SNIFFOUT
  1. TOP
  2. スニフアウトAIメディア
  3. FDE育成研修
  4. FDE とは? 現場に入って AI を業務に組み込むエンジニアの役割と成果
GUIDE約 9 分

FDE とは? 現場に入って AI を業務に組み込むエンジニアの役割と成果

FDE(Forward Deployed Engineer)とは、顧客の業務の現場に入って課題を見つけ、動く仕組みを自分で作り、業務で使われ続けるまで責任を持つエンジニアです。仕事の中心は現場理解と実装の往復で、成果は業務の変化で測ります。

目次
  1. FDE の意味と読み方
  2. FDE が求められる背景
  3. 現場に入らないと見えない 3 つの情報
  4. 仕事の中心は現場理解と実装の往復
  5. FDE の核となる 3 つの条件
  6. 成果を測る 3 つの段階
  7. 役割は半年単位で変わる
  8. まとめ

FDE(Forward Deployed Engineer、フォワード・デプロイド・エンジニア)とは、顧客の業務の現場に入って課題を見つけ、動く仕組みを自分で作り、それが業務で使われ続ける状態まで責任を持つエンジニアです。生成 AI の時代には、AI エージェントを会社ごとのデータと業務の流れに合わせて組み込み、業務そのものを変える役割を担います。成果は、何を納品したかではなく、業務に起きた変化で測ります。

ここでは、私が共著で執筆している書籍の整理をもとに、FDE の意味、求められる背景、仕事の中身、成果の測り方を順に説明します。

FDE の意味と読み方

項目内容
正式名称Forward Deployed Engineer
読み方フォワード・デプロイド・エンジニア
直訳前方に展開されたエンジニア
担う仕事顧客の現場に入り、課題の発見から実装、業務への定着までを担う
型を作った会社米国のデータ分析企業 Palantir Technologies

Forward Deployed は、日本語では「前方展開」と訳されます。部隊を本国の基地にとどめず、活動の現場の近くに置いておくという軍事の言葉に由来すると説明されることが多いようです。ただ、誰がいつ職種の名前として使い始めたかを示す一次資料は、私たちが調べた範囲では見つかっていません。エンジニアを本社ではなく顧客の業務の現場に置く、という配置の考え方を表した名前だと理解しておけば十分です。

職種と組織の型を最初に作ったのは Palantir です。同社はいまも、顧客の現場で実装を担う Forward Deployed Software Engineer と、顧客の業務に入り込んで課題を確かめる Deployment Strategist を分けて募集しており、募集ページにはそれぞれ Delta、Echo という区分が付いています(Forward Deployed Software Engineer の募集、Deployment Strategist の募集)。

FDE が求められる背景

生成 AI をめぐる競争の重心は、モデルの性能から、その能力を企業の業務に組み込んで成果に変えることへ移っています。性能の高いモデルを契約しても、それだけでは請求書の処理時間も、問い合わせへの回答の質も変わりません。どの業務のどの判断を、どのデータを使って AI に任せるのか。誰が結果を確かめ、例外をどこへ回すのか。これを一社ずつ決めて形にする仕事が、成果を左右するようになりました。

OpenAI は、モデルにできそうに見えることと、人が実務で確実に使えることの間の隔たりを「導入のギャップ」と呼び、これを埋めるために 2025 年初頭に FDE のチームを立ち上げたと説明しています(OpenAI「OpenAI におけるフォワード・デプロイド・エンジニアの意義」2026 年 10 月)。モデルを作っている会社自身が、モデルだけでは業務は変わらないと判断し、人を現場に出したことになります。

モデルの側から業務の側へ渡る橋を、業務の手順、データ、人の確認、責任の分け方の4本の柱が支え、FDEが会社ごとに作り込む図

モデルの側から業務の側へ渡る橋を支えるのは、業務の手順、データ、人の確認、責任の分け方の 4 つです。どれも会社ごとに違い、現場に入らないと確かめられないため、FDE という職種が必要になります。

同じ動きはほかの大手にも広がっています。AWS は 2026 年 6 月 30 日に Forward Deployed Engineering の組織を立ち上げると発表しました(About Amazon、2026 年 6 月 30 日)。国内では、デロイト トーマツが 2026 年 6 月に FDE マネジメントオフィスを設け、FDE の採用と育成、配置を束ねると発表しています(デロイト トーマツのニュースリリース、2026 年 4 月 30 日)。

