FDEとは、何者なのか？

LT会（15分）で発表した、FDE（Forward Deployed Engineer）の入門資料です。

Palantir発祥で、いまAI業界が奪い合っている「FDE」とは何者なのか。その正体を「開発スキル × PM力 × コンサル力・営業力」の3つの要素に分解して解説します。

▼ 内容
・FDEとは？ SE / コンサル / SES との違い
・なぜ今FDEが熱いのか（AI導入のラストワンマイル）
・Palantirの原型「Delta × Echo」モデル
・柱① 開発スキル … フルサイクルエンジニア、技術スタック5層、現場で差がつく泥臭い力
・柱② PM力 … ピープル / プロダクト / プロジェクト / テクノロジーの4マネジメント
・柱③ コンサル力・営業力 … 課題を見つける技術、提案の型、相手別の翻訳、デモの作り方

Transcript

1. LT TA L K · 1 5 M I N FDEとは、 何者なのか？ Forward Deployed Engineer を「分解」して理解する 発表：須田まさぴょん🐱 2026.08 LT会 開発スキル × PM力 × コンサル力・営業力
2. はじめに 今日、持ち帰ってほしいこと 1 FDEを説明できる 2 FDEを分解できる 3 現在地がわかる いま世界中のAI企業が奪い合っている FDEに必要な力を3つの構成要素に分解 3本柱のうち自分はどこが強くて、どこが 「FDE」という職種。その正体を、自分の し、それぞれの中身を具体レベルで理解す 弱いか。明日からの一歩が見つかる。 言葉で説明できるようになる。 る。 FDEとは？ → ① 開発スキル → ② PM力 → ③ コンサル力・営業力 → まとめ
3. イントロダクション FDEとは？ DEFINITION 自社プロダクトを携えて顧客の現場に入り込み、 課題の発見から実装・運用定着までを一気通貫で担うエンジニア 🏛️ 発祥は Palantir 🪖 名前の由来 🔨 最大の特徴 CIAなど「要件を言語化できない顧客」と 軍事用語の「前方展開（Forward 提案して終わりではなく、実装まで自分で の開発から生まれた。エンジニア自身が現 Deployment）」。後方（本社）で作って やり切る。成果物は提案書ではなく「動い 場で業務を観察し、作りながら適用する。 納品するのではなく、前線＝顧客の現場で て、使われているシステム」。 戦う。 💡 今日の軸：FDEとは「作れる人が、現場に出ていく」という職種である
4. イントロダクション SE・コンサル・SESと、何が違うのか 課題定義 実装 成果物 撤収 SES / 客先常駐 顧客から受領 ◦ 労働力の提供 前提なし（常駐継続） ITコンサル 自ら定義 ×（提案書まで） 提案書・レポート プロジェクト単位 SE / SIer 受領 ◦ 設計書・コード 納品で終了 FDE 自ら発見 ◦（自分で作る） 動いて、使われているシステム あり（顧客の自走が前提） 🎯 ミッションが違う 🔄 開発組織との関係が違う 💸 インセンティブが逆 「仕様通りに作る」ではなく「P/L改善を 下流の受け手ではなく上流。現場の知見を 人月が伸びるほど儲かるSESに対し、FDE 実証する」。「動いたか」ではなく「事業 プロダクトのロードマップに還流させる。 は顧客が自走し継続することが利益にな が変わったか」で評価される。 る。
