業務側FDEとは？非エンジニアから育てる方法と3か月の道筋

「エンジニアがいない。採ろうにも採れない。それなら業務部門の人を、AIを現場に実装できる人に育てられないか」。業務側FDEの育成について、こうしたご相談を事業会社の部門長やDX推進・人事のご担当者、中堅中小企業の経営者から多くいただきます。「生成AIのアカウントは全社に配ったが、業務の手順は何も変わっていない」という声も、同じくらいよく聞きます。

結論から言えば、育てられます。ただし目指すのは、エンジニアへの転身ではありません。自部署の業務を一番よく知る立場から、業務課題の整理、AIで解ける形への分解、現場への定着、効果の測定と改善を受け持つ「業務側FDE」です。試作はノーコード・ローコードの範囲で自分で行い、本番運用の設計やシステムの連携は、社内の情シスや外部と組んで進めます。すべてを1人でこなすFDEを探すより、この分担のほうが中堅中小企業では現実的です。

この記事では、業務側FDEの役割と技術側・外部との分担、向いている人の選び方、身につけるスキルと道具、研修から3か月で自部署に1つ実装するまでの道筋、つまずきやすい壁と評価の考え方までを解説します。会社全体のFDE育成の設計は「企業のFDE育成の進め方」で扱っています。

業務側FDEとは：Deployment Strategistに当たる「業務を知る側」のFDE

FDE（Forward Deployed Engineer＝現場実装型エンジニア）は、AIを作る人ではなく、AIを現場で使える状態にする人です。カトルセでは、FDEの役割を①業務課題の整理 ②AIで解ける形への分解 ③素早い試作 ④本番運用の設計 ⑤現場への定着 ⑥効果の測定と改善の6つに分けて考えています。

この6つを1人で全部こなせる人は、どの会社にも多くはいません。FDEという職種を生んだ米Palantirも、技術側と業務側の2人1組で顧客の現場に入る形をとってきました。遅くとも2009年にはFDEの肩書きを使っていた同社では、本番品質のコードを書く技術側を社内で「Delta」、業務側のDeployment Strategistを「Echo」と呼びます。Echoの多くはソフトウェアエンジニアではなく、元軍人・元臨床医・元フォレンジック会計士など業務に通じた人で、現場の実情を技術の要件に翻訳し、導入したものが使われることに責任を持つと紹介されています。

この組み方は、いまのAI企業にも引き継がれています。OpenAIが2026年5月11日に設立した「OpenAI Deployment Company」は、FDEとDeployment Specialistを合わせて150人の体制で始まりました。国内では、2025年7月にFDEの募集を始めたLayerXが、業務側のDeployment Strategist（DS）とFDEをペアにし、DSを担当領域の「CPO」、FDEを「CTO」にたとえて役割を分けています。

この記事で言う業務側FDEは、このDeployment Strategistの役割を、社内の業務部門の人が自部署で担う形を指します。ベンダーの社員が顧客の現場に入る海外のFDEとは立場が違いますが、「業務を知る側が、AIが使われる状態まで責任を持つ」という中身は同じです。FDEの定義と起源は「FDEとは？現場実装型エンジニアの役割」で、海外のAI企業の動きは「AnthropicやOpenAIのFDEの動向」で解説しています。

中堅中小企業では「業務側から育てる」が現実的な理由

FDEは採用で確保するのが難しい職種です。FDEの肩書きが付いた国内の求人は、2026年の調査で35〜100件規模でした（集計の定義によって幅があります）。一方で日立製作所は、国内のFDEを2026年7月時点の約300人から2026年度末に約1,000人へ増やすとしています。大手が数百人単位でFDEを増やそうとしている市場で、中堅中小企業がFDEを外から採るのは簡単ではありません（採用の選択肢は「FDEを採用できない企業の3つの選択肢」で比べています）。

IPA（情報処理推進機構）の「DX動向2025」では、DXを推進する人材が量的に不足していると答えた日本企業は85.1%で、米国の23.8%、ドイツの44.6%を大きく上回りました。帝国データバンクの2026年3月の調査では、生成AIを業務で活用している企業は34.5%で、懸念・課題は「情報の正確性」（50.4%）に続いて「専門人材・ノウハウ不足」「活用すべき業務の範囲」が上位に並んでいます。

生成AIを使い始めた企業では、「成果が出ない」という悩みも目立ちます。PwC Japanの「生成AIに関する実態調査2026 春」では、日本企業の生成AIの活用・推進度は87%に達したのに、期待を大きく上回る効果が出た企業は9%で、米国の38%と大きな差がありました。ツールは入ったのに、業務の手順にはまだ組み込まれていないのです。

