FDE와 AI 동반 지원은 무엇이 다른가｜팔고 있는 것부터 보면 다른 일입니다

안녕하세요, 주식회사 TIMEWELL의 하마모토 류타입니다.

「현장에 엔지니어를 보내면, AI는 본가동에 닿는다.」 지난 일 년, 그런 이야기를 자주 듣게 되었습니다. 이름은 FDE입니다. Forward Deployed Engineer, 전방 전개형의 엔지니어. Palantir가 키운 직종으로, 지금은 OpenAI도 Anthropic도 같은 말을 공식으로 쓰고 있습니다.

일본의 회의실에서는, 대개 다음 질문이 나옵니다. 그건 상주 SE 아닌가요. 컨설팅의 AI 동반 지원과 무엇이 다른가요, 하고.

결론부터 씁니다. 비슷한 일의 이름 바꾸기가 아닙니다. 팔고 있는 것이 다르고, 산출물의 귀속이 다르고, 시스템에 쓰느냐가 다릅니다. 저희는 동반 지원을 본업의 하나로 하고 있는 쪽입니다. 그래서, 자사가 팔고 있는 것을 선반 위에 올려 정리하지 않으면, 독자에게 도움이 되지 않겠다고 생각했습니다.

실패하고 있는 것은 모델이 아닙니다

MIT NANDA가 2025년 7월에 낸 보고서 『The GenAI Divide: State of AI in Business 2025』는, 숫자가 세습니다. 기업의 생성형 AI 투자는 추정 300억에서 400억 달러. 그 위에서, 95%의 조직이 측정 가능한 수익을 얻지 못했다고 적혀 있습니다¹. 통합된 파일럿 가운데, 수백만 달러 규모의 가치를 끌어내고 있는 것은 5%. ChatGPT나 Copilot은 10곳 중 8곳이 시험해 보고, 40% 가까이가 도입을 마쳤습니다. 다만 그것은 개인의 생산성이고, 손익계산서까지는 닿지 않았습니다.

한 단 더, 현장에 가까운 숫자가 있습니다. 기업용 전용 도구를 검토한 조직은 60%. 파일럿까지 나아간 것은 20%. 본가동에 닿은 것은 5%입니다¹. 조사 기간은 2025년 1월부터 6월. 공개된 AI 안건 300건 초과, 52개 조직에 대한 청취, 시니어층 153명에 대한 조사입니다. 표본의 한계는 보고서 자신이 예비적 발견이라고 단서를 달고 있습니다. 그래도 방향은 분명합니다.

원인은 모델의 성능 부족이 아니다, 라고 보고서는 분명히 말하고 있습니다. 장벽은 학습입니다. 대부분의 생성형 AI는 피드백을 쌓지 않고, 맥락에 맞춰 개선하지 않습니다. 대기업일수록 파일럿 건수는 많은데, 본가동으로의 이행에서 늦습니다. 사내에서만 만드는 것보다, 외부와 손잡는 편이 성공률이 약 2배였다, 는 기술도 있습니다¹.

초안 자료에서는 이것을 구현 격차라고 부르고 있었습니다. MIT의 용어는 GenAI Divide입니다. 호칭은 어느 쪽이든 좋고, 제가 현장에서 보는 형태는 더 단순합니다. 회의실에서는 돌아갑니다. 현장의 지저분한 데이터에서는 멈춥니다. 멈추면, 담당자는 두 번 다시 손대지 않습니다.

종래의 업무 시스템은, A를 넣으면 B가 나온다는 전제로 만들 수 있었습니다. 요건 정의, 설계, 구현, 테스트, 납품. 사양대로 움직이지 않으면 버그입니다. LLM을 물리는 순간, 같은 입력이라도 출력이 흔들립니다. 버그가 아니라, 그런 기계입니다. 청구서의 금액을 읽는다, 는 한 줄 뒤에, 손글씨, 날인의 결여, 복수 세율, 거래처마다의 레이아웃이 한없이 있습니다. 회의실에서는 찾아내지 못합니다. 돌려 봐야 비로소, 실패의 형태가 보입니다.

그래서, 관찰하고 고치고, 다시 관찰하는 루프가 필요합니다. 게다가 업무가 돌아가는 도중에. 이 루프를 현장에서 돌릴 수 있는 사람이 있는지 없는지. 프로젝트의 생사는, 대개 거기서 갈립니다.