5. イントロダクション なぜ今、FDEが熱いのか？ AIの性能ではなく、現場に導入しきる「ラストワンマイル」が世界的なボトルネックに 70% 2,100% 米企業の70%がFDE採用を計画 2026年末までのFDE需要の増加予測 （2026年半ば。年初はわずか5〜10%） （米 Christian & Timbers 調べ） 1,000〜2,000 万円 日本のFDE求人の年収中心レンジ （2026年時点） 🌍 世界の動き ・OpenAI：AI導入専門会社「The Deployment Company」を設立（評 価額140億ドル規模と報道） 🗾 日本の動き ・LayerX・ログラス・マネーフォワード・Sansan・エクサウィザーズ などが採用開始 ・Anthropic：FDE中心のコンサル会社「Ode」を投資家と設立 ・PdM職を廃止しFDEを組織の中核に据えた企業事例も登場 ・Google：獲得競争のため面接を「数週間で4〜6回」→「2日で2回」 ・背景は「PoC止まり」問題：生成AI案件の約30%がPoC後に放棄され に短縮 出典：TechCrunch (2026/7)、The Pragmatic Engineer、JAPAN AI ラボ ほか るとの予測（Gartner）
6. イントロダクション ／ 背景知識 原型：Palantir の「Delta × Echo」— 2人1組のモデル DELTA ECHO Forward Deployed Engineer Deployment Strategist ・本番品質のコードを書くエンジニア ・データパイプライン、業務データの設計、AI実装 × ・現場の業務・組織・政治を読む戦略担当 ・元軍人・臨床医・会計士など非エンジニアが多い ・本社の製品エンジニアと同じ技術水準 ・どの部署が対立しているか、なぜその運用が残っているか ・例えるなら「スタートアップのCTO」 ・例えるなら「現場のインサイダー」 ⚖️ この2人の"緊張関係"が設計上の狙い — Deltaだけなら「技術的に美しいが誰も使わないもの」、Echoだけなら「正しいが動くものがない」で終わる。 🤖 現代のFDEは、AIの力を借りてこの2人分を1人でやる仕事 — だから3つの力の掛け算になる
7. イントロダクション FDEの構成要素 — 3つの力の「掛け算」 PILLAR 01 PILLAR 02 PILLAR 03 開発スキル PM力 コンサル力 ＝ 作れる 幅 × 速度 × 完了責任 × ＝ 前に進められる 4つのマネジメント × 営業力 ＝ 価値を認めさせられる 語るより、見せる ⚠️ 足し算ではなく掛け算 — どれか1つがゼロなら、届けられる価値もゼロになる
8. PILLAR 01 開発スキル 「作りきる力」 — キーワードは 幅 × 速度 × 完了責任 フルサイクル 技術スタック AI/LLM実装 現場の泥臭さ
9. 柱① 開発スキル WHY IT'S DIFFERENT 前提が違う — FDEは「更地で試合をする」 自社プロダクト開発 FDEの現場 要件 PdMが定義してくれる 要件がない。自分で見つける 技術スタック 決まっている・慣れている 顧客ごとに違う。初見も多い データ 整備済み 汚い・欠けている・ドキュメントがない 環境 自由に使える VPN・権限申請・閉域網・持ち出し禁止 チーム 分業できる 人がいない。全部自分 期限 スプリント単位 「来週の役員会で見せたい」 🏕️ 整備されたグラウンドではなく更地で戦う。だから求められるスキルの「形」が変わる
10. 柱① 開発スキル FULL CYCLE — 1/4 土台：フルサイクルエンジニア —「開発したものが運用する」 設計 → 開発 → テスト → デプロイ → 運用 → 改善 ↺ 改善は次の設計へ — このループを一人で回しきる 😵 分業モデルの課題 🔁 ・引き継ぎのたびに知識が失われる ・フィードバックループが最速になる ・障害対応にチーム間の往復が発生する ・本番の問題を自分で踏むから、次の設計が良 ・開発者が「運用の痛み」を知らないまま設計 する フルサイクルの強み くなる ⚖️ トレードオフ ・認知負荷が高い。深い専門性を極めたい人に は不向きな面も ・Netflixもツール投資と支援チームをセット ・「誰かに投げる」がないので意思決定が速い で整備して成立させている ・個人なら、その代わりがAIとマネージドサ ービス 🧱 顧客先に分業する人数はいない。1人でサイクルを一周回しきれることがFDEの土台