現場に入らないと見えない 3 つの情報

AI エージェントの出来を左右する情報の多くは、会議室での説明や資料からは手に入りません。私たちは、それを次の 3 つに整理しています。

現場で確かめる情報現場でよくある実態左右するもの
生データの構成と形式過去の見積もりは半分だけシステムにあり、残りは担当者ごとの表計算ファイル、値引きの理由はメール本文にしか残っていないAI に何をどの形で渡すか(コンテキストエンジニアリング)
本来必要なユースケース「回答文を AI で書きたい」という依頼だったが、時間がかかっていたのは過去の対応履歴を探す作業だったどの工程を自動にし、どこで人が確かめるか(設計)
使う人の像毎日数百件を処理する担当者と、月に数回だけ使う管理職では、求める速さも確かめたい情報も違う結果をどの場面で、どう受け取ってもらうか(体験設計)

3 つのどれかを推測で済ませると、技術的には動いても業務では使われない AI エージェントができあがります。AI エージェントは、その会社の業務の流れと、手順書に書かれていない習慣にまで合わせて、初めて効果が出るからです。

会社には、自社の都合だけでは変えられない業務もあります。大口の取引先が指定している発注の書式、親会社の決裁規程、監督官庁への届け出の様式などです。こうした業務は理想の形に作り直してから AI を入れるのではなく、今ある流れの中に AI エージェントを差し込みます。どこが変えられてどこが変えられないかを見極めることも、現場に入らないとできません。

仕事の中心は現場理解と実装の往復

FDE の仕事の中心は、現場で理解したことをすぐ実装で確かめ、分かったことを持って現場に戻る往復です。一周はたとえば次のように進みます。

  1. 現場で業務を観察し、担当者に判断の根拠を聞く
  2. 理解したことを、小さく動く仕組みとして実装する
  3. 現場の実データで動かし、担当者に結果を見てもらう
  4. ずれた点を記録し、業務の理解と作るものの両方を直す

現場の帯と実装の帯を行き来しながら、業務の観察、小さく作る、実データで試す、ずれを直すの4つを順に回し、点線で最初に戻る往復の図

現場で確かめた 3 つの情報を入力に、現場と実装の間を行き来する往復を短い周期で何度も回すことが、FDE の仕事の実体です。往復が一人の中で回ると、現場で聞いた一言をその日のうちに実装に反映し、翌日には担当者に確かめてもらえます。

一人で回せる範囲は、ここ数年で大きく広がりました。実装の多くを AI のコーディングエージェントに任せられるようになったからです。そのぶん、何を作るか、どの順で進めるか、誰と何を合意するかという判断が、成果を大きく左右します。FDE がプロジェクトの進行に責任を持ちながら自分で開発も進めるのは、このためです。

とはいえ、FDE が一人ですべてを決めるわけではありません。業務を変えるかどうかを決めるのは業務の責任者で、日々の使い勝手を判断するのは使う担当者です。FDE はその間に立ち、それぞれが判断できる材料を、動く仕組みとして示します。工程ごとの具体的な進め方は FDE の仕事の進め方 で扱います。

FDE の核となる 3 つの条件

担当範囲は会社によって違います。顧客の現場に長く入り続ける会社もあれば、短期間で入って顧客に内製の力を残す会社もあります。それでも、これが欠けたら FDE とは呼べないという核はある、と私は考えています。

  1. 現場に入って業務を理解する:依頼文や仕様書だけで始めず、データ、ユースケース、使う人を自分の目で確かめる
  2. 本番で動く仕組みを自分で作る:提言や資料で終えず、業務で使われる仕組みを形にする
  3. 業務の成果まで責任を持つ:作って渡したところで手を離さず、業務が実際に変わったかを確かめるところまで関わる

調査会社のガートナーも 2026 年 9 月の発表で、本物の FDE モデルの原則の一つに成果への責任を挙げ、実際の事業への影響と本番の安定性で測るべきだとしています(Gartner のプレスリリース、2026 年 9 月 29 日)。肩書きだけ FDE を名乗るサービスへの注意点は、FDE ウォッシングの記事にまとめています。

FDE を置いている組織は、大きく 4 つに分けられます。どこに置かれるかで、仕事の重心が変わります。

FDE を置く組織仕事の重心
基盤モデル開発企業モデルの能力の限界を見極め、現場の学びを製品や研究に戻す
SaaS ベンダー自社製品を顧客の業務に合わせ込み、繰り返し出てくる要望を機能に変える
SIer・コンサルティングファーム複数の顧客の大きな案件を、既存の体制と組み合わせて進める
事業会社の内製組織自社やグループ会社の業務に深く入り、浮いた時間の使い道まで自分たちで決める

