FDE転職ガイド【2026年版】必要スキル・求人の見方・選考対策を公式求人から解説

FDE（Forward Deployed Engineer）への転職で問われるのは、FDEという肩書きで働いた年数だけではありません。日本向けの公式求人10件を確認すると、複数の求人で繰り返し求められているのは、自ら実装して本番へ届けた経験と、顧客や事業部門の課題を成果へつなげた経験です。

一方で、必要な経験年数、英語、出社、出張、選考工程は企業ごとに異なります。今回の10件では、経験年数を数値で示す求人は6件で、最短1年以上から5年以上まで幅がありました。残る4件は年数を示していませんが、実装、設計、顧客折衝などの具体的な経験を求めています。したがって、「年数の記載がない＝開発未経験でも応募できる」とは解釈できません。

この記事の要点

• FDE未経験でも、開発と顧客対応の経験をFDEの成果範囲へ結び付けられれば応募余地がある
• 公式10求人のうち6件は1〜5年以上の経験年数を明記し、4件は年数を明記していない
• 開発未経験者は、転職応募の前に本番に近い開発・技術検証の証拠を作ることが先になる
• 選考はコーディングテスト、日英面接、英語動画など企業差が大きく、公開されていない工程もある
• 働き方も週3出社、原則リモート、顧客訪問、出張25〜75%、リモート割合0%まで幅がある

結論：FDE転職で見られるのは「実装×顧客成果」

FDEの仕事内容は、顧客の要望を受け取ってコードを書くことだけではありません。課題を整理し、技術スコープを決め、プロトタイプを作り、本番へ展開し、利用定着や成果まで進めます。詳しい役割は「FDEの仕事内容・必要スキル・類似職との違い」で整理しています。

転職時に示したいのは、次の3つの証拠です。

• 実装の証拠：自分で設計・実装し、テスト、デプロイ、運用まで進めた
• 顧客成果の証拠：顧客や社内利用者の課題を理解し、KPIや業務の変化まで追った
• 説明可能性の証拠：制約、選択肢、技術判断、失敗、改善を相手に合わせて説明できる

THREE PROOFSFDE転職でそろえたい3つの証拠

01 / BUILD実装

設計から本番運用まで、自分が担った範囲を示す

02 / OUTCOME顧客成果

利用者の課題と、導入後に変わった指標を示す

03 / EXPLAIN説明

判断の理由、制約、改善過程を言葉にする

これは、採用企業が共通の採点表を公開しているという意味ではありません。本記事の整理・推論として、複数の公式求人に繰り返し現れる要件を、応募者が準備できる3種類の証拠へ置き換えたものです。

公式求人10件で見るFDEの必須スキル・歓迎スキル

ここでは、OpenAI、Google Cloud、Notion、Palantirと、日本企業6社の日本向けFDE求人を同じ項目で比較します。ただし、企業によって見出しの強さが違います。たとえばOpenAIは一部を「You might thrive」、Notionは「Skills you’ll bring」と表現しています。本記事では元の区分を残し、すべてを採用上の「絶対必須」へ言い換えていません。

