「FDE」という言葉を、ここ数か月で急に目にするようになりました。OpenAIもAnthropicもGoogleも採用しており、国内でも求人が出始めています。ただ、検索して出てくる説明は「顧客の現場に入るエンジニア」で止まっているものが多く、自社でどう扱えばいいのかが見えません。

FDE（Forward Deployed Engineer）は、顧客の現場に入り込み、課題の整理から本番稼働までを自分で作り切るエンジニアです。定義、SE・コンサル・SESとの違い、年収と求人の数字（媒体ごとの食い違いも含めて）を、2026年10月時点の情報で整理しました。経営者・開発部長・人事が気になる「自社にFDE的な機能をどう持つか」まで踏み込みます。

この記事でわかること

  • FDEとは何か、既存の職種と何が違うのか
  • 生成AIの導入で「PoCは通ったのに本番に乗らない」問題とFDEの関係
  • 仕事の流れ、必要なスキル、向いていない領域
  • 年収・求人数の数字が媒体で大きく違う理由と、読み方
  • 育成・採用・外部活用のどれで自社にFDE的な機能を持つか、その判断軸

全部を通して読む必要はありません。経営・人事の立場なら、定義の節と最後の判断軸の節だけでも用が足ります。キャリアを考えているエンジニアは、仕事内容と年収の節から読み始めてください。

FDEは顧客の現場に入り込み、本番稼働まで作り切るエンジニア

FDEの特徴は、開発の場所と責任の範囲にあります。自社のオフィスで製品を作るのではなく、顧客の業務の中に入り、動くものを本番に載せ、使われるところまで面倒を見ます。

製品開発エンジニアとの違いは「1顧客に多数の機能」を作る点

通常のプロダクト開発は、1つの機能を多数の顧客に届けます。FDEは逆で、1つの顧客に必要な機能を何本も作ります。この対比は、FDEの原型を作ったPalantirの公式ブログが、開発職（Dev）と現場配置職（Delta）の違いとして説明している内容です。成功の尺度も変わります。リリースした機能の数ではなく、顧客の事業にどれだけ効いたかで測ります。

起源は2010年代初頭とする整理があります。Pragmatic Engineerの整理では、Palantirは2016年ごろまで、通常のソフトウェアエンジニアより現場配置のエンジニアのほうが多かったといいます。正確な発祥年には諸説あり、一次資料で確定できていないため、ここでは年を断定しません。

具体的に何をする人か

Palantirの求人に書かれた「典型的な1日」が、実態をよく表しています。アーキテクチャの議論、大規模データの処理、顧客専用のWebアプリのコーディング、顧客の役員との会話、チームの戦略づくりが、同じ日に混ざります。スタートアップのCTOに近い裁量です。

要するに、要件が固まる前から現場に入り、業務の意味を解きほぐし、その場で作って見せる職種です。「仕様書をもらって作る」仕事とは、始まる地点が違います。

なぜ今、急に目立つようになったのか

背景は生成AIです。モデルそのものは汎用で、現場固有の業務フローにそのままは合いません。デモやPoCまでは進んでも、既存システムとの接続、権限、データの整備、現場の運用への組み込みという最後の工程で止まる。このラストワンマイルを、現場に入って自分の手で埋める人間が必要になりました。

当協会が2026年10月23日にGoogleトレンド（日本・ウェブ検索・過去12か月）で確認したところ、検索語「FDE」の人気度は、2025年10〜12月の週次でおおむね6〜14でした。それが2026年5月以降は70〜85前後で推移し、10月18日の週に過去12か月の最大値である100に達しています。

関連キーワードの急上昇には「google fde」「anthropic」「microsoft fde」が並びます。ただしGoogleトレンドは相対値で、実際の検索回数ではありません。「関心が数倍に膨らんだ」ことは言えても、何人が検索したかは言えません。

生成AIのPoC止まりを破る役割として、大手が一斉に動いている

FDEの需要は、AIベンダー自身が「作って渡すだけでは売れない」と気づいたことから生まれています。採用の動きは、海外の大手と国内の求人の両方で確認できます。

PoCは成功するのに本番へ進めない「死の谷」

AI導入でよく語られる失敗は3つです。PoCは成功したのに本番に進めない。既存システムにつながらない。現場に定着しない。どれも技術力の不足というより、進め方と担い手の問題です。

元PalantirのFDEチームリーダーによるインタビューでは、失敗パターンが2つ挙がっています。現場の細かい要望を寄せ集めるだけのボトムアップ一辺倒と、方針だけ出して中身がないトップダウン一辺倒です。利用者が口にする課題と本当の原因が違うことも多く、ログの分析で確かめる必要があるという指摘もあります。目的はシステムの導入ではなく、業務の成果です。