FDE는, 무엇을 하는 사람인가

FDE는, 자사 제품을 고객의 본가동에서 돌리기 위해, 고객의 조직에 들어가, 개발과 구현을 맡는 엔지니어입니다. 전방 전개라는 말은 군사에서 왔고, 사령부가 아니라 최전선에 부대를 둔다, 는 발상입니다.

기원은 Palantir에 있습니다. 창업 초기, 고객의 데이터는 예상보다 지저분하고, 업무는 예상보다 복잡하고, 요건을 물어볼 상대가 애초에 없었습니다. 그래서 엔지니어를 옆자리에 앉히고, 업무 그 자체를 배우게 했습니다. 이것이 시작이라고, 훗날의 해설은 맞춰져 있습니다. 저희는 Palantir 안을 보지 않았으므로, 창업 신화로서 단정하지는 않습니다. 다만, 직종의 형은 거기에 있습니다. 사양서를 기다리지 않고, 현장의 실제 데이터로 돌아가는 것을 먼저 둡니다.

상징적인 것이, 첫날에 코드를 낸다, 는 방식입니다. 90일을 들여 요건을 굳히고, 깨끗한 샘플로 데모하고, 본가동 직전에 현장 데이터로 꺾인다. 흔한 죽는 방식입니다. FDE형은 반대로, 첫날에 현장의 실제 데이터에 닿고, 불완전하더라도 돌아가는 것을 담당자 눈앞에 둡니다. 사람은 백지의 사양서를 앞에 두고 자기 일을 언어화하지 못합니다. 돌아가고 있는 것을 보면, 「이 경우는 다르다」 「여기는 과장의 승인이 필요하다」고 말하기 시작합니다. 프로토타입은 납품물이 아니라, 요건을 끌어내는 질문 장치입니다.

기술력만으로는 부족합니다. 분산 시스템을 스스로 짤 수 있을 것. 항공기의 정비 규정이든, 일본 수출무역관리령 별표든, 몇 주 만에 고객과 논의할 수 있을 때까지 배울 것. 경영, 사업부장, 현장의 세 층에서 제각각의 요구를 끌어내, 하나의 설계로 묶을 것. 마지막이 가장 어렵습니다. 경영은 업계의 상식을 바꾸고 싶다고 하고, 사업부장은 이번 기의 비용을 깎고 싶다고 하고, 현장은 지금의 절차를 바꾸고 싶지 않다고 생각하고 있습니다. 세 점을 동시에 채우는 한 점을 찾는 것이, 실질의 일입니다.

2025년부터 2026년에 걸쳐, 이 직종은 Palantir의 전매가 아니게 되었습니다. a16z는 2025년 6월 4일의 논고에서, FDE를 스타트업에서 가장 뜨거운 일이라고 부르고, 매출총이익률을 일시적으로 낮추더라도 구현을 쥐고, 해자를 산다, 고 정리하고 있습니다². 채용 공고의 신장은, a16z 본문에는 나오지 않습니다. Indeed Hiring Lab을 Financial Times 등이 보도한 숫자로, 2025년 1월부터 9월의 게재가 800% 초과입니다³. 출처는 보도 경유이므로, 폭을 두고 읽어 주십시오.

일차 정보로 확인할 수 있는 움직임은, 더 새롭습니다. OpenAI는 2026년 5월 11일, OpenAI Deployment Company의 설립을 공표했습니다. 통칭은 DeployCo. 응용 AI 컨설팅 기업 Tomoro를 인수하고, 약 150명의 FDE와 구현 전문가를 첫날에 둡니다. 초기 투자는 40억 달러 초과. TPG를 선두로, 컨설팅이나 시스템 통합 업체도 이름을 올리고 있습니다⁴. Anthropic은 2026년 5월 4일, 금융 인프라 대기업 FIS의 발표에서, Applied AI 팀과 FDE를 FIS에 심어, 금융 범죄용 에이전트를 공동 설계한다고 명기하고 있습니다. 노림수는 계속 상주하는 것이 아니라, 식견을 넘겨 FIS가 자립 운영할 수 있게 하는 것, 이라고 적혀 있습니다⁵. 초안 자료에 있던 「상주 체제」보다, 공식의 표현은 한 걸음 더 조심스럽습니다.

동반 지원과 FDE는, 팔고 있는 것이 다릅니다

여기가 본론입니다. 현장에 들어간다, 같이 만든다, 만 보면 구분이 가지 않습니다. 속을 분해하면, 다른 장사입니다.

