FDEとは？年収は？SESとの違い・必要スキル・体験談・AI時代の新エンジニア像まとめ

なぜ今、AI企業がFDEを相次ぎ採用しているのか

　生成AIの利用を始めること自体は、以前より容易になった。企業はChatGPTなどのサービスを契約したり、APIを使って小規模なアプリケーションを試作したりできる。しかし、試作品を企業の本番業務へ組み込む段階になると、難度は大きく上がる。

　たとえば、社内文書を検索する生成AIを導入する場合、文書を読み込ませるだけでは済まない。部署や役職ごとの閲覧権限、個人情報や機密情報の扱い、回答の根拠表示、誤回答が起きた場合の処理、利用ログの保存、既存システムとの接続などを設計する必要がある。

　AIエージェントがメール送信やデータ更新などの操作を実行する場合には、どの処理までAIに任せ、どこで人間の承認を求めるのかも決めなければならない。モデルの性能だけでなく、セキュリティ、ガバナンス、業務設計、運用体制を同時に扱う必要があるわけだ。

　OpenAIの東京向けFDE求人では、顧客課題の発見、技術的な範囲の決定、システム設計、開発、本番展開までを担当業務としている。評価指標もシステムの完成ではなく、本番環境での利用、業務への測定可能な影響、製品やモデルの改善につながるフィードバックだ。

　AWSも、企業がAIの可能性を探る段階を越え、AIを業務の中核へ組み込みたいと考えていると説明する。同社は10億ドルを投じてFDE組織を設け、数千人規模の専門家を顧客チームへ配置する方針を打ち出した。AIシステムの導入期間を数カ月から数日へ短縮し、導入終了後には顧客自身が運用できる状態を目指すという。

　FDEが注目されているのは、単にAIエンジニアが不足しているからではない。AIモデルと企業の現場との間にある、データ、システム、セキュリティ、業務、組織の壁を越える役割が必要になったためである。

FDEとは？ パランティアが広めた「現場実装型」のエンジニア

　FDEはForward Deployed Engineerの略で、日本語では「前線展開エンジニア」などと訳される。企業によっては、Softwareを加えたForward Deployed Software Engineer、FDSEという名称も使われる。

　FDEとは、自社のソフトウェアやAIを顧客企業の業務へ組み込み、本番環境で利用できるシステムを設計・実装するエンジニアである。顧客の要望を聞くだけでなく、自らコードを書き、システムの利用定着や業務成果まで関与する。

　この働き方を広めた代表的な企業がパランティアだ。同社のFDSEは、顧客の中に入り、パランティアの既存プラットフォームを組み合わせて顧客固有の課題を解決する。一般的な製品開発者が、多数の顧客に共通して使われる機能を作るのに対し、FDSEは特定の顧客に必要な複数の機能を組み合わせる役割を担うという。

　重要なのは、FDEが生成AIによって新しく生まれた職種ではない点だ。パランティアは以前から、データ統合、防衛、医療、サイバーセキュリティなどの領域でFDSEを活用してきた。生成AIの普及によって、こうした現場実装型のエンジニアが、AIを本番業務へ導入する役割として再評価されている。

　なお、FDEはセキュリティ分野でFull Disk Encryption、フルディスク暗号化を意味することもある。本稿で扱うのは、職種としてのForward Deployed Engineerである。

FDEはSES・客先常駐エンジニアと何が違う？

　FDEについて「顧客企業の現場で開発する職種」と聞けば、日本で以前から存在するSESや客先常駐エンジニアと同じではないかと感じる人もいるだろう。

　両者には、顧客の近くで働き、顧客固有の業務やシステムに対応するという共通点がある。ただし、SESとFDEでは、そもそも言葉が示す対象が異なる。

　SESは一般に、エンジニアの技術力や業務遂行能力を顧客へ提供する事業・契約モデルとして使われる。一方、FDEは契約形態ではなく、顧客への製品展開を担う職種や開発モデルを指す。