PoCの段階で「何ができたら本番に進むか」の基準（Go/No-Go）を先に決めておく、という進め方の設計も効きます。この点はAI駆動開発導入をPoCから社内定着まで進める方法でも詳しく扱っています。

海外の大手は専用組織まで作り始めた

OpenAIは2026年5月に、導入支援に特化した新会社「OpenAI Deployment Company」を発表しました。報道によれば、初期投資は40億ドル超、投資家・コンサル・SIerなど19社が参加し、英Tomoroの買収（発表時点では締結済みで、完了は規制当局の承認などが条件）により、約150名のFDE・デプロイメントスペシャリストが加わる計画です。OpenAI公式の発表文は今回取得できていないため、金額や体制はこの報道の記述に基づきます。

Anthropicも同月、Blackstone、Hellman & Friedman、Goldman Sachsと組み、中堅企業向けのAIサービス会社を設立すると公式に発表しました。同社のApplied AIエンジニアが、設立する会社のエンジニアと並走する形です。金額は公式ページに記載がありません。

Google Cloudの求人も、顧客環境でコードを書き、デバッグし、エージェントを出荷する「innovator-builder」と位置づけています。Databricksも、最重要顧客と一緒にデータ・AIのソリューションを設計し、本番化するFDEチームを置いています。

日本でも求人が出始めている

国内では、OpenAI東京のForward Deployed Engineer求人が出ています。Anthropicも東京に拠点を開き、日本企業向けにカスタムのLLMソリューションを作るApplied AI Engineerを募集しています。国内スタートアップでは、LayerXやマネーフォワードなどの求人に、FDEやそれに近い職名が見つかります。

一方で、日本企業が「FDE組織を新設した」と公式に発表した例は、今回の調査では確認できていません。求人が出ていることと、組織として機能していることは別の話です。

エンジニア側の関心は高く、ITエンジニア243人へのレバテックの意識調査ではFDEに興味ありが68.3%、需要が増えると予測する人が72.0%でした。増える理由の1位は「業務知識が必要になるから」で61.1%です。母数は小さい調査ですが、方向は読めます。

SE・コンサル・SESとの違いは、課題定義から定着までの責任範囲

FDEを既存の職種と分けるものは、スキルの種類より「どこまで責任を持つか」です。比較すると輪郭がはっきりします。

職種ごとの責任範囲を並べる

職種主な仕事責任の範囲顧客システム上でのコーディング
FDE課題定義から実装・定着まで顧客の事業成果直接書く
SE要件に沿った設計・開発開発物の品質案件による
ITコンサル提案・戦略の策定提言の質。実行は顧客側が多い書かない
ソリューションアーキテクト技術面の助言・設計支援設計の妥当性稀（PoCは匿名化データ等で作る）
SES客先に常駐して開発の一部を担う契約した作業範囲範囲内で書く

FDEとコンサルの差は、期間にも出ます。コンサルは単発の提言で終わることが多いのに対し、FDEは長期間関わり、自分で書いたコードの面倒を見ます。ソリューションアーキテクトとの差は、顧客の本番環境に手を入れるかどうかです。助言で止まるか、書いて動かすか。

SESとの違いは「雇用関係」と「裁量」で説明されることが多く、FDEは自社雇用で、課題の定義から成果までの裁量を持ちます。ただしこの整理は人材会社の解説に基づくもので、公式な定義があるわけではありません。客先に常駐してコードを書くという外形だけでは、SESと区別がつきません。職名ではなく、要件確定前に入っているか、事業成果に責任を持っているかで見分けてください。

仕事の流れと必要なスキル

共通する流れは5段階です。

  1. 課題の発見と要件の整理（現場の業務を観察し、真因を探す）
  2. プロトタイプを作り、現場に触ってもらう
  3. 本番向けに実装する（既存システムとの接続、権限、運用を含む）
  4. 現場への定着を支援する
  5. 得た知見をプロダクト側にフィードバックする

必要なスキルは、求人に共通する項目で言うと、本番品質のコードが書けること（Python、Java、TypeScript など）、データ処理とシステム設計、顧客との折衝、業務の理解です。技術力が前提で、その上に業務理解と対話力が乗ります。

AIエージェントやRAG、評価の具体スキルを明記した一次求人は、今回の調査では確認できていません。「生成AIに詳しいこと」は歓迎要件として書かれることが多く、必須とは限らないようです。

