팔란티어 FDE 아카데미, 현장 엔지니어 양성의 새로운 표준으로 자리 잡다 — 46개 모듈·5팀 독립 운영의 2일 집중 실습

팔란티어라는 이름을 처음 접하고 그 정체를 파악하려는 순간, 가장 먼저 마주치는 질문은 "대체 이 회사가 뭐하는 회사인가"라는 것이다. 최근 글로벌 기업들이 AI 도입 전략을 재정의하면서, 팔란티어의 FDE(Forward Deployed Engineering) 모델이 새로운 실행 표준으로 주목받고 있다.

액센추어와 마이크로소프트가 2026년 3월 18일 FDE Practice를 출범시킨 것을 시작으로, 세일즈포스, EY, AWS까지 각 조직이 FDE 조직을 구성하고 기업 현장에 엔지니어를 배치하는 움직임을 보이고 있다. 이는 더 이상 팔란티어만의 특수 모델이 아니라 AI 전환의 새로운 실행 표준으로 빠르게 확산되고 있음을 의미한다. 팔란티어의 FDE 아카데미는 이러한 글로벌 트렌드 속에서 현장 엔지니어를 체계적으로 양성하는 가장 구체적이고 실전적인 교육 플랫폼으로 평가받고 있다.

본 글은 에스비컨설팅의 심재우 대표가 팔란티어 FDE 모델 연구를 통해 정리한 FDE 아카데미의 최신 커리큘럼 구성과 학습 로드맵을 분석한다. 특히 2일간 집중 실습으로 46개 모듈을 5팀이 독립 운영하는 구조와, 현장 암묵지에서 온톨로지·AI Agent·거버넌스까지 이어지는 실행 흐름의 시점성 있는 변화를 살펴본다.

FDE는 단순한 SI(System Integration) 컨설팅이나 AI 도입 교육이 아니다. 현장에 엔지니어가 직접 들어가 워크플로우를 이해하고, 즉시 솔루션을 개발·검증하는 방식이다.

2024년까지 기업의 AI 도입 기준은 "제품 성능"(정확도, 속도) 중심이었다. 그러나 2025년 이후 업계 기준이 크게 확장되고 있다. AWS가 10억 달러를 FDE 조직에 투입한다고 발표한 이유도, 단순히 기술 도입이 아니라 접근 권한, 보안, 책임 소재, 성과 기반 계약이 AI 도입의 진정한 성공 요건으로 부상했기 때문이다. 이러한 변화 속에서 팔란티어의 FDE 아카데미는 교육 대상을 "기술 담당자"에서 "기업 현장의 의사결정자와 실행자"로 확대하고 있다.

팔란티어 FDE 아카데미의 변화된 포지셔닝:

* Layer 구조화: 단순 지식 전달에서 현장 암묵지 → 온톨로지 → AI Agent → 거버넌스/KPI → 피치덱으로 이어지는 8단계 구조화 파이프라인으로 진화
* 팀 독립 운영: 5개 팀(Alpha~Echo)이 동일한 46개 모듈을 각각 독립적으로 진행하면서 실제 조직 시뮬레이션 구현
* 평가 기준 확장: "과정 수료" 중심에서 "현장 확장 가능성"과 "KPI 설정 능력"으로 평가 기준 전환

FDE 아카데미의 46개 모듈은 단순히 강의실 수의 합이 아니다. 이는 현장 문제 해결 흐름을 모듈화한 것으로, 다음 4대 블록으로 나뉜다.

공통 플랫폼 (3+5개 모듈)는 전체 학습자가 공유하는 기반이다. course-home(과정 소개)에서 팀별 독립 저장 구조를 이해하고, dashboard에서 진행률을 실시간 추적하며, team-setup에서 각 팀의 주제·역할·이해관계자를 설정한다. 여기서 주목할 점은 모든 학습자 데이터가 팀별로 독립 저장된다는 것이다. Alpha팀의 학습 결과는 team-1.html과 localStorage key인 _team_1에 누적되고, 나머지 팀도 동일한 방식으로 운영된다.

