FDE（フォワードデプロイドエンジニア）は採用できない——求人74件・未経験可5件の現実と、社内で育てる3つの条件

「内製できます、と言いながら、実際は進まないんです」

先日、ある大手化学メーカーのAI推進担当の方と話していたときのことです。社内の生成AI活用は情報システム部門に限定されていて、社長からは「アウトプットが出てこない」というプレッシャーがかかっている。その状況を、担当者はこう言いました。

「『内製できます』と謳いつつ、実際は難しいんです。設計側——データモデリングと裏の処理が、なかなか進まない」

別の大手化学メーカーで企画業務を統括されている方は、2027年稼働予定の基幹システム刷新について「私も見ているが、正直かなり厳しいと感じる。でも、もう後戻りできない」と漏らされました。そして全社AI展開の壁を、こう表現されました。

「今使えているのは自分のパソコンの中まで。なぜ他の人のところまで広げられないのかが分からない」

この2つの声には共通点があります。どちらも、AIツールを導入する段階は越えているのです。詰まっているのは、業務を理解した上で「他の人のところまで広げる」仕組みを作る工程。ここを担うのが、FDEと呼ばれる職種です。

そして正直に申し上げると、この職種を外から採ってくるのは、2026年時点の日本ではかなり無理のある話になっています。

FDEとは何か——2003年のPalantirから、2026年の日本へ

FDE（Forward Deployed Engineer）は、直訳すれば「前線に配備されたエンジニア」。もともとは軍事用語です。

職種としての発明元は、米Palantir Technologies。2003年、同社がCIAや米陸軍向けに分析基盤を納める過程で、ある気づきに至ります。システムの導入は「配布」ではなく「共同エンジニアリング」である——つまり、製品を渡して使い方を説明するだけでは現場で動かない。そこで本社のエンジニアを顧客の現場に常駐させる、第三の選択肢を作りました。これがFDEの起源です。

2026年に入ってこの職種が急に注目されたのは、生成AIの導入局面がまったく同じ壁にぶつかったからだと私たちは見ています。モデルは強い。ツールもある。それでも現場で使われない。この「最後の1マイル」を埋める役割として、FDEが再発見されました。

従来の職種との違いを整理すると、こうなります。

観点	FDE	客先常駐SE（SES）	ITコンサルタント
最初の仕事	課題を自分で定義する	指示された要件を実装する	課題を整理し提案書にする
成果物	現場で動いて使われているシステム	指示された範囲の成果物	報告書・提案書
本番コード	自分で書く	書くが範囲は指示通り	書かない
評価のされ方	業務が変わったかどうか	工数の消化	提案の採択
責任の終わり	定着するまで	契約期間まで	提案まで

誤解のないように申し上げると、SESやコンサルの価値が低いという話ではありません。役割の設計が違うだけです。ただ、「AIを入れたが使われていない」という状態を解消したいとき、必要になるのはFDE型の関わり方になります。3者の違いはAI導入パートナーの選び方で詳しく整理しました。

数字で見る「採用できない」——国内求人74件・47社・未経験可5件

ここからが本題です。FDEを採用しようとすると、何が起きるか。

国内のFDE求人を集約しているFDE boardの調査によると、2026年9月21日時点の状況はこうです。

• 掲載求人は74件。うち外資が17件、国内が57件。
• 採用企業数は47社。
• 求人の所在地は東京が70件で、東京以外はわずか4件。
• 年収を公開している31件では、上限の中央値が1,500万円、最高が3,000万円。
• 未経験可の求人は5件。
• フルリモート可は7件。

この数字を、採用担当の目線で読み替えてみます。全国で74件しか求人がないということは、転職市場に「FDE経験者」として動いている人は、多く見積もっても数百人規模です。そのうち東京以外で働く意思がある人は、ほぼいない計算になります。地方に主力工場を持つ製造業が、自社の工場近くでFDEを採る——これは現実的な計画になりません。

海外ではFDEの募集が1年で数倍に伸びたという集計も出ています。需要の伸びは本物です。ですが、その伸びは「経験者の供給が増えた」ことを意味しません。むしろ逆で、少ない経験者を奪い合う構造が強まったという話になります。

採用競争の相手は、AI企業と外資だった

「74件しかないなら、競合も少ないのでは」と思われるかもしれません。ここが落とし穴です。

国内でFDEを募集している企業の顔ぶれを見ると、LayerX、ログラス、マネーフォワード、ソフトバンク系の合弁会社、エクサウィザーズといった名前が並びます。外資ではPalantirやCohere。日本国内の提示レンジは1,000万〜2,500万円が中心で、外資はこれを上回ります。