向かない領域と、残る技術的負債の問題

FDEは万能ではありません。通常の開発は要件を固めてから品質と安定性を重視しますが、FDEは要件が固まる前に入って優先順位を決めます。だから、銀行の勘定系のようにミスが許されない領域は不向きで、ウォーターフォールのほうが合います。

批判もあります。元Snowflake CROの投資家は、FDEを「名ばかりのプロフェッショナルサービス担当者」「技術的負債を残す」と評しました。顧客ごとにカスタム実装を積み上げれば、保守コストが膨らむのは事実です。5段階目のフィードバック、つまり個別実装をプロダクトの共通機能に戻す動きがなければ、FDEはただの高単価な受託開発になります。個人的には、導入の成否を分けるのはここだと考えています。

年収・求人数の数字は、媒体ごとに母数と期間が違う

FDEの数字は、見る媒体で桁が変わります。同じ現象を測っていても、期間も母数も別だからです。比べる前に、何を測った数字かを確認してください。

米国の求人増加率が10倍から50倍まで散らばる理由

数字比較する期間注意点
約729%増（約8倍）2025年4月→2026年4月（Indeed、報道経由）643件→5,330件。母数が小さい
5230%増2025年1月→2026年4月前後（同上の報道）起点が古く、伸びが極端に出る
約10倍・約11倍前年比（Hiring Lab、日経の投稿の引用）後に約8倍相当へ訂正された解説あり
1,165%増2024年1〜10月→2025年1〜10月約1,000件のサンプルによる別の集計

上の数字はいずれも二次の報道経由で、Indeed Hiring Labの原データまでは確認できていません。母数の小ささも見逃せません。「FDE」の肩書の求人は世界で1,000〜1,400件程度、類似職を含めても2万件前後という二次情報上の推計があります（一次の確認は取れていません）。100倍に見える伸びも、元が数百件なら絶対数は小さいままです。

読み方を一言で言えば、「急増しているのは確かだが、倍率は信用しすぎない」です。判断に使うなら、倍率より「米国で数千件の求人が立つ職種になった」という水準感のほうが確かです。

年収は米国で数千万円、日本は求人レンジが800万〜2,500万円

区分数字何の数字か
米国・Palantir（DC）13.5万〜20万ドル求人の提示レンジ（クリアランス付き）
米国・Google12.7万〜18.3万ドル基本給の求人レンジ
米国・Databricks16.1万〜22.6万ドル＋株式求人の提示レンジ
米国・全体中央値 約3,200万円（約20万ドル）日経の投稿の引用。原文は未確認
日本・求人レンジ800万〜2,500万円転職サイトや個別求人の提示額
日本・Green400万〜900万円PM経験者向けの求人
日本・Geekly680万〜770万円利用者データの「FDE関連職種」。標本数は非公開

ここでも注意があります。求人の提示レンジは、実際に支払われている平均や中央値ではありません。上限の2,500万円は特定企業の最上位ポジションの数字で、全体の相場と読むのは危険です。日本の数字は、国内の求人記事や人材会社の集計から拾ったもので、標本数が公開されていないものもあります。

意外だったのは、日本の下限が一般的なITエンジニアの年収帯と大差ない点です。FDEという職名の中に、上流で裁量の大きい役割から、導入支援寄りの役割まで混ざっているためだと読めます。求人票では、年収の額より「要件確定前から入るか」「事業成果が評価に入るか」を見てください。

自社にFDE的な機能を持つには、育成・採用・外部活用の3択で考える

自社にFDE的な機能を持つ方法は、育成、採用、外部活用の3つです。どれが正しいかは、自社が何を作りたいかで決まります。FDEという職名を置くかどうかは、実は二の次です。

3つの選択肢の比較

方法向いている状況強み弱み
社内で育てる自社業務の知識が価値の中心。継続的にAI活用を進めたい業務を理解した人材が残る。定着しやすい立ち上がりに時間がかかる
採用する即戦力が必要で、評価・報酬の枠組みを用意できる経験者が最初から動ける市場に人が少なく、報酬が高い。業務理解は一から
外部を活用する特定のPoCを短期で本番化したい速く始められる。経験者の型を学べる知見が社内に残りにくい。終了後の保守が課題

判断軸は「業務知識の濃さ」と「継続期間」

迷ったときの判断軸は2つあります。

1つ目は、成果が自社の業務知識にどれだけ依存するか。レバテックの調査で増加理由の1位が「業務知識が要る」だったことが示すように、FDEの価値の大半は、技術ではなく業務の理解から生まれます。自社の業務が特殊で、それ自体が競争力なら、外から連れてくるより社内で育てるほうが筋が通ります。

