前提: 自分の現在地を確認する
| 現在地 | ロードマップの入り方 |
|---|---|
| SWE経験2年以上 | そのまま「最初の90日」から開始 |
| コンサル・PdM（実装ブランクあり） | 90日を「コーディング復帰」に充ててから開始（コンサルからFDEへ参照） |
| 完全未経験 | まずSWE/データエンジニアとしての就業を先に（1〜2年）。その間もLLM活用は並行できます |
Phase 1: 最初の90日 — LLM実装の武器を作る
- LLM APIで動くものを作る（週末×4週）— OpenAI/Claude APIで、実データを扱う小さなツールを完成させる
- RAGを一本組む（週末×4週）— 社内文書・マニュアル等の検索応答。埋め込み・チャンク設計・評価まで
- エージェントの基礎（週末×4週）— ツール呼び出し・ワークフロー化。Agents SDK等のフレームワークに1つ習熟
ここでの目標は「面接で画面共有してデモできるもの」を3つ持つこと（ポートフォリオの作り方）。
Phase 2: 〜6ヶ月 — 「使われた」実績を作る
- 実在の誰かの課題を解く — 社内の他部署・知人の業務・コミュニティ。ヒアリング→実装→導入→改善のサイクルを最低1周
- 成果を数字で記録する — 「週3時間の作業が15分になった」レベルで十分。この一文が選考での最強の武器になります
- 顧客対話の場数 — 現職で顧客・非エンジニアと接する機会（プリセールス同行・要件ヒアリング）に手を挙げる
Phase 3: 〜1年 — 応募と選考
- 求人の定点観測 — FDE求人ウォッチ（毎週更新）で募集企業と要件の傾向を把握
- 志望動機の言語化 — なぜプロダクト開発でなくFDEなのか（志望動機の作り方）
- 面接準備 — 曖昧な設計問題・高速学習・行動面接の対策（面接対策）
やらなくていいこと（時間の節約）
- ❌ 機械学習の理論を大学院レベルまで学ぶ — FDEはモデルを「作る」のでなく「使って導入する」職種です
- ❌ Kaggleで上位を目指す — 選考で評価されるのは導入実績です
- ❌ 資格集め — 「動くもの＋使われた記録」が資格より雄弁です