FDEとは何か──コンサル・SIer・マーケ人材が「AIを実装する側」に回るためのキャリア地図

「最近よく聞くFDEという仕事に興味があります。でも自分はAIエンジニアではないので、応募していいのか分かりません」
ここ半年ほど、面談でこんな相談を受けることが目に見えて増えました。
相談者の経歴はさまざまです。SIerで業務システムのプロジェクトリーダーをしてきた人、総合コンサルでPMOを続けてきた人、事業会社でプロダクトマネージャーをしている人、マーケティングの現場でデータを扱ってきた人。共通しているのは、生成AIの仕事に関わりたいという強い関心と、「自分には機械学習の実務経験がない」という不安です。
結論から言えば、FDEは「AIのコードが書ける人」だけの職種ではありません。企業の現場に入り込み、業務を理解し、AIを試すだけで終わらせずに成果が出るところまで実装し切る人。それがFDEです。だからこそ、業務と技術の両方に触れてきた人に入口があります。
本コラムでは、FDEが注目される背景、仕事の実態、企業が求める人材のタイプ、出身別の勝ち筋、年収とキャリアパス、そしてFDEには向かない人の特徴までを、転職支援の現場から整理します。

第1章：なぜ今「FDE」なのか

AI導入は「試す」段階から「定着させる」段階へ

FDEとは、フォワード・デプロイド・エンジニアの略です。もとはデータ分析基盤を提供する米パランティアで生まれた職種で、本社で製品を作るのではなく、顧客の最前線に配置されて課題を解くエンジニアを指します。
この職種が2026年になって一気に注目を集めた背景には、企業のAI活用が抱える「PoCの壁」があります。
双日テックイノベーションが2026年9月に公表した調査では、従業員1,000名以上の企業でPoCを経験した担当者のうち、生成AIが全社に定着したと答えたのは50.5%にとどまりました。複数部門に広がったものの定着していないが37.8%、一部部門のみが10.8%です。定着を阻む理由の1位は「AIが社内情報・データと接続されていない」で52.7%、2位は「期待した成果や精度が得られなかった」で47.3%でした。
PwC Japanグループの「生成AIに関する実態調査2026春」でも、日本企業で「期待を大きく上回る効果」を実感している割合は9%と、6カ国で最も低い水準です。米国の38%、英国の32%と比べると差は歴然としています。
つまり、多くの企業はAIを「使ってみる」ところまでは来ています。一方で、社内のデータや業務プロセスにつなぎ込み、現場で使われ続ける状態をつくるところで止まっているのです。この「最後の一歩」を担う人材として、FDEに期待が集まっています。

AIベンダーとコンサル各社が一斉に動いた

2026年春以降、この流れは大手の動きとしてはっきり表れました。

• アクセンチュアは2026年4月、マイクロソフトの協力のもと、FDEの専門組織を設立すると発表しました。数千人規模のAIスキルを持つエンジニアを結集し、構想から本番展開までを加速させるとしています
• 同年5月には、OpenAIが40億ドル規模の資本で企業向けの導入支援会社を立ち上げ、英国のAIコンサルティング会社トモロの買収に合意しました。FDEを顧客組織に送り込むことが事業の中心です
• 同じ5月、Anthropicもブラックストーンやゴールドマン・サックスなどと組み、AIの実装を担う合弁会社を立ち上げました

国内でも、リブ・コンサルティングが2026年8月の決算説明で、AI需要の拡大を受けてコンサルタントの期末人数計画を207名から229名へ引き上げ、AI関連人材の人件費と採用費を中心に約2億5,000万円を追加で投じると説明しています。AI関連プロジェクトの受注は前年同期比86%増でした。
AIを「作る会社」も「提案する会社」も、最終的な勝負どころは「現場で成果を出させること」だと判断し始めた。FDEという職種の注目度は、その判断の表れだと私は見ています。

