FDEとは？Forward Deployed Engineerの意味と仕事内容

FDE（Forward Deployed Engineer）とは、顧客の現場に入り込み、何を作るべきかを見つけるところから、AIシステムの設計・実装・運用、そして業務への定着までを一貫して担うエンジニアのことだ。日本語ではフォワードデプロイドエンジニア、あるいは前線配備エンジニアと呼ばれる。

私たちFDE Consultingは、このFDEの支援モデルで日本企業のAI導入を現場から支援している。私自身は戦略コンサルティングの現場で、正しい戦略が業務に落ちずに止まる場面を見てきた。FDEは、その「落ちない最後の一歩」を埋めるために生まれた職種だと考えている。

以下、FDEの意味と語源、生まれた経緯、実際の仕事内容、注目される理由、似た職種との違い、必要なスキルと、なり方までを順に整理する。

FDEの意味と語源

日経クロステックはFDEを「顧客の業務や組織、社内システムを深く理解して課題を明確にし、解決するためのシステムを実装するエンジニア」と定義している。私の言葉で言い換えるなら、FDEは「一つの顧客の成果に対して、あらゆる手段で責任を持つエンジニア」だ。

Forward Deployedは「前線配備」

Forward Deployedは、軍事用語の「前線配備」に由来する。本社や後方から指示を出すのではなく、顧客という最前線に自ら配置され、現場で判断し、現場で作る。名前そのものが、この職種の働き方を表している。

呼び方と略称

FDEはPalantirで生まれた

FDEを生んだのは、米国のデータ分析企業Palantir Technologiesだ。Palantirの公式ブログによれば、同社のエンジニアには大きく「Dev」と「Delta」の2つの職種がある。Devは「一つの機能を、多くの顧客に」届けるエンジニアで、Deltaは「一つの顧客に、多くの機能を」届けるエンジニアだ（Palantir Blog）。このDeltaこそがForward Deployed Software Engineer、つまりFDEである。

Deltaという呼び名は、初期の事業開発チームをNATOのフォネティックコード（Alpha、Bravo…）で呼んでいた名残だという。Palantirにはもう一つ、Deploymentの戦略を担う「Echo」と呼ばれる職種があり、Echoがプロダクトマネジメント寄り、Deltaが技術寄りの役割を担う（Palantir Blog）。

The Pragmatic Engineerの調査では、FDEの職種は2010年代前半に作られ、2016年ごろまではPalantir社内でFDEの人数が通常のソフトウェアエンジニアを上回っていたとされる（The Pragmatic Engineer）。製品を売るより先に、顧客の現場で成果を出すことに人を割いていたわけだ。現場の仕事を製品に戻していくこの事業の作り方は「FDEモデルとは？パランティアが生んだ「現場に入る」事業モデル」で詳しく書いた。

FDEの仕事内容

私たちは登壇の場で、FDEを「AIを作る人ではなく、AIを使わせる人」と説明してきた。AIを作ることは手段にすぎない。FDEの仕事は、業務の中でAIが毎日使われ、数字が動いている状態を作ることだ。実際の仕事は、次の5つの段階で進む。

1. 課題を見つけ、KPIを決める

最初に、現場の業務を棚卸しし、どの課題を解くべきかを決める。ここで「何が動いたら成功か」をKPIとして合意する。私たちの場合、この段階に約2週間をかける。依頼の時点で「AIで何を作るか」が決まっていることは少ない。決まっていないところから始めるのがFDEだ。

2. 業務を分解し、AIに任せる範囲を決める

「税務申告にAIを入れる」のような大きな単位では、何をAIに任せ、何を人が判断するかを決められない。そこで業務を工程まで分解する。会計事務所での例を示す。

このレベルまで分解して初めて、「どの工程を、どの順番で、どこまで自動化するか」を決められる。業務分解を飛ばしてAIを入れると、PoC止まりになりやすい。

3. 動くものを作り、現場で使ってもらう

設計が決まったら、FDE自身がコードを書いてシステムを作る。提案した人と作る人が同じなので、設計の意図が引き継ぎで失われない。私たちはClaude CodeやCodexなどのAIコーディングツールをフルに使い、短いサイクルで作っては現場で試す。

4. KPIが動くまで改善を回す

LLMやAIエージェントは、同じ入力にも毎回少し違う答えを返す。仕様書どおりに作れば終わり、とはならない。どういう回答なら合格かという評価の基準を作り、現場の例外を拾いながら精度と使い勝手を上げていく。納品で終わらず、KPIが動くまで改善を回し続けるのがFDEの特徴だ。