どの業務にAIを入れ、どう使われる状態にするかは、業務を知る人でなければ決められません。だから中堅中小企業では、エンジニアを採ってから業務を教えるより、業務部門の人を業務側FDEに育て、技術の部分を情シスや外部と分担するほうが早く進みます。TechTargetジャパンも2026年9月28日の記事で、事業会社の情シスが現場の課題発見から実装までを担い、得た知見を全社に広げる「事業会社型FDE」という働き方を取り上げました。社内FDEを非エンジニアから育てる動きは、すでに始まっています。

社内のAI推進リーダーとの違い

業務部門のAI推進人材には、似た役割があります。「社内AI推進リーダー」や「社内講師」は、全社に使い方を広げ、利用者を増やす役割です。業務側FDEは、特定の業務にAIを組み込み、その業務の手順と成果が変わるところまでを受け持ちます。兼ねることもありますが、評価の物差しは分けます。社内推進リーダーの育て方は「生成AI社内推進リーダー・社内講師の育成」で扱っています。

業務側FDEが担う役割：6つのうちどこまでを自分で持つか

業務側FDEは6つの役割をすべて持つわけではなく、業務を知っていることが効く役割を主に持ち、技術の判断が要る役割は技術側と組んで進めます。

③は範囲を決めて担います。業務側FDEが自分で作ってよいのは、失敗しても業務が止まらず、データが部署の中で閉じているもの（問い合わせメールの分類と返信の下書き、表計算の集計と転記など）までにします。顧客の個人情報を扱う、基幹システムに書き込む、社外に自動で送信する、といったものは、本番に出す前に必ず技術側の確認を通します。

④を持たないのは、能力ではなく責任の置き場所の問題です。権限、ログ、データの保管場所は、会社全体の情報セキュリティの方針と結び付いています。業務側FDEは「誰が、どのデータを、どこまで見てよいか」を業務の言葉で示し、それをシステムの設定に落とすのは技術側が行います。

技術側・外部との分担：業務側FDEが一人で抱えないこと

業務側FDEを育てても、技術側の相手がいなければ試作から先に進みません。社内の情シスやエンジニア、いなければ外部の伴走で、技術側の役割を必ず確保します。

カトルセ自身の例を挙げます。当社は営業管理のCRM（顧客管理システム）を Claude Code で開発・運用しています。機能の実装やテストはAIエージェントに任せ、人は指示書の整備とレビュー、本番に出すかどうかの判断に責任を持ちます。運用して分かったのは、成果を左右するのが、AIに渡す指示書の質と、出てきたものが業務に合っているかの判断だということです。どの画面で誰が困っているのか、どの数字が合わなければ使われなくなるのかは、業務を知る人にしか書けません。業務側FDEが担うのは、まさにこの「指示書を書き、結果を確かめ、出すかどうかを決める」判断です。コードを書く作業はAIや技術側に任せられても、この判断は人に残ります。

社内に技術側がいない場合は、外部の伴走に技術側の席を埋めてもらいます。カトルセでは、AI顧問・定着支援（ライト月30万円／スタンダード月50万円／プレミアム月75万円〜）を研修後の実装と定着の伴走に、生成AI開発を本番システムへの実装に充てています。ただし、外部に任せきりにすると社内にノウハウが残らないため、判断は業務側FDEが持ち続けます。外部のFDEを入れるときの契約の注意点は「FDEとSES・派遣・準委任の違い」で解説しています。

業務側FDEに向いている人：4つの条件と、選んではいけない選び方

人選で最初に見るのは、AIの知識ではありません。業務を知っていること、それを言葉にできること、周りが動いてくれることです。

4つ目の条件は見落とされがちです。作ったものを使うのは部署のメンバーで、「あの人が言うなら試してみよう」と思われる人を選ぶと、定着が進みやすくなります。候補になりやすいのは、情シスやDX推進で社内の業務改善を一人で回してきた人、経理・人事・総務・営業事務などの現場を長く知る人、生成AIを日々の業務で使い込んでいる人です。プログラミングの経験は条件に入れていません。

選んではいけない選び方

• 「ITに詳しい若手だから」で選ぶ：ツールの操作は早くても、業務の例外や部署の事情が分からないと、使われない仕組みができます。
• 「手が空いている人」を選ぶ：手が空いている人は、部署の中心業務から離れていることが多く、効く業務を選べません。
• 本人の業務量を減らさずに任命する：育成の時間が真っ先に削られます。
• 部署の外の人に任せる：現場の協力を得にくくなります。最初は自部署から始めます。
• 1人だけを任命して放置する：相談相手がいないと、技術や権限の壁で止まったまま孤立します。