11. 柱① 開発スキル — 2/4 T E C H S TA C K 実際に何ができればいいのか — 5つの層 LAYER 1 フロント／バック／DB を1人で。デザイナーもDBAもいない前提で業務画面・API・スキーマを作る。顧客の既存DBをドキュ アプリケーション メントなしで読み解く力も。 LAYER 2 データ 基幹システム・CSV・スプレッドシート・PDFからのパイプライン構築。クレンジングと名寄せ。実務時間の多くはここに溶け る。そして「業務の地図」を描くデータモデリング — 現場の言葉（「案件」「担当者」「在庫」）とその関係を、そのままデー タの形で定義する（Palantirが言う"オントロジー"）。 LAYER 3 クラウド／IaC／CI/CD、監視・ログ。そして既存システムとの統合（レガシーAPI、SSO、閉域網、オンプレ）— ここがFDEの インフラ・連携 実装工数の大半を占める。 LAYER 4 RAG／エージェントの本番運用、コンテキストエンジニアリング、Evals（評価設計）、Human in the Loop 設計。「動く」 AI / LLM と「業務で信頼できる」の差を埋める層。 LAYER 5 横断 AIコーディングの使いこなし（＝2人分を1人でやる最大の武器）、初見スタックへの適応力、セキュリティの基礎。 ※ OpenAIのFDE求人（Tokyo）：「5年以上の顧客対応を含む技術デリバリー経験」「Python/JS等でフロント・バック双方の本番品質コード」「LLM／生成AIシステムの構築・デプロイ経 験」／ SF版は「7年以上のフルスタック経験」「出張50%」を要求
12. 柱① 開発スキル — 3/4 REAL WORLD 求人票に書かれない、現場で差がつく力 🔍 既存システムのリバースエンジニアリング 🚧 動かない環境を動かす力 ・ドキュメントのないコード・DBから仕様を推定する ・権限が下りない、VPNが繋がらない、ライブラリが入れられない ・「なぜこの謎の仕様が？」を業務側にヒアリングして紐解く ・制約の中で代替案を出す（クラウド不可ならローカルLLM、API不可なら ・謎の運用には必ず歴史的な理由がある ⚡ 捨てる前提のコードを、速く書く CSV連携） 🛡️ 本番データの怖さを知っている ・検証フェーズと本番の品質を意図的に使い分ける ・個人情報・機密情報・消してはいけないデータ ・ただし「デモ用コードをそのまま本番に流さない」判断もセットで持つ ・バックアップと権限を「最初に」確認する癖 ・15分詰まったら聞く。1人で溺れない 🧨 実際の仕事は、キラキラしたAI実装が2〜3割。残りは「データが汚い」「権限が下りない」との戦い
13. 柱① 開発スキル — 4/4 HOW TO TRAIN 開発スキルの鍛え方 — 明日からできる4段階 LEVEL 1 — 広げる LEVEL 2 — 一周回す LEVEL 3 — 速くする LEVEL 4 — 現場に出る 担当外の工程を1つ引き取る。イン 小さくていいので企画から本番運 AIコーディングで「アイデア→動 顧客・ユーザーと直接話す場に自 フラ、監視、リリース作業など、 用まで1人で回す個人開発を1本。 くデモ」を1日以内に出す練習を反 分から入る。要件ヒアリング、サ 普段「誰かがやってくれている」 運用の痛みを自分で体験する。 復。速度は才能ではなく習慣。 ポート対応、導入支援。 ところへ。 🗺️ 全部を深く知る必要はない。大事なのは「地図を持っている」こと — どこに何があるか分かり、必要になったら潜れ る状態
14. PILLAR 02 PM力 「前に進める力」 ＝ 任せて安心な人になる力 ① ピープル ② プロダクト ③ プロジェクト ④ テクノロジー
