에 소개된 금융 사례는 ‘VC 투자사 100곳의 영업보고서 취합 자동화’입니다. 보고서 요청부터 재무 데이터 추출, 총괄표 작성까지 자동화해 3~5일 걸리던 일을 약 1시간으로 줄였다고 해요. 앞의 다섯 단계로 보면 ‘취합에 걸리는 시간’이라는 결과 숫자를 먼저 정하고, 끝까지 만들어 확인한 사례입니다. 1기는 10월 17일 개강해 11월 말 데모데이를 앞두고 있습니다.

자주 묻는 질문

Q. 기획자나 PM으로 일하다가 나중에 FDE로 옮길 수도 있나요?

길은 있습니다. 요청을 결과 숫자와 실행할 일로 바꾸는 경험은 FDE의 앞 단계와 겹치거든요. 다만 옮길 때는 직접 만들어 확인한 경험을 따로 보여 줘야 합니다. 맡았던 기능 하나를 AI 도구로 작게 다시 만들어 보고, 무엇이 달라졌는지 기록해 두면 좋습니다.

Q. FDE는 한 사람이 엔지니어, 컨설턴트, 제품 책임자 역할을 다 해야 하나요?

NTT DATA는 AI 시대의 FDE를 여러 역할이 섞인 직무로 설명하면서도, 우선순위가 높은 사업 영역에 작은 FDE 팀을 두라고 권했습니다. 처음부터 모든 역할을 혼자 잘할 필요는 없어요. 한 가지 강점을 분명히 하고, 나머지는 팀에서 일하며 채워 간다고 생각하면 준비 부담이 줄어듭니다.

Q. 세 가지 질문에 답해도 잘 모르겠다면 어떻게 하나요?

다섯 단계 연습을 한 번 직접 해 보세요. 결과 숫자를 정하고 업무 흐름을 그리는 1~2단계가 가장 즐거웠다면 기획자·PM 쪽, 증명 방법을 정하고 직접 만들어 확인하는 4~5단계가 즐거웠다면 FDE 쪽에 더 가까울 가능성이 큽니다.

참고 자료

NTT DATA, Charlie Doubek, “Forward deployed engineers: The crucial role in enterprise AI” (2026년 10월 27일). 원문: “The AI-era FDE is part engineer, part solution architect, part consultant, part product owner and part business translator.”
Gartner, “Why 50% of GenAI Projects Fail” (NTT DATA 글이 인용한 자료)
Forward Fellowship 공식 페이지 (2026년 10월 28일 확인)
FDE 교육, 왜 강의보다 선발과 현장 검증일까: 코드프레소 Forward Fellowship

Forward Fellowship 관련 문의는 axmos@codepresso.io로 보내 주세요.

작성: 코드프레소 글로벌 GTM·파트너십(GGP) 본부 | 최종 수정 2026-10-28