FDEとAI伴走支援は何が違うのか｜売っているものから見ると別物です

こんにちは、株式会社TIMEWELLの濱本です。

「現場にエンジニアを送り込めば、AIは本番に届く」。この一年、そんな話をよく聞くようになりました。名前はFDEです。Forward Deployed Engineer、前方展開型のエンジニア。Palantirが育てた職種で、いまはOpenAIもAnthropicも同じ言葉を公式に使っています。

日本の会議室では、たいてい次の問いが出ます。それって常駐SEでは。コンサルのAI伴走支援と何が違うの、と。

結論から書きます。似た仕事の呼び名違いではありません。売っているものが違い、成果物の帰属が違い、システムに書き込むかどうかが違います。当社は伴走支援を本業の一つにしている側です。だからこそ、自社の売り物を棚に上げて整理しないと、読者の役に立たないと思いました。

失敗しているのは、モデルではありません

MIT NANDAが2025年7月に出した報告書『The GenAI Divide: State of AI in Business 2025』は、数字がきついです。企業の生成AI投資は推定300億から400億ドル。そのうえで、95%の組織が測定可能なリターンを得ていないと書いてあります¹。統合されたパイロットのうち、数百万ドル規模の価値を引き出しているのは5%。ChatGPTやCopilotは8割の組織が試し、4割近くが導入済みです。ただそれは個人の生産性で、損益計算書までは届いていません。

もう一段、現場に近い数字があります。企業向けの専用ツールを検討した組織は6割。パイロットまで進んだのは2割。本番に届いたのは5%です¹。調査期間は2025年1月から6月。公開されたAI案件300件超、52組織への聞き取り、153人のシニア層への調査です。サンプルの限界は報告書自身が予備的知見だと断っています。それでも方向ははっきりしています。

原因はモデルの性能不足ではない、と報告は明言しています。障壁は学習です。ほとんどの生成AIはフィードバックを溜めず、文脈に合わせて改善しません。大企業ほどパイロットの件数は多いのに、本番への移行で遅れます。社内だけで作るより、外部と組んだほうが成功率は約2倍だった、という記述もあります¹。

素材ではこれを実装ギャップと呼んでいました。MITの用語はGenAI Divideです。呼び方はどちらでもよくて、私が現場で見ている形はもっと単純です。会議室では動く。現場の汚いデータでは止まる。止まると、担当者は二度と触りません。

従来の業務システムは、Aを入れればBが出る前提で作れました。要件定義、設計、実装、テスト、納品。仕様どおり動かなければバグです。LLMを噛ませた瞬間、同じ入力でも出力が揺れます。バグではなく、そういう機械です。請求書の金額を読む、という一行の裏に、手書き、押印の欠け、複数税率、取引先ごとのレイアウトが無限にあります。会議室では見つかりません。動かして初めて、失敗の形が見えます。

だから、観察して直して、また観察するループが要ります。しかも業務が動いている最中に。このループを現場で回せる人間がいるかどうか。プロジェクトの生死は、だいたいそこで決まります。

自社のAI活用が、試しの段階なのか本番の手前なのかを一度測りたい方は、AIリテラシー診断で現在地を確認できます。

FDEは、何をする人なのか

FDEは、自社プロダクトを顧客の本番で動かすために、顧客の組織へ入り、開発と実装を担うエンジニアです。前方展開という言葉は軍事由来で、司令部ではなく最前線に部隊を置く、という発想です。

起源はPalantirにあります。創業初期、顧客のデータは想定より汚く、業務は想定より複雑で、要件を聞き出せる相手がそもそもいません。だからエンジニアを隣の席に座らせ、業務そのものを学ばせました。これが始まりだと、後年の解説は揃っています。当社は Palantir の中を見ていないので、創業神話として断定はしません。ただ、職種の型はそこにあります。仕様書を待たず、現場の実データで動くものを先に置きます。

象徴的なのが、初日にコードを出す、という作法です。90日かけて要件を固め、綺麗なサンプルでデモし、本番直前に現場データで折れる。よくある死に方です。FDE型は逆で、初日に現場の実データへ触れ、不完全でも動くものを担当者の目の前に置きます。人は白紙の仕様書を前に自分の仕事を言語化できません。動いているものを見ると、「この場合は違う」「ここは課長の承認が要る」と言い出します。プロトタイプは納品物ではなく、要件を引き出す質問装置です。

技術力だけでは足りません。分散システムを自分で組めること。航空機の整備規程でも、輸出管理令別表でも、数週間で顧客と議論できるまで学ぶこと。経営、事業部長、現場の三層から別々の要求を引き出し、一つの設計にまとめること。最後が一番むずかしい。経営は業界の常識を変えたいと言い、事業部長は今期のコストを削りたいと言い、現場は今の手順を変えたくない、と考えています。三点を同時に満たす一点を探すのが、実質の仕事です。

