FDE（フォワードデプロイドエンジニア）とは？コンサルタントとの違い、求められるスキル、日本のコンサル業界で広がる理由

2025年から2026年にかけて、コンサルティング業界やAI関連企業の求人で「FDE」という職種名を目にする機会が急に増えました。FDEはForward Deployed Engineer（フォワードデプロイドエンジニア）の略で、直訳すれば「前方に展開されたエンジニア」です。

一言でいえば、エンジニアが顧客企業の現場に入り込み、課題の定義からソリューションの設計・実装・本番導入・定着までを一気通貫で担う職種です。従来型のコンサルティングでは構想・課題整理・要件定義などを担い、実装をSIerや開発部門が担うケースが多い一方、FDEは実装まで自ら担う点に特徴があります。

本記事では、FDEの定義と成り立ち、コンサルタントやエンジニアとの違い、求められるスキル、そしてなぜ今、日本のコンサル業界でこの言葉が広がっているのかを整理します。

1. FDEの定義と語源

FDE（Forward Deployed Engineer）は、顧客企業の環境に「前方展開（forward deploy）」し、本番で動くものを作るエンジニアを指します。「Forward Deployed」は軍事用語の「前方展開」に由来し、本部ではなく最前線、つまり顧客の現場に身を置くことを意味しています。

担当範囲は広く、顧客との対話による課題の発見と定義、ソリューションの設計、コードを書いての実装、本番環境への導入、現場での定着支援、さらには現場で得た知見を自社プロダクトへフィードバックするところまで含みます。特に生成AI導入の文脈では、社内文書を検索してAIに回答させるRAGの構築、AIの出力品質を評価する仕組み（Evals）の設計、AIエージェントの開発、セキュリティやコンプライアンスへの対応などが典型的な業務になります。

重要なのは、FDEが「要件を与えられて作る人」ではなく、「何を作るべきかを顧客と一緒に決めるところから実施する人」だという点です。ここが、後述するSIerやソフトウェアエンジニアとの決定的な違いになります。

2. FDEはどこから来たのか

FDEという職種は、米国のデータ分析企業パランティア（Palantir）が先駆けて導入し、広めたものとされています。同社は政府機関や大企業に自社のデータ基盤を導入する際、従来型のコンサルタントや納品型のエンジニアでは顧客の現場で成果が出ないという問題に直面し、エンジニア自身を顧客の現場に送り込む体制を作りました。社内では当初「Delta」とも呼ばれ、一時期はプロダクト開発のエンジニアよりFDEの人数の方が多かったとされています。^※1

その後、この職種名はほぼパランティア固有のものでした。状況が変わったのは2024年から2025年にかけてです。OpenAI、Anthropic、Databricksといった米国のAI企業が、大企業向けの導入部隊としてFDEを相次いで採用し始めました。生成AIのモデル性能が上がっても、それを個々の企業の業務やデータに組み込んで本番で動かすところに大きな壁があり、その壁を越えるための職種として、パランティアの型がそのまま持ち込まれた格好です。

米国ではFDEの求人が急増しており、米国の労働市場データを提供するLightcastによると、2024年の約200件から2025年には約1,200件へと約6倍に増加しました。^※2

日本では2025年以降、AIスタートアップやコンサルティングファームが「FDE」を職種名として掲げるようになり、2026年9月時点では国内でも複数の企業が同名で募集しています。

OpenAIも東京を含む拠点でFDEを募集しており、日本語で「フォワードデプロイドエンジニア」と表記されることも増えてきました。コンサルティングファームでも、FDEという名称を用いた取り組みが始まっています。 デロイト トーマツでは、AI活用による変革支援を強化するため、FDEマネジメントオフィスを設置しています。