候補者との面談では、次の質問が使えます。そのまま面談シートに貼って使えます。

・あなたの業務で、毎週いちばん時間を取られている作業は何ですか。1回あたり何分ですか
・その作業の手順を、新人に渡すつもりで5〜10行で書いてください
・その作業で、例外や判断が必要になるのはどんなときですか
・これまで自分で作った仕組み（Excelの関数・マクロ、kintoneアプリ、GAS、RPAなど）はありますか。いまも使われていますか
・部署の人から、どんなことでよく相談を受けますか
・業務時間の一部を育成と実装にあてるとしたら、いまの業務のどれを誰に渡せますか

業務側FDEが身につけるスキルと道具

業務側FDEのスキルは、コードを書く力より「業務をAIに渡せる形にする力」が中心です。

業務の分解と要件の言語化

最初に身につけるのは、業務を手順に分け、AIに任せる部分と人が判断する部分を書き分ける力です。ここが曖昧なままでは「便利だが業務は変わらない」で終わります。次のシートを、対象業務ごとに1枚書きます。

【業務名】
【頻度と時間】週◯回 × 1回◯分（担当◯名）
【入力】何を見て始めるか（メール、申込フォーム、Excel、紙 など）と、その置き場所
【手順】1. 〜 2. 〜 3. 〜（5〜10行）
【判断が要る箇所】どの手順で、何を見て、何を決めているか
【AIに任せる候補】要約・分類・下書き・転記・照合 のどれか
【人が確認する箇所】誰が、何を見て、OKを出すか
【扱うデータの注意】個人情報・社外秘の有無、社外のサービスに入れてよいか
【うまくいった状態】処理時間が◯分→◯分、手戻りが月◯件→◯件

最後の「うまくいった状態」は、作り始める前に数字で書きます。あとで効果を測る基準になります。

生成AIツールとDifyなどのワークフロー

次に、生成AIのチャットで定型作業を回せるようにし、それを部署で共有できる形にします。共有の段階で役立つのが、Difyのようなワークフローの道具です。DifyはLangGeniusが開発するオープンソースのLLMアプリ開発プラットフォームで、ワークフローやRAG（社内文書を参照して答える仕組み）をノーコードで組めます。「問い合わせを分類し、該当する社内規程を探し、返信の下書きを作る」といった手順を、画面上で部品をつないで作れます。

非エンジニア向けのバイブコーディング（Claude Codeなど）

バイブコーディングは、作りたいものを日本語で説明し、コードはAIに書かせて動かす作り方です。Anthropicが公開している社内チームの活用事例では、法務チームが Claude Code で、社員を適切な担当弁護士につなぐ「電話ツリー」の仕組みを試作しています。プログラミングを仕事にしていない人でも、業務を解く小さな道具を作れるようになりました。

ただし、業務側FDEのバイブコーディングは、表の集計と転記、定型のレポート作成のような、部署の中で閉じた「小さな自動化」に絞り、部署の外で使うときは技術側の確認を通します。カトルセでは、非エンジニア向けのバイブコーディング研修も扱っています（「AI駆動開発・バイブコーディング研修」）。Claude Code自体の使い方は「Claude Codeの使い方・導入ガイド」で解説しています。

出力の検証と運用手順書

業務側FDEに強く求められるのは、AIの出力が業務として正しいかを確かめる力です。先の帝国データバンクの調査でも、懸念・課題の1位は「情報の正確性」でした。検証とは、どの項目を、どの頻度で、誰が確かめるかを決めることです。最初の2週間は全件を人が確認し、誤りの出方を記録してから、確認の範囲を絞ります。

決めた手順は、運用手順書に残します。使い方だけでなく、誤りが出たときの戻し方、問い合わせ先、手順書を直す担当者まで書きます。ツール導入だけでは定着しません。使う人を育て、社内に型を残します。手順書は、その型を部署に残すための成果物です。

3か月で業務側FDEを育てる道筋

業務側FDEの育成は、3か月を1区切りにします。目指すのは、「自部署の業務1つがAIを組み込んだ手順で回り、その手順書と効果の記録が残っている」状態です。

始める前に、上長が2つのことを決めます。1つは育成と実装にあてる時間（例：3か月間は業務時間の2割）で、本人の業務の一部をほかのメンバーに移します。もう1つは、困ったときに相談する技術側の相手（社内の情シスか外部の伴走）です。