2025年から2026年にかけて、この職種はPalantirの専売ではなくなりました。a16zは2025年6月4日の論考で、FDEをスタートアップで最も熱い仕事と呼び、粗利率を一時的に下げてでも実装を握り、モートを買う、と整理しています²。求人の伸びは、a16z本文には出ていません。Indeed Hiring LabをFinancial Timesなどが報じた数字で、2025年1月から9月の掲載が800%超です³。出典は報道経由なので、幅を持って読んでください。

一次情報で確認できる動きは、もっと新しいです。OpenAIは2026年5月11日、OpenAI Deployment Companyの設立を公表しました。通称はDeployCo。応用AIのコンサル企業Tomoroを買収し、約150人のFDEと実装専門家を初日に置く。初期投資は40億ドル超。TPGを筆頭に、コンサルやシステムインテグレーターも名を連ねています⁴。Anthropicは2026年5月4日、金融インフラ大手FISの発表で、Applied AIチームとFDEをFISへ埋め込み、金融犯罪向けエージェントを共同設計すると明記しています。狙いは常駐し続けることではなく、知見を渡してFISが自走できるようにすること、と書いてあります⁵。素材にあった「常駐体制」より、公式の表現は一歩控えめです。

伴走支援とFDEは、売っているものが違います

ここが本題です。現場に入る、一緒に作る、とだけ見ると区別がつきません。中を分解すると、別の商売です。

伴走支援や常駐開発は、工数を売っています。収益は人月です。いちばん効く指標は稼働率になります。人が空いている時間はコストで、案件が長引くことは、少なくとも短期の売上にはプラスです。FDEはプロダクトを売っています。FDEの工数は売上ではなく、プロダクトを顧客の業務へ食い込ませるための投資です。指標は、顧客が価値を実感するまでの時間です。早く自走させ、本契約と横展開に進むほど、売り手は得をします。長く関わるほど儲かる構造と、早く手放すほど儲かる構造。向きが逆です。

成果物の帰属も分かれます。常駐開発が作ったものは顧客の資産になります。ソースは納品され、保守は顧客か、別契約のベンダーです。売り手に残るのは、担当者個人の経験だけです。FDEが作ったものは、自社プラットフォームの上のアプリケーションです。基盤が上がれば、顧客側も一緒に上がる設計を目指します。比喩で言えば、常駐は顧客ごとに砂利道を敷く。その顧客には馴染むが、敷いた瞬間から古くなり、隣の顧客には使えません。FDEは砂利道を敷きながら、舗装の技術を持ち帰る。現場の痛みから型を抜き、標準機能へ上げる。次の顧客の展開コストが下がる。この還流が回っていないFDEは、単価の高い受託です。

いちばん深い違いは、読むか、書くかです。伴走やPoCの成果物は、ほとんど読み取り専用です。分析し、可視化し、示唆を出す。基幹のレコードを書き換える権限はありません。判断と実行は人間です。FDEは書き戻しまで持っていきます。在庫を引き当て、発注を起こし、シフトを組み替える。読み取り専用が間違えても、人が気づけば止まります。書き込むものが間違えると、現実が壊れます。誤発注、誤出荷、誤った与信。だから、実行してよい行為の型、権限、事前のシミュレーション、重大判断での人間の介在、監査可能な記録。この一式がない書き込みは、やってはいけません。伴走します、で始まった案件がここまで踏み込むことは稀です。書き込むとは、責任を負うということだからです。

学びの溜まる場所も違います。伴走の知見は、担当コンサルタントの頭に溜まります。人が辞めれば消えます。FDEがうまくいく場合、知見は意味の構造に溜まります。この会社で顧客とは何か。出荷完了はどの時点か。遅延が閾値を超えたら誰に何が起きるか。機械が読める形で固定する。人が辞めても残る。名前はオントロジーです。難しく聞こえますが、やっていることは、その会社の名詞と動詞をAIに教えることです。

項目	伴走支援・常駐開発	FDE
売り物	工数	プロダクトを現場へ食い込ませる投資
指標	稼働率	価値を実感するまでの時間
成果物	顧客資産	プロダクト資産
システム	読む	書く
学び	担当者の頭	意味の構造と標準機能
理想の関係	長く続く	早く自走し、横に広がる

当社のWARPは、表の左に近い仕事です。隠してもすぐにばれるので、先に書きます。伴走そのものを否定する記事ではありません。読み取り専用のまま、美しい報告だけが残る伴走を否定しています。右の列、つまり書き込みと還流と顧客の業績指標での評価を設計に入れない伴走は、MITが描いた95%の側へ寄ります。

名詞と動詞を教えずに、エージェントは走れません

FDEが現場で最初にやるのは、意味の構造を置くことです。散らばったデータを、顧客、請求書、部品、作業員といった実体として定義し、返金する、発注する、シフトを組み直すといった行為として定義する。