【関連記事】デロイト、AI活用による変革支援強化に向けFDEマネジメントオフィス設置

3. なぜ今、FDEなのか

FDEが日本でも急速に語られるようになった背景は、大きく3つに整理できます。

第一に、生成AI導入の「PoC止まり」問題です。多くの企業がAIの概念実証（PoC）までは実施したものの、本番化されない、あるいは導入しても現場で使われないという失敗を繰り返してきました。提言と実装の間、そして実装と定着の間にある「ラストワンマイル」を埋める人材が求められるようになりました。

第二に、AIコーディングツールの普及です。Claude CodeやCursor、Codexといった開発エージェントによって、コードを書くこと自体のコストは大きく下がりました。その結果、「何を作るべきか」「どう設計すべきか」「どう価値を届けるか」という判断力が差別化要因となり、業務理解と実装力を一人で兼ね備える人材の価値が相対的に上がっています。

第三に、エンタープライズ特有の複雑さです。大企業の業務、データ、既存のシステムは複雑に絡み合っており、汎用のAIプロダクトをそのまま入れても動きません。個別の現場に合わせて実装し、その結果を再利用可能なテンプレートや標準機能に抽象化していく役割が必要になります。

つまりFDEは、AIの技術進化そのものよりも「AIを企業で実際に使えるようにする」段階の難しさから生まれた職種だと言えます。

4. コンサルタント・エンジニアとFDEは何が違うのか

FDEの位置づけを理解するには、従来のコンサルタント、ソフトウェアエンジニアと並べて比較するのが早道です。

観点	従来のコンサルタント	FDE	ソフトウェアエンジニア
主な成果物	提言・要件定義書・ロードマップ	動くシステムと、それが現場で使われている状態	動くシステム（要件は与えられる）
責任範囲	構想〜要件定義（実装はSIerやベンダーへ）	構想〜実装〜本番導入〜定着〜改善	実装〜テスト（〜運用）
顧客との関わり	経営層・企画部門との会議が中心	現場に入り込み、業務フロー・データ・制約を直接見る。常駐もある	基本的に顧客と直接接しない
評価指標	プロジェクトの納品、顧客満足	本番利用の継続、業務効果の測定、再利用化	品質・納期・技術的完成度
曖昧さの扱い	構造化して整理し、提言に落とす	構造化した上で、自分で作って試す	要件が固まってから着手
典型的な入口	新卒コンサル、事業会社の企画職	エンジニア、ITコンサル、セールスエンジニア	エンジニア

分かりやすい整理として、コンサルタントは提案しSI部隊やSierに引継ぎをするのが一般的で、エンジニアは作って終わりになりがちです。FDEはこの両方の線引きを超える職種だと言えます。提案したものを自分で作り、作ったものが現場で使われ、業務効果が出るところまでを見届ける。成果の定義が納品ではなく使われている状態にあることが最大の違いです。

もう一つ、従来のシステム導入コンサルにはなかった要素として、「AIの失敗ケースを理解し、技術的な判断を非技術者に説明できること」が求められます。確率的な生成を行うため、誤った出力が生じる可能性があります。そのため、何ができて何ができないかを顧客に説明し、不適切な出力を防ぐガードレールや、AIの判断に人の確認を挟むヒューマンインザループの設計を組み込む判断が必要になります。

5. 隣接職種との違い

FDEと混同されやすい職種との違いも押さえておきましょう。

プリセールスエンジニアは、受注前の技術提案やPoCの企画が主な仕事で、受注後はデリバリー部門に引き継ぎます。FDEは受注後の実装と定着まで自分で持ちます。

ソリューションアーキテクトは、アーキテクチャ設計や技術選定をリードすることが主務で、必ずしも自分で実装しません。FDEは設計だけでなく手を動かして作ります。

AIエンジニア／MLエンジニアは、モデルの開発や運用基盤（MLOps）が主務です。FDEはモデルを作る側ではなく、既存のLLMを顧客の業務に組み込む側に立ちます。

また、大手ファームの中にはFDEという名称は使わずに、構想から設計・実装・本番運用・改善までを一貫して担う「AIネイティブエンジニア」といった名称で近い職種を募集しているケースもあります。名称が違っても実態が近い職種は今後も増えると考えられます。