日本向けFDE公式求人10件の経験年数・必須系要件・歓迎系要件

企業・職種	求人票の区分	経験年数	必須・Skills欄の要点	歓迎・Preferred欄の要点
OpenAI東京	must be bilingual／You might thrive	5年以上	顧客対応を含むエンジニアリング／技術導入、本番フルスタック、LLM導入、日英	独立した歓迎欄の記載なし
Google Cloud東京	Minimum qualifications	5年	Python等の開発、AIを構想から本番へ、クラウド、Vector DB／RAG、技術調査セッション、日英	修士・博士、マルチエージェント、LLM指標・最適化等
Notion Japan	Skills you’ll bring	4年以上	顧客向けエンジニアリング、TypeScript／Python等、API・データ統合、権限・ガバナンス・可観測性、日英	SaaSのプロフェッショナルサービス、AIエージェント、プリセールス、大企業への導入等
Palantir Japan Government	Requirements／What We Value	1年以上	コーディング、日英、セキュリティクリアランス取得可能性、関連実務	独立した歓迎欄なし。What We Valueにデータ、協働、自律学習等
JAPAN AI	必須条件	3年以上	SWE、フルスタック、LLMアプリ、クラウド、日本語	顧客対応2年以上、AIエージェント、ETL、セキュリティ、PM、英語等
ナインアウト	必須スキル	3年以上	顧客折衝、REST APIを使う本番Web開発、フルスタック系またはSIer／コンサル＋実装	CRM連携、イベント駆動、LLM、SQL、0→1等
ALGO ARTIS	必須スキル	記載なし	SWEとしての実装、要件／要求定義、アーキテクチャ設計	テックリード、業界知識、数理最適化、0→1等
メダップ	必須スキル	記載なし	顧客とプロダクト開発を主導、課題構造化、設計・リリース、効果検証・改善	BPR、運用定着、AI活用、KPI検証等
ログラス	MUST	記載なし	複雑業務の構造化、ハンズオン実装またはLLM／RAGの本番運用、定着、文書化、日本語での顧客折衝	Technical PdM、Solution Architect、法人向けSaaS、経営管理、顧客接点等
オープングループ	必須要件	記載なし	「以下のいずれか」としてPython／SQL、Web開発、顧客課題への主体性、継続学習、説明力を列挙。日本語N1以上	LLM、クラウド、顧客ヒアリング、PM、アジャイル、業界知、英語読解等

複数求人に現れるのは本番実装・顧客理解・不確実性への対応

10件すべてが同じ技術を求めているわけではありません。Google CloudはVector DatabaseやRAG、ALGO ARTISは数理最適化、ナインアウトはREST APIやデータ連携など、事業領域によって技術の重心が異なります。

その中でも複数求人に現れるのは、次の能力です。

• 本番へ届ける開発力：PoCだけでなく、本番品質の設計、実装、展開、運用を担う
• 課題構造化：曖昧な要望を業務フロー、データ、制約、成功指標へ分解する
• 顧客・関係者との協働：現場担当、経営層、エンジニア、営業などの前提をそろえる
• 技術判断：速度、品質、セキュリティ、ガバナンス、拡張性の間で選択する
• 導入後の改善：利用状況、KPI、評価結果を確認し、次の実装や製品改善へ戻す

本記事の整理・推論：特定のフレームワーク名をすべて暗記するより、自分の中核技術を使って、顧客課題から本番成果まで進めた一つの事例を深く説明できる方が、複数求人の共通部分へ対応しやすいと考えられます。

FDE転職に必要な経験年数は1〜5年以上

公式10求人のうち、経験年数を数値で明記しているのは6件です。Palantirが関連する大学卒業後の実務1年以上、JAPAN AIとナインアウトが3年以上、Notionが4年以上、OpenAIとGoogle Cloudが5年以上です。

EXPERIENCE AXIS数値を明記した6求人の経験年数

0年3年5年以上

• Palantir1年以上
• JAPAN AI3年以上
• ナインアウト3年以上
• Notion4年以上
• OpenAI5年以上
• Google5年

年数は足切りの一部で、経験の中身を代替しない

「5年あれば応募できる」「1年なら十分」と年数だけで判断するのは危険です。OpenAIの5年以上は、顧客対応を含む技術導入経験と、本番フルスタック、LLMシステムの経験を一緒に示しています。Palantirの1年以上も、コーディング、日英、セキュリティクリアランス、顧客先への出張を含む別の条件があります。

逆に、年数を記載していない4件も経験不問ではありません。ALGO ARTISはソフトウェア実装・要件定義・アーキテクチャ設計、メダップは顧客と進めるプロダクト開発の主導と改善、ログラスはハンズオン実装またはLLM／RAGの本番運用、オープングループはPython／SQLやWeb開発などを要件として挙げています。

