---
title: CDLEひろしま主催　第14回勉強会「流行そうなので今のうちになっておこうぜ、FDE(Foward Deployed Engineer)!」
tags: 
author: [座禅いぬ](https://docswell.com/user/zazen_inu)
site: [Docswell](https://www.docswell.com/)
thumbnail: https://bcdn.docswell.com/page/4EQYR6D2JP.jpg?width=480
description: FDE、ピンとこなかったので調べてみました。  CDLE（Community of Deep Learning Evangelists）とは、日本ディープラーニング協会 (JDLA) が実施するG検定およびE資格の合格者が参加する、日本最大規模のAIコミュニティです。  CDLEひろしまは、「広島県をAIで盛り上げる！」を合言葉に、以下の活動を行う地域コミュニティとして2025年に結成されました。 - 広島県内のAI人材発掘・ネットワーキング - 学習会・勉強会の企画・開催（ディープラーニングや機械学習の実装事例共有など） - CDLE全国コミュニティや自治体、大学とのコラボレーション - G検定・E資格取得者の増加支援 など
published: July 17, 26
canonical: https://docswell.com/s/zazen_inu/KR89PE-2026-07-17-074014
---
# Page. 1

![Page Image](https://bcdn.docswell.com/page/4EQYR6D2JP.jpg)

15分LT ／ CDLEひろしま ／ 2026.07.16
FDE // 00
Forward Deployed Engineer
── AI時代の「現場に入るエンジニア」と、その本質
#FDE
#Palantir
#Ontology
#業務設計
#CDLEひろしま
speaker: 座禅いぬ ／ x: @zazen_inu
01 / 37


# Page. 2

![Page Image](https://bcdn.docswell.com/page/KJ4W84ZP71.jpg)

FDE // 01
自己紹介
x: @zazen_inu
// 生成AIと自己との統合を目指したい
Python / AWS / Difyで業務システムを構築
▸ ObsidianとClaude Code、Codexが僕の脳みそです
▸ マナビDXQuest修了生コミュニティ運営チーム
▸ CDLEひろしま ／ CDLE講師
▸ 自分的トレンド：行動デザイン（行動エンジニアリング）
▸
// 資格・検定
// 越境する学びこそが楽しみ
▸
▸
G検定 2025#1
▸ ITパスポート
▸ DS検定
▸ 医療系資格 ／ 博士
FDEという働き方を今日は掘ってみます
▸ AIエージェント勉強会、オンラインは7月中に開催。現地は8月予定
▸ MDXQ本編、SIGNATEもSAMURAIもやる！
▸ 地域貢献を加速したい！ → 新たなDXチャレンジをすべく暗躍中
02 / 37


# Page. 3

![Page Image](https://bcdn.docswell.com/page/LE1Y24RX7G.jpg)

はじめにお断り
FDE // 02
私はFDEやPalantirの専門家ではありません。
▸ 本LTは、私が自分なりに調べてまとめた 調査結果 です。
▸ そのため、実態とは 異なる可能性 があります。
▸
もし間違いがあれば、ぜひ指摘してください。それが私の一番の学びになります。
03 / 37


# Page. 4

![Page Image](https://bcdn.docswell.com/page/GEWGRX1KJ2.jpg)

FDE // 03
今日の流れ
01
なぜ今FDEが話題なのか（2026年の動き）
02
FDEとは何をする人なのか
03
由来としてのPalantir
04
Palantirの歴史と業務理解
05
本質はAIではなくOntology
06
役割分担：FDSE × Deployment Strategist
07
AI時代のFDEとは何か
08
まとめ
04 / 37


# Page. 5

![Page Image](https://bcdn.docswell.com/page/47ZLR6PNJ3.jpg)

なぜ今FDEが話題なのか
日付
05/04
05/11
06/30
07/02
07/12
動き
Anthropic × Blackstone / Goldman / H&F で実装会社を設立
OpenAI Deployment Company 発足 ＋ Tomoro買収
AWS Forward Deployed Engineering 組織
Microsoft Frontier Company
TCS がFDE構想を公表
FDE // 03
規模
約15億ドル
40億ドル超 / FDE約150名
10億ドル
25億ドル / 6,000人
最大8,900人
巨額の資本が示す答えは一つ。AIのボトルネックは「モデル」ではなく「導入」だと、業界が金で認めた。
05 / 37


# Page. 6

![Page Image](https://bcdn.docswell.com/page/YJ6WR2M9JV.jpg)

FDE // 03
もう一つの証拠：労働市場
800%+
2025年1月〜9月で、FDEの月次求人が800%
以上増加した。
OpenAI、Anthropic、Cohere が顧客対応エンジニ
ア組織を拡大している。
Financial Times ── The new hot job in AI:
forward-deployed engineers (2025-11-02)
06 / 37