つまり採用市場で机を並べる相手は、同業の製造業や商社ではありません。AIを本業にしている企業と外資です。地方に主力工場を持つ中堅企業が、生産管理の実装を担う人材を採るために、この価格帯と採用ブランドで競り勝つ——私たちの現場経験では、これを正面から狙って成功した例を見たことがありません。

採用の難しさは、FDEに限った話でもなさそうです。レバテックの調査では、新卒エンジニア採用を行う企業の約4社に1社が2026年卒の採用目標に届かない見込みでした。最大の課題として挙がったのは「求めるスキルを持つ人材の不足」で、51.2%が1位です。約7割の企業は「過去3年で求めるスキル水準が上がった」とも答えています。母集団が増えないまま要求水準だけが上がる。この挟み撃ちが、採用一本足の計画を壊します。

日本企業は「採る」より「育てる」を9倍選んでいる

では各社はどうしているのか。ここに興味深いデータがあります。

Linux Foundationの調査「2026 State of Tech Talent Japan」（2026年7月29日発表）によると、日本企業の行動がはっきり出ています。国内の採用・研修・人材マネジメント責任者400人への調査です。

• AI分野の採用成長率は54%。グローバル平均26%の約2倍。
• 一方で、専任のAI人材を置いている企業は13%。グローバル平均は53%。
• 外部採用より社内のアップスキリング（学び直しによる戦力化）を選ぶ割合は、9倍高い。
• 新規採用者の入社6ヶ月以内の離職率は46%。
• 人材が最も足りない領域は「AIの運用・監視」で52%。次が「AIセキュリティ・リスク管理」で49%。

いずれも同調査の発表による数字です。この組み合わせは、かなり雄弁です。採用意欲は世界平均の2倍あるのに、専任人材を置けている企業は13%しかない。つまり採ろうとして採れていない。そして日本企業は、その現実を踏まえて社内育成に9倍傾いている。さらに採った人の46%が半年で辞めている以上、採用に賭ける戦略の期待値は、見た目よりかなり低いことになります。

足りない領域が「運用・監視」「セキュリティ・リスク管理」に集中しているのも示唆的です。モデルを選ぶ人でも、プロトタイプを作る人でもなく、作ったものを現場で回し続ける人が足りていない。これはまさにFDEの仕事の中身そのものです。

私たちが社内でFDEを育てている方法——90日・ペア長・週次1on1

ここから一次情報をお話しします。私たちAI-Pathは、業務委託を含む29名の組織で、FDE人材の内部育成を制度として回しています。顧客に「育てましょう」と言う前に、自社で先に回しておく。これは私たちの基本的な進め方です。

骨格は3つあります。

1. 90日間のアクションプランで昇格を判定する 入社した人が漠然と「いつか一人前になる」のを待ちません。90日で何を達成すればFD（フィールドデベロッパー）に上がれるのかを明文化し、期間を区切って判定します。評価軸は勤務時間ではなく、AI活用によってその人の市場価値がどれだけ上がったか。3ヶ月ごとにアップ・アラウンド・ダウンを判断する「修行場」として設計しています。

2. ペア長制度と週次1on1で、立ち上がりを人がつなぐ 新しいメンバーには、ペアとなる先輩（社内呼称は「ペア長」）が付きます。加えて週次の1on1を2026年7月から全面運用に移しました。正直に言えば、これを入れる前は「教材は揃っているのに立ち上がらない」人が出ていました。詰まっているのは知識ではなく、「誰に、どのタイミングで聞いていいか分からない」という部分でした。

3. 週1回の社内勉強会で、上流まで教材化する 教材はアプリ開発の基礎、Claudeの活用、AIの特性といった技術側だけではありません。事業設計や投資家目線といった上流工程まで含めています。理由は単純で、業務側のバックグラウンドを持つ人が「なぜこの業務をこう変えるべきか」を自分で語れないと、顧客の現場で判断ができないからです。

加えて2026年に入ってから、人事責任者（CHRO）が就任し、評価をMission Grade制度ベースで再設計しつつ、求める人材像の基準（タレントスタンダード）を明文化する段階に入りました。育成を属人的な面倒見で終わらせないための整備です。

