Forward Deployed Engineer（FDE）とは｜仕事内容・年収・採用企業・RDEとの違いまで職種解説

本記事の結論｜Forward Deployed Engineer（FDE）とは

Forward Deployed Engineer（FDE）とは、自社プロダクトを顧客企業の現場に持ち込み、要件のヒアリングから本番運用までを一気通貫で担うソフトウェアエンジニアです。職位そのものは Palantir Technologies が 2010 年代初頭に作りました。2024 年以降、生成 AI の社会実装が本格化した流れで、OpenAI、Anthropic、Databricks、Salesforce などが採用を急拡大させています。米国 Indeed の集計では 前年同期比 +729%と、一般的な IT 職種の伸びとは大きく異なる動きです。

項目	結論
仕事内容（一言）	自社プロダクトを顧客環境に embed し、本番運用まで自前で完遂するエンジニア
代表企業（日本）	Palantir Japan、OpenAI 東京、LayerX、Sakana AI、JDSC、Loglass、exaWizards 等
年収レンジ（日本）	日系 AI スタートアップで 600 万〜2,000 万円、SaaS の Applied チームで 700 万〜1,500 万円帯が中心（公開求人ベース）
適性タイプ	コード 50% + 顧客折衝 50% の T 字型人材
求められるスキル	LLM の本番実装経験、Python、顧客折衝、英語（外資系の場合）
転職難易度（リメディ独自調べ）	中〜高（LLM 実装経験と顧客折衝の両立が問われる）

本記事では、FDE が 「コード × コンサル」 のハイブリッド職と呼ばれる理由、Solutions Engineer や SIer 常駐 SE との違い、日本の年収レンジ、求められるスキル、キャリアの典型ルートまでを整理します。中途転職を検討中の方が、自分の経歴で FDE を狙えるかを10 分で判断できるよう、一次情報を中心にまとめます。

なお、FDE は 職位として認知されはじめてからの歴史が浅い 職種です。発祥は米国 Palantir の 2010 年代初頭ですが、海外で本格的に広がりはじめたのは生成 AI ブーム以降の 2024〜2025 年、日本での導入もまだ始まったばかりです。定義・評価軸・キャリアパスはどれも業界全体で固まっていません。本記事は、公開されている公式採用ページ、業界調査、二次解説をもとに 2026 年 5 月時点でわかっている範囲を整理 したものです。

FDE の仕事概要｜何を、どこで、どう作る職種か

FDE の業務範囲は、契約後の顧客環境で本番システムを作り、運用まで持っていくことです。Palantir Engineering Blog の「A Day in the Life of a Palantir Forward Deployed Software Engineer」 では、FDSE の責務を 4 つに整理しています。顧客と並走して実装する、顧客現場でソフトウェア開発の原則を適用する、技術的な学びを Business Development に還流する、そして構築したパターンを他チームに共有する。いずれも「自社の机では完成しないものを、顧客環境で完成させる」 という一本軸に紐づきます。

Palantir 社内では、この働き方を 「一人の顧客のために、多くの機能を作る」（one customer, many capabilities）と表現しています。多くのプロダクト企業が「一つの機能を多くの顧客に届ける」（one capability, many customers）を目指すのに対して、設計思想は逆方向です。著名 VC の a16z はこの職種を 「スタートアップで最も注目される職種」（”the hottest job in startups”）と評しました。なぜ注目されているのかは、後段の市場動向セクションで数字をもとに整理します。

1 週間の典型業務サイクル

日々の動きは「要件ヒアリング → スコープを切る → プロトタイプ → 本番デプロイ → フィードバック反映」 の周回です。Palantir 系であれば、Foundry や Gotham、AIP のような自社基盤を顧客環境で組み立て、足りない機能はカスタムワークフローで埋めます。Anthropic の Applied AI チームの求人文には、顧客の業務システム内で Claude を本番アプリケーションとして動かし、MCP サーバーや agent skills を成果物として納める働き方が明示されています。プロダクトとコードが、顧客環境のなかでしか完成しない構造です。

業務フェーズ	主な作業	関係者
要件抽出	顧客の業務オブザベーション、関係者ヒアリング、KPI 確認	顧客現場担当・事業責任者
スコーピング	初期スコープ定義、優先順位付け、リソース見積もり	顧客 PM・自社 PM
プロトタイピング	データパイプライン構築、UI/API のプロトタイプ実装	顧客 IT 部門・自社チーム
本番デプロイ	本番環境への組み込み、運用設計、引き継ぎ	顧客運用部門
フィードバック反映	本番運用後の改善、プロダクト改善要望の社内還流	顧客現場・自社プロダクト

