MITの研究プロジェクト「NANDA Initiative」が公開AIプロジェクト300件を調べたところ、95%は利益に測定可能な影響を与えていませんでした。原因はモデルの性能ではなく、現場に実装できていないことにあります。この課題を埋める職種が「Forward Deployed Engineer(FDE)」です。Palantir・OpenAI・Anthropicが揃って募集を強化しています。この記事では、3社の公式求人票と日本企業(AI Shift、ソフトバンク×OpenAI合弁など)の採用実態を比較しました。FDEに求められるスキルと導入時の注意点を整理しています。読み終えたときには、自社にFDE的な役割が必要かどうかを判断する軸が持てます。
この記事の対象読者：生成AIの業務導入を検討している中小企業の経営者・情報システム担当者、AI駆動開発に関わる開発者の方
FDEとは
FDEとは、顧客企業に技術者を直接常駐させ、業務課題をその場でシステムに実装する職種です。営業やコンサルとエンジニアの役割を1人が兼ねる点が、従来のSIerやSaaSベンダーの担当者と異なります。
この概念自体は、Palantirが約20年前から使ってきたものです。社内では「Delta」と呼ばれています。The New Stackの報道によれば、2016年頃までは通常のソフトウェアエンジニアの人数を上回っていました。顧客企業のオフィスに技術者が直接入り込み、業務課題をヒアリングしながら、その場でシステムに落とし込みます。
Palantirの求人票には、こう書かれています。
FDSEは単なる肩書きではなく「原型」である。顧客の最前線に技術者を直接配置し、最も差し迫った課題に取り組ませる
OpenAIも同様のチームを2024年に立ち上げました。公式求人ページでは「研究成果を本番システムに変える」役割と定義しています。名称は各社で異なりますが、狙いは共通していると私は見ています。
求人急増の背景は「実装ギャップ」
求人が急増しているのは、AI導入の「実装ギャップ」を埋める人材が不足しているからです。冒頭のMIT調査が示すとおり、多くの企業はAIを試すところまでは進めても、業務に定着させる段階でつまずいています。
The New Stackの報道によると、FDE関連の求人は2025年1月から9月の間に800%以上増加しました。OpenAIは2024年にFDEチームを立ち上げました。Anthropicも同種のApplied AIグループの拡大を発表しています。
私は、この動きの本質は「モデルの精度競争」から「実装の再現性競争」への移行だと考えています。優れたモデルがあっても、それを個別の業務フローに落とし込む人材がいなければ、投資対効果は出ません。
FDEの働き方は、現場常駐から実装まで1人で回すこと
FDEの働き方は、顧客の現場に常駐し、課題発見から実装、フィードバックの還元までを1人で回す点に特徴があります。下の図が、その基本的な流れです。
従来のRPAツール導入のように、要件定義とシステム実装を別の担当者・別のベンダーが分業する体制とは対照的です。この分業を挟まない分、変化の速い業務やAIエージェントのように出力が確率的なシステムとの相性がよいと私は見ています。RPAが決定論的なシステムを前提にしていた点との違いについては、RPAはもう限界か — AIブラウザ操作へ乗り換えるべき理由と進め方でも整理しています。
求められるスキルは、技術力だけではない
FDEに求められるのは、本番コードを書く実装力と、顧客の業務課題を技術に翻訳する対話力の両方です。3社の求人票を読み比べると、片方だけでは務まらない職種だと分かります。
- 本番コードを書き切る実装力／Python、TypeScript等での本番品質コードの実装経験
- 大規模データ・クラウド基盤の知識／データ構造からクラウドインフラまでの理解
- 技術者から経営層までと対話する力／立場の違う相手に合わせて説明を変える力
- 業務課題を技術に翻訳する力／顧客の言葉をシステム要件に変換する力
- 曖昧な状況で自分で構造を作る力／仕様が固まっていない中で意思決定する力
「AIがコードを書けるなら、人間が実装する必要はないのでは」という疑問はもっともです。ただ2026年7月時点で3社の求人ページを確認しても、コーディング要件は緩んでいません。
VentureBeatが報じたLightrun社の調査によると、AIが生成したコードの43%は本番環境で人手のデバッグを必要とします。私は、誰もレビュー・テスト・セキュリティ検証していないコードに企業の基幹業務を任せるわけにはいかないと考えています。AIが「書く」作業を担うほど、人間には「検証し、責任を持って本番に出す」判断力がむしろ求められます。
この「曖昧な要件を自分で構造化し、動くシステムに落とし込む」という工程は、技術選定の力にも直結します。具体的には、MCP(AIとツールをつなぐ標準規格)やAPIといった外部連携の仕組みを正しく選べるかどうかです。この技術選定の考え方はMCPとAPIは何が違うのか — 生成AIを外部ツールとつなぐ4つの方法を図解で整理で扱っています。
3社のFDEは、役職名・給与・出張条件が違う
Palantir・OpenAI・Anthropicの3社を比べると、同じ「FDE」という括りでも、役職名・給与・出張条件はそれぞれ異なります。Anthropicだけが「FDE」を名乗らず、出張条件もPalantirの25%からOpenAIの50%必須まで幅があります。
| 企業 | 役職名 | 給与目安(年収) | 特徴 |
|---|---|---|---|
| Palantir | Forward Deployed Software Engineer(FDSE) | 13.5万〜20万ドル | FDEという働き方の原型。出張25%程度 |