FDE未経験と開発未経験は分けて考える

FDE未経験：肩書きがなくても、隣接経験を棚卸しできる

「FDEとして働いたことがない」という意味での未経験なら、現在の仕事にFDEの一部が含まれている可能性があります。たとえば、次の経験です。

• 顧客へヒアリングし、要件定義から実装・リリースまで主導した
• 社内業務を調査し、AIや自動化ツールを本番運用へ載せた
• SaaS、CRM、基幹システムをAPIやデータパイプラインで接続した
• PoCの結果を評価し、セキュリティや権限を整えて利用部門へ展開した
• 技術・営業・顧客の間で開発範囲と優先順位を調整した

公式10求人の多くは、過去の肩書きを「FDE」に限定していません。ITコンサル、SIer、SWE、Technical PdM、Solution Architectなどの経験を明示的に挙げる求人もあります。応募書類では肩書きをFDE風に言い換えるのではなく、実際に担当した範囲を、課題→判断→実装→成果の順で示すことが重要です。

開発未経験：学習だけでなく、動く仕組みの証拠が必要

業務でコードを書き、本番に近い環境へ届けた経験がない場合は、FDE未経験とは別に考えます。今回の10件では、SWE経験、REST APIを使う本番Web開発、ハンズオン実装、本番品質のコードなどが繰り返し求められています。

そのため、開発未経験からいきなりすべてのFDE求人へ応募するより、まず次の証拠を作る方が、求人要件との距離を縮めやすいと考えられます。これは内定条件ではなく、公式求人の実装要件から導く本記事の推論です。

1. PythonまたはTypeScriptで、画面・API・データベースをつないだ業務アプリを作る
2. 認証、権限、ログ、エラー処理、テストを追加し、第三者が使える環境へ公開する
3. 実在する業務担当者へヒアリングし、入力、出力、例外、成功指標を修正する
4. LLMを使う場合は、評価方法、コスト、個人情報、誤回答時の運用まで記録する
5. 開発職、社内DX、ソリューション支援などで継続的な実務経験を積む選択肢も検討する

学習サービスの受講、資格取得、個人開発だけで採用を保証することはできません。重要なのは、求人が求める経験との差分を把握し、証拠を一つずつ増やすことです。

出身職種別に見るFDEへの転職ルート

出身職種によって、すでに持っている強みと不足しやすい証拠が違います。ここでは職種名で合否を決めるのではなく、応募準備の重点を整理します。

ソフトウェアエンジニア

本番開発、コードレビュー、テスト、監視の経験は強みです。一方、顧客の曖昧な課題を聞き、開発範囲やKPIを決めた経験が書類から見えない場合があります。担当機能だけでなく、「誰の何を改善したのか」「選択肢をどう比較したのか」を補います。

SIer・ITコンサルタント

顧客折衝、要件定義、複数の関係者の調整、業界理解はFDEと接続しやすい経験です。ただし、提案・管理だけに見えるとハンズオンの証拠が弱くなります。自ら書いたコード、作ったプロトタイプ、技術検証、障害対応の範囲を具体化します。

Solution Architect・Technical PdM

アーキテクチャ設計、技術調査、ロードマップ、導入推進の経験は、Google、Notion、ログラスなどの要件と重なる部分があります。補うべき点は、助言だけでなく自分で実装した証拠です。小さくても、システム連携、自動化、AIエージェント、データパイプラインを自分で作り、運用した記録を示します。

データ・AIエンジニア

RAG、評価、データパイプライン、モデル運用の経験は生成AI系FDEで強みになります。ただし、精度だけでなく、既存システム、権限、UI、業務フローへ統合し、利用者の成果を測ったかが問われます。モデルの指標と業務KPIを分けて説明できるようにします。