多くの会社は、データ基盤ならある、と言います。ただ従来の正規化モデルは今の断面を持つ設計で、時間の厚みが薄い。スタースキーマは集計と事前結合に強く、変換の論理がETLの中に隠れます。どちらも、人がグラフを眺めて判断するためにはよくできています。機械が辿って実行するためには、足りません。関係そのものを辿れる形にしておく話は、グラフエンジニアリングとは何かで別の角度から書きました。

学術のオントロジー、RDFやOWLとは別物だという指摘もあります。あちらは静的な知識表現と検索に強い。現場で要るのは、実行して書き戻して学ぶ循環です。層で言うと、名詞を置く層、行為を置く層、権限とシミュレーションを置く層。行為の層で定義した操作が、LLMから見ると道具呼び出しになります。存在しない部品番号を発注する、といったことが、型として通らなくなる。幻覚をプロンプトの工夫ではなく、構造で抑える、という発想です。エージェントが長い仕事で壊れる理由がモデルより環境にある、という話はエージェント・エンジニアリング入門と地続きです。

事例は、確認できたものと、素材のままでは書けないものを分けます。

AirbusのSkywiseは、2017年6月20日の公式発表で、Palantirと組んだ航空業界向けのデータ基盤として出ています⁶。社内の製造や整備で使っていたものを、航空会社へ開く、という順序です。A350の納入が33%速くなった、という数字はPalantir側の公開資料にあります⁷。Airbusの発表文には、その比率は出ていません。だから私は、Palantirの主張として扱い、公式発表としてはSkywiseの立ち上げまでを書きます。素材にあった「3日でデジタルツインを出荷した」話は、Airbusの一次情報では追えませんでした。書いていません。

John Deereについては、OpenAIが2025年5月に公開した対談で、See & Sprayが雑草だけを狙い撃ちし、薬剤を最大7割減らす、とJohn Deere側が語っています⁸。これは製品の話です。素材にあった、アイオワの農場へFDEが入り収穫の締め切りに間に合わせた、という物語は、同じ対談からは取れませんでした。評価基盤、配管、制御の三点セットが本番に要る、という指摘自体は正しいと思います。ただ、それをJohn DeereのFDE案件として書く根拠は、今回は持ちません。

確認できるのは、職種が広がっている事実のほうです。OpenAIは実装会社を切り出し、AnthropicはFISの中にFDEを置いています。a16zが言う「粗利率をモートと交換する」は、経営の話です。2010年代のSaaSは、自己導入と高い粗利が勝ち筋でした。基幹のワークフローを置き換える生成AIでは、深い接続と権限が要り、セルフサーブだけでは越えにくい。人を厚く入れて一時的に粗利を下げ、データと業務の入口を握る。ServiceNowの上場時粗利は63.2%、Workdayは54.1%。2024年にはそれぞれ79%、75%まで戻った、とa16zは書いています²。短期の粗利批判に耐えられるかどうか。FDEを入れる判断は、技術というより経営です。

名前を借りただけのFDEは、受託より質が悪い

万能ではありません。還流しないFDEは、単価の高い人月です。今四半期、現場で生まれた機能の何割が標準へ上がったか。それを追っていない組織は、FDEを名乗るべきではありません。

顧客専用の例外を積み続けると、コードベースは数年で壊れます。これは標準化すべき型か、この顧客だけの枝か。断る力も能力です。意味の構造を置かずに現場でスクリプトを書き続けると、担当が離任した瞬間に誰も触れなくなります。本質は現場にいることではなく、現場の暗黙知を構造にすることです。エンジニアを出せば売れる、という使い方は、無償のカスタマイズになります。その顧客の痛みが、他の多くの顧客にも共通するか。投資仮説がない投入は、営業の身代わりです。

日本企業への処方は、職種を輸入することではありません。いちばん痛い一業務に絞る。全社DXから始めると、また会議室に戻ります。その業務の名詞と動詞を、現場の言葉のまま書き出す。システム用語へ翻訳するのは後です。初日に、不完全な動くものを置く。精度95%ではなく、3時間が20分になったか、差戻しが何ポイント落ちたかで測る。書き込む前に、権限、シミュレーション、人間の介在、監査記録を置く。この四点がないものを基幹へ繋いではいけません。エージェントが読んだものを記録し、出口を縛る、という話はCloudflare OSはなぜOSSなのかでも書きました。発想は同じ方向です。

伴走支援は、顧客が決めるのを支える仕事です。示唆を出し、選択肢を並べる。最終の責任は顧客が負う。これは必要な仕事で、当社もそれを売っています。FDEは、自社プロダクトが顧客の現実に対して負う責任を、現場まで運ぶ仕事です。だから書く。だからガバナンスを作る。だから顧客の業績指標で測られる。そこで学んだことをプロダクトへ持ち帰り、次の顧客の舗装にする。