この育成設計は社外にも出始めています。私たちは大手コンサルファーム（Big4）と、AI活用人材育成研修を共同設計するフェーズに入っており、そこではFDEに必要な要件から逆算して成熟度レベルを定義し直しています。「どんな人をFDEと呼ぶか」の基準づくり自体が、いま必要とされている仕事なのだと受け止めています。

非IT出身でもFDEになれるのか——元理学療法士が起点になった話

ここは率直に書きます。求人サイトの記事には出てこない部分だと思います。

私がVibeCoding（バイブコーディング）に賭けた原点は、妻でした。VibeCodingとは、自然言語でAIに指示を出し、従来の10分の1程度のコストでオーダーメイドのシステムを作る開発手法です。妻は元理学療法士で、タイピングは実務レベル以下。それでも、AIに指示を出しながらシステムを形にしていきました。「妻がやれるなら、他の人もVibeCoderとして育てられるかもしれない」——これが起業の動機のひとつになりました。

現在のCEO室には、医師、ISMS（情報セキュリティ管理）の担当者、UXデザイナー、新規事業の担当者など、IT出身ではないメンバーが並んでいます。彼らがAIを使いこなして業務を動かせるかという「社会実験」を、自社で継続している状態です。

一方で、冷静な線引きも必要になります。前述のFDE boardのデータでは、未経験可の求人は74件中5件。外部から「未経験FDE」として採用される道は、2026年時点ではほぼ閉じていると考えたほうが現実的です。私たちの実感では、非IT出身の方が最初に越えるべきハードルはコーディング力ではなく、次の2つでした。

• 業務を言語化する力。自分が担当してきた業務の判断を、他人が再現できる形に書き出せるか。
• 問いを立てる技術。AIに何を聞けば前に進むのかを設計できるか。

AI活用の核は「問いを立てる技術」にあると私たちは考えています。「使う人の顔が見えているか」「どう使ったらどうなるという想像がついているか」。プロンプトからコンテキスト、さらにハーネスへと技法が進化しても、ここは変わりません。この力は、むしろ現場の業務を長くやってきた人のほうが持っています。社内育成が外部採用より9倍選ばれている理由は、ここにもあるはずです。

非エンジニアが実装側に回る進め方は、VibeCodingの社内研修で詳しくお伝えしています。

育成が失敗する3つのパターンと、そこで効いたガードレール

社内育成を勧めておきながらこう書くのは妙ですが、育成は簡単ではありません。私たちが自社と顧客の内製チームの両方で踏んだ失敗は、だいたい3パターンに収まります。

パターン1：データベースを直接触らせてしまう これが一番こわい失敗です。自分のブランチをどれだけ汚しても復旧できますが、本番のDBを変えてしまうと後戻りできません。ですから内製の入り口では「DBをいじらないものに留める」線を引きます。ある化粧品メーカーの内製担当者の方は、ご自身でコードを触る前に「一旦、データベースをがらっと変えちゃうんじゃないかという懸念がある」と率直に相談してくださいました。その不安は正しいのです。

パターン2：本流に直接マージさせてしまう 育成中のメンバーが書いたコードを、いきなり本流（メインブランチ）に入れると事故が起きます。私たちはPR（プルリクエスト：変更内容をレビューに出す仕組み）を経由させる運用にしています。PRを上げるとAIが中身を確認してレビューし、妥当性を一次判定してくれます。人間のレビュー負荷を上げずに安全弁を増やせるので、育成期間中こそ効きます。

パターン3：本番にいきなり反映させてしまう 本番環境を直接いじると、利用者から見て「ある日突然変わった」という状態になります。先にステージング（検証環境）で直し、回帰テストが通ってから本番に出す二段階を徹底します。地味な工夫ですが、トレーニング用の環境は背景色を黄色にして、本番と一目で区別できるようにしています。画面の色が違うだけで、取り違えが減ります。

この3つのガードレールは、私たちが顧客の内製担当者にそのまま渡しているものです。言い換えれば、育成に必要なのは教材よりも先に「どこまで触っていいかの線引き」でした。安全な範囲が決まっていない状態で学ばせると、事故を恐れて誰も手を動かさなくなります。より詳細な設計は非エンジニアのVibeCodingにガードレールをどう引くかで扱っています。

「育てる」だけでは間に合わない期間を、どう埋めるか

ここは正直に書きます。社内育成には時間がかかります。90日で立ち上がるのは「ペアと一緒に手を動かせる」段階まで。顧客や他部署の業務を自分で読み解いて設計できる段階には、もう少しかかります。