出張頻度と顧客先常駐

米国の FDE は「顧客企業のオフィスへ通う／出張する」 ことが職務の一部に組み込まれており、頻度は契約によって 0〜100% と幅があります。Palantir の公開求人には「出張は契約により 0〜100% の範囲で発生する」 と振れ幅自体が前提として明記されています。Anthropic Applied AI は 25% 前後、OpenAI FDE は最大 50% 程度。bloomberry の FDE 求人 1,000 件分析では 68% が出張必須、比率 50〜75% の案件が多数派でした。日本では「米国型の長距離出張」 というより、顧客先常駐 や定例 onsite ミーティングという形が中心で、案件によりますが在宅完結のポジションもあります。完全在宅前提のポジションは少数派で、応募時に働き方の実態を確認しておく必要があります。

隣接職種との境界

FDE の業務範囲は、SWE、Solutions Engineer、Solutions Architect、Customer Engineer、Sales Engineer、コンサルタント、SIer 常駐 SE のいずれかと部分的に重なります。違いを分ける軸は二つです。「契約のどの段階に入るか」 と「本番コードを自分で書くか」。Paraform はこの違いを 「SE は構想を売り、FDE はそれを作り、CE は維持する」（”The SE sells the vision. The FDE builds it. The CE maintains it.”）と端的に表現しています。

職種	関わるフェーズ	コード比率	営業ノルマ	顧客環境への入り方
FDE	契約後（実装〜本番）	高（本番コード）	無し（bloomberry 集計 0%）	embed／VPC 内
SWE	契約と無関係	最高（プロダクト本体）	無し	入らない
Solutions Engineer（SE）	契約前（pre-sales）	低（デモのみ）	有り（OTE 含む）	入らない
Solutions Architect（SA）	契約前後	中（リファレンス実装）	一部有り	提案ベース
Customer Engineer（CSE）	契約後（運用）	中（スクリプト）	一部有り	サポート窓口
Sales Engineer	契約前	低	強い OTE	商談時のみ
コンサルタント	契約前〜中	ほぼなし	プロジェクト売上責任	限定的
SIer 常駐 SE	契約後	高	無し	常駐多

表から押さえておきたいのは、FDE が 営業ノルマを持たない純粋な技術職 である点と、契約成立後に顧客環境へ入り込む点です。SIer 常駐 SE と似て見える場面もありますが、SIer が顧客要件に従って実装するのに対し、FDE は自社プロダクトの限界を顧客現場で押し広げる役割を担います。同じ「常駐」 でも、成果物の性格は異なり、FDE の仕事は本社のプロダクトに還流するループの中で評価されます。

FDE の市場動向｜2025〜2026 年の急拡大

現時点の市場動向は、海外のスタートアップを中心に増えはじめ、国内でも導入が出てきている段階、と整理できます。BigGo Finance が引用した Indeed US の集計では、米国の FDE 関連求人が 2025 年 4 月の 643 件から 2026 年 4 月の 5,330 件 へ、前年同期比で +729% 増加しました。LinkedIn の集計でも 2023〜2025 年に 8,500 件規模の新規創出 が確認でき、複数の集計を併せると概ね 700〜800% 規模の拡大が共通項として見えます。広がりの本格化は 2024 年以降と比較的最近で、職種としてはまだ立ち上がりのフェーズです。

米国の採用主体

米国で採用主体になっているのは、Palantir、OpenAI、Anthropic、Cohere、Google Cloud、Databricks、Salesforce、Adobe、Scale AI、Stripe といったテック大手と、McKinsey QuantumBlack、BCG、Deloitte、Accenture などのコンサル系です。bloomberry の FDE 求人 1,000 件分析では、採用企業の 58% が 11〜200 名規模のスタートアップでした。業界比率は金融 24%、政府・防衛 18%、医療 17%、保険 17%、エネルギー 13%。現時点の分布から見ると、大企業限定の職位ではなく、規制業界 × AI 実装の領域で需要が立ち上がりつつある職種です。

業界	FDE 求人比率（米国）	背景
金融	24%	銀行・保険のリスク管理・不正検知での AI 活用
政府・防衛	18%	Palantir Gotham 系の継続案件、OpenAI Gov 系の新規拡大
医療	17%	創薬・診療データ統合・臨床支援
保険	17%	引受査定の自動化、クレーム処理
エネルギー	13%	送配電最適化、設備保全