95%が止まっているのは、モデルが弱いからではありません。誰も、現場まで責任を運ばなかったからです。生成AIの能力はこれからも伸びます。実装の溝は、能力だけでは埋まりません。埋めるのは、降りる人間と、持ち帰った知見を製品に変える構造です。

当社が現場の設計を引き受けるときはWARPです。社内の知識を、関係として残す側はZEROCKです。職種名の輸入ではなく、自社の一業務でどこまで書くかを決めたい方は、個別相談から状況を聞かせてください。

---

Footnotes

1. MIT NANDA『The GenAI Divide: State of AI in Business 2025』（Aditya Challapally、Chris Pease、Ramesh Raskar、Pradyumna Chari、2025年7月）。調査期間は2025年1月から6月。公開されたAI案件300件超のレビュー、52組織への構造化インタビュー、4つの業界会議で収集したシニア層153人の調査。企業の生成AI投資は推定300〜400億ドル、95%の組織が測定可能なリターンを得ていない、統合パイロットのうち数百万ドル規模の価値を引き出しているのは5%、ChatGPTやCopilotは8割超が試用・約4割が導入だが個人生産性にとどまる、専用ツールは6割が検討・2割がパイロット・5%が本番、障壁はモデル品質ではなく学習（フィードバックを保持せず文脈に適応しないこと）、外部連携の成功率は内製の約2倍、大企業はパイロット件数で先行しスケールで遅れる、はいずれも同報告書による。https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf ↩ ↩² ↩³

2. Andreessen Horowitz（Joe Schmidt）「Trading Margin for Moat: Why the Forward Deployed Engineer Is the Hottest Job in Startups」（2025年6月4日）。エンタープライズAIではPLGだけでは基幹ワークフローを置き換えにくく、実装支援を厚くして一時的に粗利を下げモートを取る、ServiceNowの上場時粗利63.2%・Workday 54.1%、2024年にはそれぞれ79%・75%、OpenAIの公開求人311件中22件がFDEやソリューション系、は同稿による。本文に求人800%増の記述はない。https://a16z.com/services-led-growth/ ↩ ↩²

3. 2025年1月から9月にForward Deployed Engineer関連の求人掲載が800%超増加したとする数字。Indeed Hiring Labの分析をFinancial Timesなどが報じた二次情報。a16zの上記論考には含まれない。https://m.economictimes.com/magazines/panache/what-are-the-hottest-jobs-within-ai-hiring-up-800-this-year/articleshow/125036908.cms ↩

4. OpenAI「OpenAI launches the OpenAI Deployment Company to help businesses build around intelligence」（2026年5月11日）。OpenAI Deployment Company（通称DeployCo）の設立、応用AIコンサル企業Tomoroの買収合意、約150人のFDEおよびDeployment Specialist、初期投資40億ドル超、OpenAIが過半数を保有、TPGを筆頭とする投資・コンサルパートナー、は同発表による。https://openai.com/index/openai-launches-the-deployment-company/ ↩

5. FIS「FIS Brings Agentic AI to Banking with Anthropic, Starting with Financial Crimes」（2026年5月4日）。AnthropicのApplied AIチームとFDEがFISへ埋め込まれ、Financial Crimes AI Agentを共同設計し、FISが以後のエージェントを自走して拡げられるよう知見を移す、BMOとAmalgamated Bankが初期導入、は同発表による。https://www.fisglobal.com/about-us/media-room/press-release/2026/fis-brings-agentic-ai-to-banking-with-anthropic-starting-with-financial-crimes ↩

6. Airbus「Airbus launches Skywise – aviation's open data platform」（2017年6月20日）。Palantirとの協業による航空業界向けデータ基盤、まずAirbus社内の製造・エンジニアリング・サービスで使い、航空会社へ開く、は同発表による。3日間でのデジタルツイン出荷やA350納入33%加速は、この発表文にはない。https://www.airbus.com/en/newsroom/press-releases/2017-06-airbus-launches-skywise-aviations-open-data-platform ↩

7. Palantirが公開するAirbus/Skywiseのインパクト説明。FoundryによりA350の納入が33%加速した、2017年にSkywiseへ拡張した、とする。Airbus公式発表では未確認のため、本記事ではPalantir側の主張として扱う。競合製品ページへの誘導を避けるためURLは脚注本文に置かない。 ↩

8. OpenAI「John Deere transforms agriculture with AI」（Justin Rose氏との対談、2025年5月6日）。See & Sprayが雑草のみを散布し薬剤使用を最大70%減らす、はJohn Deere側の説明。FDEが収穫期の農場へ常駐したという記述はこの対談にはない。https://openai.com/index/john-deere-justin-rose/ ↩