その間、現場の課題は待ってくれません。工場の原価は追いきれないまま、Excelは配信され続け、ベテランの頭の中にある判断は引き継がれない。ある合成樹脂メーカーで原価管理を担当されている方は、原価表について「中身は7割くらいブラックボックス化していて、Excelで配信されるので各担当がそれぞれカスタマイズしてしまう。部材を一つ変えるにも全シートのセルを一個一個探して変える。二重で計上していた箇所もあった」と話されました。この状態を、育成が完了するまで放置する判断はなかなか取れません。

ですから選択肢は「採る」「育てる」の2択ではなく、3択で考えるのが現実的だと私たちは考えています。

選択肢	立ち上がりの速さ	社内に残るもの	向いているケース
採る（FDE経験者を採用）	中（採用自体に半年〜）	個人に属する	都内本社・年収1,500万円級を出せる
育てる（社内アップスキリング）	遅（90日〜1年）	組織に残る	業務知識を持つ人材が社内にいる
借りる（外部FDEと並走）	速（1日でプロトタイプ）	契約設計次第	現場の課題が待てない／最初の型がない

私たちが取っているのは「借りる」と「育てる」の併走です。外部FDEとして現場に入り、1日で動くプロトタイプを作って叩き台にします。そこから現場の要望を反映しながら作り込み、同時に顧客の内製担当者に開発のガードレールを渡していく。本番運用に入る段階では技術顧問契約に切り替え、月次定例を回します。現場からのフィードバックはイシューとして登録し、翌週にはプロトタイプを持っていく。マニュアルを作り、勉強会や機能横断の説明会で技術移転を進める——これが実際の進め方です。

「借りる」が失敗するのは、知見が報告書に閉じ込められるときです。私たちは、知見を顧客のシステムの中に残すことを成果物の定義に含めています。

AI-Path の見解——採用計画より先に、業務の棚卸しをする

私たちの現場経験では、「FDEを採りたい」というご相談の8割は、採用の問題ではありませんでした。

何が起きているかというと、こうです。社内の誰も「どの業務にAIが効くのか」を特定できていない。だから求人票に書く要件も曖昧になる。曖昧な要件で1,500万円級の人材を採りに行っても勝てないし、仮に採れても最初の3ヶ月は業務理解に消えます。そして46%が半年で辞めるという統計の中に落ちていきます。

だから私たちは、採用計画より先に業務の棚卸しをお勧めしています。私が自作した業務整理ツールを使い、ヒアリングから業務フロー・改善案・ROIまでを、たたき台として一気に可視化します。ここまで出すと「どの業務を、誰が、どの順番で変えるのか」が見えます。そこで初めて、採るのか育てるのか借りるのかの判断ができるようになります。

もうひとつ率直に申し上げると、AIは万能ではありません。私たちはAIを「壁打ち相手」として扱い、判断は人間がするという前提を崩しません。AIが出した提案をそのまま出すのではなく、人間が削る工程を挟みます。品質の担保も同じです。単体テストとシナリオテストは自動化しますが、ユーザー受け入れテスト（UAT）は人が実際に触ってダメ出しする工程として残しています。AIが苦手なUXの観点は、ここでしか拾えません。VibeCodingで起こりがちな「謎の項目が勝手に増える」事故も、この人間のゲートで止めます。

育成の話に引き戻すと、この「AIに任せない部分」をどこに置くかを教えるのが、FDE育成の本体だと私たちは考えています。コードを書けるようにすることは、今の時代それほど難しくありません。難しいのは、任せてよい範囲と、人間が責任を持つ範囲を自分で線引きできるようになることです。

FDEを名乗る会社を見極める5つの質問

「借りる」を選ぶ場合、発注側として何を確認すべきか。私たち自身がFDEを名乗っている立場で、あえて厳しめの質問を挙げます。これに答えられない相手には頼まないほうが安全です。

1. 本番コードを誰が書きますか。設計だけで実装は別会社、という座組みは最後の1マイルで止まります。
2. 最初に動くものを見せてもらえるのは、いつですか。私たちは1日で動くプロトタイプを作ります。数ヶ月かかると言われたら、それは従来型の開発です。
3. 内製引き継ぎの計画は契約に入っていますか。引き継ぎが「善意」に依存していると、運用フェーズで揉めます。
4. 本番環境への反映は、誰が承認しますか。人間の承認を挟まない設計を勧めてくる相手は、統制の経験が浅い可能性があります。
5. 自社で先に使っていますか。顧客に売る仕組みを自社で運用していない会社は、運用の痛みを知りません。