2つ目は、必要な期間です。3か月程度の単発のPoC本番化なら外部活用、数年にわたって複数の業務へ広げるなら社内育成か採用が基本形です。ハイブリッドも現実的で、最初の1案件は外部の経験者に入ってもらい、その進め方を社内のエンジニアが横で見て型を持ち帰る。この形なら、外部に任せきりにも、手探りで始めるのにもなりません。

人事の観点では、採用の前に評価制度を確認してください。顧客や現場の業務を深く理解して動く人材を、コードの量やリリース数だけで評価すると、FDE的な動きをする人ほど低く評価されます。事業成果への貢献を評価項目に入れておかないと、育てた人から離れていきます。

社内エンジニアをFDE的に動ける人へ育てる

育成の出発点は、今いるエンジニアに「要件が固まる前に現場へ入る」経験を積ませることです。いきなり職種を新設する必要はありません。次のような段階を踏みます。

  1. 業務部門の現場に1日張り付き、困りごとを観察する
  2. AIコーディングツールを使い、その場で動くプロトタイプを作って見せる
  3. 本番化の条件（接続先、権限、運用担当）を、業務部門と一緒に決める
  4. 運用開始後のログを見て、本当に効いているかを確かめる

2番目の「その場で作って見せる」ができるかどうかが、AI駆動開発のスキルと直結します。AIコーディングを使いこなせれば、要件整理と試作の往復が日単位で回せるようになり、FDE的な動きの敷居が下がります。当協会のAI駆動開発研修は、この「要件が固まる前から、AIを使って動くものを作り、本番に乗せる」動きを自社のエンジニアが身につける手段として使えます。育成の全体像はエンジニア組織のAI教育で整理しています。

外部人材を活用する場合の注意

短期で結果が必要な案件では、外部の人材を入れる選択肢もあります。たとえば、AI駆動開発に慣れたエンジニアを案件単位で迎えたい場合は、AI駆動開発エンジニアの紹介サービスが選択肢になります。

外部を使うときの落とし穴は、契約が終わった時点で知見が消えることです。最低限、次の3点は契約前に決めておいてください。

  • 成果物のドキュメントとプロンプト、評価データの引き渡し
  • 社内のカウンターパートを必ず1人置き、並走させる
  • Go/No-Goの基準を、着手前に書面で合意する

よくある質問

FDEとは何の略ですか？

Forward Deployed Engineerの略です。顧客の現場に入り、課題の整理から本番稼働までを担うエンジニアです。「Forward Development Engineer」は誤りです。

FDEとSEの違いは何ですか？

SEは要件が固まった後の設計・開発が中心で、責任は開発物の品質です。FDEは要件が固まる前から現場に入り、事業成果まで責任を持ちます。

FDEの年収はいくらですか？

求人の提示額で、日本は800万〜2,500万円、米国は13万〜23万ドル前後の基本給レンジが目立ちます。いずれも実際の平均ではなく、母数が小さいため、相場としては幅を持って見てください。

日本でFDEの求人はありますか？

あります。OpenAI東京やLayerXなど、複数の企業が募集しています。ただし国内のFDE求人は2026年春時点で約35件とする集計もあり、件数はまだ多くありません。FDEという職名でなくても、実質的に近い役割の求人もあります。

日本企業が自社でFDEを持つなら、まず何をすべきですか？

職種を新設する前に、既存のエンジニア1〜2名を業務部門の現場に入れ、試作から本番化までを1案件やらせてください。そこで足りない能力や評価の問題が見え、育成か採用かの判断材料になります。

まとめ

FDEは、生成AIのPoCを本番に乗せるための役割です。職名の流行より、要件が固まる前に現場に入り、事業成果に責任を持つという動き方そのものが本質で、自社に持つかどうかを考える価値はそこにあります。

次にやることは3つです。まず、自社に止まっているAIのPoCを1件選び、何が本番化の壁になっているかを書き出してください。次に、その壁を越えられる人が社内にいるかを確認します。いなければ、既存のエンジニアを現場に入れる育成から始めるのが、いちばんリスクが低い進め方です。最後に、外部の経験者が必要な局面だけを切り出して、期間を区切って依頼します。

自社のエンジニアを、要件が固まる前から現場に入り、AIで試作して本番に乗せられる人材へ育てたい場合は、AI駆動開発研修をご検討ください。

次に読みたい関連記事