FDEの採用が難しいのは、経験者が国内にほとんどおらず年収でも大手と比べられるためです。国内15社の公式求人票では、年収の下限が最小500万円・上限が最大2,917万円でした。隣接職種からの探し方・手法の比較・スカウト文面・選考設計を解説します。（2026年10月更新）
FDEとは顧客の現場に入って課題の理解から設計・実装・本番稼働までを少人数で担うエンジニアです。Palantir社の求人票は、この役割を「スタートアップのCTOに似ている」と説明しています。
2000年代後半からPalantir社で使われてきた職種で、近年はAIスタートアップを中心に広がっています。米国のベンチャーキャピタルa16zは2025年6月の論考で、AIスタートアップが短期の粗利を犠牲にしてでも顧客の業務に深く入り込む流れを説明しています。同じ論考にはOpenAI社の公開求人311件のうち22件がこの種の職種だったという記載もあります。
日本語では「顧客先に常駐するエンジニア」と受け取られがちですが、中身は大きく違います。ここでは公式の求人票の定義を確かめたうえで、似た職種との違いを整理します。
Palantir社の求人票（東京とニューヨーク）は、FDEにあたるForward Deployed Software Engineer（FDSE）の役割を次のように書いています。
As an FDSE your responsibilities look similar to those of a startup CTO: you'll work in small teams with minimal supervision and own end-to-end execution of high stakes projects.
顧客と直接話して最も大きな課題を素早く理解し、解決策を設計して実装します。少人数で最小限の監督のもと、案件の実行を最初から最後まで自分で担う点が特徴です。案件は「なぜこんなに多くのフライトが遅れるのか」のような、答えの決まっていない問いから始まります。
OpenAI社の求人票（東京・サンフランシスコ）は、成果の測り方まで具体的に書いています。
You will own discovery, technical scoping, system design, build, and production rollout
課題の発見・技術的な範囲決め・設計・構築・本番展開までを一貫して担う、という意味です。成果は「本番で使われたか」「業務への効果」「製品とモデルのロードマップを変えるフィードバック」で測ると書かれています。この2社に共通するのは、作ったものが顧客の業務で使われるところまでを職種の範囲にしている点です。
日経クロステックの2026年6月の記事はSESの客先常駐は労働集約型であり、FDEは少数精鋭の知識集約型だと整理しています。求人票で見ると、違いは仕事の起点・成果の測り方・製品への還元・体制の4つに表れます。
| 観点 | FDE | 客先常駐（SES） |
|---|---|---|
| 仕事の起点 | 答えの決まっていない課題から始める。 | 決まった仕様と工程から始める。 |
| 成果の測り方 | 本番で使われたかと業務への効果で測る。 | 稼働時間や人月で測る。 |
| 製品への還元 | 現場で得た知見を自社の製品や基盤に戻す。 | 原則として自社に戻さない。 |
| 体制 | 少人数で最小限の監督のもと動く。出張は25〜75%の例がある。 | 常駐する人数で契約する。 |
同じ会社の中でもFDEとは別に支援や説明を担う職が募集されています。Palantir社は顧客の開発チームを支援するForward Deployed Enablement Engineerを別に置いています。LayerX社はプリセールスとカスタマーサクセスを、OpenAI社はSolutions Engineerを別に募集しています。FDEは「顧客の課題から入って本番まで作る」職で、導入の支援や製品の説明を主な仕事にする職とは分けて考えるのが基本です。
FDEの隣にはDeployment Strategist（DS）という職種があります。DSは課題の定義・顧客との合意・業務への定着を担う非エンジニア職で、FDEはそれを動くものにして本番に載せるエンジニア職です。
Palantir社の求人票では、DSは散らばった情報を一つの理解にまとめる役割とされています。現地で顧客のアナリストに会い、FDEと組んでデータをパイプラインに統合し経営層に提案します。出張は25〜75%で、プログラミングは「あれば望ましい」という位置づけです。