6. 日本の「FDE」は一枚岩ではない

ここが本記事で最も伝えたい点です。2026年9月時点で国内の複数社が公開している求人票を読み比べると、同じFDEという職種名でも、定義の重心が企業によってかなり異なります。

一方の極には「実装できるコンサルタント」としてのFDEがあります。戦略立案から実装までを一人で完結させる次世代型コンサルタントと位置づけ、必須要件を顧客折衝や提案営業の経験に置き、技術は入社後に段階的に身につける前提で設計している企業がこのタイプです。非エンジニアからの入口を用意しているのが特徴です。

もう一方の極には「顧客と話せるエンジニア」としてのFDEがあります。求人に「顧客対話は約2割、技術設計・実装は約8割」と明記し、LLMやAIエージェントのアプリケーションを設計・実装した経験を必須とし、選考にコーディングテストを課すこともある企業がこのタイプです。成功指標として「本番利用」「業務効果（工数削減・リードタイム改善）」「再利用化（テンプレートや標準機能への還元）」の3つを掲げている例もあり、FDEの評価軸を具体的に示しています。

その中間には、開発経験2年以上と「要件が明確でない状況で関係者と対話しながら課題を整理し、実装まで持っていった経験」を求め、コンサルタント（Deployment Strategistなどの名称）とペアで動く体制を取る企業があります。

これを「実装比率」と「顧客接点・コンサル比率」の2軸で並べると、FDEは一つの職種というより、コンサルタントとエンジニアの間に広がるスペクトラムだと分かります。転職やキャリア選択の場面では、「FDE」という求人名だけで判断せず、必須要件が「顧客折衝経験」なのか「LLMアプリの実装経験」なのかを見ることが重要です。この2つで入口は真逆になります。

7. FDEに求められるスキル

各社の必須要件を横断すると、共通して求められるものは次の4つに集約されます。

1. 実装力：フロントエンド・バックエンド・クラウドのいずれかで手が動くこと。最低でも2〜3年の実務経験を求める企業が多い
2. AIを前提とした開発の実践：AIコーディングエージェントを「補助として使う」のではなく「開発プロセスに組み込んでいる」レベルで使いこなしていること
3. 曖昧な状況で関係者と対話しながら前に進める力：要件が固まっていない段階から入り、課題を構造化し、自分で試作できること
4. 非エンジニアへの説明力：技術的なトレードオフやAIの限界を、経営層や現場担当者に分かる言葉で説明し、文書に落とせること

コンサルタント寄りのFDEでは、これに加えて外部顧客との折衝経験が必須になります。コンサルタントの側から見ると、FDEはAI時代のコンサルタントが持つべき「AIスキルの到達点」と捉えることもできます。

8. FDEになるには—2つの入口と、それぞれの壁

FDEへの入口は大きく2つあり、それぞれに越えるべき壁があります。

エンジニアからFDEを目指す場合、技術要件は満たしやすい一方で、「顧客折衝経験」が壁になります。社内向けの開発しか経験していないエンジニアは、顧客折衝を必須とする企業の要件を満たせません。ただし、顧客折衝を歓迎要件にとどめている企業も多く、エンジニアからの入口はそちらになります。

コンサルタントや営業からFDEを目指す場合は、顧客折衝は満たせても実装力が壁になります。この層を非エンジニアから段階的に育成する前提でキャリア体系を設計している企業もあり、AIコーディングツールの活用経験があれば技術要件は「いずれか一つ」で足りるとする企業もあります。

やるべきこととして、どちらの入口からでも共通して言えるのは、次の3点です。

• 自身のAI関連の経験を、実務の中身まで正直に棚卸しすること
  プロンプトの修正経験だけを「AI開発経験」として盛る必要はありません。
• RAGやAIエージェントを一つ作ってみること
  個人プロジェクトでも構いません。Evals・ガードレールといった言葉を、自分の経験と結びつけて説明できる状態を目指します。
• 要件が固まらないまま動く働き方への理解を持つこと
  顧客の現場に常駐するケースもあるため、そうした働き方への覚悟も必要です。