STEP 1研修で「業務を分解してAIに渡す型」を身につける

最初の1か月は、研修で型を身につけます。選ぶのは汎用的なAIの使い方の講座ではなく、受講者の職務を題材に、職務に直結した訓練として設計する研修です。講義を聞くだけでは身につかないため、ライブ形式・全コマ演習で、自分の業務を題材に手を動かす研修が向いています。たとえばカトルセの職種別AI研修シリーズは、最終回の「AI業務改善体験」で、業務の棚卸し→改善対象の選定→AIワークフロー設計→効果の試算→標準化を一通り行います。研修の最後に、2か月目に実装する業務を1つ決めて終えます。

STEP 2自部署の業務で小さく1つ実装する

2か月目は、選んだ業務で試作し、実際の業務で試します。最初の1つは、①毎週発生する ②1回15分以上かかる ③誤りがあっても人の確認で止められる、の3つを満たす業務から選ぶと失敗が少なくなります。2週間ほどは従来のやり方と並べて動かし、処理時間と誤りの数を記録します。

STEP 3手順書を残し、隣の業務へ横展開する

3か月目は、試した手順を運用手順書にまとめ、部署のメンバーに使ってもらいます。本人だけが使っている状態では、業務の変化とは言えません。部署で回り始めたら、同じ型が使える隣の業務や他部署の似た業務に広げます。横展開では技術側の確認が要る場面が増えるため、本番に出す条件を技術側の相手とここで確かめます。

STEP 4効果を測り、研修後90日の定着につなげる

3か月目の終わりに、分解シートに書いた「うまくいった状態」と比べて効果を測ります。研修の効果は満足度ではなく、業務の変化で測ります。そして、その変化が続くかどうかは、研修後90日の運用で決まります。使われ方が落ちていないか、手順書が古くなっていないかを月に1回見直し、次の3か月で取り組むテーマを決めます。定着の進め方は「AI研修を実施しても現場が変わらない理由」で解説しています。

業務側FDEがつまずく5つの壁と対策

業務側FDEの育成が止まる理由は、本人の能力より、周りの条件にあることがほとんどです。

データの壁は多くの企業に共通しており、生成AIを活用する企業の責任者・担当者548名への調査では、社内データが未整備と答えた企業が50.7%ありました。また、技術の壁と孤立はよく重なり、技術側の相手がいないと、試作が動いた段階で止まったまま本来の業務に戻ってしまいます。研修と伴走を組み合わせるのは、この2つの壁を同時に越えるためです。

業務側FDEの評価と処遇：考え方と例

業務側FDEの評価と処遇に、決まった正解はまだありません。社内で役割を作るところから始める会社がほとんどだからです。評価の考え方は1つで、研修の受講や資格の取得ではなく、担当した業務がどう変わったかを見ます。

処遇は人事制度に合わせて決めます。たとえば次のような形があります。

• 役割として任命する：「業務側FDE」「AI実装担当」などの役割名を付け、兼務の比率（例：業務時間の2割）と期間を、辞令や期初の目標に書きます。
• 目標に業務の変化を入れる：上の表の指標から1〜2個を期中の目標に入れます。
• 役割の定義に公的な標準を使う：IPAのデジタルスキル標準（DSS）ver.2.0（2026年4月16日公開）は、DXを推進する人材を6つの人材類型で定義しています。業務の変革の目的を定め、関係者を調整しながら成果まで導く「ビジネスアーキテクト」の記述は、業務側FDEの役割定義や等級の要件づくりの参考になります。
• 社外の検定は補助に使う：FDEの検定は2026年に2つの団体が制度を発表しています（比較は「FDE検定は2つある」）。合否より、担当業務の変化を主な評価にします。

よくある質問（FAQ）

まとめ

• 業務側FDEは、PalantirのDeployment Strategistに当たる役割で、業務部門の人が自部署の業務にAIを組み込み、使われる状態まで責任を持ちます。
• 選ぶ基準はAIの知識ではなく、業務を知り、手順を言葉にでき、周りに頼られていることです。技術の部分は、社内の情シスか外部と2人1組で分担します。
• 研修→小さく1つ実装→横展開→効果測定の3か月を1区切りにし、上長が時間を確保して、成果を業務の変化で評価しましょう。

※本記事は、2026年10月2日時点の公開情報に基づいています。調査の数値は各調査・報道の時点のものです。ツールの機能・料金、カトルセの研修・AI顧問の内容と料金（税抜）は変更される可能性があります。人材開発支援助成金の対象になるかどうかは、都道府県労働局の審査で決まります。研修の計画・申請の前に、必ず各社の公式情報と、厚生労働省・労働局の最新資料をご確認ください。