国内でもLayerX社が「AIコンサルタント（Deployment Strategist）」を想定年収900万円〜で募集しています。求人票には「エンジニア（Forward Deployed Engineer）とペアを組み」と書かれ、必須はコンサルティングファーム等での5年以上の経験です。Ubie社も1,000万〜1,500万円とストックオプションでDSを募集していて、要件はコンサルやプロダクトマネージャーの経験でエンジニア職ではありません。KINTOテクノロジーズ社のようにFDEとDSを1つの職種に束ねる例もあります。
国内で公式の求人票を確認できたFDE募集は15社です。年収の下限は最小500万円・上限は最大2,917万円で、多くは下限が600万〜800万円・上限が1,000万〜2,000万円の帯にあります。
次の表は各社の公式の採用ページ・採用管理システムで確認した内容です。社名と年収の表記は各社の求人票の書き方のままです。
| 社名 | 職種名 | 提示年収 | 必須要件の要点 | 種類 |
|---|---|---|---|---|
| LayerX | 【Ai Workforce】Forward Deployed Engineer | 想定年収1,200万円〜（Associateは800万円〜） | 大規模システムの設計開発を1年以上経験し、LLMを顧客導入につなげた経験を持つ。すべて満たさなくても応募できる。 | 顧客向け |
| ソフトバンク（SB OAI Japan合同会社へ出向） | Forward Deployed Engineer (FDE) | 想定理論年収812万3,000円〜2,034万6,200円 | ソフトウェア開発か技術導入を5年以上経験し、LLMを使ったアプリを構築した経験を持つ。 | 顧客向け |
| Sansan | FDE［Sansan AI］ | 年収1,152万円〜2,917万円（月35時間分の時間外手当を含む） | 顧客課題にデータ活用を提案して実装し・DWHとBIを構築する。 | 顧客向け（データ活用寄り） |
| FDX株式会社（旧アローサル・テクノロジー） | Forward Deployed Engineer（FDE） | 800万円〜1,800万円 | ソフトウェア開発を5年以上経験し、顧客と要件を決めて、顧客の現場に常駐する。 | 顧客向け |
| Pineal | Forward Deployed Engineer（FDE） | ベース年俸600万円〜1,500万円 | 自作のシステムを本番で運用し・顧客の定例を運営し・Claude CodeかCodexを実務で使う。 | 顧客向け（正社員か業務委託） |
| クラスメソッド | フォワード・デプロイド・エンジニア候補（データ・生成AI） | 650万円〜1,000万円 | 開発を5年以上経験し・自社サービスを開発し・顧客と要件を調整する。 | 育成前提（「候補」） |
| JDSC | 【Dev】FDE（Forward Deployed Engineer） | 500万円〜2,500万円 | 開発を2年以上経験し、要件が不明確な状況で推進する。FDEとAIの経験は問わない。 | 顧客向け |
| マネーフォワード | Forward Deployed Engineer(Internal)／AX推進本部 | 790万8,000円〜1,500万円 | 生成AIのソリューションを開発し・事業部門と一気通貫で進める。 | 社内向け |
| KINTOテクノロジーズ | 生成AI・AIエージェントの業務実装（FDE/Deployment Strategist） | 年収800万円〜1,500万円（月給制・基本給52万6,940円〜） | コーディングエージェントでプロトタイプを作り・業務に定着させる。 | 社内向け（FDEとDSを1職種に束ねる） |
| PayPayカード | AIトランスフォーメーション・リード（AI Forward Deployed Engineer） | 記載なし（年俸制） | ITアーキテクチャの基礎を理解し・生成AIを実務に適用する。 | 社内向け |
| JAPAN AI（採用主体はジーニー） | Forward Deployed Engineer (FDE) | 年収700万円〜2,000万円（月給50万円〜142万8,571円・固定残業45時間分を含む） | ソフトウェア開発を3年以上経験し、PoCから本番まで進めた経験を持つ。 | 顧客向け |
| RevComm | Forward Deployed Engineer（FDE） | 年収1,000万円〜1,500万円 | BtoB SaaSで顧客と折衝し、要件から導入まで自走する。 | 顧客向け |