15. 柱② PM力 — 1/4 PEOPLE ピープルマネジメント 🤝 クライアント ・期待値コントロール：できる事・できない 事・時期を常に揃える ・キーパーソンの見極め：決裁者／推進者／反 対する人 ・まず現場に座って仕事を見る。業務を「自分 👥 ・タスクの設計・割り振りと、レビューを通じ た育成 ・モブ／ペア作業での知識共有、属人化の防止 ・進捗が止まっている＝助けが必要のサイン と捉える ごと」に ・悪い報告ほど早く出す。隠した瞬間に信頼が 壊れる 🗣️ メンバー プロジェクトは技術ではなく、人で詰まる 🏢 ステークホルダー ・経営層：ROI・リスク・いつ結果が出るか ・情シス：セキュリティ・既存影響・運用負荷 ・現場：自分の仕事は楽になるのか、増えるの か ・三者は関心事が全く違う前提で調整する
16. 柱② PM力 — 2/4 PRODUCT プロダクトマネジメント 🎨 UI / UX ✅ ・機能一覧ではなく「業務の流れ」で画面を設 ・「デモで動く」ではなく「業務で信頼され 計する ・「毎日使われるか」が唯一の正義 ・使われないシステムは、動いていても価値 ゼロ ・マニュアル・導入教育まで設計に含める 🌉 品質保証 る」品質ライン ・落ちても業務が止まらない設計、エラー時の 振る舞い ・AI特有：精度評価（Evals）、ハルシネーシ ョン対策、間違いに人が気づける導線 「動くもの」と「使われるもの」の間にある深い谷を埋める 📮 製品への還元 ・現場の知見を実装レベルの解像度で本体ロー ドマップへ ・「この顧客だけの要望」と「業界共通の課 題」を見分ける ・Palantirの強さの源泉：個別対応を再利用可 能な機能に抽象化して還流
17. 柱② PM力 — 3/4 PROJECT プロジェクトマネジメント 📝 ドキュメント力【書く】 ・議事録・設計書・意思決定ログ（ADR） ・「言った言わない」を消し、後から入る人の コストを下げる ・ドキュメントは信頼の貯金。書ける人は任さ れる ✍️ 合言葉は「書いて、分けて、見せる」 🧩 構造化する力【分ける】 ・「AIで何かやりたい」→ 業務工程に分解 → ボトルネック特定 ・スコープ定義＝「やらないこと」を決める ・価値 × 緊急度 × 実装コストで優先順位をつ ける 📊 タスク管理【見せる】 ・WBS・かんばんで進捗を可視化する ・リスクを先回りして検知：「この確認、来週 までに返事が来ないと詰みます」 ・「今どこで、次に何をするか」に誰でも即答 できる状態
18. 柱② PM力 — 4/4 TECHNOLOGY テクノロジーマネジメント 📐 設計Review・設計責任 ・アーキテクチャ選定の理由を説明でき、結果 に責任を持つ ・ADRで判断を記録し、レビュー文化を作る ・「後で直せる決定」と「直せない決定」を見 分け、後者に時間をかける 💰 コスト効率 ・クラウド費用・LLMのトークン課金の見積 もりと最適化 ・「その構成、月いくら？」に即答できる＝技 術選定は経営判断 ・PoCでは無視できたコストが全社展開で100 倍になる罠を先読み ⚙️ 技術の意思決定に、名前を出して責任を持つ 🔐 セキュリティ関連 ・顧客データの扱い（保存・持ち出し・学習利 用）と権限設計 ・AI固有：プロンプトインジェクション、機密 リーク、エージェントの暴走防止 ・「セキュリティで止まる」は導入失敗の最頻 出パターン。情シスを最初から味方に
19. PILLAR 03 コンサル力・営業力 「価値を認めさせる力」 ＝ 語るより、見せる 課題を見つける 提案力 説明力 デモ実装・提案
20. 柱③ コンサル力・営業力 WHY なぜ「エンジニア」に営業・コンサル力が必要なのか PA L A N T I R の 答 え 伝統的な営業部隊を持たず、エンジニアそのものを営業エンジンにした。 提案資料ではなく 動作するソフトウェア で信頼を勝ち取る。 ❓ 顧客が本当に知りたいこと 📄 提案書 vs デモ ⏱️ 結果：時間が圧縮される 「その技術はうちで使えるのか」。これに答え 提案書は「できるはずです」としか言えない。 Palantirの「AIPブートキャンプ」は、顧客が実 られるのは、うちのデータで動くものを見せら デモは「もう動いています」と言える。 データを持ち込み1〜5日で動くアプリを目撃す れる人だけ。 🎤 エンジニアが営業をやるのではない。エンジニアだからこそできる営業がある る。数ヶ月〜数年の商談が数日に。
