Codexが公開された際、チームのメンバーが問いかけました。チームが数か月かけて構築してきたユースケースを、Codexが一度に実行できるようになったとき、FDEチームは何をすべきなのか、と。OpenAIにおいて、この問いはForward Deployed Engineering（FDE）チームの目的を端的に表しています。FDEは顧客と並んで働き、最も困難な課題を理解し、頼りにできるソリューションを構築します。そこで得られた学びは製品にフィードバックされ、研究チームには解決すべき具体的な課題が与えられます。チームが数か月ごとに自らを不要にしていくのであれば、それはチームが役割を果たしているということです。
このチームは2025年初頭に、OpenAIがデプロイメント・ギャップと呼ぶものを埋めるために設立されました。これは、モデルが持つように見える能力と、人々が仕事で確実に使える能力との間の隔たりを指します。欠けているものが製品であることもあれば、モデルがベンチマークでは好成績を収めても、現実世界の変数や制約を扱えない場合もあります。モデルがすでに仕事をこなせる場合、FDEはプロダクトチームや顧客と協力して、そのソリューションを再現可能なものにします。モデルが不足している場合は、顧客や研究チームと共にそのギャップを定義し、モデルを改善します。
200年の歴史を持つ農業企業John Deereにとっての課題は、農家一人ひとりに合わせたアドバイスを大規模に提供することでした。同社のSee & Sprayテクノロジーは、カメラと機械学習を用いて畑全体ではなく雑草だけに散布を行い、化学薬品の使用量を最大70%削減します。しかし、こうした恩恵を実際に得るには、農家がその技術の設定方法を理解し、自らの作業方法を調整できる必要があります。John Deereは、自然言語による回答、顧客に合わせたセットアップ指導、そして機器が本来の性能を発揮できていない可能性があるときのアラートを提供するために、OpenAIのAPIを導入しました。
OpenAIによると、こうした課題は多くの場合まだ解決の道筋が定まっておらず、確立された正解もマニュアルも存在しません。FDEチームは一つの中核的な原則に基づいて動いています。結果から出発し、成功するために必要なことは何でもやり、その後にスケールさせるというものです。2025年半ば、約15名のFDEが大手半導体顧客と協力し、10以上のユースケースに取り組んで、チップ検証をAIネイティブなものにしました。この領域はプロジェクト全体の作業量の約70%を占めることもあります。
出典: OpenAI Blog · 要約：HeadlinesBriefing