| ログラス | 【新規事業】Forward Deployed Engineer（FDE） | 年収1,000万円〜2,000万円 | 複雑な課題を構造化して推進し、要件を文書に残す。 | 顧客向け |
| アンドパッド | Forward Deployed Engineer（FDE） | 非公開 | プリセールス・導入コンサル・SEのいずれかを経験し、コードを読み書きできる。 | 顧客向け |
| Sakana AI | Forward Deployed Engineer (GTM) | 記載なし | 本番のソフトウェア開発を3年以上経験し、顧客の技術的な範囲を決める。日本語ネイティブであること。 | 顧客向け（FDE機能の創設メンバー） |
外資の東京拠点でも募集があります。OpenAI社はFDEとFDEマネージャーを募集していて、給与は求人票に出ていません。Palantir社はFDSE1件とDS2件、Databricks社はFDE（8年以上の経験・日本語が流暢であること）を募集しています。Anthropic社は東京のFDE求人がありませんでした。
表を自社に当てはめるときは、まず自社の募集が顧客向け・社内向け・育成前提のどれにあたるかを決めます。次に同じ種類の求人だけを選んで、年収と要件を並べて見ます。たとえば顧客向けで経験者を探すなら、LayerX社・ソフトバンク社・FDX株式会社・JAPAN AI社の要件が比べる対象になります。育成前提なら、クラスメソッド社とJDSC社の書き方が参考になります。
年収の記載がある顧客向けの正社員求人で見ると、下限の最小がJDSC社の500万円で上限の最大がSansan社の2,917万円です。下限が600万〜800万円・上限が1,000万〜2,000万円の帯に収まる求人が多く、LayerX社は下限が1,200万円と最も高く設定されています。
この幅の広さはFDEの中身が会社によってまったく違うことの表れです。JDSC社のように経験を問わず育成しながら採用する募集もあれば、LayerX社のように即戦力に1,200万円以上を提示する募集もあります。さらに月給表記・「経験に応じて決定」・非公開が混在しているため、自社の年収を決めるときは同じ型の求人だけを見て比べることが大切です。
米国の参考値も確認しておきます。以下は1ドル=155円で換算した金額です。Palantir社の求人票の基本給レンジはFDSE（ニューヨーク）が年135,000〜200,000ドル（約2,090万〜3,100万円）で、DSが110,000〜170,000ドル（約1,710万〜2,640万円）です。OpenAI社のFDE（サンフランシスコ）は年185,000〜300,000ドル（約2,870万〜4,650万円）に株式が加わります。いずれも株式報酬は別です。
日経クロステックは2026年9月29日の記事で「米国は年収中央値3000万円超」と報じています。これは日経クロステックの独自分析による数字で、根拠となる集計の詳細は公開されていません。国内の求人票と米国の水準には大きな差があるため、国内の求人票の水準で比べるのが現実的です。
15社の原文を読むと、要件には3つの共通点があります。
見落としやすいのはFDEの経験そのものを必須にしている求人がほとんどない点です。JDSC社は「FDE・AIの経験は不問」と書き、LayerX社は「すべて満たさなくても可」と明記しています。FDE経験者が国内に少ない現実を、求人の側がすでに織り込んでいます。
15社を種類で分けると、顧客向けが11社・育成前提が1社・社内向けが3社です。社内向けはマネーフォワード社・KINTOテクノロジーズ社・PayPayカード社で、自社の業務にAIを入れる役割を「FDE」と呼んでいます。Sansan社のようにデータ活用の提案寄りの求人もあり、クラスメソッド社は「候補」と付けて育成を前提にしています。
候補者から見ると同じ「FDE」でも顧客の現場に出る仕事と社内の業務改善の仕事では、キャリアの意味が違います。自社の募集がどちらなのかを最初に決めておかないと、応募者の期待とのずれが後から出ます。次の章からはこの前提で採用が難しい理由を見ていきます。
FDEの採用が難しいのは経験者が国内にほとんどおらず、自社の定義も固まっておらず年収で大手と比べられるためです。顧客・実装・AIの3領域をまたぐことも、探す相手を限らせています。
OpenAI社は公開求人823件のうち26件、Palantir社は314件のうち80件が、職種名にForward Deployedを含む求人です。海外では大量に採用される職種ですが、国内の募集は2025年後半から目立ち始めたばかりです。ここでは難しさの理由を5つに分けて見ていきます。