21. 柱③ — 1/4 C O N S U LT I N G コンサル力 —「課題を見つける」技術 ここを外すと、どんなに良いものを作っても価値にならない 👀 入り込む・観察する ・「何に困ってますか？」への答 えは、たいてい表面的 ・業務を横で見る。実際の画面・ 手順・例外処理 ・「なぜそうしてるのか」を5回 聞く 🏆 🧩 構造化・切り分け ・業務を工程に分解し、ボトルネ 📈 効果を定量化 🗳️ 意思決定を読む ・「業務が改善される」→「月40 ・誰が・いつ・何をもって判断す 時間・年480時間の削減」 るか。予算はどこから出るか ・「AIでやること」「やめるべき ・顧客のKPIの言葉に翻訳する ・稟議の材料（セキュリティチェ こと」「ルールベースで十分な ・測り方を導入前に決めておく ックシート、費用対効果試算） ックを特定 こと」を分ける ・Human in the Loop の設計 一番かっこいいAI提案は、「それ、AIじゃなくていいです」と言えること を先回りで用意
22. 柱③ — 2/4 PROPOSAL 提案力 — このまま使える「提案の型」 STEP 1 STEP 2 STEP 3 STEP 4 STEP 5 現状 課題 解決策 効果 進め方 数字で今を示す。できれば 原因を工程レベルで特定す 語らず、動くデモを見せ 投資と回収を数字で。 小さく確実に始める道筋を 顧客自身に言わせる。 る。 る。 「今この業務に月◯時 「Aの工程で人が手作業 「ここをこう変えます 間」 だから」 （実演）」 🌱 Land & Expand 最初から全社導入を狙わない。1部門・1業務で ⚠️ 「年◯円削減、3ヶ月で 「まず1部門で4週間」 回収」 リスクの先出し 示す。 📋 相手のフォーマットに合わせる できないこと・限界・前提条件を自分から言 役員会で使うなら1枚。情シス審査ならチェック 確実に成功させ、その成功事例が社内で伝播す う。隠すと後で信頼を失う。先に言えば誠実さ シート。相手がそのまま使える形で渡す。 るのを狙う。 になる。
23. 柱③ — 3/4 C O M M U N I C AT I O N 説明力 — 技術を「ビジネス言語」に翻訳する 相手 関心事 話すべき言葉 NGな話し方 経営層 ROI・リスク・スピード 「投資◯円、回収◯ヶ月、リスクは◯」 アーキテクチャの説明 情シス セキュリティ・運用負荷 「データは外に出ません、運用は◯人日/月」 「大丈夫です」の一言 現場ユーザー 自分の仕事がどう変わるか 「この画面のこのボタンだけ覚えればOK」 AI・LLMという単語 エンジニア 実現方式・技術的妥当性 技術用語でそのまま、正確に 抽象論・ふわっとした説明 🧰 技術を伝える4つの道具 ・比喩：「RAGは、AIに社内資料のカンペを渡してから答えさせる仕組 み」 🎚️ 話す前に整える ・結論から言う（PREP）。相手が知りたい順に話す ・相手が知らない前提を、相手のせいにしない ・図解：データの流れと、人がどこで登場するかを1枚で ・難しいことを難しいまま話すのは、説明ではない ・数字：「速い」ではなく「3秒 → 0.5秒」 ・沈黙を怖がらない。相手が考える時間を奪わない ・デモ：説明そのものを省略できる最強の手段
24. 柱③ — 4/4 DEMO アジャイルなデモ実装・デモ提案 — 最強の武器 Show, don't tell（語るな、見せよ） — 課題を聞いたら、次回その場で動くものを持っていく 💥 デモが強い4つの理由 ・信頼が一瞬で立つ：「この人は口だけじゃない」が3分で伝わる ・議論が具体化する：抽象論が止まり、本音の要件が出てくる 🛠️ 効くデモの作り方 ・顧客の実データ（か、そっくりのダミー）を使う。汎用サンプルは刺さ らない ・意思決定が速くなる：投資判断の前に現物を見られる ・顧客の業務用語をUIに出す。その会社で呼んでいる名前で ・次の商談が向こうから来る：「うちの部署でもできる？」＝ Land & ・1つのシナリオを完走させる。機能を並べない Expand の起点 ⚠️ ・90%は捨てる前提。作り込まない。見せる時間は5分以内 デモの落とし穴 ①良すぎると「もう完成してる」と誤解される → 「これは10%です。本番化にはこれだけ必要です」を必ず言う ②動かないデモは逆効 果 → 通しリハーサル必須。ネットワークが死んでも見せられるよう録画も用意。 🔥 FDEの営業力は"売り込む力"ではない。動くものを見せて、相手に「次はこれもできる？」と言わせる力