第2章：FDEの仕事の実態

業務の棚卸しから定着までを一気通貫で担う

FDEの仕事は、案件によって濃淡はあるものの、おおむね次の流れで進みます。

• 業務の棚卸し：現場に入り、どの業務にどれだけ時間がかかり、どこに判断が属人化しているかを洗い出す
• 優先度の判断：効果の大きさと実現のしやすさから、AIに任せる業務を選ぶ
• 設計と実装：社内データとの接続を含め、AIエージェントや業務アプリを実際に作る
• 現場への定着：使われ方を見て改善し、顧客が自分たちで運用できる状態まで伴走する

ポイントは、最初から最後まで同じ人が顧客の隣にいることです。提案書を書いて終わるのでも、決まった要件どおりに作って納品するのでもありません。前章の調査で定着を阻む理由の1位が「データと接続されていない」だったことを思い出してください。これは技術の問題であると同時に、どの業務のどのデータを、誰の判断につなげるかという業務設計の問題でもあります。FDEはその両方を引き受ける職種です。
たとえば、営業部門で毎週作っている商談レポートを考えてみましょう。担当者は毎週、営業支援システムと売上データから数字を集め、過去のレポートと見比べながら所見を書いています。FDEはまず担当者の隣に座り、どの数字をどの順番で見て、どこで判断に迷っているのかを聞き取ります。そのうえで、必要なデータを自動で集め、所見の下書きまでをAIに任せる仕組みを作り、担当者は打ち手の判断に集中できるようにする。使い始めてからも、担当者の修正の傾向を見て指示の出し方を調整し、社内の別チームでも使える形に整えていきます。
この一連の流れのうち、コードを書いている時間は一部にすぎません。業務を理解する時間、関係者と合意する時間、使われ方を見て直す時間のほうが、むしろ長いくらいです。

コンサル、SE、SESとは何が違うのか

似た職種と比べると、FDEの輪郭がはっきりします。
コンサルタントとの違いは、提案で終わらず、動くものを作って定着させるところまで責任を持つ点です。SEとの違いは、決まった要件を受け取る側ではなく、「そもそも何を作るべきか」を定義する側に立つ点にあります。SESとの違いは、人員を提供するのではなく課題の解決を提供し、最終的には顧客の自走を目指す点です。
言い換えると、FDEは「コンサルの上流」と「エンジニアの実装」のあいだにあった分業の壁を、一人で越えていく仕事です。

第3章：企業が求める3つのタイプ

FDEの求人は「エンジニア職」として一括りにされがちですが、採用の現場で見ていると、企業が求める人材は大きく3つのタイプに分かれます。自分がどのタイプに近いかを知ることが、応募先選びの出発点になります。

タイプ①：プロジェクトを率いるコンサル経験者

コンサルティングファームでマネージャー以上の経験を持ち、複数のプロジェクトを同時にリードしてきたような人です。AIの実装そのものより、顧客の経営層と課題を定義し、チームを組んで成果に責任を持つ役割を担います。AI案件が増えるほどプロジェクトを束ねる人が足りなくなるため、各社が採用に力を入れている層です。

タイプ②：業務とAIをつなぐストラテジスト型

業務設計やプロジェクト推進の経験があり、AIを使って業務をどう変えるかを描ける人です。コードを本格的に書くことは求められない場合もありますが、AIツールを自分で触り、簡単なものなら自分で形にしてみる姿勢は必須です。コンサルの若手経験者や、事業会社で企画や推進を担ってきた人が当てはまります。求人の数が最も多いのはこの層です。

タイプ③：現場で手を動かすビルダー型

SIer、ITコンサル、SaaS企業などで開発経験があり、AIエージェントや業務アプリを実際に作る人です。ここ1〜2年で、AIのコーディング支援ツールが実装の速度を大きく変えました。そのため、特定の言語を深く極めていることより、幅広い技術を素早く組み合わせて顧客の前で形にできることが重視されます。
3つのタイプに共通して求められるのは、「手を動かすことをいとわない」ことです。ストラテジスト型であっても、AIに触れずに絵だけを描く人は評価されません。逆にビルダー型であっても、顧客の業務や経営への関心が薄い人は長続きしません。