成果を測る 3 つの段階

FDE の成果を業務の変化で測るなら、その変化を数字で示す方法を先に決めておく必要があります。私たちは、AI によって業務と事業を変える取り組み(AX)の成果を、次の 3 つの段階で測っています。

段階測るもの指標の例
第 1 段階:活用率従業員がどれだけ AI を使っているか利用者数、利用回数
第 2 段階:業務の自動化・消滅業務がどれだけ自動になり、なくなったか自動で動く AI エージェントの数と処理件数、なくなった業務とその時間
第 3 段階:出口浮いた時間が売上や利益に変わったか移した先の仕事の成果、削減した外注費、改善した事業の売上と利益

多くの企業は第 1 段階で止まっています。担当者が AI で報告書の下書きを 1 時間から 20 分にできても、浮いた 40 分は表現の見直しや体裁の調整で埋まり、一日の業務時間は変わらないことが多いからです。仕事の量は与えられた時間いっぱいまで膨らむ、というパーキンソンの法則のとおりです。

そこで FDE は、最初から第 2 段階と第 3 段階を見ます。どの業務をなくすか、なくなって浮いた時間を何に使うか(私たちはこれを出口戦略と呼んでいます)を、作る前に決めます。出口が決まれば、何を作るべきかも決まります。

役割は半年単位で変わる

OpenAI の FDE 責任者は 2026 年 6 月の講演で、2026 年 2 月に Codex の性能が上がったことで「FDE の仕事の約 7 割が消えた」と振り返り、役割が半年ごとに完全に変わる覚悟が要ると語ったと報じられています(ITmedia AI+、2026 年 6 月 22 日)。ワークフローを一つずつ組む作り方から、エージェントに手順と知識を教える「スキル」を作る形に変わった、という説明です。

FDE を特定の作り方に詳しい人と定義すると、その定義は半年で古くなります。変わらないのは、現場に入って業務を理解し、そのとき最も確かな手段で業務を変えるという部分です。作り方が変わっても、何を AI に任せ、浮いた時間をどこへ移すかは、会社ごとの事情を知る人にしか決められません。

まとめ

  • FDE は、顧客の業務の現場に入り、課題の発見から実装、業務への定着までを担うエンジニアです
  • 仕事の中心は、現場理解と実装の往復です。データ、ユースケース、使う人の 3 つを現場で確かめ、作って確かめる周期を短く回します
  • 核となる条件は、現場に入ること、本番で動く仕組みを自分で作ること、業務の成果まで責任を持つことです
  • 成果は活用率ではなく、なくなった業務と、浮いた時間が売上や利益に変わったかで測ります

FDE に求められる力は FDE に必要なスキル で、社内で育てる方法は FDE を社内で育てる進め方 で詳しく説明しています。スニフアウトの FDE育成研修 では、現場理解、要件定義、出口戦略の考え方から、GAS、ノーコードツール、コーディングエージェントのいずれかで AI エージェントを作るハンズオンまでを 6 時間で扱っています。

FAQ

よくある質問

FDE は何の略ですか?
Forward Deployed Engineer の略で、フォワード・デプロイド・エンジニアと読みます。直訳は「前方に展開されたエンジニア」で、本社の開発部門ではなく、顧客の業務の現場に入って仕事をするエンジニアを指します。職種と組織の型を最初に作ったのは、米国のデータ分析企業 Palantir です。
FDE はどんな成果を出す職種ですか?
業務に起きた変化で成果を測ります。AI の活用率が上がったかではなく、AI エージェントが自動で処理することでなくなった業務と、浮いた時間が売上や利益に変わったかまでを見ます。そのため FDE は、作る前に、どの業務をなくし浮いた時間を何に使うかを決めます。
FDE にはプログラミングの力が必要ですか?
本番で動く仕組みを自分で作ることは、FDE の核となる条件の一つです。いまは実装の多くを AI のコーディングエージェントに任せられますが、何を作るかを決め、出来上がったものが業務に合っているかを確かめるのは FDE の仕事として残ります。
FDE はどんな会社にいますか?
基盤モデル開発企業、SaaS ベンダー、SIer やコンサルティングファーム、事業会社の内製組織に置かれています。事業会社では、自社やグループ会社の業務部門が FDE にとっての顧客にあたります。
Related Service

この記事に関連するサービス

Author津本 海株式会社スニフアウト 代表取締役CEO

東京大学大学院 複雑理工学専攻卒業。理論物理学・ヒューマンインターフェースを専門とし、大手化粧品メーカー・ゲーム会社で AI/機械学習の開発に従事。2022年11月に株式会社スニフアウトを創業。RAG と AI エージェントの解説書を執筆している。