BRIDGE THE GAP出身職種ごとに補う証拠が違う

開発寄りの経験SWE・Data・AI

強みは実装と本番運用。顧客の課題発見、KPI、合意形成の証拠を補う。

↔両方をつなぐ

顧客・上流寄りの経験SIer・コンサル・SA・PdM

強みは要件と推進。自らコードを書き、本番まで運用した証拠を補う。

応募するFDE求人を見分ける5つの確認点

FDEは統一資格ではなく、企業ごとに担当範囲が違います。職種名だけで選ばず、次の5点を確認します。

応募候補を探す段階では、掲載基準と確認日を明記した「FDE求人一覧【2026年7月版】」から企業公式求人を比較できます。

1. 誰の課題を解くのか

外部顧客へ埋め込まれるFDEだけでなく、社内変革に近い役割もあります。顧客の業界、部門、役職、扱うデータを確認し、自分の業務知識が活きるかを見ます。

2. どこまで自ら実装するのか

プロトタイプだけか、フロントエンド・バックエンド・データ統合・クラウドまで作るのか、本番運用も担うのかを読みます。「アーキテクチャ」「デリバリー」と書かれていても、コードを直接書く比重は企業ごとに異なります。

3. 成果責任はどこまでか

納品、利用定着、業務時間削減、ROI、プロダクトへのフィードバックなど、成功の定義を確認します。JAPAN AIはアクティブ利用率や業務削減時間などを成果指標として例示し、ナインアウトは顧客KPI改善までを責任範囲として説明しています。

4. 個別対応を製品へどう戻すのか

FDEは顧客ごとの受託開発だけを意味しません。現場の知見を共通部品、テンプレート、プレイブック、プロダクトのロードマップへ戻す責任が含まれる求人があります。個別最適と再利用の両方をどう評価するか確認します。

5. 勤務地・出張・言語の条件は何か

「顧客の現場に入る」は、常駐と同義ではありません。週3出社、原則リモート、顧客訪問、25〜75%の出張など、働き方は大きく異なります。日英能力も、グローバル4社は明記していますが、日本企業6社すべてが英語を必須としているわけではありません。

給与・賞与・株式報酬も求人選びの重要な要素です。国内公式求人の比較は「FDEの年収・給与相場【2026年版】」で、集計条件とともに確認できます。

職務経歴書・ポートフォリオで示す3つの証拠

職務経歴書は「担当業務」ではなく変化まで書く

「API開発を担当」「顧客と要件定義を実施」だけでは、FDEに必要な範囲が伝わりません。次の順序で一つの事例を組み立てます。

1. 課題：利用者、現状の業務、困っていたこと、放置した場合の影響
2. 制約：既存システム、データ、セキュリティ、期限、体制、予算
3. 自分の判断：何を優先し、何を対象外にし、なぜその設計を選んだか
4. 実装：自分が書いたコード、システム連携、テスト、本番展開、運用の範囲
5. 成果：利用率、処理時間、エラー率、売上、工数など確認できる変化
6. 改善：失敗、フィードバック、次の改善、プロダクトへ戻した知見

数値を持っていない場合に、効果を推定して作らないでください。「利用部門3部署へ展開」「手作業の工程を5つから2つへ変更」「障害時の復旧手順を作成」のように、確認できる事実を使います。顧客名や秘密情報は、公開可能な範囲へ抽象化します。

ポートフォリオは業務フローと運用を含める

FDE向けのポートフォリオは、画面の見栄えやモデルAPIの呼び出しだけでなく、業務へ組み込む判断が見えることが重要です。

• 想定利用者と、導入前・導入後の業務フロー
• システム構成、データフロー、外部API、認証・権限
• LLMを使う場合の評価データセット、評価指標、失敗例
• ロギング、監視、リトライ、手動フォールバック
• セキュリティ、個人情報、プロンプトインジェクションへの対応
• コストと応答速度の測定、設計上のトレードオフ
• 利用者のフィードバックから変更した内容

GitHubを公開できない業務経験は、機密を除いたアーキテクチャ図、意思決定記録、数値の定義、振り返りで補えます。実在顧客の許可なくコードやデータを持ち出してはいけません。

公式に公開されたFDEの選考と対策

選考工程を比較するときは、「一般的にFDEは○回面接」と決めつけないことが大切です。今回の10求人では、職種ページや応募フォームに具体的な工程を掲載している企業と、工程を掲載していない企業がありました。