LayerX社がエンジニアブログでFDEの募集開始を宣言したのは2025年7月です。それ以前に国内で「FDE」の肩書で働いていた人は、ごく限られていたと考えられます。職種として新しいため、経験年数で絞る探し方は成り立ちません。
HeaRの支援先でも、人材紹介会社から届くFDE候補者の紹介数は月10名ほどの会社もあれば月2〜3名の会社もあります。経験者が少ない職種では、紹介の数が会社の知名度や条件の見せ方で大きく変わります。
HeaRがAIスタートアップとの商談で最も多く出会うのは、自社のFDEとは何をする仕事かを代表や現場がまだ言葉にできていない状態です。「AIを顧客に入れられる人」という大まかな像のまま募集を始めると、応募者も面接官も別々の像を思い描いたまま面接が進みます。
定義が決まらないと、求人票の要件・面接の質問・年収の水準のどれも決められません。次の章では募集の前に決める4つの点を整理します。
候補者はFDEの求人を複数並べて見ています。前の章の表のとおりLayerX社は下限が1,200万円で、Sansan社は上限が2,917万円です。従業員が十数名のAIスタートアップが同じ金額を出すのは難しいでしょう。
商談で次に多いのは、候補者にLayerX社やマネーフォワード社と比べられたときに選ぶ理由を伝えきれていない状態です。年収で並べられたときに何で選んでもらうかは、後の章で扱います。
FDEには顧客と話す力・本番で動くものを作る力・LLMを業務に組み込む力が求められます。SIerの人は顧客と話す力があってもLLMの経験が薄く、機械学習エンジニアはLLMに詳しくても顧客の現場に出た経験が少ないことがあります。
3つがそろった人を探すと、当てはまる人はごく少なくなります。そろっていなくても活躍できる人を見抜く選考が必要で、これは育成枠の設計にもつながります。
前の章で見たとおり、FDEの求人には顧客向け・社内向け・育成前提が混在しています。候補者は経験からそれを知っていて、「FDEと書いてあっても実際は常駐の開発だった」という事態を警戒しています。
そのため求人票やスカウトには、どの顧客のどんな課題を任せるのかを具体的に書く必要があります。FDEの経験者が少ない以上、声をかける相手は隣接職種（FDEに近い経験を持つ職種）の人になります。その人たちはFDEの実態を知らないぶん、求人票の具体性で会社を判断します。
難しさの5つの理由は、別々の問題ではなくつながっています。経験者が少ないので隣接職種に声をかけますが、隣接職種の人は転職の理由を「FDEになりたい」ではなく「いまの仕事で足りないものを埋めたい」と考えていることが少なくありません。
そのため求人票の見せ方もFDEという名前の説明より、任せる課題と成長の道筋の説明に重心を置くほうが伝わります。次の章からはこの考え方で定義・探す相手・手法・文面・選考の順に進めます。
募集の前に決めるのは、顧客向けか社内向けか・課題の定義まで任せるか・何を作るか・育成枠を置くかの4点です。決めた内容は「◯◯業界の◯◯の現場で、△△を使って□□まで担う」という1文に書き出せます。
定義が曖昧なままでは求人票も面接の質問も年収も決められません。エンジニア全般の採用が難しい背景はエンジニア採用が難しい理由で整理しています。ここではFDEに限って、決めておく4点を順に見ていきます。
顧客向けは顧客の業務に入って課題を解き、成果が自社の売上や製品につながる役割です。社内向けは自社の部署の業務にAIを入れて定着させる役割で、マネーフォワード社・KINTOテクノロジーズ社・PayPayカード社がこちらにあたります。
どちらも「FDE」と呼べますが、必要な経験は違います。顧客向けなら顧客と話してきた経験が、社内向けなら事業部門と一緒に業務を変えた経験が決め手になります。
課題の定義と顧客との合意まで1人に任せるなら、その人にはエンジニアの力に加えてコンサルティングの力が要ります。これを分けるなら、前の章で見たようにDSを別の職種として置く方法があります。LayerX社とPalantir社はこの分け方です。
従業員が十数名の会社では、DSまで採用するのは難しい場合もあります。その場合は代表や事業責任者が課題の定義を担い、FDEには設計と実装に集中してもらう分担も考えられます。誰が何を決めるのかを、募集の前に決めておきます。
自社製品を顧客ごとに導入して調整するのか、顧客ごとに個別のシステムを作るのかで求める人は変わります。前者では製品への理解と導入の経験が、後者では幅広い実装の力が求められます。
どちらでも顧客の現場で得た知見を製品に戻す仕組みがあるかは、候補者が必ず気にする点です。仕組みがまだなければ、「これから一緒に作る」と正直に伝えるほうが信頼されます。