Anthropic × Accenture 提携と RDE という呼称の登場

2025 年 12 月 9 日、Anthropic と Accenture が複数年契約の戦略提携を発表しました。柱は、約 3 万人の Accenture 社員への Claude 活用研修と、Claude を中心に据えた専属プラクティス「Accenture Anthropic Business Group」 の立ち上げです。Anthropic CEO の Dario Amodei 氏は、この提携を同社史上最大規模の Claude Code デプロイメントになると説明しています。

この 3 万人は、Accenture 社員が業務で Claude を使うための社内人材育成スコープ です。RDE や FDE の新規採用枠ではなく、提携文書も個別ロールの採用人数には言及していません。

この発表では、Accenture 側の FDE 系職種が RDE（Reinvention Deployed Engineer） と併記されています。公開情報上は FDE に近い呼称ですが、Accenture 文脈では、AI モデルだけでは解けない業務課題に対し、技術 × 業界 × 業務プロセスを組み合わせて顧客環境へ実装する役割として見ると理解しやすいでしょう。提携の初期フォーカスは金融サービス、生命科学、ヘルスケア、公共セクターの 4 分野です。

日本市場の採用動向

日本でも 2025 年以降、FDE 関連の求人が出はじめています。Indeed Japan で「Forward Deployed Engineer」 を検索すると、2026 年 5 月時点で 300 件以上の関連求人が表示されます（検索条件で幅があり、純粋な FDE 職に加えて Applied AI Engineer、AIソリューションエンジニア、導入エンジニアといった類似職も含まれます）。note の求人解析記事「日本にあるFDEの求人を解析してみました」 のサンプル 35 件では、内訳は日系 26 件、外資 9 件。外資側はすべて英語ビジネスレベル以上が必須でした。米国に比べると件数規模はまだ小さく、本格的な広がりはこれからの段階にあります。

カテゴリ	主な企業	採用ステータス	関連記事
外資 AI ベンダー（日本法人含む）	Palantir Japan、OpenAI 東京、Anthropic、Databricks Japan、Salesforce	非公開＋公開求人併用、英語必須	—
国内 AI スタートアップ	LayerX、Sakana AI、JDSC、exaWizards、Loglass、KK Generation、GenerativeX、gen-ax	公開求人中心、職位名は揺れる	ABEJA の年収、JDSC の年収
国内 SaaS の Applied チーム	Sansan、マネーフォワード、ANDPAD、TOKIUM、ナレッジワーク	単発採用、ドメイン理解重視	Sansan の年収、マネーフォワードの年収
大手事業会社・メガベンチャー	DeNA、CyberAgent 等の Applied チーム	新規ポジション	DeNA の年収、サイバーエージェントの年収
国内 SIer／AI コンサル系	GNUS、zipunk、アップグレード、AI Shift、JAPAN AI	顧客 PoC ベース、安定採用	—

日本では「Forward Deployed Engineer」 という職位名で募集している企業はまだ限られ、実態が FDE 相当でも「Applied AI Engineer」「AIソリューションエンジニア」「導入エンジニア」「LLM プロダクトエンジニア」 などに分かれているケースが多数です。応募する側は 職位名ではなく業務内容で探す 必要があるのが、日本側の現状です。

FDE の年収レンジ｜日本市場の実額

FDE の年収は、企業フェーズ・役職レベル・英語要件の有無で大きく変わります。日本国内の公開求人と求人特集を集約すると、概ね次のような分布です。

日本の年収レンジ（JPY）

企業・カテゴリ	年収レンジ（求人提示）	出典
日系一般帯（mid／senior 平均）	mid 600 万〜1,500 万円／senior 1,000 万〜2,000 万円	Findy 求人特集
JDSC	500 万〜2,500 万円	note 求人解析
KK Generation	1,000 万〜2,500 万円	note 求人解析
マネーフォワード（関連求人）	790 万〜1,500 万円	Indeed Japan
GenerativeX	700 万〜1,500 万円	Indeed Japan
アップグレード	700 万〜1,200 万円	paiza 求人
gen-ax	650 万〜1,800 万円	note 求人解析
Palantir Japan	年収非開示（個別交渉）	AI 総合研究所

日本の FDE 求人の年収は、企業フェーズと役職レベルで大きく動きます。日系 AI スタートアップでは 600 万〜2,000 万円 帯が中心で、シニア・リード層になるとさらに上を狙えます。年収を押し上げる主な要素は、LLM の本番実装経験と顧客折衝の実績です。SaaS の Applied チームや SIer 系では、ドメイン理解と組み合わせて 700 万〜1,500 万円帯が一般的です。応募先の選び方と自分のスキルセットの組み合わせで、取れる年収帯が見えてきます。