5. 定着させ、手放す

最後に、使い方のルールを現場で明文化し、運用を顧客のチームに引き継ぐ。これまで支援してきた案件を振り返ると、AIが定着する企業には「ルールが先、ツールが後」「使い方が現場で明文化されている」「経営層が使えと言い切っている」という3つの共通点があった。FDEは、この3つがそろう状態まで伴走する。いずれ自分がいなくても回る状態を作るところまでが仕事だ。

なぜ今FDEが注目されているのか

AIは作れるようになったが、使われていない

生成AIの登場で、AIを作ること自体のハードルは大きく下がった。一方で「PoCは成功したが本番に進まない」「導入したが現場で使われていない」という状態の企業は多い。原因の多くは技術ではない。使う場面が決まっていない、使わなくても仕事が回ってしまう、運用の責任者がいない、KPIが利用回数で止まっている——組織と業務設計の問題だ。

この溝は、優れたAIモデルを入れても埋まらない。技術と業務の両方が分かる人が、現場に入って埋めるしかない。それがFDEの需要の根っこにある。PoCが本番に進まない3つの断絶と、本番化の進め方は「AIのPoC止まりを抜け出す」で書いた。

求人は1年足らずで800%超増えた

英FT紙がIndeedのデータをもとに報じたところでは、FDEの求人は2025年1月から9月の間に800%超増えた。その後もIndeedのデータでは、2026年4月の求人数が前年同月比で約729%増えたと報じられている（Business Insider）。

OpenAIとAnthropicはFDEの会社を作った

2026年、この流れを決定づける動きが2つあった。OpenAIは2026年5月、企業へのAI導入を担うOpenAI Deployment Companyを設立した。Tomoroを買収し、約150人のFDEとDeployment Specialistを抱えて始動する（OpenAI）。

Anthropicも同じ5月に、Blackstone、Hellman & Friedman、Goldman Sachsと組んで企業向けAIサービス会社の設立を発表し、7月に「Ode with Anthropic」として始動した（Anthropic）。Anthropic自身も、Applied AIチームのエンジニアをFDEという肩書で募集している。

AIを作る会社が、AIを現場に入れる会社を別に作る。モデルの性能だけでは企業の成果にならないことを、作り手自身が認めたと私は見ている。両社のFDEの体制、新会社の中身、東京の求人は「OpenAI・AnthropicのFDE」にまとめた。

投資家は「利益率より堀」と評価した

米ベンチャーキャピタルのa16zは2025年6月、FDEを「スタートアップで最も熱い職種」と位置づける論考を公開した（a16z）。AIを買う企業には、スマートフォンを初めて買った人と同じように、セットアップを手伝う人が要る。人手がかかる分だけ利益率は下がるが、顧客の業務に深く入り込むことが競合に対する堀になる、という主張だ。

日本でもFDEが広がっている

日本でも、2025年からAIスタートアップを中心にFDE職の新設が相次ぎ、2026年には大手ITベンダーやコンサルティング会社に広がった。

面白いのは、日本ではFDEが「AIプロダクト企業の職種」と「SIerやコンサルの新しい提供形態」の両方の意味で使われ始めていることだ。前者はPalantirやOpenAIと同じく自社製品を顧客に定着させる役割で、後者は人月ではなく成果で価値を測る支援モデルを指す。私たちFDE Consultingは後者の立場で、自社製品を売るのではなく、顧客の課題から入る。

海外7社・日本10社の動きと、導入の3つの型は「FDEを導入している企業一覧」で整理した。

FDEと似た職種との違い

FDEは、現場に入るという点でSES（客先常駐）と、提言するという点でITコンサルと、よく混同される。違いを一言ずつまとめるとこうなる。

それぞれの詳しい比較と、発注前に「本当にFDEか」を見分ける5つの質問は「FDEとSESの違いとは？SIer・コンサル・データサイエンティストと比較」にまとめた。生成AI時代のAIエンジニアとの違いは「AIエンジニアとは」で、営業・マーケティング・CSの現場で仕組みを作るGTMエンジニアとの違いは「GTMエンジニアとは」で、それぞれ比較表にした。

FDEに必要なスキル

私たちはFDEに必要な能力を、Business・Technology・Creativityの3つに分けて考えている。

3つのうち一番育てにくいのは、Creativity、つまり曖昧な状況から問いを立てる力だと私は考えている。技術は学べるし、業界知識は現場で身につく。しかし「本当に解くべき課題は何か」を見つける力は、経験の中でしか鍛えられない。

向いているのは、完成された仕様より、散らかった現場を面白がれる人だ。データが散らばっている、権限が複雑、例外処理が誰の頭の中にしかない——そうした泥臭い現実を、動くシステムと動く業務に変えることに手応えを感じる人に向いている。キャリアの詳しい考え方は「Forward Deployed Engineerという新キャリア」で書いた。