　また、SESと客先常駐は完全な同義語ではない。SESでもリモートで業務を行う場合があり、顧客先で働くエンジニアがすべてSES契約とも限らない。労働者派遣、請負、準委任では指揮命令関係や責任の所在が異なるため、契約名称だけでなく実態を見る必要がある。

比較項目	FDE	SES・客先常駐エンジニア
言葉が示すもの	職種・製品展開モデル	契約・事業・勤務形態
顧客先に入る目的	自社製品やAIで課題を解決する	必要な技術力や業務遂行能力を提供する
課題の設定	顧客と共同で発見・定義する	契約や案件で決められる場合が多い
実装	原則として自ら行う	職種や案件による
担当範囲	課題発見から本番化、定着まで	契約で定められた範囲
主な成果指標	本番利用、業務成果、製品改善	品質、納期、契約業務の遂行
自社製品との関係	自社製品を顧客環境へ適用する	自社製品を持たない場合もある
現場で得た知見	製品や共通機能へ還元する	個別案件内で完結する場合がある
収益の考え方	製品・サービスの価値拡大	人数や稼働時間が基準になる場合がある

　最も重要な違いは、顧客現場で得た知見を自社製品へ戻す仕組みがあるかどうかだ。

　たとえば、ある顧客に社内文書検索AIを導入した結果、部署や役職に応じた複雑な権限管理が必要だと分かったとする。個別開発の案件であれば、その顧客向けの権限機能を完成させることが主な成果となる。

　FDEは個別の機能を実装するだけでなく、同じ問題がほかの顧客でも発生すると判断すれば、自社製品の標準機能や再利用できる部品にできないかを検討する。OpenAIもFDEに対し、現場で成功した手法をツール、手順書、共通部品として体系化し、モデルが成功する条件や失敗する条件を製品・研究部門へ伝えることを求めている。

　したがって、FDEは単にSESを別の言葉で呼び替えた職種ではない。ただし、顧客ごとの個別開発を繰り返し、知見が自社製品へ戻らなければ、実態は高単価なSESや受託開発に近づく。

FDE経験者の体験談：現場で求められる仕事のリアル

　FDEの仕事は、求人票だけを見ると「顧客先でAIやソフトウェアを導入する仕事」と説明されることが多い。しかし実際には、顧客の現場に入り、業務、データ、既存システム、組織内の意思決定まで理解しながら、短期間で使える仕組みに落とし込む仕事である。

　この実態を知るうえで参考になるのが、パランティアのFDSEの体験談だ。パランティアのBrian氏は、米国防総省の顧客向けにデータ統合ソリューションを提供していたFDSEとして紹介されている。

　同氏は、FDSEの仕事について、顧客に直接入り込み、パランティアの既存プラットフォームを構成しながら、顧客の難しい問題を解く仕事だと説明している。

パランティアのFDSEは、顧客の現場で「数日以内に動くもの」を作る
　パランティアのBrian氏の体験談で特徴的なのは、FDEの仕事が非常に実践的で、短期間で成果を求められる点だ。同氏は、防衛領域の顧客向けにデータ統合ソリューションを届けていた。

　さらに、パランティア入社後にはサイバー、ヘルスケア、防衛など複数領域に関わったと説明されている。つまりFDEは、特定の業界だけに閉じたエンジニアではなく、未知の業界や課題に素早く入り込む必要がある。

　同氏は、新型コロナ対応の取り組みで、意味のあるソリューションを数日以内に展開し、運用可能な状態にする必要があった。ここから見えるのは、FDEが長い要件定義の後に開発する職種ではなく、現場の状況を見ながら、短いサイクルで実装と改善を繰り返す職種だということだ。

FDEの現場感を整理すると、次のようになる。

観点	実態
顧客との距離	顧客の現場に深く入り込む
開発サイクル	数日単位で動くものを求められることがある
扱う領域	防衛、医療、サイバーなど業界横断
必要な力	未知の業界・システム・データに素早く適応する力
成果の見え方	作ったものがすぐ現場で使われる

FinTech出身エンジニアがFDSEに転じて感じた、通常開発との違い
　また、同社のChinemerem E.氏は、フィンテック企業のバックエンドエンジニアからパランティアのFDSEに転じた人物だ。同氏は、従来型の開発職から、より顧客成果に近い「Delta」と呼ばれる役割へ移った経験を語っている。

