FDE（Forward Deployed Engineer）とは、顧客の現場に入り込み、課題の定義からシステムの実装、定着、成果の確認までを一緒にやり切る技術者のことです。近年は職種名だけでなく、そうした「働き方の型」を指す言葉としても使われています。
AIツールを導入した。試しに動かしてもみた。それなのに、現場ではほとんど使われていない。これはAI導入でいちばん多い詰まり方で、原因はAIの性能ではなく、自社の業務にどう組み込み、現場に根づかせるかが抜けていることにあります。その「実装と定着をやり切る人」がFDEです。
この記事では、FDEの仕事内容、コンサルティング会社やSESとの違い、そして中小企業がこの働き方をどう取り入れられるかを整理します。
Forward Deployed Engineer（FDE）とは何か
「forward deployed（フォワードデプロイド）」は、もともと軍事の言葉です。後方の基地からではなく、ことが起きている最前線で動く、という意味があります。報告書を出して去っていく支援とは、立ち位置が違います。
| 報告書型の支援 | FDE（現場に入り込む型） | |
|---|---|---|
| 立ち位置 | 外から助言する | 現場のチームに入り込む |
| 成果物 | 提案書・設計書を手渡す | 実際に動くものをつくる |
| 終わり方 | 報告して去る | 定着・成果まで見届ける |
ひとことで言えば、FDEは「設計図を渡す人」ではなく「動くものをつくり切る人」です。
この役割を最初に生み出したのは、データ分析企業のPalantir（パランティア）でした。要件を事前に出せず、遠隔では対応できない案件のために、自社の技術者を顧客の現場に送り込んだのが始まりとされます。興味深いのは発想の反転です。従来のエンジニアは「多くの顧客のために、1つの機能」をつくる。FDEは逆に「1つの顧客のために、多くの機能」をつくり込む。汎用品を売るのではなく、目の前の一社の課題を、その会社の現場で解き切る。これがFDEの中心です。
まず押さえたい3つの疑問
Q. FDEは、具体的に何をする人ですか？
A. 現場に入って課題を定義し、動くものをつくり、使われるまで直し、成果を数字で確かめます。この4つのフェーズは、後の章で詳しく見ていきます。
Q. コンサルティング会社やSESと、何が違うのですか？
A. 「課題の定義から成果の確認まで、誰が一気通貫で責任を持つか」が違います。詳しくはFDEとSES・コンサルは何が違う？で整理しています。
Q. 年収が高いと聞きましたが、なぜですか？
A. 技術と業務理解の両方を持ち、成果まで見届ける人材が少ないためです。報酬の水準と背景はFDEの年収はなぜ高い？で扱っています。
本来のFDEと、日本で広がる「FDE型」——2つの意味を整理する
「FDEとは」を調べていくと、少し混乱するポイントがあります。記事や会社によって、FDEという言葉の指す範囲が違うのです。
| 本来のFDE（狭義） | 日本で広がる「FDE型」（広義） | |
|---|---|---|
| 誰のこと | 自社プロダクトを持つ企業の社員エンジニア | 働き方・支援の「型」を指すことが多い |
| 何を実装するか | 自社のプロダクトやAI基盤 | 既存のAI（ChatGPT・Claude等）や業務システムを組み合わせる |
| 代表例 | Palantir・OpenAI・AnthropicのFDE | 国内のAI導入伴走・システム導入支援 |
図：同じ「FDE」でも、自社プロダクトを実装する職種（狭義）と、伴走の働き方の型（広義）の2つの意味がある。
本来のFDEは、自社プロダクトを持つ企業が、そのプロダクトを顧客の現場に根づかせるために置く職種です。一方、日本では特定の自社プロダクトに限らず、既存のAIや業務システムを組み合わせながら成果まで伴走する働き方そのものを「FDE型」と呼ぶケースが増えています。
どちらが正しい、という話ではありません。ただ、発注する側としては「その会社の言うFDEは、どちらの意味か」を知っておくと、支援の中身を見誤らずにすみます。この記事では主に後者を扱います。ベンチャーネットの伴走も、この広義のFDE型にあたります。