동반 지원이나 상주 개발은, 공수를 팔고 있습니다. 수익은 인월입니다. 가장 먹히는 지표는 가동률이 됩니다. 사람이 비어 있는 시간은 비용이고, 안건이 길어지는 것은, 적어도 단기 매출에는 플러스입니다. FDE는 제품을 팔고 있습니다. FDE의 공수는 매출이 아니라, 제품을 고객의 업무에 파고들게 하기 위한 투자입니다. 지표는, 고객이 가치를 실감하기까지의 시간입니다. 빨리 자립 운영시키고, 본계약과 횡전개로 나아갈수록, 파는 쪽은 이득을 봅니다. 오래 관여할수록 버는 구조와, 빨리 손을 놓을수록 버는 구조. 방향이 반대입니다.

산출물의 귀속도 갈라집니다. 상주 개발이 만든 것은 고객의 자산이 됩니다. 소스는 납품되고, 유지는 고객이거나, 별도 계약의 벤더입니다. 파는 쪽에 남는 것은, 담당자 개인의 경험뿐입니다. FDE가 만든 것은, 자사 플랫폼 위의 애플리케이션입니다. 기반이 올라가면, 고객 쪽도 같이 올라가는 설계를 노립니다. 비유로 말하면, 상주는 고객마다 자갈길을 깝니다. 그 고객에게는 맞지만, 깐 순간부터 낡아지고, 옆의 고객에게는 쓸 수 없습니다. FDE는 자갈길을 깔면서, 포장의 기술을 가져옵니다. 현장의 아픔에서 형을 뽑고, 표준 기능으로 올립니다. 다음 고객의 전개 비용이 내려갑니다. 이 환류가 돌지 않는 FDE는, 단가가 높은 수탁입니다.

가장 깊은 차이는, 읽느냐, 쓰느냐입니다. 동반이나 PoC의 산출물은, 거의 읽기 전용입니다. 분석하고, 시각화하고, 시사를 냅니다. 기간계 레코드를 바꿀 권한은 없습니다. 판단과 실행은 사람입니다. FDE는 되쓰기까지 가져갑니다. 재고를 끌어오고, 발주를 일으키고, 시프트를 다시 짭니다. 읽기 전용이 틀려도, 사람이 알아차리면 멈춥니다. 쓰는 것이 틀리면, 현실이 깨집니다. 오발주, 오출하, 잘못된 여신. 그래서, 실행해도 되는 행위의 형, 권한, 사전의 시뮬레이션, 중대 판단에서의 인간의 개입, 감사 가능한 기록. 이 한 세트가 없는 쓰기는, 해서는 안 됩니다. 동반하겠습니다, 로 시작한 안건이 여기까지 발을 들이는 일은 드뭅니다. 쓴다는 것은, 책임을 진다는 것이기 때문입니다.

배움이 쌓이는 장소도 다릅니다. 동반의 식견은, 담당 컨설턴트의 머리에 쌓입니다. 사람이 그만두면 사라집니다. FDE가 잘 되는 경우, 식견은 의미의 구조에 쌓입니다. 이 회사에서 고객이란 무엇인가. 출하 완료는 어느 시점인가. 지연이 임계값을 넘으면 누구에게 무엇이 일어나는가. 기계가 읽을 수 있는 형태로 고정합니다. 사람이 그만둬도 남습니다. 이름은 온톨로지입니다. 어렵게 들리지만, 하고 있는 일은, 그 회사의 명사와 동사를 AI에게 가르치는 것입니다.

항목	동반 지원·상주 개발	FDE
팔고 있는 것	공수	제품을 현장에 파고들게 하는 투자
지표	가동률	가치를 실감하기까지의 시간
산출물	고객 자산	제품 자산
시스템	읽기	쓰기
배움	담당자의 머리	의미의 구조와 표준 기능
이상적인 관계	오래 이어진다	빨리 자립 운영하고, 옆으로 퍼진다

저희의 WARP는, 표의 왼쪽에 가까운 일입니다. 숨겨도 바로 들통나므로, 먼저 씁니다. 동반 그 자체를 부정하는 기사가 아닙니다. 읽기 전용인 채로, 아름다운 보고만 남는 동반을 부정하고 있습니다. 오른쪽 열, 즉 쓰기와 환류와 고객의 실적 지표에서의 평가를 설계에 넣지 않는 동반은, MIT가 그린 95% 쪽으로 기울어집니다.