　バックエンドエンジニアとは、アプリやWebサービスの裏側で動くサーバー、データベース、APIなどを開発する職種だ。従来型の開発では、担当するシステムや機能が比較的明確に決まっていることが多い。

　一方、同氏が経験したFDSEの仕事は、顧客の現場に近く、技術だけでなく顧客成果に向き合う色合いが濃かった。パランティアでは、こうした前線展開型の役割を「Delta」と呼ぶ。Deltaは、既存プロダクトをそのまま売るだけでなく、顧客の業務やデータに合わせて価値を出す役割だという。

　通常の開発職とFDSEの違いは、次のように整理できる。

比較項目	通常のバックエンド開発	FDSE・FDE
出発点	プロダクトや機能の要件	顧客の現場課題
成果物	汎用的な機能や基盤	顧客ごとの実装・業務改善
関係者	社内の開発チーム中心	顧客、現場担当者、社内開発チーム
評価軸	品質、性能、保守性	業務成果、利用定着、顧客インパクト
難しさ	技術的複雑性	技術に加えて業務理解と合意形成が必要

OpenAI型FDEは、AIを大企業の本番業務に入れる役割を担う
　生成AI時代のFDEを理解するうえでは、OpenAIの動きも重要だ。OpenAIのFDEは大企業のAIプロジェクトを前に進めている。OpenAIの国際担当マネージングディレクターであるOliver Jay氏は、顧客のAIプロジェクトを支援するためにFDEを展開しているという。

　さらに、OpenAIのForward Deployed Engineering責任者であるColin Jarvis氏は、FDEチームが企業の中に入り、AIの実験を実業務の導入へ進める役割を担っていると説明している。同チームはモルガン・スタンレーなどの大企業と組み、既存ワークフローにAIを組み込む取り組みを進めているという。

　このOpenAI型FDEの特徴は、単にAIモデルを紹介することではない。顧客企業の業務フロー、データ、セキュリティ、利用者の行動まで踏まえて、AIを本番で使える状態にする点にある。

FDEは華やかに見えるが、出張・曖昧な要件・泥臭い実装も多い
　FDEは高年収で先端的な職種として語られやすいが、実態は必ずしも華やかな仕事だけではない。ウォール・ストリート・ジャーナルは、AIスタートアップがFDEを活用して顧客企業に生成AIを導入している一方で、このモデルはエンジニアを顧客に深く張り付けるため、コストが高く、粗利率を押し下げる可能性があると報じている。

　マーケットウォッチも、パランティアが確立したFDEモデルは、顧客の現場に入り込んで複雑なデータ課題を解く高負荷な役割であり、他社が表面的にまねても成功するとは限らないと指摘している。

　新興企業の中には、FDEを実質的なセールスエンジニアやリモートコンサルタントのように使ってしまい、本来のエンジニアリング中心のモデルを薄めているケースもあるという。

　FDEの課題は、次の点に表れる。

カテゴリ	内容
顧客対応	技術だけでなく、現場担当者や経営層との調整が必要
曖昧な要件	顧客自身も何を作るべきか明確でないことがある
短納期	数日から数週間で成果を求められる場合がある
出張・常駐	顧客現場に入る働き方が発生しやすい
評価の難しさ	プロダクト開発ではなく個別導入に見られることもある

　ビジネス＋IT編集部が実際に取材したFDEに詳しい専門家は警告する。 　そのため、FDEは「AIに詳しいエンジニア」だけでは務まらない。顧客の曖昧な課題を整理し、動くものを作り、現場で使われるまで粘る力が必要になる。高年収の背景には、この負荷の高さと希少性がある。

FDEの仕事内容、AIを本番導入する6つの工程

　FDEの仕事は、顧客から仕様書を受け取り、その通りにシステムを作ることから始まるわけではない。まず、顧客の業務を観察し、本当に解くべき課題を特定する必要がある。

　たとえば、顧客から「生成AIで問い合わせ対応を自動化したい」と相談された場合でも、FDEはすぐにチャットボットを作るわけではない。問い合わせの種類、回答に使うデータ、利用者、既存の対応時間、誤回答が起きた場合の影響などを確認する。