# Page. 7

![Page Image](https://bcdn.docswell.com/page/GJ5M82ZDJ4.jpg)

なぜ今FDEなのか
これまで
良いAIモデルを作れば価値が出る
FDE // 03
これから
AIを現場の業務に埋め込める会社が価値を
出す
AIのボトルネックは、モデル性能だけではなく、
業務理解・データ接続・権限・運用・評価へ移っている。
07 / 37


# Page. 8

![Page Image](https://bcdn.docswell.com/page/9E29K4PM7R.jpg)

なぜ「現場で効く」のは難しいのか ①
現場からは無数のデータがAPIを目指して伸びる。しかし実際に接続できるのはごく一部で、
残りは届かないまま消えていく。
FDE // 03
08 / 37


# Page. 9

![Page Image](https://bcdn.docswell.com/page/D7Y4NM5PEM.jpg)

なぜ「現場で効く」のは難しいのか ②
SAP・SharePoint・Excel・社内DB・写真・メール・図面——形式も場所もバラバラ。伸びて
きたラインは、どれに繋げばいいか判断できずに消えていく。
FDE // 03
09 / 37


# Page. 10

![Page Image](https://bcdn.docswell.com/page/VENYXWNMJ8.jpg)

FDEとは何をする人なのか
FDE // 04
FDE = Forward Deployed Engineer
意味としては ──
顧客の現場に深く入り、業務課題を理解し、技術で解決策を作り、本番稼働まで
持っていく人。
10 / 37


# Page. 11

![Page Image](https://bcdn.docswell.com/page/Y79P8XRWE3.jpg)

FDEがやること
現場ヒアリング
ユースケース設計
顧客との検証
FDE // 04
業務フロー整理
プロトタイプ作成
権限・運用・評価設計
データ構造の把握
本番実装
学びをプロダクトに戻す
= コンサル ＋ エンジニア ＋ PM。ただし最終的にコード／システムまで持っていくのが肝。
11 / 37


# Page. 12

![Page Image](https://bcdn.docswell.com/page/G78D82WR7D.jpg)

FDE // 04
普通のエンジニアとの違い
普通の開発
FDE的な開発
要件定義
現場に入る
↓
↓
↓
↓
↓
↓
設計
実装
納品
業務を観察する
曖昧な課題を構造化する
小さく作って使ってもらう
↓
業務とプロダクトを同時に変える
12 / 37


# Page. 13

![Page Image](https://bcdn.docswell.com/page/L7LMR2N2JR.jpg)

由来としてのPALANTIR
FDE // 05
情報機関・防衛・企業向けに、データ統合と意思決定支援のプラットフォームを提供してきた。
Gotham
Foundry
Apollo
AIP
政府・情報機関・防衛向けの分析基盤（最初の製品）
デプロイ・運用基盤（クラウド〜エアギャップ対応）
民間企業・行政向けのデータ統合基盤（後で詳述）
LLMをOntologyに接続し業務のActionへつなげる
13 / 37


# Page. 14

![Page Image](https://bcdn.docswell.com/page/4EMYR8X9EW.jpg)

PALANTIRの初期
FDE // 05
初期の仕事は ──
情報分析官の隣に座り、ばらばらの機密データをつなぎ、分析・捜査・作戦に使えるソフ
トを一緒に作ることだった。
原型はPayPalの不正検知。AIが全部判断するのではなく、人間の分析能力を拡張する（intelligence augmentation）思想。
14 / 37


# Page. 15

![Page Image](https://bcdn.docswell.com/page/PER9R5N9J9.jpg)

PALANTIRの歴史
PayPalの不正検知
FDE // 05
→
人間＋ソフトで → 対テロ・情報分析に応用 → 現場でプロトタイプを改善 →
関係性を見つける
Gothamとして共通化
S-1（2020）：2003年創業、情報コミュニティ向けに開発 ／ Gothamが最初の製品 ／ 現場で手作業だったネットワーク分析を支援。※Gotham
「2008年公開」は二次資料
15 / 37


# Page. 16

![Page Image](https://bcdn.docswell.com/page/P7XQRKN3EX.jpg)

初期PALANTIRが解いていた問題
人物
組織
電話番号
FDE // 05
口座
住所
車両
渡航記録
通信記録
捜査記録
問題は「データがない」ではなく、部署・システム・形式ごとに分断され、人間が関係性を発見しにくいこと。
S-1：「1つではなく何千もの干し草の山から針を探していた」
16 / 37


# Page. 17

![Page Image](https://bcdn.docswell.com/page/37K9R5NN7D.jpg)