명사와 동사를 가르치지 않으면, 에이전트는 달릴 수 없습니다

FDE가 현장에서 맨 먼저 하는 것은, 의미의 구조를 두는 것입니다. 흩어진 데이터를, 고객, 청구서, 부품, 작업원 같은 실체로서 정의하고, 환불한다, 발주한다, 시프트를 다시 짠다 같은 행위로서 정의합니다.

많은 회사는, 데이터 기반은 있다, 고 말합니다. 다만 종래의 정규화 모델은 지금의 단면을 갖는 설계로, 시간의 두께가 얇습니다. 스타 스키마는 집계와 사전 결합에 강하고, 변환의 논리가 ETL 안에 숨습니다. 둘 다, 사람이 그래프를 바라보고 판단하기 위해서는 잘 만들어져 있습니다. 기계가 따라가 실행하기 위해서는, 부족합니다. 관계 그 자체를 따라갈 수 있는 형태로 두는 이야기는, 그래프 엔지니어링이란 무엇인가에서 다른 각도로 썼습니다.

학술의 온톨로지, RDF나 OWL과는 별개라는 지적도 있습니다. 저쪽은 정적인 지식 표현과 검색에 강합니다. 현장에서 필요한 것은, 실행하고 되쓰고 배우는 순환입니다. 층으로 말하면, 명사를 두는 층, 행위를 두는 층, 권한과 시뮬레이션을 두는 층. 행위의 층에서 정의한 조작이, LLM에서 보면 도구 호출이 됩니다. 존재하지 않는 부품 번호를 발주한다, 같은 일이, 형으로서 통과되지 않게 됩니다. 환각을 프롬프트의 잔재주가 아니라, 구조로 억누른다, 는 발상입니다. 에이전트가 긴 일에서 깨지는 이유가 모델보다 환경에 있다는 이야기는 에이전트 엔지니어링 입문과 이어져 있습니다.

사례는, 확인할 수 있는 것과, 초안 자료 그대로는 쓸 수 없는 것을 나눕니다.

Airbus의 Skywise는, 2017년 6월 20일의 공식 발표에서, Palantir와 손잡은 항공 업계용 데이터 기반으로 나와 있습니다⁶. 사내의 제조나 정비에서 쓰던 것을, 항공사에 연다, 는 순서입니다. A350의 납입이 33% 빨라졌다, 는 숫자는 Palantir 쪽의 공개 자료에 있습니다⁷. Airbus의 발표문에는, 그 비율이 나오지 않습니다. 그래서 저는, Palantir의 주장으로서 다루고, 공식 발표로서는 Skywise의 출범까지를 씁니다. 초안 자료에 있던 「3일 만에 디지털 트윈을 출하했다」는 이야기는, Airbus의 일차 정보에서는 쫓을 수 없었습니다. 쓰지 않았습니다.

John Deere에 대해서는, OpenAI가 2025년 5월에 공개한 대담에서, See & Spray가 잡초만 조준해 쏘고, 약제를 최대 70% 줄인다, 고 John Deere 쪽이 말하고 있습니다⁸. 이것은 제품의 이야기입니다. 초안 자료에 있던, 아이오와의 농장에 FDE가 들어가 수확의 마감에 맞췄다, 는 이야기는, 같은 대담에서는 가져올 수 없었습니다. 평가 기반, 배관, 제어의 세 점 세트가 본가동에 필요하다, 는 지적 자체는 맞다고 생각합니다. 다만, 그것을 John Deere의 FDE 안건으로서 쓸 근거는, 이번에는 갖지 않습니다.

확인할 수 있는 것은, 직종이 퍼지고 있는 사실 쪽입니다. OpenAI는 구현 회사를 잘라 냈고, Anthropic은 FIS 안에 FDE를 두고 있습니다. a16z가 말하는 「매출총이익률을 해자와 교환한다」는, 경영의 이야기입니다. 2010년대의 SaaS는, 셀프 도입과 높은 매출총이익이 이기는 길이었습니다. 기간 워크플로를 바꾸는 생성형 AI에서는, 깊은 연결과 권한이 필요하고, 셀프서브만으로는 넘기 어렵습니다. 사람을 두껍게 넣어 일시적으로 매출총이익을 낮추고, 데이터와 업무의 입구를 쥡니다. ServiceNow의 상장 시 매출총이익률은 63.2%, Workday는 54.1%. 2024년에는 각각 79%, 75%까지 돌아왔다, 고 a16z는 쓰고 있습니다². 단기의 매출총이익 비판을 견딜 수 있는지 없는지. FDE를 넣는 판단은, 기술이라기보다 경영입니다.