FDE の主要採用企業｜外資・国内 4 タイプ

2026 年 5 月時点の公開求人を眺めると、FDE を採用している企業はビジネスモデルと顧客タイプで 4 つのカテゴリに大別できそうです。同じ FDE という職位でも、外資 AI ベンダーと国内 SaaS の Applied チームでは求められるスキルセットが異なります。応募先を絞るときは、まず自分がどのカテゴリに合うかから考えると進めやすくなります。

カテゴリ	代表企業	特徴	難易度傾向
外資 AI ベンダー	Palantir、OpenAI、Anthropic、Databricks、Cohere、Salesforce、Adobe、Scale AI	英語必須、RSU 含む TC、グローバル顧客対応、出張比率高め	高
国内 AI スタートアップ	LayerX、Sakana AI、JDSC、exaWizards、Loglass、KK Generation、GenerativeX、gen-ax、JAPAN AI	LLM 実装経験重視、英語要件は緩め、職位名は揺れる	中〜高
国内 SaaS の Applied チーム	Sansan、マネーフォワード、ANDPAD、TOKIUM、ナレッジワーク 等	既存 SaaS への AI 組込み、ドメイン理解重視	中
国内 SIer／AI コンサル系	GNUS、zipunk、アップグレード、AI Shift	顧客 PoC ベース、安定採用、年収レンジ保守的	中

外資 AI ベンダーは、TC のうち RSU 比率が高く、英語ビジネス〜ネイティブ が前提です。Anthropic の Applied AI チーム求人では、3 年以上の顧客対面の技術職経験、LLM の本番運用経験、Python による強いプログラミングスキルが要件として明示されています。Palantir の Forward Deployed Software Engineer 求人では、データエンジニアリング 3 年以上、Foundry／Gotham／AIP のいずれかの経験 1 年以上、プロンプトエンジニアリング 1 年以上が条件です。要件が具体的に明示されているため、応募ラインに乗っているかの判断はしやすい部類です。

国内 AI スタートアップでは、LLM のプロダクト実装経験が重視されます。ABEJA の年収記事 や JDSC の年収記事 でも触れているように、AI 企業ごとに事業構造（受託寄り／プロダクト寄り）と顧客タイプが異なり、求める FDE 像も会社ごとに変わるのが実情です。応募前に 事業構造と顧客の重なり を確認しておくと、入社後のミスマッチを避けやすくなるでしょう。

国内 SaaS の Applied チームでは、既存プロダクトの拡張として AI 機能を組み込む仕事が中心と見てよいでしょう。Sansan、マネーフォワード、DeNA、サイバーエージェント のようなプロダクト企業では、AI 単体ではなく既存ドメインに AI を載せられる人が評価されます。

コンサル系プレーヤー（Accenture 等）と RDE 系職種

Accenture、McKinsey QuantumBlack、BCG、Deloitte といったコンサル系プレーヤーも FDE 系職種を抱えています。Accenture ではこの文脈で RDE（reinvention deployed engineers） という呼称が使われ、Anthropic や Microsoft との提携を通じて AI 実装体制を強めています。

Accenture の公開求人タイトル例は 「AI Cloud Native Forward Deployed Senior Manager / Associate Director」。必須経験はクラウドネイティブ 10 年以上、本番 agentic AI 1 年以上、Python/Java 10 年以上、LangGraph・CrewAI・AutoGen などのエージェント・オーケストレーション・ツールです。製品会社の FDE に比べ、要求される年数と業界横断性が一段重い水準で、シニアマネージャー〜アソシエイトディレクター級の募集が中心です。

日本では、2024 年に「Accenture Center for Advanced AI in Kyoto」 を京都に開設したことが公式発表されています。生成 AI で顧客の reinvention を支援する拠点ですが、日本拠点における具体的な RDE 採用人数や時期 については、現時点で公式な発表は出ていません。

役割面では、Accenture はモデル実装だけでなく、変更管理、プロセス再設計、業界ワークフロー、グローバル展開まで担う立場です。採用・育成面でも、AI・データ人材 85,000 人超、FY26 の entry-level reinventors 採用は FY25 を上回る見通し、毎年 10 億ドル超の学習投資を公表しています。ただし、これらは RDE 単体の採用人数ではなく、全社的な AI 実装力の底上げとして読むのが自然です。

製品会社の FDE と コンサル会社の FDE（Accenture では RDE）

「FDE」 という呼称は会社ごとにブレがあります。Anthropic / OpenAI / Palantir は Forward Deployed Engineer、Accenture は RDE（Reinvention Deployed Engineer）、国内 AI スタートアップでは Applied AI Engineer や AI ソリューションエンジニア など。応募者から見た本質的な違いは、「自社プロダクトを持つ製品会社で働くか、顧客企業の戦略実装を支援するコンサル会社で働くか」 です。