1일차 모듈 (6개, 문제→온톨로지 단계)은 핵심 구조화 작업에 집중한다. problem-reframe에서 표면 문제를 재정의하고, tacit-questions에서 현장 암묵지를 20개 이상 질문으로 추출한다. concept-extraction 단계에서 추출한 개념들을 ontology-builder로 정렬하며, 온톨로지 7요소(실체, 속성, 관계, 제약, 규칙, 이벤트, 프로세스) 완성이 1일차의 종착점이다. platform-primitives 모듈에서는 이 온톨로지를 8대 플랫폼 원시 요소(노드, 엣지, 메타데이터 등)로 재사용 가능하게 변환한다.

2일차 모듈 (9개, 실행→발표 단계)에서 학습자는 전환(Transformation)의 경험을 한다. ontology-revision에서 전날 완성한 온톨로지를 팀 피드백에 따라 수정하고, fde-skills 모듈에서 온톨로지의 각 요소를 FDE 12대 핵심 스킬에 매핑한다. agent-designer와 workflow-governance에서 AI Agent의 구조와 워크플로우를 설계한 후, kpi-evaluation에서 성과 지표를 정의한다. 마지막으로 expansion-template을 통해 이 결과물을 다른 조직에 적용 가능한 템플릿으로 변환하고, 피치덱 자동생성 기능으로 8장의 발표 자료가 즉시 생성된다.

현장 확장 모듈 (9개, 교육→실행 전환)은 실무 적용을 위한 가이드다. field-manual과 global-best-practices는 교육 후 현장에서 참조할 수 있는 체크리스트를 제공하고, best-practice-compare로 다른 기업의 유사 사례와 비교분석하며, platform-diagnosis로 자신의 조직이 FDE 도입 시 어느 단계인지 진단한다. mvp-sprint-planner와 agent-evals 모듈은 교육 결과를 90일 이내 현장 MVPs(Minimum Viable Products) 구축으로 바로 이어지게 설계되었다.

각 모듈 간 데이터 전달 구조가 명시적으로 설계되어 있다:

* 입력 자산: 현장 시나리오, 병목 5개, 암묵지 질문 20+
* 구조화 자산: 개념 추출, AXOS 노드·관계, 온톨로지 7요소
* 실행 자산: AI Agent, Workflow, Governance, 12스킬 매핑, KPI 모델

팔란티어는 FDE 아카데미 전 과정에 5대 핵심 원칙을 명시했다. 이 원칙들이 각 모듈에 어떻게 구현되는지가 이 교육 과정이 일반 AI 교육과 다른 이유다.

첫 번째 원칙, Outcome Ownership은 "기능 완성이 아닌 성과 개선 책임"을 의미한다. 전통 SI 프로젝트는 "시스템 구축 완료"를 목표로 한다. 그러나 FDE는 "이 시스템으로 고객의 KPI가 얼마나 개선되었는가"를 책임진다. 이는 kpi-evaluation과 agent-evals 모듈에서 명시적으로 나타난다. 학습자는 단순히 "AI Agent를 설계했다"고 끝나는 게 아니라, 그 Agent가 가져올 구체적 비즈니스 결과를 수치로 정의해야 한다.

두 번째 원칙, Embedded FDE는 "현장에 내장된 실행자"를 뜻한다. FDE 엔지니어는 고객 조직 밖의 외부인이 아니라 현장 팀의 일원으로 참여한다. 이를 반영하듯, 팔란티어 FDE 아카데미의 5개 팀 구성(Alpha~Echo)과 team-setup 모듈은 실제 고객 조직의 팀 구조를 시뮬레이션한다. 각 팀이 독립적으로 같은 모듈을 진행하면서, 팀 간 협업과 의사결정 구조를 학습한다.