| OpenAI | Forward Deployed Engineer(FDE) | 16万〜28万ドル | 出張50%必須。東京拠点の求人もあり |
| Anthropic | Applied AI Architect | 24万〜31.5万ドル | Pre-Sales(商談前の技術支援)寄りの職務 |
※給与は各社求人票の記載時点(2026年7月30日確認)のものです。変更される可能性があるため、応募時は公式サイトで確認してください。
特にAnthropicは、私が2026年7月30日に確認した時点で「Forward Deployed Engineer」という職種名を使っていません。近い役割は「Applied AI Architect」という名称で、Pre-Sales(商談前の技術支援)寄りの職務として定義されています。名称の違いは、採用時に見落とされやすい点だと思います。
日本企業の求人は、会社によって温度差がある
日本国内でも、AI Shiftが2025年12月にFDE職を正式に設置するなど、採用の動きが出てきています。ただし「日本は米国より要件が緩い」と一律には言えません。会社によって、コーディング要件の重さがはっきり分かれています。
| 企業 | コーディング要件 | 求人票の記載(要約) |
|---|---|---|
| AI Shift | 必須(米国と同水準) | Webアプリ開発実務2年以上、Python/TypeScript/Go/Java等 |
| ソフトバンク×OpenAI合弁 | 必須(米国と同水準) | Python・JavaScript等での本番品質コード実装経験5年以上 |
| OpenAI東京拠点 | 必須(本社と同一) | フロントエンド〜バックエンドの本番コード執筆 |
| Anthropic東京拠点 | 軽い(商談寄り) | 「Pythonに抵抗がないこと」程度の記載 |
私が中小企業の生成AI導入を支援している現場でも、開発力だけでなく業務理解と対話力を兼ね備えた人材の有無が、導入の成否を分けると感じています。日本企業がFDE的な人材を採用・育成する際は、社名や職種名の華やかさではなく、募集要項の必須条件欄を必ず確認するべきです。
【要注意】よくある誤解と、実際はこう違う
FDEという職種には、導入・採用を検討する際に見落とされがちな誤解がいくつかあります。特に多いのが「AIが書くので技術力は不要」という誤解です。実際は3社とも、本番コード実装経験を必須にしています。
| 誤解 | 実際 | 対処 |
|---|---|---|
| AIが書くのでFDEに技術力は不要 | 3社とも本番コード実装経験を必須要件にしている | 肩書きでなく必須要件欄を確認する |
| 日本はどの企業も米国よりゆるい | AI Shift等は米国と同水準の要件を課している | 各社の募集要項を個別に確認する |
| 華やかな職種名を付ければ人材が定着する | 出張・常駐が前提になりやすく、成果を出すほど難易度の高い案件が集中しやすい | 採用前に体制・キャリアパスを設計する |
まとめ
FDEとは、顧客企業に常駐して業務課題をその場でシステムに実装する職種です。Palantir・OpenAI・Anthropicが揃って採用を強化しています。求められるのは技術力だけでなく、対話力と業務理解を兼ね備えた実装力です。日本企業の求人でも、コーディング要件の重さは会社によってはっきり分かれます。
私は、生成AI導入を検討する組織が見るべき基準はモデルの精度ではないと考えています。「現場に張り付いて業務を作り替え、AIの出力に責任を持てる人材がいるか」です。外部にFDE的な役割を求めるにせよ、社内で育てるにせよ、まずはこの視点を判断軸に加えることをお勧めします。自社だけで実装人材の確保が難しい場合は、外部の導入支援を選択肢に入れるのも一つの方法です。
参考リンク
- Forward Deployed Software Engineer 公式求人（Palantir Technologies）
- Forward Deployed Engineer – Tokyo 公式求人（OpenAI）
- Applied AI Architect, Commercial 公式求人（Anthropic）
- Why OpenAI and Anthropic are hiring forward deployed engineer teams（The New Stack）
- 43% of AI-generated code changes need debugging in production（VentureBeat）
監修者
池田 智彦 ｜ 株式会社Spovisor 代表取締役
NTTドコモ・KDDIで通信業界に21年従事し、グローバル／国内市場で10以上の新規事業の立ち上げと、1,000万ユーザー規模サービスの開発・運用を主導。事業戦略から海外展開、エンジニアリングまで横断する経験を活かし、2023年6月に株式会社Spovisorを設立。現在はAI・アプリ開発、生成AIコンサル、AI駆動開発支援、AI顧問など、企業のDXを実装まで伴走する支援に取り組む。
生成AI／AIエージェントを「成果」に変える、Spovisorの伴走支援
株式会社Spovisorは、生成AI・AIエージェントを「使ってみた」で終わらせず、業務やプロダクトに組み込んで成果を出すところまで伴走する実装パートナーです。
| 支援領域 | 内容 |
|---|---|
| 生成AI組み込みアプリ開発 | Claude／ChatGPT／AIエージェントを組み込んだ業務アプリや自社プロダクトの設計から実装まで支援 |
| 生成AI導入コンサル／AI顧問 | 経営課題や業務プロセスから導入ポイントを設計し、本番運用まで伴走 |
| AI駆動開発支援 | Claude Code／Codexを使った開発生産性向上を現場へ定着 |