FDE用語集｜現場で使われる30語の解説

顧客の現場に「前方展開」され、課題ヒアリング→実装→本番導入→定着を一貫して担うエンジニア職です。米Palantirが創設した職種で、OpenAI・Anthropic・Salesforceが相次いで採用したことにより、エンタープライズAI導入の標準的な体制となりました。日本の年収レンジは1,000万〜2,000万円が中心です（2026年春時点の求人動向）。→ FDEとは（全体像）

FDEの発祥企業Palantirにおける正式な職種名です。「fdse meaning」「fdse vs swe」と検索されることが多い用語ですが、意味はFDEと実質的に同じで、Palantir社内の呼称がFDSEです。政府機関・大企業に常駐し、Foundry・AIPといった自社基盤の上に顧客固有のソリューションを実装します。

SWEとの違い: 製品開発のSoftware Engineerが自社プロダクトを開発するのに対し、FDSEは顧客の現場で顧客固有の課題を解決します。Palantirの採用ページでも製品開発職は「Dev」、FDSEは「Delta」という別区分で募集されており、役割が明確に分かれています（2026年7月18日・Palantir採用ページで確認）。

報酬: 米国Palantir FDEの年収中央値は$255K・レンジ$201K〜$620K+です（levels.fyi公開データ・2026年10月8日確認）。選考はリクルーターコール→行動面接→データクエリ面接→システム設計の順に進みます。→ PalantirのFDE詳説・面接対策

FDEの「F・D」の由来です。軍事用語の「前方展開（前線への部隊配置）」になぞらえ、自社オフィスではなく顧客の現場（前線）にエンジニアを配置することを指します。「何が必要か」を外部に説明できない諜報・政府機関の顧客に対応するため、エンジニア自身が顧客内部で課題を発見する必要があったというPalantirの事情が起源とされています。→ FDEとは

PalantirにおけるFDSE部隊の呼称です。黎明期には社内で「Deltas」と呼ばれ、2016年頃まで通常のソフトウェアエンジニアより人数が多かったと報じられています。現在もPalantir公式採用ページの求人区分に「Delta」の表記が使われています（2026年7月18日確認）。→ PalantirのFDE

Palantirの採用区分のひとつで、Deployment Strategist（後述）が属する組織区分です。FDSEの「Delta」、製品開発の「Dev」と並ぶ区分として、Palantir公式採用ページの求人票に表記されています（2026年7月18日確認）。技術実装のDelta、顧客戦略のEchoという分担で現場チームが編成されます。→ Deployment Strategistとは

Palantirにおけるもう一つの現場職です。FDSEとチームを組んで顧客に入り、解くべき課題の特定・データの意味づけ・ワークフロー設計・経営層への提案といった戦略・価値定義側を担います。米国求人票の給与レンジは$110K〜$170K＋RSUです。東京でも募集があります（2026年7月18日確認）。→ 詳細記事

AnthropicにおけるFDE相当職の名称です。Claudeのエンタープライズ導入を顧客の現場で推進します。報酬はL3〜L6のレベル制で、L4〜L5帯は$665K〜$750K（levels.fyi等の公開データ）と、FDE系職種の中で最も高い水準です。→ AnthropicのFDE

Google Cloudなどに置かれているプリセールス寄りの技術職です。顧客への技術提案・デモが中心で、FDEのように顧客環境での実装・本番導入までは担わない点が異なります。GoogleにはCustomer Engineerとは別にFDE職もあり、東京を含む各都市で募集されています。→ GoogleのFDE（Customer Engineerとの違い）

富士通が2026年5月のAnthropicとの戦略的提携で発表した、コンサルタント一体型のFDEモデルです。1,000人規模のエンジニアチームを組成し、コンサルティングと実装を一体で提供する構想とされています（公式プレスリリース・公式サービスページより）。→ 富士通のFDE

社外の顧客ではなく自社内の事業部を「顧客」としてAI導入を実装するFDEの一形態です。国内では、マネーフォワードがAX推進本部で「Forward Deployed Engineer(Internal)」を公募していた例が代表的です（年収791万〜1,500万円・公開求人票。2026年7月18日確認、同求人は10月14日時点で掲載終了）。→ マネーフォワードの社内FDE

AI導入において「技術はあるものの現場の業務に届かない」最後の区間を指します。モデルやツールが揃っていても、業務フローへの組み込み・既存システムとの統合・現場への定着が進まなければ成果には至りません。この区間を埋めることがFDEの中核的な価値とされています。→ FDEとは

大企業・政府機関など、組織の基幹業務へAIを導入する領域です。個人向けAIと異なり、既存システムとの統合・セキュリティ・権限設計・規制対応が課題となります。2025〜26年にかけて競争の中心が「モデル開発」から「導入・定着」に移り、FDEの需要が急拡大しました（Indeed求人指数でFDE求人は2026年4月に前年同月比約729%増・Business Insider報道）。→ FDEとは