세 번째 원칙, Ontology as Operational Layer는 이 아카데미의 가장 혁신적인 요소다. 일반적으로 온톨로지는 "데이터 딕셔너리" 정도로 취급된다. 그러나 팔란티어 FDE에서 온톨로지는 실제 운영의 기본 구조다. ontology-builder에서 정의한 7요소는 단순 문서가 아니라, 이후 AI Agent, Workflow, KPI를 정의할 때 직접 참조하는 운영 표준이 된다. 즉, 온톨로지를 "한 번 만들고 저장해두는 산출물"이 아니라 "매일 조회하며 의사결정하는 운영 도구"로 재정의한 것이다.

네 번째 원칙, Iterate는 "데이터 기반 반복 개선"을 의미한다. agent-evals와 mvp-sprint-planner 모듈은 FDE 조직이 90일 사이클로 Agent의 성능을 반복 검증하고 개선하는 구조를 제시한다. 이는 기존 "프로젝트 완료 후 유지보수" 모델과 근본적으로 다르다.

다섯 번째 원칙, Responsible AI는 "책임 있는 AI 도입"을 강조한다. workflow-governance와 kpi-evaluation 모듈은 AI 시스템의 의사결정이 어디까지 자동화되고, 어디부터 인간이 개입해야 하는지를 명시적으로 정의하도록 설계되었다.

2024년 이전의 AI 교육은 대개 "온톨로지란 무엇인가"를 정적으로 설명했다. 반면 팔란티어 FDE 아카데미의 1일차와 2일차를 연결하는 변곡점이 바로 온톨로지와 FDE 12대 스킬의 동적 매핑이다.

1일차에서 완성한 온톨로지 7요소(실체, 속성, 관계, 제약, 규칙, 이벤트, 프로세스)는 추상적 개념이다. 그러나 2일차 fde-skills 모듈에 진입하는 순간, 각 온톨로지 요소는 구체적 실무 스킬로 변환된다.

예를 들어, 온톨로지의 "프로세스" 요소는 fde-skills 모듈에서 다음 3대 스킬로 매핑된다: (1) 병목 인식 — 프로세스 단계별 최악 지점 식별, (2) 워크플로우 설계 — AI가 개입할 단계 정의, (3) 성과 연쇄 — 한 단계의 개선이 다음 단계에 미치는 영향 계산. 이렇게 되면 학습자는 "온톨로지의 7요소"를 외우는 것이 아니라 자신의 현장 문제에서 그 요소들을 살려내는 경험을 한다.

이 동적 매핑이 일반 교육과 다른 이유:

* 추상→구체 전환의 스피드: ontology-builder(1일차)에서 fde-skills(2일차)로 24시간 만에 전환. 기존 교육은 같은 개념을 여러 모듈에서 반복 설명해야 했다면, 이 구조는 한 번의 경험으로 즉시 현장 적용 단계로 진행
* 팀 단위 재검증: 온톨로지를 혼자 만드는 게 아니라, 5개 팀이 각각 만들고 cross-team review에서 서로 검증. 이 과정에서 "내 온톨로지는 불완전했다"를 깨닫고, ontology-revision에서 즉시 수정
* KPI와의 연결고리 명시: 온톨로지의 각 요소가 최종적으로 "이 요소를 개선하면 KPI가 몇 % 오르나"로 정량화되므로, 학습자가 추상 개념의 실제 가치를 수치로 경험

2025년 현재, 기업 AI 도입 프로젝트에서 가장 흔한 사망 원인이 "교육은 잘했는데 현장 실행이 안 된다"이다. 팔란티어 FDE 아카데미가 이 문제를 해결한 방식이 pitchdeck-generator라는 자동화 기능이다.

2일차의 마지막 단계에서 학습자의 모든 입력값(온톨로지, 12스킬 매핑, Agent 설계, KPI)이 자동으로 8장의 피치덱으로 변환된다. 여기서 중요한 것은 단순히 "자동으로 슬라이드를 만든다"는 게 아니라, 그 과정 자체가 학습자의 사고 흐름을 정렬하는 검증 메커니즘이 된다는 점이다.