FDEは実際に何をするのか——4つのフェーズ
「現場に入り込む」と言われても、具体的に何をする人なのか。発注する側の経営者にとっては、そこが最も知りたいところだと思います。FDEの仕事は、おおまかに4つのフェーズで進みます。
図：FDEの仕事は「課題の定義→実装→定着→効果測定」の4フェーズで進み、成果を確かめたら次の課題へと循環していく。
①課題の定義では、まず現場に入ります。資料を読むだけでなく、実際の業務の流れを見て、担当者の話を聞く。そのうえで「AIで何かしたい」という漠然とした期待を、「この業務の、この数字を動かす」という具体的な目標に翻訳します。
②実装では、動くものを小さく速くつくります。大きな設計書を何ヶ月もかけて仕上げるのではなく、まず一部の業務で動かしてみて、現場の反応を見ながら育てていきます。
③定着は、FDEらしさが色濃く出るフェーズです。つくったものが現場で使われるまで、手を離しません。「ここが使いにくい」という声を拾って直し、運用のルールづくりまで一緒にやります。
ここで欠かせないのが、何をもって「使える」とするかを、先に決めておくことです。従来のシステムなら仕様どおりに動けば合格でした。ところがAIは、同じ問いにいつも同じ答えを返すとはかぎりません。「この業務では、どこまでの精度なら任せてよいか」「間違えたとき、誰がどう気づくか」を、使い始める前に業務の責任を持つ側と一緒に決める。この一手間を飛ばすと、現場は「なんとなく信用できない」と感じて使わなくなります。
④効果測定では、成果を数字で示します。処理時間がどれだけ減ったか。利益にどう返ってきたか。ここで測る数字は、AIが自分で書き換えられない現実の数字（入金、在庫、納期）に置くのが原則です。AIが出した「処理件数」を成果にすると、数字だけが良くなる罠に入ります。それを確かめて、次に手をつける課題を決める。現場で分かったこと（「この業務ではこの作り方が効いた」「ここは人が判断したほうが早かった」）は次の一手の材料になり、二つ目、三つ目の取り組みは目に見えて速くなります。
発注する側から見ると、この4フェーズには分かりやすい利点があります。各フェーズの終わりに「何ができたか」を目で確かめられることです。動くものと数字で進捗が見えるから、途中で軌道修正もしやすいのです。
現場に入って、何をつくるのか——「業務の地図」という核心
4つのフェーズを見ると、FDEは「現場で開発する人」に見えるかもしれません。けれども、それだけなら昔からある客先常駐と変わりません。FDEの核心は、開発の手前にあります。
それは、その会社の業務を、AIやシステムが扱える形の「地図」にすることです。
たとえば「見積を出す」という一つの業務にも、次の3つが隠れています。
- 何があるか（名詞）：顧客、商品、単価、納期、担当者
- 何をするか（動詞）：見積を作る、承認する、送る、値引きする
- 何を優先するか（判断の基準）：この顧客なら利益率より納期を優先する、この金額以上は社長が見る
ベテランの頭の中には、この地図が入っています。だから判断が速い。ところが紙にも、システムにも、この形では書かれていません。AIを入れても成果が出ない大きな理由は、ここにあります。AIは規約の文書を読んで「返品は30日以内なら可能です」と答えられます。けれども、この顧客が本当に10日前に買ったのか、商品は届いているのかを、社内のデータをたどって確かめる術を持たないのです。名詞と動詞は扱えても、その会社の判断の基準とデータのつながりを知らない。地図がないとは、そういうことです。
FDEが現場に入り込む理由は、この地図を一緒に描くためです。担当者に聞き、実際の流れを見て、「なぜここでこう判断するのか」を言葉にしていく。地図ができると、AIが動ける範囲と、人が判断すべき範囲が、はっきり分かれます。この境界線を引く作業こそが、③定着で触れた「どこまで任せるか」を決める土台になります。
Palantirは、この考え方を「オントロジー（業務の意味の構造）」と呼んでいます。難しい言葉ですが、中身は「会社の業務を、名詞・動詞・判断基準の3層で整理した地図」だと理解して差し支えありません。