FDEを目指す人へ

資格は必須ではない

FDEの国家資格や公的資格はない。2026年9月時点で、民間では日本FDE協会の「FDE検定」（5級〜1級、日本FDE協会）と、IoT検定制度委員会の「FDE検定制度」（3段階、IoT検定制度委員会）が発表されている。ただ、採用する側が見るのは資格より、現場で課題を見つけ、実装し、成果を出した経験だ。必要なスキルと準備の進め方は「FDEになるには？」にまとめた。

年収の目安

日本の求人票に記載された想定年収は、下限が700万〜1,000万円、上限が2,000万円前後のものが多い。

米国では、OpenAIのFDE求人が18.5万〜30万ドル（株式報酬は別）、AnthropicのFDE求人が28万〜32万ドルと提示されている。いずれも求人票の提示額で、実際の年収は経験や評価で変わる。求人票の読み方と、年収が決まる要素は「FDEの年収はいくら？」に詳しく書いた。

どんな経歴からFDEになるか

FDEの経験者は、日本にはまだほとんどいない。だから隣接する職種からの転身が現実的だ。AIエンジニア、ITコンサルタント、プロダクトマネージャー、SaaS企業のソリューションエンジニアは、それぞれBusiness・Technology・Creativityのどれかをすでに持っている。足りない領域を現場で埋めていけばよい。募集している企業と求人票の読み方は「FDEの求人・転職ガイド」に、私たちもFDEとして一緒に働く仲間を募集している。

FDEが現場で扱うテーマ

FDEの技術領域は、LLMやAIエージェントの設計・評価から、既存システムとの連携、セキュリティまで広い。作って終わりではなく、本番で動き続けること、安全に使われること、社内のルールに沿うことまでが成果に入るからだ。現場で扱うことになるテーマを、詳しく書いた記事とあわせて挙げる。

本番で動かし続ける技術

• RAGとは：社内文書を検索して生成AIに渡す仕組みと、本番で精度と権限を落とさない設計
• RAG構築の進め方：精度を検索と回答に分けて測り、権限を検索の段階で絞る手順
• LLMOpsとは：プロンプトの版管理、評価、監視、モデルの廃止への備えなど、本番で回し続ける仕組み
• ハルシネーション対策：もっともらしい誤りが出る原因と、業務で使うための設計と運用
• MCPとは：AIアプリケーションを外部のデータやツールにつなぐオープンな標準の仕組みと、導入する側が決めること

AIを安全に使わせる設計

• AIエージェントのセキュリティ：攻撃を防ぎきれない前提で、権限と承認を設計する
• プロンプトインジェクションとは：入力に紛れ込ませた指示でAIの動きを作り手の意図から外させる攻撃の仕組みと、企業の対策
• Microsoft 365 Copilotのセキュリティ：情報漏洩を防ぐために、導入前に整理する共有と権限の設定
• ChatGPTに学習させない設定：ChatGPT・Gemini・Copilotの個人版と法人版の設定と、オフにしても残るデータ
• Claudeのセキュリティ：法人で使うときのデータの扱い、個人向けと法人向けの規約の違い、管理者が設定すること

社内ルールと国の指針・規格

• AI利用規程の作り方：決める7項目、入力してよい情報の3区分、条文のひな形
• 生成AIと個人情報：個人情報保護委員会の注意喚起と個人情報保護法の条文から、入力してよい情報の線引き
• AI事業者ガイドラインとは：総務省と経済産業省のガイドライン第1.2版の要点と、公式のチェックリストの使い方
• ISO 42001とは：AIマネジメントシステムの国際規格の要求事項と、企業が準備すること
• EU AI法とは：AIをリスクの大きさで4段階に分けて規制するEUの規則と、日本企業が対象になる条件

FDEに依頼すべき会社

FDEは万能ではない。作るものも仕様も決まっていて人手だけが足りないなら、SESやSIerに頼む方が合理的だ。FDEが力を発揮するのは、次のような状況の会社だ。

• AIのPoCは成功したが、本番導入に進まない
• 社内にAIを実装できる人がいない。助言だけでなく、手を動かす人が欲しい
• 業務の例外が多く、標準的なツールの導入では回らない
• AIを内製化したいが、最初の型を作れる人がいない

外部に頼むときに確かめる7つの判断基準と商談での質問例は「FDE支援会社の選び方」に、伴走支援の種類と費用の形は「AIの伴走支援とは」に整理した。

私たちFDE Consultingは、最初の2週間の課題整理とKPI設計を無償（月3社まで）で行い、そのうえで本番システムの構築と運用まで伴走する。料金と進め方はサービス詳細に、実際の支援例は事例紹介に載せている。