第4章：出身別の勝ち筋

では、具体的にどんな経歴の人が、どの入口からFDEを目指せるのか。ご相談の多い4つの出身別に整理します。

SIerのPM・PL出身

要件定義、顧客との折衝、プロジェクトの推進。SIerで積んできたこれらの経験は、FDEの土台そのものです。足りないのは、決まった要件を形にするのではなく「何を作るべきか」から考えた経験と、生成AIを実際に使って何かを作った手触りです。
勝ち筋は2つあります。1つは、AI推進プロジェクトのPMOとして入り、推進を担いながら実装側へ幅を広げていく道です。外からは変えにくい大企業のAI導入では、推進を担える人の価値が高く、SIerで大規模案件を経験した人は早く成果を出しやすい領域です。もう1つは、業務システムの知見を武器にビルダー型として入る道で、この場合は転職前から小さくてもAIを使った実装の経験を積んでおくことが効きます。

ITコンサル出身

大規模なPMOや保守運用の案件が続き、手触り感のなさに悩んでいる人は少なくありません。ITコンサルの強みは、業務とシステムの両方を理解し、関係者を巻き込んで物事を前に進められることです。ストラテジスト型として入り、スピード感のある環境で本質的な提案と実装に関わる道が最も自然です。
面接で「提案資料を作ってきた」経験だけを語ってしまうと、評価はなかなか上がりません。どんな業務課題を、どう解いて、何が変わったのか。成果の側から語れるように準備してください。

事業会社のPdM・事業企画出身

プロダクトの企画や事業の立ち上げを経験してきた人は、「何を作るべきか」を考える力をすでに持っています。自社プロダクトの枠を超えて、さまざまな企業の課題を解きたい人、生成AIをキャリアの主軸にしたい人にとって、FDEは有力な選択肢です。
課題になりやすいのは、受託の現場に特有の顧客との向き合い方と、複数案件を並行して動かす進め方です。事業会社で他部門を巻き込み、自分がオーナーとして施策を完遂した経験があれば、それを具体的に語れるようにしておきましょう。

マーケティング・データ職出身

マーケティングの現場でデータを扱ってきた人にも入口はあります。顧客体験や販促、営業のプロセスは、AIで変わる余地が大きい領域だからです。広告運用やCRMの改善で、仮説を立てて検証し、数字で成果を示してきた経験は、AIの導入効果を測る場面でそのまま活きます。
ただし、4つの出身のなかでは技術面のギャップが最も大きいのも事実です。まずはストラテジスト型として、マーケティングや顧客接点の領域に強いファームのAIチームを狙うのが現実的です。あわせて、生成AIを使った業務改善を現職で1つでも形にしておくと、書類の説得力が大きく変わります。

第5章：年収とキャリアパス

年収の目安

国内のFDE求人の年収は、800万円から1,600万円程度が標準的なレンジのようですが、外資のAI企業ではさらに高い水準が提示されています。
ただし、FDEという名前が付いていても、企業ごとに役割の幅が大きく異なるのが実情です。タイプ①のようにプロジェクトを率いる立場か、タイプ③のように現場で実装する立場かで、同じ会社の中でもレンジは変わります。求人のタイトルだけで年収を比べるのではなく、担う役割と期待される成果で比べることが大切です。

FDEの先にあるキャリア

FDEの経験は、その先の選択肢を大きく広げます。

• AIを軸にしたコンサルタントとして、プロジェクトを率いる立場へ進む
• 事業会社のAI推進責任者やプロダクトマネージャーとして、自社の変革を担う
• 現場で見つけた課題をもとに、AI関連の新規事業やスタートアップを立ち上げる