製品会社の FDE は、自社プロダクトを深く扱い、顧客現場で得た学びを本社プロダクトに還流する設計です。一方、Accenture のような コンサル会社の FDE（RDE） は、複数業界・複数 AI プロバイダ（Claude、OpenAI、Vertex AI 等）を横断し、業界知見と業務プロセス理解を使って AI を成果に結びつける比重が高い職務です。職務の中核は重なりますが、日々扱う対象と評価される成果は異なります。

項目	製品会社の FDE	コンサル会社の FDE（RDE 系）
所属	製品会社（Anthropic、OpenAI、Palantir 等）	コンサル / SI（Accenture、McKinsey QuantumBlack 等）
顧客	自社プロダクトの大口エンタープライズ顧客	所属コンサルの全業界クライアント
技術スタック	自社プロダクト主軸（Claude / Foundry など 1 つを深掘り）	複数 AI プロバイダ（Claude、OpenAI、Vertex AI 等）を併用、LangGraph・CrewAI・AutoGen など横断
出張・勤務形態	顧客サイト訪問 25% 前後（Anthropic Applied AI 求人例）	ハイブリッド（週 3 日オフィス）＋ 出張比率 25〜75%（Accenture 求人例）
必要経験	3 年以上の顧客対面技術経験、本番 LLM 経験、Python 習熟	クラウドネイティブ 10 年以上、本番 agentic AI 1 年以上、Python/Java 10 年以上
主な責務	自社プロダクトでの本番アプリ構築、デプロイパターンの体系化、製品への還流	業界・業務プロセス理解を前提にした AI 実装、業務フロー再設計、PoC から本番展開、成果創出・定着支援

製品会社とコンサル会社、どちらを目指すべきか

自分の志向との適合を判断する分かれ目は、1 つの製品を世界規模で深掘りしたいのか、複数業界を横断して標準化を作りたいのか という方向性の違いです。前者なら製品会社（Anthropic／OpenAI／Palantir）の FDE、後者ならコンサル会社（Accenture など）の FDE（RDE 系）が選択肢になります。求められる経験年数も大きく異なり、製品会社は 3 年以上の顧客対面技術経験から応募可能なポジションが多い一方、コンサル会社は 10 年以上の経験を求めるシニア〜マネージャー級の募集が中心です。

読者タイプ	FDE（製品会社）が向く条件	RDE（Accenture 等コンサル）が向く条件
SWE 出身（5〜10 年）	自社プロダクトに還元するループに関わりたい。1 つのモデル・基盤を深く扱いたい	業界を横断したい。複数プロバイダの抽象化を設計したい
戦略・IT コンサル出身	実装まで責任を持ちたい。曖昧さに耐えてコードを書く側に回りたい	提案・設計・実装をパッケージで持ちたい。マネジメント層を目指したい
SI 企業の SE 出身	製品サイドからの最新パターンを早く掴みたい	SI 経験を「業界 × AI」のアセットに換えたい
同じ顧客との関係	長期的に深く付き合う設計	複数業界・複数クライアントを横断

もう 1 つ実務的な判断軸は、日々のクライアントが固定か流動かです。製品会社の FDE 求人（Anthropic 等）には 長期的な顧客関係を構築する 役割が職務として明記されており、1 社あたりの関与期間が長くなる設計です。コンサル会社の FDE（RDE 系）は複数業界・複数クライアントを横断する設計です。同じ顧客と長く付き合うか、新しい業界に次々と入るかで、好み・適性が分かれます。

FDE に向いている人・向いていない人

適性については、公開求人の要件と業界の議論から共通項が浮かびます。FDE は「コードを書きたい」 と「人と話したい」 のどちらか片方しか好まない人材には合いにくく、両方を 50:50 で楽しめる タイプに向きます。片方に強く偏った働き方を志向する場合は、SWE や Sales Engineer など隣接職種のほうが中長期のキャリアを描きやすい構造です。なお、職種としての適性像は業界で完全に標準化されている段階ではありません。

タイプ	判定	理由
本番コードを書きつつ、顧客と直接話したい	向いている	FDE の中核活動と一致
曖昧な大規模問題を、分解して進めるのが好き	向いている	顧客環境の要件は曖昧なことが多い
英語で技術議論ができる、または学ぶ意欲がある	向いている（外資の場合は必須）	外資 AI ベンダー求人の標準要件
LLM やデータパイプラインの本番運用経験がある	向いている	Anthropic／Palantir の標準要件
出張・複数拠点での働き方を許容できる	向いている	bloomberry 集計で 68% の案件が出張必須
個人で完結する作業に集中したい	向いていない	顧客折衝が業務の半分以上を占める
純粋技術職としてプロダクト本体を深掘りしたい	向いていない	SWE の方向と相性が良い
出張・顧客先常駐を避けたい	向いていない	多数の案件で出張比率 50% 以上
営業ノルマやインセンティブが働き方の中心	向いていない	FDE はノルマ 0%（bloomberry 集計）

