こんにちは！とも（@tomo_ITBizBlog）です！
本記事はこんな悩みを解決！
- 最近よく見る「FDE」という求人が、結局なんの仕事なのか分からない
- SEやコンサル、カスタマーサクセスと何が違うのか知りたい
- FDEになりたいけれど、何から経験を積めばいいのか分からない
この記事で分かること
- FDE（フォワードデプロイドエンジニア）の定義と、Palantir発祥の成り立ち
- SE・コンサル・カスタマーサクセスとの違い
- AI時代にFDEが急増している理由と、目指すための現実的な順番
まず筆者の立ち位置を、正直に書いておきます。
筆者は、FDEという肩書きで会社に雇用された経験はありません。
ただし現在、フリーランスの生成AIエンジニアとして、顧客の業務を聞き取り、Difyで仕組みを組み込み、精度を検証し、使い方の説明と定着までを担う案件を続けています。
これは、FDEの働き方の実質そのものです。肩書きは持っていないが、やっている仕事は近い。その範囲で、FDEという職種を解説します。
【FDE（フォワードデプロイドエンジニア）とは？顧客先に入り込む実装職】
FDE（Forward Deployed Engineer／フォワードデプロイドエンジニア）は、自社プロダクトを持つ会社のエンジニアが、顧客先に入り込んで、そのプロダクトを顧客の業務に合わせて実装し、定着まで担う職種です。
この職種を作ったのは、米国のデータ分析企業Palantirです。政府機関のような顧客は、課題自体を言語化できないことが多い。そこでPalantirは、エンジニアを顧客の現場に送り込み、現場で問題を解きながらソフトウェアを適合させていきました。社内では「Deltas」と呼ばれたそうです。
Palantirの対比が、この職種を一番よく表しています。通常の開発者は「多くの顧客のために、1つの能力」を作ります。FDEは逆に「1社の顧客のために、多くの能力」を作ります。
需要の背景には、生成AIの普及があります。
経済産業省「IT人材需給に関する調査」（2019年公表）の試算では、2030年にIT人材は中位シナリオで約45万人、最も厳しい前提では最大約79万人不足するとされています。
その中でもFDEは突出した伸びです。求人掲載は2025年1月から9月で約800%増えたと報じられ（Financial Times）、OpenAIは2025年にFDE専門チームを立ち上げ、Anthropicも同じ職種名で採用を進めています。日本でも、富士通やPreferred NetworksなどがFDE名義の求人を出し始めました。
当サイトの職種マップでは、FDEはデータ・AI群の隣に置ける新しい顔です。入りやすさは低め、需要は急上昇中、という位置づけになります。
全職種を「入りやすさ×沼リスク」で整理したカオスマップの記事と、図で見られるエンジニアキャリアマップもあわせてどうぞ。
【FDEの仕事内容｜聞き取りから定着支援までの往復】
FDEの仕事は、大きく4つの工程の往復です。
- 聞き取り：顧客の業務フローを把握し、「本当の課題はどこか」を一緒に言語化する
- 実装：自社プロダクトやAIモデルを、顧客のデータ・既存システムにつなぎ込んで動く形にする
- 検証：現場の人に実際に使ってもらい、出力の精度や業務とのズレを1件ずつ潰していく
- 定着支援：使い方の説明、運用ルールの整備、改善の継続。「納品して終わり」にしない
日常的に触る技術は、所属する会社のプロダクト次第です。AI企業ならLLMやRAGの構築、API連携、データの前処理、評価の仕組みづくりが中心になります。
筆者のフリーランス案件で言えば、DifyでFAQの自動生成環境を作る、コールセンターの応対履歴を要約する仕組みを組み込む、といった仕事が、この工程そのままです。技術より先に業務理解で成否が分かれる点も、FDEとまったく同じです。
成果物は、顧客の本番環境で動いている仕組みと、その導入効果です。加えて、現場で得た知見を自社のプロダクト側へフィードバックすることも、FDEの重要な役割とされます。
現場の形態は、顧客先への常駐や長期の出張が基本で、リモートと組み合わせる会社も増えています。1社の顧客に深く入り込む期間は、数週間から数か月に及ぶこともあります。
【FDEのメリット・デメリット｜距離の近さと曖昧さは表裏一体】
良い面と厳しい面を、対にして整理します。
メリットは次のとおりです。
- 作ったものの反応が、顧客の現場で直接返ってくる。手応えが非常に大きい