PALANTIRが作ったもの
データ接続
共同分析
FDE // 05
エンティティ解決
権限管理
関係性の可視化
監査ログ
時系列・地理分析
分析→行動の受け渡し
機密情報を扱うがゆえに、権限管理と監査ログが製品の中核だった。
17 / 37


# Page. 18

![Page Image](https://bcdn.docswell.com/page/LJ3W8KVZJ5.jpg)

ここで重要
FDE // 05
現場で問題を解く → 似た問題が何度も出る → 共通機能を抽出する →
Gotham / Foundryとして製品化
最初から完成したFoundryがあったわけではない。
FDEが現場で見つけたパターンが、プロダクトになった。
18 / 37


# Page. 19

![Page Image](https://bcdn.docswell.com/page/8JDKM384EG.jpg)

本質はAIではなくONTOLOGY
FDE // 06
Data
↓
本質は、組織内のばらばらなデータを、業務上の意味を持った
世界として扱えるようにすること。
Ontology
↓
Application
↓
Action
19 / 37


# Page. 20

![Page Image](https://bcdn.docswell.com/page/VEPKR48V78.jpg)

本質はAIではなくONTOLOGY
FDE // 06
現実の業務世界を、データとソフトウェアが扱える形に翻訳すること。
それが ── Ontology。
Palantirはこれを「組織のデジタルツインを作る運用レイヤー」＝自社の堀(moat)と説明する。
20 / 37


# Page. 21

![Page Image](https://bcdn.docswell.com/page/27VVRXNR7Q.jpg)

ONTOLOGYとは何か
FDE // 06
顧客
DBのテーブルをそのまま見せるのではなく、現場の人間
が理解している概念に対応させる。
例：工事会社なら
└─ 案件
├─ 現場
├─ 見積
├─ 工程
├─ 資材
├─ 作業員
└─ 請求
21 / 37


# Page. 22

![Page Image](https://bcdn.docswell.com/page/5JGLMVK67L.jpg)

ONTOLOGYは「名詞」だけではない
// 状態 State
引合い → 現場調査 → 見積作成 → 受注 → 施工中 →
完了 → 請求済み
FDE // 06
// 行動 Action
見積を承認する
▸ 資材を発注する
▸ 担当者を割り当てる
▸ 工程を変更する
▸
22 / 37


# Page. 23

![Page Image](https://bcdn.docswell.com/page/47QYR6N2EP.jpg)

なぜONTOLOGYが重要なのか
データだけある
→ AIは意味が分からない
FDE // 06
Ontologyがある
→ AIは「何を見て、何をしてよいか」が分かる
Ontologyは、AI Agentのための業務地図である。
23 / 37


# Page. 24

![Page Image](https://bcdn.docswell.com/page/KE4W84GPJ1.jpg)

役割分担：FDSE
× DS
FDE // 07
Forward Deployed Software Engineer
Deployment Strategist
FDSE
DS
「スタートアップのCTOに近い責任範囲」
顧客の分析官と並んで座る問題解決者
顧客の中で設計・実装し、動かす。
業務課題を構造化し、何を作るべきかを決める。
FDEは1つの役職名ではなく、この2つが組んで現場に入るモデル。
24 / 37


# Page. 25

![Page Image](https://bcdn.docswell.com/page/L71Y24DXJG.jpg)

AI時代のFDEは、両方を担う
役割
FDSE
Deployment Strategist
AI企業のFDE
FDE // 07
重心
現場に入り、実装し、動かす
業務を構造化し、何を作るかを決める
1人で両方をかなり担う
なぜなら、AI企業にはFoundryのような完成プラットフォームがまだないから。
＝ 顧客ごとに「ミニFoundry」を建てている。
25 / 37


# Page. 26

![Page Image](https://bcdn.docswell.com/page/G7WGRXYKE2.jpg)

証拠：ANTHROPICの求人
MCPサーバー
FDE // 07
サブエージェント
Agent Skills
これは、本番ワークフローに組み込まれる部品。
Anthropic Careers ── Forward Deployed Engineer, Applied AI ／「再現可能なパターンを型にしプロダクトへ還元する」
26 / 37


# Page. 27

![Page Image](https://bcdn.docswell.com/page/4JZLR6XNE3.jpg)

AI時代のFDEとは何か
FDE // 08
置き換わる（実装作業）
コード生成
SQL生成
テスト作成
データ変換
置き換わらない
ドキュメント化
UI試作
現場で「そもそも何が問題か」を発見すること。
Excelが残る理由、承認が止まる理由 ── データには出てこない。
だから各社は「AIで代替」ではなく「人を6,000人送り込む」と判断した。AIはFDEのレバレッジを上げる存在。
27 / 37