経験者だけを探すと、候補者が見つからない期間が長引きます。LayerX社は求人をAssociate・FDE・Seniorの3階層に分けて募集してきました。2026年10月時点ではAssociateを想定年収800万円〜で募集しています。クラスメソッド社は「候補」と付けて、育成を前提にしています。
階層を分けると経験者枠は少数でも、育成枠で応募の母数を増やせます。育成枠を置くなら、入社後に誰が何を教えるのかも決めておきます。採用基準の決め方はエンジニアの採用基準も参考にしてください。
4つの点が決まったら、1文にまとめます。型は「◯◯業界の◯◯の現場で、△△を使って□□まで担う」です。たとえば「製造業の工場の品質管理の現場で、生成AIを使って検査の記録の自動化を本番の運用まで担う」のように書きます。
この1文は求人票の冒頭・スカウトの2段落目・カジュアル面談の最初の説明で、同じ表現のまま使います。文面ごとに言い方が変わると、候補者は「結局何をする仕事なのか」と迷います。1文に書けないときは、まだ4つの点のどれかが決まっていません。採用ペルソナの考え方は採用ペルソナの作り方も参考になります。
FDEの経験者がいないときは、隣接職種に声をかけます。顧客と直接話してきたSIerのエンジニア・実装できるITコンサルタント・SaaSのソリューションエンジニアやプリセールス・新規事業を経験したテックリード・LLMアプリを本番にした人の5つです。
求人票の要件にあるのは「顧客と話した経験」「本番で動くものを作った経験」「LLMを組み込んだ経験」の3つでした。隣接職種はこのうち2つを持っていることが多く、足りない1つを入社後に補えるかが見極めの中心になります。次の表は5つの職種を整理したものです。
| 隣接職種 | いる場所 | 強み | 不足しがちな経験 | スカウトで伝えること |
|---|---|---|---|---|
| SIerで顧客と直接話してきたエンジニア | 一般に、SIerや受託開発会社で働いている。 | 顧客の要件を聞き取り、システムを作って納めた経験を持つ。 | LLMを業務に組み込んだ経験と、課題の定義から決めた経験が少ない。 | 顧客の課題から任せることと、作ったものを製品に戻せることを書く。 |
| 実装できるITコンサルタント | 一般に、コンサルティングファームやIT系の子会社で働いている。 | 顧客の課題を整理し、経営層に提案した経験を持つ。 | 本番で動くものを自分で作り、運用した経験が少ない。 | 手を動かして作るところまで任せることと、作ったものの使われ方を書く。 |
| SaaSのソリューションエンジニア・プリセールス | 一般に、SaaS企業で顧客への提案と技術支援をしている。 | 顧客と話して、製品を顧客の業務に合わせた経験を持つ。 | 顧客ごとに個別の実装を本番に載せた経験が少ない。 | 提案で終わらず、作って本番に載せるところまで担えることを書く。 |
| 新規事業を経験した社内のテックリード | 一般に、事業会社の開発部門で新規事業に携わっている。 | 曖昧な要件を自分で決めて、製品を作った経験を持つ。 | 顧客の現場に入って、直接課題を聞いた経験が少ない。 | 顧客と直接話す機会が増えることと、事業の立ち上げに関われることを書く。 |
| LLMアプリを個人や副業で本番にした人 | 一般に、技術コミュニティや個人の発信、副業の案件で見つかる。 | LLMを使ったアプリを自分で作り、動かした経験を持つ。 | 顧客と継続して話し、要件を合意した経験が少ない。 | 作ったものへの関心を具体的に挙げ、顧客と話す役割の育て方を書く。 |
「一般に」と書いた勤め先は、業界の通例を整理したものです。自社の事業領域でどこから人が動くかは、スカウトの反応を見ながら調整してください。
1つの職種に絞らず、まず2〜3職種に同時にスカウトを送って反応を比べる方法が現実的です。不足しがちな経験が自社の育成で補える範囲かどうかを先に決めておくと判断がぶれません。
たとえば顧客との対話が最も重要な事業ならSIerやプリセールスから声をかけて、LLMの経験は入社後に補う前提にします。技術の新規性が高い事業ならLLMアプリを自分で作った人から声をかけて、顧客との対話を育てる前提にします。この前提を、前の章で決めたFDEの定義と合わせて書き出します。
FDEの採用で使われる主な手法は、ダイレクトリクルーティング・人材紹介・リファラル採用・技術発信・カジュアル面談の入口・採用代行（RPO）の6つです。経験者が少ないため、複数を組み合わせるのが基本になります。
次の表は6つの手法を、向いている場面・注意すること・社内の工数で比べたものです。エンジニア採用の媒体全体はエンジニア採用媒体の比較で整理しています。
| 手法 | 向いている場面 | 注意すること | 社内の工数 |