이름만 빌린 FDE는, 수탁보다 질이 나쁘다

만능이 아닙니다. 환류하지 않는 FDE는, 단가가 높은 인월입니다. 이번 분기, 현장에서 태어난 기능의 몇 할이 표준으로 올라갔는가. 그것을 쫓지 않는 조직은, FDE를 자칭해서는 안 됩니다.

고객 전용의 예외를 계속 쌓으면, 코드베이스는 몇 년 만에 깨집니다. 이것은 표준화해야 할 형인가, 이 고객만의 가지인가. 거절하는 힘도 능력입니다. 의미의 구조를 두지 않고 현장에서 스크립트를 계속 쓰면, 담당이 떠난 순간에 아무도 손대지 못하게 됩니다. 본질은 현장에 있는 것이 아니라, 현장의 암묵지를 구조로 만드는 것입니다. 엔지니어를 내보내면 팔린다, 는 쓰임새는, 무상의 커스터마이즈가 됩니다. 그 고객의 아픔이, 다른 많은 고객에게도 공통되는가. 투자 가설이 없는 투입은, 영업의 대역입니다.

일본 기업에 대한 처방은, 직종을 수입하는 것이 아닙니다. 가장 아픈 한 업무로 좁힙니다. 전사 DX부터 시작하면, 다시 회의실로 돌아갑니다. 그 업무의 명사와 동사를, 현장의 말 그대로 적어 냅니다. 시스템 용어로 번역하는 것은 나중입니다. 첫날에, 불완전한 돌아가는 것을 둡니다. 정확도 95%가 아니라, 3시간이 20분이 되었는지, 반려가 몇 포인트 떨어졌는지로 잽니다. 쓰기 전에, 권한, 시뮬레이션, 인간의 개입, 감사 기록을 둡니다. 이 네 점이 없는 것을 기간계에 이어서는 안 됩니다. 에이전트가 읽은 것을 기록하고, 출구를 묶는다, 는 이야기는 Cloudflare OS는 왜 OSS인가에서도 썼습니다. 발상은 같은 방향입니다.

동반 지원은, 고객이 정하는 것을 받치는 일입니다. 시사를 내고, 선택지를 늘어놓습니다. 최종의 책임은 고객이 집니다. 이것은 필요한 일이고, 저희도 그것을 팔고 있습니다. FDE는, 자사 제품이 고객의 현실에 대해 지는 책임을, 현장까지 나르는 일입니다. 그래서 씁니다. 그래서 거버넌스를 만듭니다. 그래서 고객의 실적 지표로 잽니다. 거기서 배운 것을 제품으로 가져가, 다음 고객의 포장으로 만듭니다.

95%가 멈춰 있는 것은, 모델이 약해서가 아닙니다. 아무도, 현장까지 책임을 나르지 않았기 때문입니다. 생성형 AI의 능력은 앞으로도 늘어납니다. 구현의 도랑은, 능력만으로는 메워지지 않습니다. 메우는 것은, 내려가는 사람과, 가져간 식견을 제품으로 바꾸는 구조입니다.

저희가 현장의 설계를 맡을 때는 WARP입니다. 사내의 지식을, 관계로서 남기는 쪽은 ZEROCK입니다. 직종명의 수입이 아니라, 자사의 한 업무에서 어디까지 쓸지를 정하고 싶은 분은, 개별 상담으로 상황을 들려주십시오.

---

Footnotes

1. MIT NANDA『The GenAI Divide: State of AI in Business 2025』（Aditya Challapally、Chris Pease、Ramesh Raskar、Pradyumna Chari、2025년 7월）. 조사 기간은 2025년 1월부터 6월. 공개된 AI 안건 300건 초과의 리뷰, 52개 조직에 대한 구조화 인터뷰, 4개의 업계 회의에서 수집한 시니어층 153명의 조사. 기업의 생성형 AI 투자는 추정 300억~400억 달러, 95%의 조직이 측정 가능한 수익을 얻지 못했다, 통합 파일럿 가운데 수백만 달러 규모의 가치를 끌어내고 있는 것은 5%, ChatGPT나 Copilot은 80% 초과가 시험 사용·약 40%가 도입이지만 개인 생산성에 머문다, 전용 도구는 60%가 검토·20%가 파일럿·5%가 본가동, 장벽은 모델 품질이 아니라 학습（피드백을 유지하지 않고 맥락에 적응하지 않는 것）, 외부 연계의 성공률은 자체 개발의 약 2배, 대기업은 파일럿 건수에서 앞서고 스케일에서 늦는다, 는 모두 같은 보고서에 의한다. https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf ↩ ↩² ↩³