예를 들어, 학습자가 온톨로지 정의는 명확했지만 KPI 설정이 모호했다면, 피치덱 생성 시 "slide 5: KPI Definition" 단계에서 "이 항목이 빈 상태입니다"라는 경고가 뜬다. 즉, 자동생성 도구가 동시에 완성도 검증 도구가 되는 것이다.

이 기능의 시점성 있는 변화:

* 교육 종료 후 90일 내 현장 적용 확률 증가: 기존 교육 과정 후 학습자가 보고서를 "다시 작성"해야 했다면, 이 구조는 교육 중에 이미 경영진 프레젠테이션 레벨의 산출물이 완성됨. 이를 통해 현장 승인 시간을 단축하고 즉시 MVPs 구축으로 진행 가능
* AI가 협업 기능으로 재정의: 피치덱 자동생성은 "번거로운 작업 자동화"가 아니라, 학습자의 불완전함을 즉시 피드백하고 보완하도록 유도하는 AI 코칭 역할로 작동
* 팀 간 비교 분석의 표준화: 5개 팀이 생성한 8장짜리 피치덱들이 동일한 형식과 로직으로 생성되므로, 팀 간 비교가 가능해지고, 각 팀이 다른 팀의 온톨로지·KPI 설정을 벤치마킹할 수 있게 됨

일반적인 교육 과정은 2일 집중 과정이 끝나면 끝이다. 그러나 팔란티어 FDE 아카데미는 여기서부터가 진짜 시작이다. 현장 확장 모듈 9개가 교육 수료 이후 90일 실행 로드맵을 명시한다.

field-manual은 현장에서 매일 참조할 수 있는 체크리스트다. "온톨로지 7요소를 내 조직에 맞게 수정하려면?" "Agent가 의도대로 동작하지 않을 때 디버깅 체크포인트는?" 같은 구체적 상황별 가이드를 제공한다. global-best-practices는 팔란티어가 축적한 130개 이상 고객 사례 중에서 당신 조직과 유사한 5~7개 사례를 매칭해준다.

Platform-diagnosis 모듈은 특히 중요하다. 학습자의 조직이 FDE 도입 준비가 얼마나 되었는지를 자동 진단해준다. 예를 들어:

* 온톨로지 성숙도: 현재 조직의 데이터 정의가 명확한가? (1~5단계 평가)
* 거버넌스 준비도: 의사결정 구조와 책임 소재가 명확한가? (1~5단계)
* 팀 역량도: FDE 실행을 주도할 인력과 예산이 배정되었는가? (1~5단계)

진단 결과가 3점 이상이면 "90일 내 MVPs 구축 가능", 2점 이하면 "먼저 조직 준비 단계를 3개월 진행한 후 FDE 시작"이라는 명확한 로드맵을 제시한다.

mvp-sprint-planner는 90일을 4개 스프린트로 나누어 주차별·일차별 체크포인트를 제공한다. 이는 단순한 "가이드"가 아니라 구글 스프레드시트 템플릿 형태로 다운로드해서 즉시 실행 계획서로 활용할 수 있다.

팔란티어 FDE 아카데미에서 주목할 혁신 중 하나가 5개 팀의 독립 운영 구조다. 이는 단순히 "소그룹 활동"이 아니라 실제 기업 조직을 모의 운영하는 것이다.