|---|---|---|---|
| ダイレクトリクルーティング | 隣接職種の人に、1人ずつ文面を書いて声をかけたいとき。 | 候補者ごとに文面を書き分けないと、返信が来にくい。 | 多い。候補者探しと文面づくり、やり取りを自社で担う。 |
| 人材紹介（スタートアップ特化） | 経験者との接点を、短期間で増やしたいとき。 | 要件と見送りの理由を共有しないと、合わない紹介が続く。 | 中程度。紹介会社への要件共有と結果の返信が必要になる。 |
| リファラル採用 | 社員や知人の中に、隣接職種の人がいるとき。 | 紹介してほしい人物像を具体的に伝えないと、紹介が出てこない。 | 中程度。制度づくりと声かけの習慣化に時間がかかる。 |
| 技術発信（ブログ・イベント登壇） | 中長期で、FDEに関心を持つ人に知られたいとき。 | 成果が出るまでに時間がかかるので、継続できる体制で始める。 | 多い。記事や登壇の準備を現場のエンジニアが担う。 |
| カジュアル面談の入口 | 応募の前に、役割と会社を直接話したいとき。 | 話す人の顔と経歴が見えないと、申し込みが増えにくい。 | 中程度。代表や事業責任者の時間を確保する。 |
| 採用代行（RPO） | 採用担当が兼務で、スカウトの運用に手が回らないとき。 | 任せる範囲と、社内で判断する範囲を分けておく。 | 少ない。判断が必要な場面だけ社内で対応する。 |
ダイレクトリクルーティングは、FDEの採用で中心になる手法です。進め方はダイレクトリクルーティングの進め方で、リファラルの制度づくりはリファラル採用の進め方で紹介しています。
手法は1つに絞らず、組み合わせて動かすのが基本です。たとえば最初の1か月はダイレクトリクルーティングで隣接職種に声をかけ、並行して人材紹介会社に要件を共有します。反応を見て返信の多い職種に絞って文面を直し、技術発信は余裕のあるときに足していきます。
どの手法でも最初に決めるのは「FDEを1文で定義した内容」です。この1文を紹介会社・スカウト文面・カジュアル面談で同じように使うと、会社の印象がそろいます。
LayerX社は2025年7月から10月にかけて、FDEの採用で複数の施策を公開しています。採用人数は非公開ですが、公開された施策はやるかやらないかで差がつく取り組みとして参考になります。
全部を同時にやる必要はありません。従業員が十数名の会社ならまず役割を定義する記事を1本書き、カジュアル面談の入口を用意することから始められます。登壇や自社イベントは、そのあとに続ければ十分です。
FDEに届くスカウトには、なぜあなたに送ったのか・どの顧客のどんな課題を任せるのか・どこまで自分で決められて作ったものがどう使われるのかの3つを書きます。肩書やビジョンだけの文面は読まれません。
候補者は前の章で見たとおり、FDEと名乗る求人の中身を疑っています。具体的な案件と任せる範囲が書かれているだけで、「また別の常駐の開発だろう」という疑いは大きく減ります。スカウト全般の書き方はエンジニアのスカウトで扱っています。
1つ目の「なぜあなたか」は、候補者の経歴のうち具体的な1点を挙げて書きます。「顧客と直接話しながら基幹システムを開発してこられた」のように、経歴を読んだことが分かる書き方にします。
2つ目の「どの顧客のどんな課題を任せるか」は、業界と業務の名前まで書きます。3つ目の「どこまで自分で決められて作ったものがどう使われるか」は、課題の定義から任せるのか設計からなのかを正直に書きます。作ったものが製品に戻る仕組みも、ここで伝えます。次はこの3つを1通にまとめた例です。〇〇の部分を自社の内容で置き換えてください。
〇〇さん、突然のご連絡失礼します。〇〇株式会社の△△と申します。
〇〇社で〇〇業界の顧客と直接話しながら基幹システムを開発してこられた経歴を拝見し、ご連絡しました。
当社は〇〇業界の〇〇業務に生成AIを入れる事業を、従業員〇名で進めています。FDEとして、〇〇社の〇〇という課題を、要件の整理から本番の運用まで任せたいと考えています。作ったものは当社の製品にも反映します。
経験のないLLMの実装は、入社後に〇〇が一緒に進めます。まずはカジュアル面談で、代表の〇〇が事業と任せたい案件を直接お話しします。
「最先端のAIに携われます」「裁量が大きい環境です」だけの文面は、どの会社の求人にも書けるので候補者の心に残りません。年収の数字だけを前に出す文面も、大手と並べられたときに負けてしまいます。
「まずは情報交換から」のように目的が曖昧な誘い方も避けます。何について話すのかが分からないと、返信する理由がありません。