ここで大切なことがあります。地図を描くのは、AIに判断を任せるためではありません。人が判断すべきことを、はっきりさせるためです。何をやめ、何に投資し、どこで勝負するか。その判断は経営者に残す。FDEの仕事は判断を代行することではなく、判断の材料を現場でつくることだと、ベンチャーネットは考えています。
なぜ今、FDEに世界が動いているのか
FDEという働き方は、ここ数年で急速に広がっています。背景には一つの現実があります。問題はAIモデルの性能ではなく、実装と定着のほうにある、ということです。
MIT（マサチューセッツ工科大学）の研究チームが2025年に公表した調査では、企業のAI試験導入のうち、利益への明確な効果を出せたのは約5%にとどまりました。原因はモデルの性能ではなく、業務への組み込みや定着の欠如だとされます。この構造はAI導入が”PoC止まり”で終わる理由で詳しく整理しています。
求人の動きにもそれは表れています。ある調査では、FDEの求人は2025年の1月から9月にかけて800%を超えて増加したと報じられました（出典：Financial Times）。
そして2026年、流れを決定づける出来事が続きました。
図：2025年末から2026年にかけて、AI大手・コンサル大手・日本のITメディアが相次いでFDEをめぐって動いた。
OpenAIは2026年5月、FDEを中核とする新会社「OpenAI Deployment Company」の設立を発表しました。企業の現場にFDEを送り込み、業務の組み替えから実装までを担うと説明されています（出典：OpenAI公式発表、2026年5月11日）。Anthropicも同月、投資会社と共同で、中堅企業の基幹業務にClaudeを組み込む新しいサービス会社の設立を発表しました（出典：Anthropic公式発表、2026年5月4日）。コンサルティング業界ではAccentureが約3万人の社員を訓練し、FDEにあたる「RDE」として顧客企業に配置する計画を明らかにしています。日本でも、FDEポジションの採用を始める企業が増え、2026年6月には日経クロステックがITキーワードとして解説記事を出しました。
この一連の動きが示すことは、はっきりしています。世界でもっともAIに詳しい企業たち自身が、「モデルをつくるだけでは、顧客の成果にならない」と認めたということです。
ただし、主役はFDEという肩書きでも、最新のAIでもありません。成果が生まれる場所は、いつでもお客様の現場です。FDEはその現場に入らせてもらい、成果までの道のりを一緒に歩く存在にすぎません。
コンサルティング会社・SESと何が違うのか
「コンサルティング会社や、開発を請け負うSIer・SES（技術者派遣）と何が違うのか」。ここまで読むと、この疑問が湧くはずです。
コンサルティング会社は課題を定義し、提案書を手渡します。SIer・SESは、顧客が決めた要件どおりのシステムをつくり、納品で完了します。どちらも劣っているわけではなく、戦略の助言や、仕様が固まった大規模開発では強みがあります。
違いは一点、「課題の定義から成果の確認まで、誰が一気通貫で責任を持つか」です。そして評価の軸が、働いた時間（工数）なのか、出した成果なのか。AI導入のように、要件を事前に固めきれず、入れてみないと分からないことが多い取り組みでは、この差が効いてきます。
もう一つ、発注する側が知っておきたいことがあります。FDE型の支援がうまくいかないとき、原因はたいてい「FDEを、これまでの外注と同じに扱ってしまった」ことにあります。AIと無関係な雑用を頼んで便利屋にしてしまう。つくったものの意図が担当者の頭の中にしか残らず、その人がいないと動かなくなる。出力のブレに現場が耐えられずExcelに戻る。試作だけ重ねて本番に上げる期限を決めていない。どれも、発注側の関わり方で防げるものです。
「昔からある客先常駐と同じでは？」という指摘も含め、この違いは別記事で正面から整理しました。
→ FDEとSES・コンサルは何が違う？「報告書で終わらせない」伴走の正体