　そのうえで、すべての問い合わせをAIへ任せるのか、回答案だけを作成して人間が確認するのか、特定の問い合わせは従来通り人間へ回すのかを設計する。

　FDEの仕事は、主に次の6段階で進む。

段階	主な業務	主な成果物
1．課題発見	業務、利用者、データ、意思決定者を確認する	業務課題、ユースケース
2．技術設計	モデル、データ、システム連携を決める	技術構成、評価指標
3．試作	短期間で動くAIシステムを作る	プロトタイプ、検証結果
4．本番実装	権限、監視、安全対策を組み込む	本番システム
5．利用定着	教育、利用分析、改善を行う	利用率、業務効果
6．製品還元	共通課題を製品やモデルへ戻す	共通機能、評価手法、導入部品

　生成AIの案件では、従来のシステム開発に加え、RAGなどによる企業データとの接続、モデルの選定、プロンプトやAIエージェントの設計、評価用データの作成、ハルシネーションの検証が必要になる。

　また、モデルは一度導入すれば終わりではない。モデルの更新によって出力が変わる可能性があるため、品質や安全性を継続的に評価する仕組みも求められる。

　OpenAIのFDE求人でも、最初の試作から安定した本番システムまでを担当し、必要に応じてフロントエンドとバックエンドのコードを直接書くとしている。FDEはコンサルタントのように提言するだけでなく、実際に動くシステムを作る職種である。

FDEに必要なスキル、どのような人材が採用される？

　FDEには、ソフトウェアを本番品質で開発する力が必要だ。PythonやJavaScript、API、データベース、クラウド、認証、監視など、実際に運用できるシステムを構築する技術が土台となる。

　生成AIを扱うFDEでは、LLMを使ったアプリケーション開発、RAG、AIエージェント、モデル評価、データパイプライン、プロンプト設計などの経験も求められる。SB OAI JapanのFDE求人でも、生成AIシステム、RAG、エージェント、評価基盤、フルスタック開発などを業務として挙げている。

　ただし、技術力だけではFDEの仕事は務まらない。顧客自身が解決すべき課題を明確にできていない状況で、業務を理解し、仮説を立て、何を作るべきかを決めなければならないからだ。

　必要な能力は、次の6つに整理できる。

分類	主な能力
ソフトウェア開発	フロントエンド、バックエンド、API、本番運用
AI・データ	LLM、RAG、AIエージェント、モデル評価
クラウド	AWS、Azure、GCP、認証、監視
業務理解	業務フロー、課題設定、効果指標
顧客折衝	合意形成、説明、優先順位付け
製品還元	個別課題の抽象化、共通部品化

　OpenAIの東京向け求人では、顧客対応を含む5年以上のエンジニアリングまたは技術導入経験を求めている。さらに、要件が明確でない環境で複雑なシステムを構築した経験、日本語と英語の能力、顧客先への出張への対応も条件に含まれる。

　FDEに向いているのは、コードを書くことと顧客と議論することの両方を楽しめる人だ。反対に、仕様が完全に決まってから開発に集中したい人や、顧客折衝、出張、短期間での試行錯誤を避けたい人には負荷が大きい可能性がある。

FDEの年収、日本では1000万円から2000万円超も

　FDEの報酬は高額になりやすい。ソフトウェア開発、生成AI、顧客折衝、業務理解を兼ね備えた人材が限られているうえ、顧客の本番業務へAIを組み込む責任を負うためだ。

　2026年7月時点の公開求人では、SB OAI JapanのFDEは、ソフトバンクからの出向を前提とした求人で想定理論年収812万3000円から2034万6200円を提示している。また、SB OAI Japanの直接採用求人では想定年収1500万円以上としている。

　マネーフォワードの社内FDE求人では、年収790万8000円から1500万円を提示している。同社のFDEは各事業部の業務課題を掘り下げ、生成AIやLLMを使ったプロトタイプを開発し、本番化の判断に必要な評価まで担う。