年収で競えない会社が選ばれる理由は、任せる顧客と案件の具体性・創設メンバーという立場・製品への還元の仕組み・働き方の正直な開示・育成枠の設計の5つです。4Pのうち、People（誰と働くか）とProfession（何をするか）で勝つ考え方です。
HeaRはこの考え方を、採用ブランディングの支援でも使っています。Privilege（待遇）で並べられたときは、残りの3つを具体的に伝えることで選ぶ理由をつくります。詳しくは採用ブランディングで扱っています。
5つのうち、最初に整えやすいのは1つ目の案件の具体性です。代表や事業責任者がいま進めている顧客と課題を3つ書き出すところから始められます。実名は出さずに業界と業務の名前までで書けば、スカウトにも面談の説明にも使えます。
どれも金額の代わりではなく、金額で比べられたときに「それでも話を聞きたい」と思ってもらうための材料です。面接で話す内容はエンジニア面接で惹きつけるも参考にしてください。
年収の数字を上げられないときは、ストックオプションや入社後の昇給の道筋で補う方法があります。階層を設けてAssociateの下限を抑えつつ、FDEとSeniorに上がる条件を明記する方法もあります。
ただし年収を実態より高く見せる書き方は逆効果です。年収の決め方は別の記事のFDEの求人票と採用要件の書き方で詳しく扱います。
選考で確かめるのは顧客と話した経験の具体・本番に載せた経験・曖昧な要件を自分で決めた経験の3点です。辞退を防ぐにはカジュアル面談に代表や事業責任者が出て、面接を2回に絞り結果を早く伝えます。
3点は前の章までに見た求人票の共通要件と対応しています。経験の有無ではなく具体的な場面をどこまで話せるかを見ると、FDE経験のない候補者でも見極められます。面接の質問と実務課題の中身はFDEの求人票と採用要件の書き方で扱い、ここでは考え方だけを整理します。
質問は職務経歴書の内容を深掘りする形で十分です。一般的なエンジニア面接の質問はエンジニア面接の質問にまとめています。
書類と面接だけでは実際の進め方が見えにくい場合があります。その場合は短い実務課題で確かめる方法があります。たとえば架空の顧客の課題を渡して、最初の1週間に何を聞いて何を作るかを話してもらう形です。
実務課題は長くすると辞退が増えます。1時間前後で終わる内容にして、結果の見方を事前に決めておきます。設計の考え方はワークサンプルテストで詳しく扱っています。
辞退が出やすいのは次の3つの場面です。1つ目は面接で任せる案件の話が出ず、役割の中身が最後まで見えない場面です。2つ目は面接官によって話す内容が違い、会社の定義が定まっていないと感じさせる場面です。3つ目は内定の連絡が遅く、他社の結果が先に出てしまう場面です。
どれも事前に決めておけば防げます。任せる案件の例を1つ用意して面接官で共有し、結果を伝える日を面接の終わりに約束します。面接官の育成は面接官トレーニングでも扱っています。
FDEの候補者は複数社から同時に声がかかっています。カジュアル面談に代表や事業責任者が出ると、候補者は事業の中身を直接聞けて会社への理解が深まります。
面接は2回に絞り、結果は早く伝えます。1回ごとの待ち時間が長いほど、他社の選考が先に進んでしまいます。全体の期間の考え方は採用リードタイムで、面談の進め方はカジュアル面談で扱っています。内定を出したあとの承諾率の高め方は内定承諾率も参考にしてください。
AIを使うと、隣接職種を横断した候補者探し・スカウト文面の下書き・日程調整・書類の一次確認が速くなります。月30件の面接日程の調整は、メールの往復で7〜8時間かかっていたものが1時間前後になります。
FDEは隣接職種から探すため、候補者を見つける作業が通常のエンジニア採用より多くなります。ここをAIで補うと担当者の時間を、スカウトの中身と面談に回せます。AIを採用に使う全体像はAI採用で整理しています。
| 作業 | AIでできること | 人が判断すること |
|---|---|---|
| 候補者の絞り込み | 隣接職種を横断して、経歴から候補者を探して並べる。 | 声をかける優先順位を決める。 |
| スカウト文面 | 候補者の経歴を読んで、文面の下書きを作る。 | 「なぜあなたか」の1文が正しいかを確かめて、最終版にする。 |
| 日程調整 | 候補者と面接官の予定を見て、候補日を提案して調整する。 | 面接官の優先順位を決める。 |
| 書類の一次確認 | 要件との照らし合わせで、確認が必要な点を挙げる。 | 候補者を見送るかを最終的に判断する。 |
日程調整の試算は、公開済みの採用リードタイムの記事と同じ前提です。候補者探しと文面の下書きの効果は、数字ではなく工程の変化として捉えてください。
AIの出力は人が確認してから使います。特にスカウト文面は候補者の経歴の読み違いが1つあるだけで、返信が来なくなります。HeaRのAI-RPOは、スカウトの運用にAIを組み込んだ採用代行です。詳しくはAI-RPOをご覧ください。