補える要素・補えない要素

「向いていない」 寄りの要素のうち、英語と LLM 実装経験は努力で補える要素です。英語は業務上の必要レベルが「ネイティブ並み」 ではなく 「ビジネス〜技術議論レベル」のため、半年〜1 年の集中学習で到達できる方が多くいます。LLM 実装経験は、副業や個人プロジェクトで RAG やエージェントの本番化 を経験することで補強できます。

一方、「個人で完結する作業に集中したい」「営業ノルマやインセンティブが働き方の中心」 といった根本的な志向は、努力で補える性質のものではありません。この場合は 職種そのものを見直す 方が建設的で、SWE、Solutions Architect、Sales Engineer のいずれかに振った方が、本来の志向と合うキャリアが描けます。

FDE で評価される実績・KPI

FDE の評価軸は、業界全体ではまだ完全に標準化されていませんが、公開求人と業界調査からはいくつかの共通項が見えます。bloomberry の FDE 求人 1,000 件分析では、「顧客との協力」 が責任要素の 55% を占め、営業ノルマを持つ FDE は 0% でした。純粋な技術職であるにもかかわらず、評価は顧客側 KPI への直接貢献で測られる構造になっており、SWE のコミット数や PR レビュー数とは異なる軸で評価される職種です。

評価指標	内容	典型的な目安
導入完了顧客数	担当した顧客環境で本番システムを稼働させた数	在籍中 5〜15 社（fde.academy 整理）
顧客側 KPI 改善幅	担当案件で改善した売上、業務時間、モデル精度などの幅	案件ごとに定義
プロダクトへの還流件数	顧客現場の課題から起案して、本社プロダクトに取り込まれた機能数	Palantir 4 大責務に含まれる評価軸（件数は企業・役職による）
技術的リファレンス実装	他チームが転用できる構成・パターンの数	Palantir 4 大責務の 1 つ

注意しておきたいのは、KPI に「顧客側のビジネス成果」 が含まれる点です。契約期間内に顧客の KPI を動かせなければ、本人の評価が下がり、契約更新も難しくなります。技術力単体ではなく、ビジネス成果と接続する 設計が職務として組み込まれている職種です。

FDE のキャリアパス｜内部昇進と卒業後の進路

FDE のキャリアは、海外の整理を参考にすると、内部昇進と「卒業後の進路」 の 2 軸で見るのが分かりやすいとされています。内部昇進ラインは FDE → Senior FDE → Principal FDE → Director／VP が典型です（fde.academy）。一方、FDE で経験を積んだ後に別職種へ移るパターンも整理されており、fde.academy の「Career After FDE」 では、複数の顧客環境で本番出荷した経験を活かして PdM や創業 CTO へ転じる 卒業生がいるとされています。職種の歴史が浅いため、日本でこのキャリアラインがそのまま当てはまるかは、今後の蓄積待ちです。

卒業後の典型的な進路

進路	移行の起点	備考
Product Manager（PdM）	顧客現場の直接経験	FDE 卒業後の最頻パターン。シニア PdM へ抜擢されやすい
Engineering Manager／Director	シニア帯での自律性	人材管理スキルを足せば移行容易
Solutions Architect／Head of Customer Engineering	技術職としてのスコープ拡大	顧客側設計まで責任を持つ役割へ
起業／創業 CTO	複数顧客環境での実装経験	Palantir 卒業生に多い類型（fde.academy 整理）
独立コンサル／Fractional FDE	シニア帯での単発案件需要	米国で先行、日本では今後広がる可能性あり

関連職種への移行を検討する場合、ABEJA の年収記事 や JDSC の年収記事 のような AI 企業の事業構造を整理した記事を読んでおくと、次に向かう企業の輪郭が掴みやすくなります。

リメディ独自視点｜FDE 転職の現場で起きていること

ここからはリメディの整理として、想定される移行ルートを 3 つ提示します。FDE は職位として認知されはじめてからの歴史が浅く、日本市場では 「FDE 個人のキャリア移行の事例」 がまだ蓄積されていません。以下のルートは観察された定説ではなく、隣接職種のスキル蓄積パターンと現状の求人要件から導いた 想定の移行経路 です。