5番目は、私たちが自分に課している基準でもあります。自社の計測によると、経理システムのテストカバレッジは実測99%台、議事録AIの自動テストは2,000件超を全通過しています。資料生成ツールは、元のPowerPointとの体裁一致を数値（SSIM）で0.73から0.89まで改善しました。こうした数字を自社で測れる状態を作ってから、顧客環境に展開しています。先に自分で踏み抜いて塞ぐ。守れる設計は、思想だけでは証明できません。

よくある質問

私たちがFDEの採用・育成のご相談をお受けする中で、特に多くいただく質問にお答えします。

Q1. 未経験からFDEを目指せますか

外部採用の枠としては、かなり狭いと考えてください。国内求人74件のうち未経験可は5件です。ただし、業務側のバックグラウンドを持つ人が自社内でFDE的な役割に移る道は開いています。私たちの社内でも、IT出身でないメンバーがAIを使って実装側に回っています。鍵になるのはコーディング経験ではなく、担当してきた業務を他人が再現できる形に言語化できるか、そしてAIに適切な問いを立てられるかの2点です。

Q2. FDEの年収相場はどのくらいですか

FDE boardの集計によると、国内では1,000万〜2,500万円のレンジが中心です。年収を公開している国内求人31件では、上限の中央値が1,500万円、最高は3,000万円という水準でした（2026年9月21日時点）。経験レベル別ではジュニアで600万〜800万円台から始まり、シニアやリードで1,500万円を超えてきます。外資はこれを上回ります。数値は市場の動きが速いため、最新の求人情報でご確認ください。

Q3. 社内でFDEを育てるのに、どのくらいかかりますか

私たちの制度では、90日でペアと一緒に手を動かせる段階（FD昇格）を目標に置いています。自分で業務を読み解いて設計まで担える段階には、もう少し時間がかかります。ただし、育成の速さは本人の資質より「安全に失敗できる範囲が決まっているか」に左右されました。DBを触らない、PRを経由する、本番は二段階——この線引きがある環境では、立ち上がりが明らかに速くなります。

Q4. 外部のFDEに頼むと、ノウハウが社内に残らないのではないですか

契約の設計次第です。知見を報告書に閉じ込める進め方だと、確かに残りません。私たちは知見を顧客のシステムの中に残すことを成果物に含め、本番運用に入る段階で技術顧問契約に切り替えて月次定例を回し、マニュアルと勉強会で技術移転まで担います。発注時に「引き継ぎが契約に入っているか」を確認するのが、いちばん効く予防策です。

Q5. まず何人から始めればよいですか

1人からで構いません。私たちの経験では、最初から全社展開の計画を立てた案件より、1つの部署の1つの業務で成功体験を作った案件のほうが、その後の広がりが速かったです。難易度がそこまで高くないのに影響範囲が大きい業務——現場が毎月疲弊している定型業務から選ぶのが定石です。

まず試すなら

1. 求人票を書く前に、業務を棚卸しする。どの業務にAIが効くのかが特定できていないと、採用要件も育成計画も曖昧なまま走り出します。
2. 社内で候補になる人を、業務知識の側から探す。プログラミング経験ではなく「自分の業務の判断理由を説明できる人」をリストにしてください。
3. 安全に失敗できる範囲を先に決める。DBを直接触らない、PRを経由する、本番反映は二段階。この3つを決めてから手を動かし始めます。

どの業務から着手すべきかの見極めは、社内だけで進めると「やりたいこと」の議論に流れがちです。私たちAI-Pathでは、無償の業務プロセス診断（BPR）として業務フロー・改善案・ROIのたたき台まで可視化し、採る・育てる・借りるのどれが自社に合うかを一緒に判断するところから始めています。FDEという選択肢自体をもう少し知りたい場合は、FDEとは何か──AI導入を「成功」させる新しいパートナーの選び方もあわせてご覧ください。

なお、私たち自身もFDE人材を内部育成しており、IT出身でない方が実装側に回る道を社内で運用しています。この働き方に関心をお持ちの方からのご連絡もお待ちしています。

参考リンク

本記事の執筆にあたり以下を参照しました。

FDE board｜日本のFDE(Forward Deployed Engineer)求人。求人件数・年収レンジ・未経験可件数は2026年9月21日時点。

Linux Foundationの調査解説。「2026 State of Tech Talent Japan」2026年7月29日発表、日本の採用／研修責任者400人への調査。

約4社に1社が26卒エンジニア採用目標未達見込み、初任給の見直しも進む - レバテック。