自社のFDEの定義が固まっていないなら採用コンサルティングを、スカウトを送れていない・返信が遅いなら採用代行（RPO）のAI-RPOを使います。人材紹介会社との連携も、要件の共有と見送り理由の返信で改善できます。
HeaRは累計250社以上の採用支援実績を持つ採用コンサルティング・採用代行（RPO）会社です。2026年からAIスタートアップのFDE・AIコンサルタントの採用支援を行っています。
人材紹介会社との連携は、要件と見送りの理由を紹介のたびに返すだけでも精度が上がります。FDEのように定義が新しい職種では、紹介会社の担当者も要件を理解するまでに時間がかかるためです。
費用の目安は採用代行の費用相場で整理しています。FDEは採用単価が高くなりやすい職種なので、採用にかかる費用の全体像を採用コストで確認しておくと予算の判断がしやすくなります。
自社のFDEの定義と採用設計の相談は、採用コンサルティングで受けています。
A. 公式の求人票を確認できた国内企業は15社です。LayerX・ソフトバンク・Sansan・FDX・Pineal・クラスメソッド・JDSC・マネーフォワード・KINTOテクノロジーズ・PayPayカード・JAPAN AI・RevComm・ログラス・アンドパッド・Sakana AIが募集しています。顧客向けが多く、社内向けや育成前提の募集も混在します。
A. 国内の求人票で年収を確認できた顧客向けの正社員求人では、下限が500万円（JDSC）から、上限が2,917万円（Sansan）までの幅があります。多くは下限が600万〜800万円・上限が1,000万〜2,000万円の帯です。LayerXは下限が1,200万円〜と最も高く設定されています。
A. SESは決まった仕様と工程で、稼働時間や人月を成果の単位にします。FDEは答えの決まっていない課題から入り、本番で使われたかや業務への効果で成果を測ります。日経クロステックは、SESの客先常駐を労働集約型、FDEを少数精鋭の知識集約型と整理しています。
A. 国内の求人票に共通する要件は、顧客と直接話す経験・本番で動くものを作った経験・LLMを業務アプリに組み込んだ経験の3つです。FDEの経験そのものを必須にしている求人はほとんどなく、JDSCは経験不問、LayerXはすべて満たさなくても応募できると明記しています。
A. 隣接職種から探します。顧客と直接話してきたSIerのエンジニア・実装できるITコンサルタント・SaaSのソリューションエンジニアやプリセールス・新規事業を経験したテックリード・LLMアプリを本番にした人が候補です。足りない経験を入社後に補えるかを、見極めの中心にします。
A. Deployment Strategist（DS）は課題の定義・顧客との合意・業務への定着を担う非エンジニア職です。FDEはそれを動くものにして本番に載せるエンジニア職で、Palantir社とLayerX社は2職種を分けて募集しています。KINTOテクノロジーズ社のように1つの職種に束ねる例もあります。
A. 民間の検定として、IoT検定制度委員会がFDE検定を2026年6月に発表しました。Level 1の本試験は2026年10月開始予定で、受験料は19,800円（税込・予定）です。国家資格ではなく、国内の求人票でも要件には使われていません。
A. 使えます。FDEの採用では、隣接職種への候補者探しとスカウト文面の運用が負担になりやすく、ここを採用代行（RPO）に任せられます。ただし自社のFDEの定義が固まっていない段階では、要件の整理を先に行うほうが効果的です。
FDEの採用が難しいのは経験者が国内にほとんどおらず、自社の定義が固まっておらず年収で大手と比べられるためです。国内15社の求人票を見ると要件は「顧客と直接話す経験」「本番で動くものを作った経験」「LLMを業務アプリに組み込んだ経験」の3つに集約され、FDE経験そのものを必須にする求人はほとんどありませんでした。
進め方は5つです。自社のFDEを1文で定義し、育成枠と経験者枠を分けます。隣接職種に声をかけ、スカウトには「なぜあなたか」と具体的な案件を書きます。年収以外の選ばれる理由を用意して、選考は2回に絞り結果を早く伝えます。
自社のFDEの定義と採用設計の相談は、採用コンサルティングで受けています。スカウトの運用を任せたい場合はAI-RPOをご覧ください。職種別の採用記事としてマーケティング職の採用・営業職の採用も参考にしてください。
関連記事:
採用課題に合わせた最適な打ち手を、HeaRが共に設計します。
まずは資料でサービスの全体像をご確認ください。