業界横断で想定される 3 つの移行ルート

一つ目は、国内 AI スタートアップの Applied チームを経由して、シニアレベル・リードレベルへステップアップしていくルートです。LayerX、Sakana AI、JDSC のような企業で本番実装と顧客折衝の経験を積み、5〜15 社の顧客環境で本番出荷した実績を作る、というスキル蓄積の順序が理にかなっています。本番実装経験と顧客折衝の両方 を備えた人材は希少なため、シニア帯では国内 AI スタートアップでも 1,500〜2,000 万円帯のオファーが現実的になります。

二つ目は、戦略コンサル出身者が副業や個人プロジェクトでコード実績を作り、FDE に転身するルートです。顧客折衝や要件抽出、ステークホルダー説明は コンサルの強みがそのまま生きる 領域で、足りないのは本番コードを書く経験です。AI 関連の OSS への貢献や、副業で AI スタートアップの実装を手伝うかたちで社外に実績を作るのが現実的な補完策になります。これも FDE 特化で観察された事例というより、隣接スキルの組み合わせから導いた仮説です。

三つ目は、Solutions Engineer や Sales Engineer の経験者が、契約後のデリバリーへ職務範囲を広げる ルートです。これは fde.academy が海外向けに「SE → FDE Upgrade」 として整理しているもので、3 つのうち最も明確な裏付け（海外の解説サイトでの整理）があります。プリセールスのデモ実装から始めて、契約後のカスタム実装、本番運用までを段階的に自分の責任範囲に広げていく、という流れです。

入社後にミスマッチが起きやすい論点

海外と国内の公開求人を読み比べて気になるのは、出張頻度と職位名の実態の 2 点です。出張比率は契約によって 0〜100% と幅が大きく、求人票の記載と入社後の実態がずれる余地があります。応募の段階で「年間出張比率の目安」 と「直近案件の出張パターン」 を確認しておくと、入社後のライフスタイル設計が崩れにくくなります。

もう 1 点は 職位名と実態の差です。FDE の定義自体が業界全体で固まっていないため、「Forward Deployed Engineer」 を名乗っていても実態は契約前の Sales Engineer や Solutions Engineer に近いケース、逆に「Applied AI Engineer」「AI ソリューションエンジニア」 のような職位名でも業務範囲は FDE そのもの、というケースの両方があり得ます。応募時には「契約後のデリバリーを担うのか」「本番コードを書くのか」「営業ノルマを持つのか」 の 3 点を確認すると、職位名のラベルに惑わされずに実態を把握できます。

国内でも広がる「どこに立つか」の選択肢

FDE と一口に言っても、どこに立って価値を出すか でタイプが分かれ、得られる経験はそれぞれ異なります。優劣ではなく、自分が何を得たいかで選ぶのが現実的です。国内でも、次の 3 つの立ち位置が見えはじめています。

• 製品起点型（自社プロダクトを顧客現場に実装する FDE）は、LayerX、Sansan、exaWizards といった国内 AI スタートアップ／SaaS 各社の Applied・導入チームが代表例です。最先端の自社 AI・プロダクトを最前線で扱い、現場で得た知見を製品の進化に直接フィードバックできます。プロダクトの深い専門性を積みたい人に向きます。
• 現場密着・常駐型は、顧客の業務に深く入り込み、特定ドメインの理解と課題発見力・要件定義力を一気に磨けます。現場に張り付いて課題を解ききる面白さがあります。
• 製品中立・全体最適型（伴走コンサル／SIer 型）は、特定製品に縛られず、顧客の全体最適を設計できます。アーキテクチャ設計や標準化、成長過程で生じる技術的負債のリファクタリングまで踏み込み、業界横断で長く伴走したい人に向きます。

国内でもこの伴走型は具体化しています。2026 年 6 月、フューチャー（東証プライム：4722）は医療業界向けに AI 伴走型コンサルティング「Future MedicAl」 の提供を開始しました。顧客の現場に入り、高速プロトタイピングで AI を実装し、ノウハウを移転していく進め方は、FDE の一形態と言えます。

FDE 転職で相談すべきポイント

FDE 転職の相談で押さえると、判断が早くなる論点は次のとおりです。応募前に整理しておくと、面接準備にも応募先の絞り込みにも使えます。

• 応募先の職位名と業務実態の差（FDE か、SE か、Sales Engineer か）
• 出張比率の目安と直近案件のパターン
• 英語要件の実態（採用面接の言語、入社後の社内公用語）
• 提示 TC の構造（base ／ bonus ／ RSU ／ SO の比率と vesting 条件）
• 担当が想定される顧客タイプ（業界・規模・地域）
• 公開求人と非公開求人の比較（外資は非公開比率が高め）

