要点
FDEへの道は「既に持っている強み＋足りない1〜2要素の補強」で設計します。 SWEであれば顧客対話とLLMを、コンサルであれば実装を、AIエンジニアであれば顧客対話を補います。 共通の必須アクションは「LLMを組み込んだものを作り、実際に誰かに使ってもらう」ことです。これが選考で最も評価される実績になります。
求められる3つのスキルセット
| 領域 | 具体例 | 証明方法 |
|---|---|---|
| 1. 実装力 | Python / TypeScript、データパイプライン、API統合、クラウドデプロイ | 動くデモ・コード |
| 2. AI・LLM活用 | プロンプト設計、RAG構築、評価・改善、エージェント実装 | 実データで動くLLMアプリ |
| 3. 顧客対話 | 業務ヒアリング、課題の構造化、非エンジニアへの説明 | 導入・折衝のエピソード |
どれか1つが突出していることよりも、3つを一人で横断して発揮できることが評価されます（FDEとはで解説した仕事サイクルそのものです）。
実在求人17社から見た「必須要件」の実態【2026年7月時点】
「なるには」系の解説記事の多くは一般論のスキル論に留まりますが、実際の採用基準は公開求人票に書かれています。 当サイトが個別に確認・解説しているFDE採用企業17社の求人票を横断すると、必須要件の実態は次のとおりです。
| 観点 | 実在求人での実態（当サイト確認・求人票ベース） |
|---|---|
| 開発経験年数 | 企業差が非常に大きい。AI Shiftは実務2年以上、Gleanは4年以上、エクサウィザーズは5年以上、Databricksは6年以上。Google Cloudには経験1年程度から応募できるFDE関連求人も存在 |
| LLM実務経験 | 意外にも「歓迎」扱いが多数派。エクサウィザーズ・AI ShiftはLLM/RAG実装経験を歓迎要件に分類し、LayerXは機械学習・LLMの専門性を「必須ではありません」と求人票に明記 |
| 必須の中心 | Web/システム開発の実装経験＋API連携＋顧客との技術折衝＋要件定義から実装まで自走した経験、という組み合わせがほぼ共通 |
| PM/リード経験 | 必須に含める企業が複数（エクサウィザーズはPL/PM経験、AI Shiftはプロジェクトマネジメント経験を必須条件に記載） |
| 言語要件 | 国内系は日本語ビジネス〜ネイティブ級が軸で、マネーフォワードのように英語不問の例もある。外資（Databricks・Cohere・Google）は日本語流暢＋業務レベル英語のバイリンガル要件 |
この横断結果から、次の3点がうかがえます。
- 選考の土台は「従来の実装力＋折衝力」 — 国内では、LLMスキルを応募の前提ではなく差別化要因と位置づける求人が多数です。SWE経験者は、FDEに求められる要件の多くを既に満たしています
- 「FDE未経験可」が実質的な標準 — FDEという職種自体が新しいため、どの求人も隣接職種（SWE・コンサル・AI/MLエンジニア等）からの転身を前提に要件が書かれています
- 応募条件は企業によって大きく異なる — 経験2年で応募できる求人から6年＋認定資格必須の求人まで幅があるため、「FDEになれるか」ではなく「現在の経験でどの企業のFDEに応募できるか」で検討することをおすすめします
※各社の要件詳細・年収レンジ・確認日は企業別ガイドに、要件を構成する個別スキルの伸ばし方はスキルマップ（20本）にまとめています。募集状況は変動するため応募時は必ず各社採用ページでご確認ください。
適性チェックリスト（10問）
7個以上当てはまる場合、FDEは適性の高い働き方である可能性があります。
- 曖昧な依頼を、質問を重ねて具体化するのが苦にならない
- コードを書くことも、人と話すことも、どちらも捨てたくない
- 「作って終わり」より「使われて変わった」に達成感を覚える
- 知らない技術を触りながら覚えるのが得意
- 非エンジニアに技術の話を平易に説明できる（と言われたことがある）
- 顧客や他部署の「本当の困りごと」を聞き出した経験がある
- LLM（ChatGPT/Claude等）を実務や個人開発で使い込んでいる
- 計画が変わっても立て直しが早い方だ
- 一人で完結する仕事より、現場を巻き込む仕事が好き
- 成果を数字で語る癖がある（時間削減・件数など）
※4〜6個: 補強すべき領域を特定して伸ばすことで、十分に目指せます ／ 3個以下: 職種比較で他の選択肢もご検討ください
いまの職種からのキャリアパスマップ
ソフトウェアエンジニア（SWE）・SE から
最も多いルートです。実装力は既に備えているため、顧客と直接向き合う経験（受託での顧客折衝・プリセールス同行）とLLMの実務活用実績を積み上げることが近道です（→SE・システムエンジニアからFDEへ（詳説））。
ITコンサルタント・SIerから
課題発見・顧客対話が強みです。不足しがちなのは実装の経験です。「自分で書いて動かした」直近の実績を作ることが転身の鍵となります（→コンサル・SIerからFDEへ（詳説））。
AI・MLエンジニアから
モデルへの理解という大きな強みを持っています。主な課題は顧客対話の経験です（→AIエンジニアからFDEへ（詳説））。
データエンジニア・データサイエンティストから
顧客データを利用可能な状態に整える力は、AI導入で最も課題となりやすい工程を担える希少な強みです。分析にとどまらず、実装・定着まで担うことが鍵となります（→データ職からFDEへ（詳説））。
セールスエンジニア・プリセールスから
顧客折衝・デモ・要件ヒアリングの経験は、FDEの業務の前半部分に活かせます。提案にとどまらず、自ら実装・定着まで担う力を身につけることが課題です（→プリセールスからFDEへ（詳説））。
PdM・社内SEから
業務理解と要件の構造化の経験が活かせます。まずは実装のブランクを埋めることから始めます（社内SE歓迎のFDE募集も行われています）。
最初の90日で取り組む3つのこと
- LLMを組み込んだ動くものを作る — RAG・エージェント・業務自動化などが題材になります。実データで動くデモは、面接で実力を示す有力な材料です（ポートフォリオの作り方）
- 「導入して使われた」経験を言語化する — 何がどう変わったかを数字で説明できるようにします
- 求人の要件を継続的に確認する — 企業ごとに重視する領域（実装寄り/顧客寄り）が異なります。採用企業の動向（毎週更新）で傾向を掴んでください
週単位の詳細な計画は未経験からのロードマップ（90日/6ヶ月/1年）、選考の中身は面接対策、動機の言語化は志望動機の作り方をご覧ください。
JOB ALERT
未経験から挑戦できるFDE求人の公開をメールで通知（無料）
未経験から挑戦できるFDE求人は件数が少なく、募集期間が短い傾向があります。当サイトが毎週の求人ウォッチで確認した新着情報を、メールでお知らせします。ご登録はメールアドレスのみで、いつでも解除いただけます。
希望条件を含むキャリア登録は人材登録ページをご利用ください。