どの道に進むにしても、効いてくるのは「AIで業務を変え、成果を出した」という実績です。AIを使えることが当たり前になっていくなかで、変革をやり切った経験は数年後の市場価値を大きく左右します。

第6章：FDEに向かない人、転職で失敗するパターン

注目の職種だからこそ、ミスマッチも起きています。次のような志向の人は、転職前に一度立ち止まって考えてください。

• 研究や開発そのものだけが好きで、顧客の業務や経営への関心が薄い
• 手を動かすことを避け、方針や資料を作る役割にとどまりたい
• 新しい挑戦より、決まった範囲の仕事で落ち着いて働きたい
• 個人の技術力で勝負したく、チームや顧客と協調して進めるのが苦手

転職で失敗する典型は、「AIの仕事」という言葉だけで応募先を選んでしまうパターンです。同じFDEでも、ベンダーの製品導入を担う会社と、製品に縛られずに課題解決を提案する会社では、日々の仕事がまったく異なります。自社製品の導入件数が評価に直結する環境なのか、顧客の成果が評価の軸なのか。面接では、最初の案件の決まり方や、評価で何を見られるのかを必ず確認してください。
もう1つの失敗は、「未経験でも大丈夫」という言葉を「準備しなくても大丈夫」と受け取ってしまうことです。ポテンシャル採用の門戸は確かに開いています。一方で、面接で見られているのは、自分でAIに触れ、何かを形にしようとしてきたかという行動の跡です。

転職前にやっておきたい3つの準備

失敗を避けるために、転職活動を始める前に次の3つに取り組んでおくことをおすすめします。
1つ目は、自分の経験を「業務課題をどう解いたか」という形で棚卸しすることです。担当したシステムや案件の名前を並べるのではなく、誰のどんな困りごとを、どんな手順で解き、何がどれだけ変わったのかを書き出します。FDEの面接で問われるのは、まさにこの問題解決の筋道です。
2つ目は、生成AIを使って小さなものを1つ作ってみることです。現職の定型業務を自動化するツールでも、個人的な情報整理の仕組みでも構いません。AIのコーディング支援ツールを使えば、本格的な開発経験がなくても動くものは作れます。大切なのは完成度よりも、どこで詰まり、どう解決したかを自分の言葉で語れることです。
3つ目は、応募先の事業モデルを確かめることです。自社製品を導入する会社なのか、製品を問わず課題解決を提案する会社なのか。大企業向けが中心か、中堅・中小企業やスタートアップにも広がっているのか。同じFDEという名前でも、ここが違えば身につく経験も、数年後に進める道も変わります。

終章：「AIを使う側」から「AIで変える側」へ

生成AIの登場から数年がたち、AIを業務で使うこと自体はもはや特別なスキルではなくなりました。これから価値が上がるのは、AIを使って組織や業務を実際に変え、成果を出した経験を持つ人です。
FDEは、その経験を最も密度高く積める職種の1つです。そして、その入口に立つための条件は、AIエンジニアとしての経歴ではありません。業務を理解し、顧客と向き合い、最後まで手を動かしてやり切る。SIerでも、コンサルでも、事業会社でも、マーケティングの現場でも、その力を積んできた人にはチャンスがあります。
自分がどのタイプに近く、どの入口から入るのがよいのか。キャリアの棚卸しから一緒に考えることもできます。
ウィンスリーは、マーケティング・DX・AI領域に特化した転職エージェントです。コンサルティングファーム、事業会社、AI関連企業の採用担当者と日々情報交換を重ね、求人票には表れない役割の違いや、選考で見られるポイントを把握しています。
FDEやAIコンサルタントへの転職を考えている方、自分の経験がどこで活きるのか知りたい方は、ぜひ一度お気軽にご相談ください。

執筆者

※本コラムはマーケティング&DX専門人材会社ウィンスリーの独自の見解に基づき執筆され一部画像も独自に作成したものです。該当企業の公式見解とは異なり、本コラムの責務はすべてウィンスリーにあります。