シリコンバレーの話に見えて、実は中小企業の話
FDEと聞くと、高額報酬で人材を奪い合う、海外の大手AI企業の話に見えるかもしれません。けれども、FDEの本質をほどくと、残るのはとてもシンプルな考え方です。
現場に入り、業務の地図を描き、実際に動くものをつくり、成果が出るまで見届ける。
これは、人手の限られた中小企業がAIや基幹システムを入れるときにこそ、いちばん必要になるものです。報告書を受け取っても、それを動かす人手が社内にいなければ、AIは止まってしまうからです。
ベンチャーネットが大事にしているのも、この立ち位置です。経営改善を「見える化 → わかる化 → 儲かる化」という流れでとらえ、課題の定義から実装、定着、効果を数字で示すところまでを同じチームで伴走します。
中小企業にとってFDEがどう役立つのか、もう一歩踏み込んだ話は、大企業のFDEを中小企業に”翻訳”するであらためて取り上げています。
ベンチャーネットのFDE型支援——「基盤」をつくり、「チーム」として伴走する
ベンチャーネットは、中小・中堅企業向けにFDE型の伴走支援を提供している会社です。特徴は、AIを単体で入れるのではなく、AIが業務の地図を読める「基盤」を先につくり、そのうえでFDEとして経営者のチームに入ることにあります。
基盤は、3つの層で構成します。
- 数字の基盤（基幹システム）：会計・販売・在庫・購買の「名詞と動詞」をNetSuiteまたはOdooに集約する。会社の規模や成長段階に合わせて、どちらかを選ぶ
- 言葉の基盤（ナレッジ）：議事録、商談メモ、社内ルール、判断の経緯といった文章のデータをNotionに集約する。ここに「判断の基準」が蓄積される
- AIの層：数字と言葉の両方を参照できる状態でAIを動かす。数字だけでは分からない「なぜそう判断したか」を、言葉の基盤が補う
図：ベンチャーネットのFDE型支援は、数字の基盤（NetSuite／Odoo）と言葉の基盤（Notion）の上でAIを動かし、そのうえでFDEチームが経営者と一緒に改善を回す構造。
なぜ、この順序なのか。理由は前の章で述べた「業務の地図」にあります。地図のないところにAIを入れても、AIは名詞と動詞しか扱えず、その会社の判断の基準を知りません。基幹システムに数字を、Notionに言葉を集めてはじめて、AIは「この会社ではこう判断する」という文脈の中で動けるようになります。
そして基盤ができたら、そこからがFDEの本番です。ベンチャーネットは、この基盤を納品して終わるのではなく、経営者と現場のキーパーソンと同じチームに入り、課題の定義から効果測定までを一緒に回します。基盤づくりは製品の導入ではなく、経営革新の土台づくりだと考えているからです。
なぜ、ERPの会社がFDEをやるのか
FDE型の支援を、AIの会社ではなくERPの会社が担う理由があります。ERP（基幹システム）の導入には、必ず「As-Is／To-Be」という工程があります。今の業務がどう流れているか（As-Is）を描き、あるべき姿（To-Be）を設計し、その差を埋める。ベンチャーネットは、この業務改革の作法を、基幹システムの導入現場で積み重ねてきました。
前の章で述べた「業務の地図」は、この As-Is／To-Be そのものです。誰が、何を見て、どう判断し、次に何をするか。これを描ける会社でなければ、AIをどこに置き、どこまで任せるかを決められません。つまりFDE型の支援とは、ERPで培った業務改革の作法を、AIの時代に合わせて延長したものです。ベンチャーネットはこれをAX（AIトランスフォーメーション＝AIを前提に業務と経営を組み替えること）と呼んでいます。DXが「デジタル化」で止まりがちだったのに対し、AXは業務の地図の上でAIを動かし、経営の判断を速くするところまでを含みます。
進め方は、3つのステップです。
- 見える化：基幹システムとNotionに数字と言葉を集め、業務の地図（As-Is）を描く
- わかる化：見えた数字と言葉を、AIも使って「何が起きているか」「どこを変えるか」の判断に変える（To-Be）