- 実装・業務理解・調整を一人で担うため、スキルの幅が一気に広がる
- 希少な職種で、経験者自体がまだ少ない。米国では掲載給与の中央値が約17万ドルという分析もある（Bloomberry、2025年・約1,000件の求人分析）。あくまで米国市場の参考値です
- 現場の知見がプロダクト改善に直結する、会社側から見ても要のポジションです
デメリットは次のとおりです。
- 課題が決まっていない状態から始まるため、仕事の範囲が常に曖昧で、負荷の調整が難しい
- 顧客先常駐や出張が多く、生活リズムは顧客側の都合に引っ張られる
- 「その顧客専用」の経験が積み上がりやすく、汎用的なスキルとして言語化しにくい
- 成果責任が重い。「導入したのに使われなかった」の責任は、FDEに集まります
距離の近さが最大の魅力で、同時に負荷の源でもある。この表裏一体が、FDEという職種の条件面の特徴です。
【1年目の苦悩と沼ポイント｜「何を作るか」から背負う構造】
FDEの苦悩は、通常のエンジニア職とは少し質が違います。詰まるポイントは、技術よりも「前提のなさ」にあります。
1つ目は、要件がないことです。
FDEが入る現場では、顧客自身も「何を解決すべきか」を言語化できていないことが普通です。「AIで何かしたい」という依頼から、課題の特定、作るものの定義、実装までを一人で運ぶ必要があります。仕様書が降ってくる仕事に慣れた人ほど、ここで止まります。
2つ目は、デモと本番の落差です。
生成AIは、試作の段階では感動するような出力が出ます。しかし本番業務では、間違った回答が1件あるだけで現場は使ってくれません。精度検証、例外ケースの洗い出し、運用コストの計算。この地味な部分を担えるかどうかが、FDEとしての評価を分けます。筆者の生成AI案件でも、一番時間を取るのはこの検証工程です。
3つ目は、「何でも屋」化の沼です。
顧客に近い分、頼まれる仕事は際限なく広がります。実装、データ整備、現場への説明、運用の相談。全部を抱えると、どの専門性も言語化できないまま年数だけが経ちます。「その会社、その顧客でしか通じない経験」になっていないか、定期的に棚卸しが必要です。
4つ目は、肩書きのバズワード化です。
FDEは新しい言葉のため、会社によって定義がバラバラです。実態は通常の常駐SEや導入コンサルと変わらないのに、FDEと名乗っているだけの求人も出始めています。肩書きに惹かれて入ると、「思っていた仕事と違う」になりやすい点は、先に知っておくべきです。
逆に言えば、これらは個人の能力不足の話ではありません。「何を作るか」から背負う構造そのものが、この職種の難しさです。だからこそ、目指す順番を間違えないことが大事になります。
【FDEに向いている人・向いていない人】
向いている人は、次のようなタイプです。
- 課題が決まっていない状態を、不安より先に「面白い」と感じられる
- コードを書くことと、人の話を聞いて業務を理解することの両方が好き
- 現場の反応を見ながら、作るものを柔軟に変えていける
- 「できないこと」を先に伝えるなど、限界を正直に説明できる
向いていない人は、次のようなタイプです。
- 仕様が明確に決まった状態で、黙々と実装に集中したい
- 顧客対応や調整ごとそのものが強いストレスになる
- 1つの技術領域を深く掘り下げることだけに集中したい
向いていない側に当てはまったら、無理にFDEを目指す必要はありません。
実装そのものを軸にしたいなら、生成AIエンジニアのように「作る側」に寄せた職種のほうが合うことが多いです。FDEは、その実装力の上に「現場適応」が乗った先の形だと考えてください。
【FDEになるための手順｜実装実務が先、肩書きは最後】
手順をレベル順に示します。結論を先に言うと、FDEは「未経験から直接なる職種」ではなく、「実装できるエンジニアが、顧客に近い仕事へ寄せていった先」にある職種です。
Lv1：エンジニアとしての実装実務を積む
- 学ぶこと：プログラミング、API連携、データベース、システムを本番で動かす基礎
- 作るもの：実際に動くWebアプリや自動化の仕組みなど、「本番で動かした」と言える成果物
FDEの面談で見られるのは、「顧客の環境で、動くものを最後まで作り切った経験」です。ここが全ての土台になります。
Lv2：土台の技術を広げる
- 学ぶこと：クラウド（AWSなど）での構築、認証や権限、コストの考え方
- 取る資格：クラウドの入門〜中級資格が、土台の証明として効きます