公式求人・応募フォームで確認できたFDE選考情報

企業	公開されている選考情報	準備で確認すること
OpenAI東京	英文の履歴書を提出し、面接には日本語・英語双方の会話を含む	同じ技術事例を日英で説明し、トレードオフと顧客成果を一貫させる
Palantir Japan Government	応募フォームで、志望理由とPalantirのコンテンツに関する英語2分以内の台本なし動画を求める	指定された問いへ自分の言葉で答え、時間・公開範囲・削除案内を守る
JAPAN AI	書類→コーディングテスト→面接4〜5回→内定。最終面接までにリファレンスチェック	フルスタック・LLM・クラウドの実装と、顧客成果の説明を別々に準備する
オープングループ	書類→1次面接→最終面接→内定。状況により変更の場合あり	Python／SQL・Web開発と、非エンジニアへの説明例を整理する
Google、Notion、ナインアウト、ALGO ARTIS、メダップ、ログラス	今回確認した職種ページには、当該職種の全工程の記載なし	応募後の案内を正本とし、回数やテスト内容を非公式情報だけで断定しない

コーディングでは完成速度だけでなく判断を説明する

JAPAN AIはコーディングテストを明記していますが、問題形式や採点基準は求人票だけでは分かりません。一般的な準備として、要件確認、データモデル、API、エラー処理、テスト、READMEまでを限られた時間で組み立て、残した課題を説明できるようにします。実際の選考内容は企業の案内に従ってください。

面接では一つの案件を深く説明する

表面的に10個の技術名を並べるより、一つの案件について、顧客が何に困り、自分がどう開発範囲を決め、どこを実装し、何を測り、どこで失敗したかを掘り下げます。機密情報は伏せつつ、自分の責任範囲とチームの成果を混同しないことも重要です。

英語は技術・顧客・判断の3テーマで準備する

OpenAI、Google、Notion、Palantirの4社は日英能力を明記しています。自己紹介だけでなく、アーキテクチャ、障害対応、関係者調整、トレードオフを英語で説明する練習が必要です。ただし、日本企業6社について「英語が必須」と一律には言えません。各求人の必須・歓迎欄を分けて判断します。

リモート・出社・顧客訪問などFDEの働き方

FDEは顧客に近い役割ですが、必ず顧客先へ常駐する職種ではありません。公式求人10件の記載には、次の違いがあります。

日本向けFDE公式求人10件の働き方

企業	勤務地・リモート	顧客訪問・出張など
OpenAI東京	週3日オフィス勤務のハイブリッド	主に国内の出張あり
Google Cloud東京	東京勤務。職種ページに出社頻度・リモートの記載なし	職種ページに比率の記載なし
Notion Japan	月・火・木を東京オフィスで勤務	大企業の顧客へ深く入る役割。出張率の記載なし
Palantir Japan Government	Hybrid	顧客先への出張25〜75%
JAPAN AI	週3出社・週2リモート	求人票に出張率の記載なし
ナインアウト	原則リモート	展示会・全社総会など月1〜2日程度の対面機会
ALGO ARTIS	リモートワーク制度、コアタイムなしのフレックス	顧客先常駐なし。定例・現場見学・リモートで進行
メダップ	フルリモート応相談、コアタイム付きフレックス	顧客先への訪問・打合せあり
ログラス	本社勤務・在宅勤務可、コアタイム付きフレックス	求人票に出張率の記載なし
オープングループ	リモート割合0%（個別相談の注記あり）	現場に入り込む業務として説明

求人を比較するときは「リモート可」の一語だけでなく、次を質問できる状態にしておきましょう。

• 定例出社と顧客訪問は、それぞれ月・週に何回あるか
• 国内・海外出張の地域、頻度、連続日数はどの程度か
• 顧客先でコードを書くのか、自社オフィスやリモートで開発するのか
• 勤務時間外の障害対応やオンコールがあるか
• 複数案件を並行するのか、一社へ深く入るのか