- 儲かる化：打ち手を実装し、利益として返ってくるまで回す。その先で、ビジネスモデルそのものを描き直す
このステップで、業務の改善にとどまらず、ビジネスモデルの変革までを一緒に進める。それが、ベンチャーネットの考えるFDE型支援です。
ただし、チームに入ることと、居座ることは違います。FDE型の伴走は、最初から「終わり方」を決めておく支援です。つくった仕組みの設計と意図は、Notionに言葉として残す。判断の基準は経営者と現場の側に蓄積する。伴走が終わったとき、社内で回せる状態になっていること。ベンチャーネットは、それを成功の条件にしています。外部の人がいないと動かない仕組みは、AIであっても、また一つの属人化だからです。
製品の選び方はクラウド会計・ERP・基幹システムの選び方、社内の言葉をAIに読ませる考え方は中小企業のナレッジAI（RAG）入門で、それぞれ詳しく扱っています。
FDE型支援を頼む前に——経営者がやっておく3つの準備
FDE型の伴走を外部と組むとしたら、経営者は何を用意しておけばよいのか。難しい準備は要りません。次の3つがあると、立ち上がりが大きく変わります。
図：3つの準備は候補レベルで十分。整っていなくても、そこからの整理も伴走の一部になる。
準備1：動かしたい数字の候補を、一つ挙げておく
「請求処理にかかる時間」「見積の提出までの日数」「在庫の回転」。粗くて構いません。数字の候補が一つあるだけで、議論は「AIで何かしたい」から「この数字をどう動かすか」に変わります。
準備2：現場のキーパーソンを、一人決めておく
業務をいちばん分かっている人が「話を聞かせてもいい」と思える状態をつくっておく。業務の地図は、この人の頭の中から描き起こします。
準備3：小さく始める範囲を、切っておく
全社一斉ではなく、まず一つの部署・一つの業務から。範囲が小さいほど、動くものが早く出て、成果の数字も早く確かめられます。
3つとも候補レベルで十分です。そもそも何を数字にすべきか分からない、という段階からの整理も、伴走の仕事のうちです。
よくある誤解と疑問
Q. FDEは、一時的なバズワードではありませんか？
A. 呼び名は今後変わるかもしれません。ただ、「現場に入り、成果まで見届ける」働き方への需要は、AIの実装が難しいという構造から生まれています。名前より、働き方の中身に注目することをおすすめします。
Q. FDEを自社で雇わないといけませんか？
A. その必要はありません。FDE型の伴走を、外部のパートナーと組む形で取り入れることもできます。大切なのは、肩書きより働き方そのものです。
Q. FDE型のパートナーは、何を基準に選べばよいですか？
A. 4つの目安があります。①いきなりツールを提案せず、課題の定義から入るか。②動くものを小さく速く出してくれるか。③成果を数字で確かめる約束があるか。④つくったものの知財と設計の記録が自社に残り、伴走の終わり方が最初から設計されているか。とくに④は、見積の段階で「知財はどちらに帰属しますか」「撤収はどう設計していますか」と聞くだけで、相手の支援の型が分かります。
Q. AIの品質は、どうやって確かめるのですか？
A. 使い始める前に「どこまでの精度なら任せてよいか」「間違いに誰がどう気づくか」を決めておきます。AIは同じ問いに毎回同じ答えを返すとはかぎらないため、仕様どおりに動けば合格、という確かめ方が通用しません。この基準づくりは、業務の責任を持つ側と一緒に線を引く作業になります。
Q. AIだけでなく、基幹システムの導入にも関係がありますか？
A. あります。むしろNetSuiteのような基幹システムこそ、「入れること」より「業務に根づかせること」が難所です。ERPとAIを一体で進める考え方は、『ERP改革 成功の方程式』の読み解き記事で解説しています。
Q. 中小・中堅企業がFDE型の支援を受けたいとき、どこに相談すればよいですか？
A. 「基盤づくりと伴走を、同じチームで担えるか」を基準に探すことをおすすめします。ベンチャーネットは、中小・中堅企業向けにFDE型の伴走支援を行う会社です。NetSuiteまたはOdooを数字の基盤、Notionを言葉の基盤としてAIと掛け合わせる環境を構築します。そのうえでFDEとして経営者のチームに入り、経営革新を伴走します。基盤だけ、伴走だけ、ではなく両方を一つのチームで担う点が特徴です。