進み先の地図は、クラウドエンジニアの記事が参考になります。資格全体の順番はIT資格まとめで確認してください。
Lv3：生成AIの実装力を付ける
- 学ぶこと：LLMアプリの構築、RAG（社内文書を検索して答えさせる仕組み）、精度検証の回し方
- 作るもの：業務を想定したチャットボットや自動化の仕組み
いまFDE求人の中心はAI企業です。「AIを業務に組み込んだ経験」が、そのまま応募条件に直結します。
Lv4：顧客折衝の経験を足す
- 積むこと：要件定義、顧客への説明、導入後の定着支援など、「作る」以外の工程
- 場の作り方：受託・常駐・フリーランスなど、顧客に近い現場を選ぶ
筆者自身の経路も、運用監視→インフラ→クラウド→生成AIの実装→顧客の業務に入り込む案件、という順番でした。FDEの肩書きこそありませんが、積み方はこの手順そのものです。
参入口の現実
日本国内のFDE求人は出始めた段階で、中心はAI企業やSaaS企業の中途採用です。求められるのは「実装実務＋顧客に近い経験」の両方で、未経験OKの求人はほぼありません。
だからこそ、FDEは最初の職種選びの対象ではなく、2つ目・3つ目のキャリアの目標として置くのが現実的です。
未経験からエンジニアを目指す全体の流れは、別記事でも段階を追って解説しています。現在地が入口の段階の方は、そちらもあわせてどうぞ。
【転職・フリーランス・副業で変わるFDEの現実】
働き方の3形態で、この職種の現実を見ます。
まず転職（正社員）です。
FDE名義の求人は、OpenAIやAnthropicのようなAI企業、プロダクトを持つSaaS企業が中心です。日本でも富士通や国内AI企業が募集を始め、FDE専門の求人サイトまで登場しました。
ただし、どの求人も「実装できること」が前提です。肩書きが新しいだけで、求められる実力の水準は通常のエンジニア職より高いと考えてください。
次にフリーランスです。
「FDE」という名前のフリーランス案件はまだ少ない一方で、実態としてFDEそのものの案件は存在します。顧客の業務を聞き取り、生成AIの仕組みを組み込み、定着まで伴走する。筆者が受けている生成AI案件は、まさにこの形です。
肩書きではなく「顧客先で成果まで担った実績」が語れることが、この形態での武器になります。
最後に副業です。
FDEは顧客先に深く入り込む職種のため、副業との相性は良くありません。小規模なAI導入の相談やPoC（試作）支援のような形ならあり得ますが、本業での実績が前提になります。
3形態に共通するのは、「FDEは肩書きではなく、働き方の名前」だという点です。まずは生成AIの実装力を作ることが、どの形態でも先に来ます。
＼ FDEの土台は、生成AIの実装力から ／
【FDEの次のステップ｜現場からプロダクト側へ】
FDEを到達点として、次に進む方向は主に3つです。
1つ目は、プロダクト側への還元です。
FDEが現場で得た知見は、プロダクト改善の材料そのものです。現場経験を積んだFDEがプロダクト開発側やプロダクトマネジメント側へ移る動きは、この職種の自然なクラスチェンジとされます。
2つ目は、専門領域との複合です。
特定の業界（医療、金融、製造など）の業務知識とAI実装を併せ持つFDEは、替えの利かない存在になります。「AI×業界知識」の複合が、市場価値の天井を押し上げます。
3つ目は、チームを作る側です。
FDEの組織を率いるリードや、導入支援の仕組み自体を設計する側へ。現場を複数社見た経験が、そのまま組織づくりの材料になります。
どの方向でも土台になるのは、生成AIエンジニアとしての実装力と、顧客の現場で成果を出した実績です。FDEはゴールではなく、「現場を知っているエンジニア」としての通過点にもなります。
【まとめ｜FDEは「肩書き」ではなく「働き方」の名前】
要点を3つにまとめます。
- FDEは、顧客先に入り込んで自社プロダクト（特にAI）を業務に合わせて実装し、定着まで担うエンジニア。起源はPalantirで、AI時代に入って急増している
- SEやコンサルとの違いは、「助言で終わらず、自分で作って、本番で動くところまで責任を持つ」点にある
- 目指す順番は、実装実務→生成AIの実装力→顧客折衝の経験。肩書きは最後に付いてくる
これから目指す方は、まず「動くものを最後まで作り切る」経験から始めてください。
職種全体の地図に戻りたい方は、カオスマップの記事で、FDEと他の職種の位置関係を確認してみてください。