本格導入の前に小規模に構築し、「本当に効果が出るか」を検証する工程です。FDEの現場では、検証すべき仮説・成功基準・期間・本番移行条件を事前に決める「PoC設計」の質が成否を左右します。評価指標は時間削減・精度・利用率の3つの型が基本です。→ PoC設計スキル

PoCでは良い結果が出たにもかかわらず、本番導入・全社展開に至らずに終わることを指します。生成AI導入で最も広く発生している問題で、原因は実装力の不足よりも「成功基準と本番移行条件を事前に決めない設計」にあるとされています。FDEの需要が伸びた直接の背景のひとつです。→ PoC設計スキル

「なんとなく効率化したい」という曖昧な業務課題を、入力・出力・評価基準が定義された技術仕様に変換するスキルです。FDEの中核スキルとされ、AIがコードを書く時代にも求められ続ける能力と位置づけられています。→ 要件の言語化

プロジェクトの進行中に顧客の要望が際限なく膨らみ、当初の合意範囲（スコープ）が広がっていく現象です。FDEは顧客に最も近い立場にあるためこの圧力を直接受けやすく、「何をやらないか」の線引きと期待値の調整が成果を守るうえで重要になります。→ スコープ管理

AIを「作る」だけでなく、現場に「使ってもらう」ための働きかけ全般を指します。現場の抵抗（仕事を奪われる不安など）を合理的な反応として受け止め、関係者を巻き込みながら定着まで進めます。AIは使われなければ成果につながらないため、導入後半におけるFDEの主要な業務です。→ 変化管理

顧客のオフィス・現場に入って働くことです。FDEの基本的な働き方ですが、SES（客先常駐）とは契約形態・指揮命令・成果責任が根本的に異なります。常駐先で「外部の人」から「チームの一員」として認められる信頼構築が、実際のデータや現場の率直な意見を得る前提になります。→ FDEとSESの違い・信頼構築スキル

LLMに社内文書などの外部知識を検索して渡し、その根拠に基づいて回答させる仕組みです。顧客のナレッジをLLMに接続する典型的なパターンとして、FDEの現場で最も多く使われる技術のひとつです。実務の中心は、構築そのものよりも精度のチューニングにあります。→ RAG実装スキル

テキストを意味を保った数値ベクトル（embedding）に変換し、意味の近さで文書を探す手法をベクトル検索といいます。キーワードの一致ではなく意味の近さで検索するため、RAGの検索部分を支える基盤技術となっています。→ RAG実装スキル（仕組みの平易な解説）

長い文書をLLMが扱いやすい単位（チャンク）に区切る前処理です。区切り方が検索精度、ひいてはRAG全体の品質を左右するため、実務上の重要な工程です。→ RAG実装スキル

LLMへの指示（プロンプト）を設計・改善する技術です。現場では、特定の言い回しを見つける作業ではなく、業務要件をプロンプトの仕様に落とし込み、評価を繰り返す継続的な業務となります。システムプロンプト設計・few-shot・構造化出力が基礎的な要素です。→ プロンプトエンジニアリング

質問に答えるだけでなく、ツールを呼び出しながら計画と実行を繰り返して業務を遂行するAIです。FDEの現場では、信頼性設計・ガードレール・人間による承認フローの組み込みが実装の中心になります。→ LLMエージェント設計

LLMが外部のツール・API・データベースを呼び出す仕組みです。エージェントが業務を実行するための基盤機能で、検索・計算・システム操作をLLMに接続します。→ LLMエージェント設計

LLMが事実に基づかない内容をもっともらしく生成する現象です。エンタープライズ導入では信頼を大きく損なう最大のリスクであるため、抑制（RAGによる根拠付け・出力制約）と検知（評価）がFDEの必須業務となります。→ 評価・テスト設計

LLMの出力品質を測定する仕組みです。生成AIは動作しただけでは本番に投入できないため、正解データの作成・評価指標の設定・回帰テストによって品質を継続的に測定します。PoCの成功基準とも直結します。→ 評価・テスト設計

LLM・エージェントが許容範囲外の動作（誤情報の断定、権限外の操作など）をしないよう設ける制約の仕組みです。入力・出力のフィルタリングや人間による承認フローを含み、エンタープライズでエージェントを本番投入する際の前提条件となります。→ LLMエージェント設計（信頼性設計）

Palantirの自社基盤です。Foundryはデータ統合・オペレーション基盤、AIP（Artificial Intelligence Platform）はその上でLLMを業務に組み込む製品群です。PalantirのFDSEは、これらの基盤の上に顧客固有のソリューションを実装します。→ PalantirのFDE

SalesforceのAIエージェント基盤です。Salesforceは、Agentforceの顧客導入を担う体制として、日本初のFDE採用・立ち上げチームを組成しました。→ セールスフォース・ジャパンのFDE

OpenAIが提供するエージェント開発キットです。OpenAIのFDEは、顧客のインフラ上で直接コードを書きながら、現場で得た知見をAgents SDKなどの自社ツールへ還元する役割も担います（公開求人情報より）。→ OpenAIのFDE