これらは応募者本人で調べきるのが難しい論点が多く、業界全体の温度感を知る第三者 の視点が役立ちやすい領域です。自分で 1〜2 社に応募先が決まっている場合は自走で十分ですが、応募先の業界やフェーズに迷っている場合は、早めに整理することで遠回りを避けられます。

よくある質問（FAQ）

Q1. FDE は Solutions Engineer や Sales Engineer と何が違うのか

分かれ目は「契約のどのフェーズに入るか」 と「本番コードを自分で書くか」 の 2 点です。Solutions Engineer と Sales Engineer は 契約前のデモや PoC を担い、商談成立に責任を持ちます。FDE は契約後に顧客環境へ embed し、本番システムを構築・運用する職種です。Paraform はこの違いを「SE は構想を売り、FDE はそれを作る」 と整理しています。bloomberry の集計でも、FDE は 営業ノルマを持つ比率が 0% で、純粋な技術職として位置づけられています。

Q2. 未経験から FDE になれるのか

SWE、データサイエンティスト、Solutions Engineer、戦略コンサル、ML エンジニアといった隣接職種からの転身が現実的なルートです。「完全未経験」 から直接 FDE を狙うのは、Palantir や Anthropic のような外資では難しい傾向にあります。Anthropic の Applied AI 求人では、3 年以上の顧客対面の技術職経験が要件です。国内 AI スタートアップであれば、一定の SWE 実装経験と LLM の自学があれば応募可能なポジションも一定数あります。

Q3. 日本での FDE 求人はどこを見るのが効率的か

2026 年 5 月時点では、Indeed Japan、Findy、LinkedIn の 3 つ で日系・外資の両方を一度に拾えます。職位名が「Forward Deployed Engineer」 で出ていない場合は、「Applied AI Engineer」「AI ソリューションエンジニア」「LLM プロダクトエンジニア」「導入エンジニア」 のキーワードで広げて検索すると、実態が FDE 相当のポジションが拾いやすくなります。外資 AI ベンダーは公式採用ページ（Palantir、Anthropic、OpenAI、Databricks）も直接見るのが確実です。

リメディの求人検索でも、これらの呼称揺れをまとめて FDE / Forward Deployed Engineer 関連求人 を確認できます。登録すると 非公開求人を含むより多くのポジション や、各社の選考状況・面接プロセスの最新情報が閲覧できます。

Q4. 日本での FDE の年収はどのくらいか

日系 AI スタートアップの求人提示レンジを集約すると、mid で 600 万〜1,500 万円、senior で 1,000 万〜2,000 万円が中心帯です。JDSC は 500 万〜2,500 万円、KK Generation は 1,000 万〜2,500 万円、gen-ax は 650 万〜1,800 万円、マネーフォワードの関連求人は 790 万〜1,500 万円、GenerativeX は 700 万〜1,500 万円。年収を押し上げる主な要素は LLM の本番実装経験と顧客折衝の実績 です。Palantir Japan は年収非開示で個別交渉となります。

Q5. 出張は本当に必須なのか

案件次第で 0〜100% と幅 があります。米国は出張前提の文化で、Palantir の公開求人には「出張は契約により 0〜100% の範囲で発生する」 と明記され、Anthropic Applied AI は 25% 程度、OpenAI FDE は最大 50% 程度とされています（bloomberry の 1,000 件分析で 68% が出張必須）。日本では「出張」 というより 顧客先常駐 や定例 onsite ミーティングという形が一般的で、フルリモート案件もあります。応募時に「直近のあなたのチームの onsite 比率」「常駐の有無」 を質問しておくと、入社後のギャップが小さくなります。

Q6. RDE（Reinvention Deployed Engineer）は FDE と別の職種か

完全に別職種というより、FDE 系職種を Accenture 文脈で呼ぶ名前 と理解するのが近いです。ただし、製品会社の FDE が自社プロダクト実装に軸足を置くのに対し、RDE は業界理解・業務プロセス理解・業務変革の比重が高い点に違いがあります。

Q6 補足｜30,000 人 Claude 研修と「採用 3 万人」 は別の話

Accenture が 2025 年 12 月に発表した 約 3 万人の Accenture 社員を対象とした Claude 研修 は、社員に Claude の使い方を教える社内人材育成計画で、RDE や FDE の採用枠ではありません。研修対象 3 万人と RDE / FDE の求人規模は別の数値で、両者を同じ尺度で比較すると規模感を読み違えます。