Alpha, Bravo, Charlie, Delta, Echo 팀은 각각 다음을 독립적으로 운영한다:

* 별도의 localStorage: _team_1부터 _team_5까지 각 팀의 모든 데이터가 완전히 격리되어 저장
* 팀별 온톨로지: 같은 주제를 배정받아도, 각 팀이 온톨로지를 다르게 정의할 수 있음 → 현장에서는 "같은 병목도 팀마다 다르게 접근한다"는 현실 반영
* 상호 벤치마킹: 2일차 "발표" 단계에서 5개 팀의 온톨로지·KPI·Agent 설계를 동시에 공개하고 비교

이 구조의 핵심 가치:

* 다양성의 가치 학습: 같은 문제도 "정답"이 하나가 아니라는 경험. 기존 교육은 "온톨로지란 이렇게 정의하는 것"이라고 정답을 제시했다면, 이 구조는 "팀A는 온톨로지를 이렇게 정의했고, 팀B는 저렇게 정의했는데, 각각의 장단점은?"이라고 메타인지 능력을 키움
* 조직 의사결정의 시뮬레이션: 팀 내에서 온톨로지 요소를 정할 때 의견 충돌이 생긴다. 이 과정이 바로 현장에서 경험할 "데이터 정의를 두고 개발팀과 비즈니스팀이 싸우는 상황"을 압축한 것. 2일의 경험이 현장 리더십을 미리 단련하는 셈
* 팀 문화 전수의 시점성: 2일 과정을 거친 5개 팀이 조직으로 돌아가면, 각 팀장이 "우리 팀은 이런 식으로 FDE를 접근하자"라는 로컬 문화를 만들 수 있다. 이는 글로벌 팔란티어의 FDE 문화를 한국 조직에 맞게 구현하는 첫 단계

Q1: 2일 과정으로 46개 모듈을 모두 완수할 수 있나요?

A: 완수의 의미를 다시 정의해야 한다. 교실에서 "모든 내용을 학습한다"는 뜻이 아니라, "현장 문제 해결에 필요한 의사결정 체계를 2일 안에 구축한다"는 뜻이다. 46개 모듈 중 핵심 모듈(1일차 6개 + 2일차 9개 = 15개)이 2일 과정에 압축되어 있고, 나머지 31개 모듈(공통 플랫폼 8개 + 현장 확장 9개 + 참조용)은 교육 후 90일 동안 필요에 따라 선택적으로 활용하도록 설계되었다. 즉, 2일은 "온톨로지→Agent→KPI→피치덱" 핵심 흐름에 집중하고, 이후 현장 적용 과정에서 나머지 모듈을 참조하는 구조다.

Q2: 온톨로지 7요소를 처음 배우는데, 2일 안에 제대로 이해할 수 있을까요?

A: "이해"가 아니라 "경험"으로 봐야 한다. 온톨로지 7요소(실체, 속성, 관계, 제약, 규칙, 이벤트, 프로세스)를 강의로 배우는 데는 3시간이면 충분하다. 그러나 FDE 아카데미에서는 (1) 당신의 현장 문제를 이 7요소로 구조화하고, (2) 그 결과를 AI Agent의 설계에 즉시 반영하고, (3) 팀 동료들의 온톨로지와 비교하며 검증하는 3단계 경험을 2일 안에 진행한다. 결과적으로 학습자는 "온톨로지란 이런 것"을 배우는 게 아니라 "우리 조직의 온톨로지는 이렇게 정의하고, 내가 AI Agent를 이렇게 설계했으며, 결과적으로 이런 KPI를 기대한다"를 몸으로 체득하게 된다.

Q3: 2일 교육 후 현장 적용까지 몇 주가 걸리나요?

A: 팔란티어 FDE 아카데미는 "교육 수료 후 90일 이내 MVPs(Minimum Viable Products) 구축"을 기본 목표로 설정한다. 첫 2주는 온톨로지·Agent 설계를 조직 리더십팀에 승인받는 단계, 3~6주는 Agent 프로토타입 개발·KPI 측정 체계 구축, 7~12주는 운영 환경에서 Agent 검증·성과 측정이다. mvp-sprint-planner와 field-manual이 이 90일을 주차별로 가이드하므로, 교육을 받은 팀장이 조직 내 리소스를 잘 배정하면 최단 60일 내에도 첫 AI Agent 운영 시작이 가능하다.