　ただし、日本国内のFDE求人はまだ少なく、年収相場が確立しているとは言いにくい。企業によっても、顧客向けの本番実装を担当するFDE、社内のAI活用を推進するFDE、試作に集中するFDEなど、業務範囲が異なる。

　米国の報酬と比較する際には、基本給と総報酬を分ける必要がある。米国のテクノロジー企業では、基本給にボーナスや株式報酬が加わるケースが多い。表示された金額が基本給なのか、株式を含む総報酬なのかを確認せず、日本の年収と単純比較するのは適切ではない。

FDEの将来性、「高単価SES」で終わる分岐点

　生成AIやAIエージェントの企業利用が広がれば、FDE型の人材に対する需要も増える可能性が高い。AIを本番環境で動かすには、モデルの知識だけでなく、企業データ、既存システム、権限、安全性、業務プロセスを横断して設計できる人材が必要だからだ。

　特にAIエージェントが企業のシステムを直接操作するようになれば、誤った処理を防ぐ権限設計、人間の承認、操作ログ、問題発生時の停止手順などが欠かせない。FDEの仕事は、AIアプリケーションの開発から、AIを安全に業務へ参加させる設計へ広がると考えられる。

　一方、FDEモデルには構造的な課題もある。顧客ごとに多数のエンジニアを配置すれば、人員と売上が比例しやすくなり、ソフトウェア企業が本来持つ高い拡張性を失う可能性がある。

　FDEが次の状態に陥れば、実態は高単価なSESや受託開発に近づく。


　AWSはFDEについて、従来型コンサルティングのように個々の案件を独立したプロジェクトとして扱うのではなく、顧客が導入後に自立できることを重視すると説明している。顧客の技術者が観察者から共同開発者、最終的には自律した運用者へ移行できるようにする考え方だ。

　FDEとSESの違いは、肩書だけでは決まらない。顧客現場で得た知見を製品機能、評価方法、共通部品、導入手順へ変え、次の顧客へ再利用できるかどうかが分岐点になる。

　FDEは、単にAIに詳しい客先常駐エンジニアではない。生成AIを企業の本番業務へ組み込み、顧客の成果と自社製品の進化を同時に実現する役割である。ただし、この循環を作れない企業では、FDEという名称だけが残り、個別開発型のビジネスへ変質する可能性もある。

FDEに関するよくある質問

Q.FDEの正式名称は何ですか？
　FDEはForward Deployed Engineerの略である。企業によってはForward Deployed Software Engineer、FDSEという名称も使われる。

Q.FDEとSESの違いは何ですか？
　SESは主に契約・事業モデルを指し、FDEは職種や製品展開モデルを指す。FDEは自社製品やAIを顧客業務へ実装し、利用定着や製品改善まで担う点に特徴がある。

Q.FDEは客先に常駐するのですか？
　顧客先で働いたり、出張したりする場合はあるが、常に常駐するとは限らない。FDEの本質は勤務場所ではなく、顧客と共同で本番システムを構築することにある。

Q.なぜ生成AIでFDEが注目されているのですか？
　生成AIを企業で本番利用するには、社内データ、既存システム、権限、セキュリティ、評価、業務フローまで設計する必要があるためだ。FDEは、これらを顧客の現場で一貫して実装する。

Q.FDEとAIエンジニアの違いは何ですか？
　AIエンジニアはAIモデルやAIシステムの開発を幅広く担う。FDEは技術開発に加え、顧客課題の発見、本番展開、利用定着、業務効果、製品へのフィードバックまで担当する。

Q.FDEはコードを書きますか？
　原則として自らコードを書く。提案や要件定義だけでなく、プロトタイプや本番システムを実装する点が、ITコンサルタントやプリセールスとの大きな違いになる。

Q.FDEは未経験からなれますか？
　完全な開発未経験から直接採用される可能性は高くない。ソフトウェア開発、クラウド、生成AIなどの技術に加え、顧客課題を整理し、本番システムを導入した経験が求められることが多い。