Q. 高い報酬の話を聞きました。中小企業には縁遠いのでは？
A. 海外大手の報酬水準は確かに高額です。ただ、それはFDEという働き方の希少さを映したもので、本質である「現場で成果まで見届ける」考え方は、規模を問わず取り入れられます。
Q. FDEとDeployment Strategist（デプロイメントストラテジスト）は何が違いますか？
A. 実装を担うFDEに対し、Deployment Strategistは顧客側との調整や導入戦略を担う役割で、ペアで現場に入る体制をとる企業もあります。周辺職種との違いはFDEの仲間たちで整理しています。
Q. 日本で「FDE」を名乗る会社が増えていますが、本来の定義と違うのでは？
A. 本来のFDEは自社プロダクトを持つ企業の職種ですが、日本では「課題定義から定着まで一気通貫で伴走する働き方の型」として広義に使われ始めています。大切なのは呼び名ではなく、その会社が業務の地図を描き、成果まで見届ける体制を実際に持っているかどうかです。
まとめ：AIは、入れて終わりではない
FDE（Forward Deployed Engineer）とは、現場に入り込み、業務の地図を描き、実装・定着・成果までをやり切る働き方です。AIの導入が「入れること」で止まりやすいいま、その難所を埋める役割として注目されています。
2026年には、AIをつくる側の企業がFDEを中核とする会社を相次いで立ち上げました。それは「AIは入れただけでは成果にならない」という現実を、当のAI企業が認めた出来事でもあります。そしてその考え方は、人手の限られた中小企業がAIや基幹システムを成果に変えるときにこそ、力を発揮します。
ベンチャーネットは、中小・中堅企業向けにFDE型の伴走支援を行う会社です。NetSuiteまたはOdooを数字の基盤、Notionを言葉の基盤としてAIと掛け合わせる環境を構築します。そのうえでFDEとして経営者のチームに入り、ERPで培ったAs-Is／To-Beの作法を土台に、見える化→わかる化→儲かる化のステップでビジネスモデルの変革までを伴走します。基盤を納めて終わるのではなく、成果が出るまで一緒に回す。それが、ベンチャーネットの考えるFDE型支援であり、AX（AIトランスフォーメーション）です。
FDEを知るための読み進めガイド
この記事は、FDEの全体像をつかむための入口です。次に湧いた疑問に合わせて、読み進めてみてください。
「違いを、もっとはっきり知りたい」
→ FDEとSES・コンサルは何が違う？「報告書で終わらせない」伴走の正体
→ FDEの仲間たち——Applied AI Engineer・Deployment Strategist・Solutions Engineerの違い
「なぜ年収があれほど話題になるのか」
→ FDEの年収はなぜ高い？——”成果にコミットする人材”が示すAI時代の価値
「FDEという仕事に就きたい」
→ FDEになるには？——キャリアの入り口と、中小企業で働くという選択
「うちのAI導入が止まっている理由を知りたい」
→ なぜAI導入は”PoC止まり”で終わるのか——5%しか成果に届かない本当の理由
「何から始めればいいか知りたい」
→ 「何から始めればいいか分からない」を解く——中小企業のAI導入 最初の一歩
「実装の中身に興味が湧いた」
→ バイブコーディング（vibe coding）とは？”話すだけで作る”が中小の内製を変える
→ AIを”束ねて”業務を回す：マルチエージェントとAIオーケストレーション入門
→ 社内の暗黙知をAIに：中小企業のナレッジAI(RAG)入門
「外部の知恵を、経営にどう取り込むか」
→ 中小企業の”AI顧問”という選択——fractional CAIO（外部AI責任者）とは
「AIを入れたが、効果が出ていない」「何から手をつければいいか相談したい」という段階であれば、経営課題の棚卸しから一緒に始めることもできます。売り込みではなく、まず壁打ちから。