# Page. 28

![Page Image](https://bcdn.docswell.com/page/YE6WR249EV.jpg)

これから価値が上がる能力
FDE // 08
業務理解 → Entity抽出 → Ontology設計 → Action設計 → AI / Agent実装 → 運用・評価設計
戦略コンサルだけでも、実装屋だけでも足りない。この掛け算が希少で、報酬も高い。
28 / 37


# Page. 29

![Page Image](https://bcdn.docswell.com/page/GE5M82QDE4.jpg)

FDE // 08
実践するなら：最初の型
業務フロー
5 Action
1
Entity
6 Pain
2
Link
7 AIで支援できる箇所
3
4
State
1〜6 = Deployment Strategist の仕事 ／ 7 = FDSE の仕事。順番が大事。
29 / 37


# Page. 30

![Page Image](https://bcdn.docswell.com/page/9729K4WMJR.jpg)

FDE // 08
例：地域貢献で考えるなら
// Entity
// Action
住民
観光客
港
航路
学校
補助金
運航会社
便
船
バス
病院
増便する
減便する
需要を予測する
接続を改善する
補助金を配分する
住民へ通知する
「減便」はコスト削減ではなく、通院・通学・観光・災害移動に影響するAction。※Foundryは英国NHS等 行政でも稼働
30 / 37


# Page. 31

![Page Image](https://bcdn.docswell.com/page/DJY4NMLP7M.jpg)

例：企業協働で考えるなら
FDE // 08
顧客 → 案件 → 見積 → 受注 → 作業 → 納品 → 請求
どこで情報が途切れ、どこで判断が属人化しているかを見る。
Excel転記・紙・口頭確認・二重入力・承認待ち ── AIより先に、業務モデルを作る。
31 / 37


# Page. 32

![Page Image](https://bcdn.docswell.com/page/V7NYXW4ME8.jpg)

まとめ
FDE // 09
現場に入り、業務を理解し、データとAIを使って、実際に動く仕組みを作る人。
ただしAI時代のFDEは、PalantirがFDSEとDeployment Strategistに分けていた仕事を、1人で、土台が
ない状態からやることになる。
32 / 37


# Page. 33

![Page Image](https://bcdn.docswell.com/page/YJ9P8XQW73.jpg)

今日の結論
FDE // 09
最近FDEが話題なのは、AI企業が「モデル企業」から「導入企業」へ進化しているから。
2026年、その進化に数千億円規模の資本がついた。
Palantirの歴史が示す順番
現場に入る → 業務を理解する → 共通パターンを見つける → Ontologyを作る → Actionを作る → Platformになる
33 / 37


# Page. 34

![Page Image](https://bcdn.docswell.com/page/GJ8D82GRJD.jpg)

FDE // 09
最後に：私たちがやるなら
業務フローを書く
Actionを定義する
Entityを拾う
小さく実装する
Linkをつなぐ
使ってもらう
Stateを見る
学びを型にする
これが、FDEの第一歩。
34 / 37


# Page. 35

![Page Image](https://bcdn.docswell.com/page/LJLMR2G2ER.jpg)

─────────
─────────
35 / 37


# Page. 36

![Page Image](https://bcdn.docswell.com/page/47MYR8Q97W.jpg)

実際にチャレンジしたいのであれば
FDE // 10
01 自分の生活や仕事でチャレンジ → LTで発表してみる！
02 CDLEひろしまで一緒に課題解決してみる
03 マナビDX Quest 企業協働プログラムに応募する
一緒に勉強しましょう！
36 / 37


# Page. 37

![Page Image](https://bcdn.docswell.com/page/P7R9R589E9.jpg)

FDE // 11
参考資料
// 一次情報
// 報道
▸
▸
OpenAI Careers: Forward Deployed Engineer, Tokyo
▸ Anthropic Careers: Forward Deployed Engineer,
Applied AI
▸ Palantir Careers: FDSE / Deployment Strategist
▸ OpenAI: Deployment Company 発表（2026-05-11）
▸ AWS: Forward Deployed Engineering 発表（202606-30）
▸ Palantir S-1 filing, SEC（2020）
FT: The new hot job in AI（2025-11-02）
▸ CNBC: Anthropic × Goldman / Blackstone、15億ドル
（2026-05-04）
▸ TechCrunch: Ode with Anthropic（2026-07-15）
▸ CNBC / TechCrunch: Microsoft Frontier Company
（2026-07-02）
▸ Reuters: TCS、最大8,900人（2026-07-12）
▸ Forbes, Andy Greenberg: Palantir（2013）／ Wired
UK（2012.9）
37 / 37