FDE転職準備の90日ロードマップ

次の90日は、短期間でFDEになれると保証する計画ではありません。すでに開発または隣接職の実務経験がある人が、応募に使う証拠を整理するための一例です。経験が不足する場合は、期間を延ばして実務・制作・改善を積み重ねます。

90-DAY PREPARATION棚卸しから応募準備までの4段階

1. 011〜14日求人3件を選び、現在の証拠と不足を棚卸しする
2. 0215〜45日一つの業務課題を選び、本番に近い仕組みを実装する
3. 0346〜75日第三者に使ってもらい、評価・運用・改善を記録する
4. 0476〜90日職務経歴書、ポートフォリオ、面接説明を求人別に整える

1〜14日：応募候補を3件に絞り、証拠を棚卸しする

10社すべてへ同じ書類を送る前に、興味のある事業と働き方から3件を選びます。求人ごとに、必須、歓迎、年数、言語、勤務、選考を一行ずつ抜き出し、自分の経験に「証拠あり」「一部あり」「なし」を付けます。

15〜45日：一つの課題を本番に近い形で実装する

不足する証拠が実装なら、広い技術を浅く触るより、一つの業務課題を最後まで作ります。API、データベース、権限、ロギング、テスト、本番展開をそろえます。すでに実務経験がある場合は、新作より過去案件の設計判断を整理する方が有効なこともあります。

46〜75日：第三者の利用と改善を記録する

自分だけで動かして終わらせず、想定利用者に触ってもらいます。迷った場所、失敗した入力、使われなかった機能、改善後の変化を記録します。LLMなら成功例だけでなく、誤回答や拒否すべき入力を含む評価データを作ります。

76〜90日：求人ごとに伝え方を変える

同じ経験でも、Google CloudならAIを本番へ載せたアーキテクチャ、ALGO ARTISなら要件定義と最適化・業界課題、Notionならシステム連携・権限・ガバナンスなど、求人の重心に合わせて順序を変えます。事実を誇張せず、足りない要件は学習中・未経験として明確にします。

FDEに必要な技術と顧客課題の解き方を体系的に学びたい方は「FDEスクールのカリキュラム」も確認できます。受講や学習は選考通過・転職・年収向上を保証するものではありません。

FDE転職についてよくある質問

まとめ：求人要件を、自分の証拠へ変換する

2026年7月19日に確認した日本向けFDE公式求人10件では、6件が1〜5年以上の経験年数を数値で示し、4件は年数を示していませんでした。しかし、年数記載なしの求人も実装、設計、顧客折衝などの経験を求めています。

FDE未経験者は、肩書きを作るのではなく、これまでの経験を「課題→判断→実装→本番→成果」の流れで整理してください。開発未経験者は、まず動く業務アプリを第三者へ届け、運用と改善まで経験することが、公式求人の要件へ近づく一歩になります。

応募先を選ぶときは、仕事内容、経験年数、必須・歓迎条件、選考、働き方、給与を分けて確認します。FDE関連記事は「あなたのFDEキャリアの記事一覧」と「転職・求人の記事一覧」でも整理しています。

FDEに必要な実装と顧客課題の解き方を学ぶ→

---

参考にした公式情報

• OpenAI「Forward Deployed Engineer – Tokyo」
• Google「Forward Deployed Engineer, GenAI, Google Cloud（English, Japanese）」
• Notion「Forward Deployed Engineer, GTM – Japan」
• Palantir「Forward Deployed Software Engineer – Japan Government」
• Palantir「Japan Government応募フォーム」
• JAPAN AI「Forward Deployed Engineer（FDE）」
• ナインアウト「Forward Deployed Engineer（FDE）」
• ALGO ARTIS「FDE（Forward Deployed Engineer）」
• メダップ「Forward Deployed Engineer（FDE）」
• ログラス「Forward Deployed Engineer（FDE）」
• オープングループ「FDE事業 Forward Deployed Engineer」

WRITERライター紹介

黒山結音