25. まとめ FDE ＝ 開発 × PM × コンサルの「総合格闘技」 ① 開発スキル：作れる × ② PM力：前に進められる × ③ コンサル力・営業力：価値を認めさせられる 元はPalantirが Delta（エンジニア）× Echo（戦略）の2人組でやっていたこと。それをAIの力で1人がやれるようになったのが現代のFDE。 つまり今は、「全部そこそこできる人」にかつてない価値がつく時代。 1 2 3 【開発】1周まわす 【PM】1枚残す 【コンサル・営業】先に見せる 担当工程を1つ広げ、企画から本番運用まで自 今日の意思決定を、ドキュメント1枚に書いて 資料で語る前に、動くデモを最速で見せる癖を 分で回してみる。 共有する。 つける。 🧭 3本柱のどこが強くて、どこが弱いか — 自分の現在地を知ることが最初の一歩
26. THANK YOU ご清聴ありがとうございました Q&A — 「自分はどの柱から鍛える？」もぜひ聞かせてください 参考資料： TechCrunch — FDEs are the AI industry's latest talent obsession ／ The Pragmatic Engineer ／ Palantir's FDE Model 分析（Delta / Echo） ／ OpenAI FDE 求人（Tokyo / SF） ／ Goodpatch Blog — FDEのスキルセット ／ JAPAN AI ラボ ／ Netflixのフルサイクル開発者
27. APPENDIX おまけ 時間が余ったら / Q&Aで使うスライド
28. APPENDIX FDEに向いている人・向いていない人 ✅ 向いている 🤔 向いていないかも 不確実な状況を「面白い」と感じる 仕様が固まっていないと動けない 顧客の成果を自分の成果と感じられる 技術そのものを深く極めたい 完璧より、まず動くものを出せる 作り込んでから見せたい 人と話すのが苦にならない 一人で黙々と作りたい 越境を歓迎する 役割分担を明確にしたい 💬 どちらが良い・悪いではありません。「向いていない」側は、深い専門性で勝負するスペシャリストの資質でもあります。大事なのは、自分がどちらの戦 い方で価値を出すかを自覚すること。
29. APPENDIX よくある質問 Q. 普通のエンジニアとの一番の違いは？ Q. 何から始めれば？ 要件が与えられないこと。課題の発見から任され、成果物は「コード」では 現職でフルサイクルを意識し守備範囲を1工程広げるのが最短。あわせて顧客 なく「顧客の業務が変わったという事実」。 接点のある仕事（ヒアリング、サポート、導入支援）に自分から入る。 Q. コンサルが実装を覚えるのと、エンジニアがコンサル力を Q. 何でも屋になって専門性が失われない？ つけるの、どちらが近道？ FDEの専門性は「特定技術の深さ」ではなく「顧客の課題を、動く形にして 一般には後者。実装力は習得コストが最も高く、かつ「動くものを出せる」 届けきる再現性」。ただし技術の軸を1本持っておくと強い。 ことが信頼の源泉になるため。 Q. 激務なのでは？ Q. 自社プロダクトがない会社では？ 顧客の現場・出張・不確実性の負荷は確かに高い（OpenAIのSF求人は出張 純粋な定義からは外れるが、スキルセットの価値は変わらない。受託・SIで 50%）。一方で裁量・学習速度・報酬も高い。向き不向きがはっきりする職 も「課題発見から定着まで担う」動き方はそのまま強みになる。 種。