9. FDEの年収

米国では、OpenAIやAnthropicといった最先端のAI企業のFDEは中堅クラスで年収数十万ドル規模とされ、エンジニア職の中でも高水準です。

日本では、2026年9月時点で公開されている求人を見ると、想定年収600〜1,200万円、500〜2,500万円、1,000〜2,000万円など、企業によってレンジが大きく異なり、かつ一社の中でも極端に幅が広いのが特徴です。これは、FDEが新しい職種であるために、企業側もどのレベルの人材が来るか、相場をいくらに置くかを決めきれていない過渡期の表れと読めます。実際の提示額は職位（アソシエイト／コンサル／マネージャーなど）で決まるため、経験年数が長くてもメンバークラスからのスタートになる可能性がある点は、転職の際に注意が必要です。

10. コンサルタントはFDE化するのか

FDEという言葉の広がりは、コンサルティング業界にとって「AIが多くの選択肢を出せる時代に、コンサルタントの価値はどこに残るのか」という問いと表裏一体です。

AIの発達によって、論理的に整理された確からしい戦略には誰もが到達できるようになりつつあります。その分、意思決定への伴走、利害調整と合意形成、変革の推進、信頼関係の構築、そして問いを立てる力といった、AIでは代替しにくい価値の比重が上がります。FDEはこのうち変革の推進を、提言ではなく実装によって担う存在だと言えます。

では日本のコンサルはFDE化するのか。大手ファームでは、FDEという名称は使わないまでも少人数で現場に入り自分たちで作る働き方が始まっています。一方で、日本のIT市場はSIやSESといった要件を受けて実行する型が主流であり、問題定義から所有するFDEの型がそのまま根付くかには議論があります。FDEは人月ビジネスの焼き直しにすぎないのではないか、コードを書けないコンサルタントはFDEになれないのではないか、といった批判や疑問もあります。

こうした論点については、当メディアで進めている各ファームへの取材をもとに、今後改めて掘り下げる予定です。

11. まとめ

FDEは、顧客の現場に入り込み、課題定義から実装、本番導入、定着までを一気通貫で担う職種です。米パランティアが先駆けて導入し、生成AI企業が採用したことで広まり、2025年以降は日本のコンサルファームやAI企業でも職種名として使われ始めました。

コンサルタントとの違いは提言や要件定義などにとどまらず、実装・本番導入まで担う点。エンジニアとの違いは、与えられた要件に基づいて開発するだけでなく、何を作るかを決めるところから実施する点です。

ただし、日本のFDEは一枚岩ではなく、「実装できるコンサル」から「顧客と話せるエンジニア」まで幅があります。FDEを目指すなら、求人名ではなく必須要件を見て、自分の入口がどちらなのかを見極めることから始めてください。

12. 用語集

PoC：概念実証。本番導入前の試作・検証
E2E（End-to-End）：企画から本番稼働まで通しで担当すること
RAG：社内文書などを検索し、その内容をもとにLLMに回答させる構成。企業向け生成AIで最も一般的
AIエージェント：LLMが指示を受けて手順を自ら考え、複数の作業を実行する仕組み
ガードレール：AIが不適切・危険な出力をしないようにする制御
Evals：AIの出力品質を評価・採点する仕組み
MCP（Model Context Protocol）：AIエージェントが外部ツールやデータに接続するための規格
AX（AIトランスフォーメーション）：DXのAI版。AI企業やファームの求人で使われる
Deployment Strategist：FDEとペアを組むコンサルタント側の職種名として一部企業で使用

（出典）
^※1The Pragmatic Engineer「What are Forward Deployed Engineers, and why are they so in demand?」
^※2Lightcast「Q: What is a Forward Deployed Engineer? A: The fastest growing AI job.」

［v379］