2. Andreessen Horowitz（Joe Schmidt）「Trading Margin for Moat: Why the Forward Deployed Engineer Is the Hottest Job in Startups」（2025년 6월 4일）. 엔터프라이즈 AI에서는 PLG만으로는 기간 워크플로를 바꾸기 어렵고, 구현 지원을 두껍게 해 일시적으로 매출총이익을 낮추고 해자를 취한다, ServiceNow의 상장 시 매출총이익률 63.2%·Workday 54.1%, 2024년에는 각각 79%·75%, OpenAI의 공개 채용 311건 중 22건이 FDE나 솔루션계, 는 같은 글에 의한다. 본문에 채용 800% 증가의 기술은 없다. https://a16z.com/services-led-growth/ ↩ ↩²

3. 2025년 1월부터 9월에 Forward Deployed Engineer 관련의 채용 게재가 800% 초과 증가했다는 숫자. Indeed Hiring Lab의 분석을 Financial Times 등이 보도한 이차 정보. a16z의 위 글에는 포함되지 않는다. https://m.economictimes.com/magazines/panache/what-are-the-hottest-jobs-within-ai-hiring-up-800-this-year/articleshow/125036908.cms ↩

4. OpenAI「OpenAI launches the OpenAI Deployment Company to help businesses build around intelligence」（2026년 5월 11일）. OpenAI Deployment Company（통칭 DeployCo）의 설립, 응용 AI 컨설팅 기업 Tomoro의 인수 합의, 약 150명의 FDE 및 Deployment Specialist, 초기 투자 40억 달러 초과, OpenAI가 과반수를 보유, TPG를 선두로 하는 투자·컨설팅 파트너, 는 같은 발표에 의한다. https://openai.com/index/openai-launches-the-deployment-company/ ↩

5. FIS「FIS Brings Agentic AI to Banking with Anthropic, Starting with Financial Crimes」（2026년 5월 4일）. Anthropic의 Applied AI 팀과 FDE가 FIS에 심어지고, Financial Crimes AI Agent를 공동 설계하며, FIS가 이후의 에이전트를 자립 운영해 넓힐 수 있도록 식견을 옮긴다, BMO와 Amalgamated Bank가 초기 도입, 은 같은 발표에 의한다. https://www.fisglobal.com/about-us/media-room/press-release/2026/fis-brings-agentic-ai-to-banking-with-anthropic-starting-with-financial-crimes ↩

6. Airbus「Airbus launches Skywise – aviation's open data platform」（2017년 6월 20일）. Palantir와의 협업에 의한 항공 업계용 데이터 기반, 먼저 Airbus 사내의 제조·엔지니어링·서비스에서 쓰고, 항공사에 연다, 는 같은 발표에 의한다. 3일간의 디지털 트윈 출하나 A350 납입 33% 가속은, 이 발표문에는 없다. https://www.airbus.com/en/newsroom/press-releases/2017-06-airbus-launches-skywise-aviations-open-data-platform ↩

7. Palantir가 공개하는 Airbus/Skywise의 임팩트 설명. Foundry에 의해 A350의 납입이 33% 가속했다, 2017년에 Skywise로 확장했다, 고 한다. Airbus 공식 발표에서는 미확인이므로, 본 기사에서는 Palantir 쪽의 주장으로서 다룬다. 경쟁 제품 페이지로의 유도를 피하기 위해 URL은 각주 본문에 두지 않는다. ↩

8. OpenAI「John Deere transforms agriculture with AI」（Justin Rose 씨와의 대담, 2025년 5월 6일）. See & Spray가 잡초만을 살포하고 약제 사용을 최대 70% 줄인다, 는 John Deere 쪽의 설명. FDE가 수확기의 농장에 상주했다는 기술은 이 대담에는 없다. https://openai.com/index/john-deere-justin-rose/ ↩