TechFlow Logo
ログイン/ 登録
ETHガス
Gwei
恐怖
gas
ポッドキャストノート|シリコンバレーの AI 企業現場スタッフが FDE を詳細解説、AI 業界で現在最もホットな職種

ポッドキャストノート|シリコンバレーの AI 企業現場スタッフが FDE を詳細解説、AI 業界で現在最もホットな職種

2026.07.18
共有先
FDE はまるでスタートアップ企業の CTO を一群雇ったようなものだ。案件を成約させ、AI を実装し、顧客を囲い込まなければならない。しかし同時に、CTO として、常に製品をどう改善するかを考えているわけではなく、むしろ自己革命さえ必要なのだ。

編纂&翻訳:TechFlow

ゲスト: Jove Zhong(鍾銭傑)、Cresta Head of FDE(Forward Deployed Engineering)として、AI エージェントのフィールド展開チームを担当。

ホスト: 孫煜征(課代表立正)、Superlinear Academy 創設者、元 Statsig エバンゲリスト(会社は OpenAI に買収済み)

制作: 課代表立正

原題: FDE チームが 30 人から 100 人に拡大した理由とは?なぜ多くのテック大手のエンジニアはこの職位を知らないのか?

放送日: 2026 年 7 月 17 日

要点まとめ

Jove は現在、AI コールセンター企業の Cresta で FDE チームを率いており、昨年末に数人のチームを引き継いでから 30 人に拡大、今年度は 100 人を目標にグローバル採用を進めています。Cresta は設立から 9 年のエンタープライズ向け企業サービス企業で、マリオットやユナイテッド航空などの顧客を持っています。これまでカスタマーエクスペリエンスの最適化を専門としてきましたが、AI の波を受け、自然と AI エージェントの展開に移行しました。

本対話のコアとなる張力は以下の点にあります。FDE は OpenAI や Anthropic といったトップ AI 企業や VC 界隈から「AI 時代で最も展望のある職種」として絶賛されていますが、Jove がベイエリアでイベントを開催した際、Meta や Google といったテック大手のエンジニアの間では、この職種自体を知らない人が少なくないことに気づきました。Jove の見解は明確です。AI エージェントの FDE は従来のアウトソースや駐在エンジニアとは異なり、全く新しい存在です。AI の実装プロセスにおけるあらゆる罠(ハルシネーション、RAG のレイテンシー、VAD のデバッグ、モデルバージョン切替など)を理解するだけでなく、顧客の CTO と対面で信頼関係を築き、現場での教訓を社内に持ち帰って製品改善につなげなければなりません。本質的には、AI の実装を担う「スタートアップの CTO 集団」を採用していると言えるでしょう。

注目ポイント

FDE の本質

「FDE はまさにスタートアップの CTO 集団を採用するようなものです。契約を獲得し、AI を実装し、顧客を獲得・維持しなければなりませんが、同時に CTO として常に製品の改良を考えるだけでなく、自身の中にも革命を起こさなければならないのです。」

「AI 時代の FDE と過去の FDE は全く別のものです。過去の FDE はアウトソースや駐在エンジニアとの違いが特にありませんでしたが、AI エージェントの FDE は全く新しい種別です。」

AI 実装のラストワンマイル

「これらのモデルを取得することはそれほど難しいことではありません。資金さえ用意できれば、最高水準のモデルにアクセスできます。しかしそれで何でしょうか?そのモデルをどう使うべきか、必ずしも知っているわけではありません。」

「FDE はまさにバリスタのようなものです。イタリア製の高級エスプレッソマシンを買ったり、最高の豆を選んだりできますが、必ずしも美味しいコーヒーが淹れられるとは限りません。顧客が必要としているのは成果であり、それなりに優れた AI エージェント体験なのです。」

どのような人物が FDE に適しているか

「もし過去に多くの失敗を経験した人間がいるなら、それは私にとって好ましいことです。過去の教訓を語り、どの場面であまりにも発言しすぎたか、あるいは結論を急ぎすぎていないかなどを理解しているからです。」

「優秀な AI エンジニアですか?それはもはや常識の話です。今の時代に、ソフトウェアエンジニアが AI エンジニアでなければ、すでに競争から脱落しています。AI エージェントの開発とテストの実績が必須となります。」

なぜ FDE は AI に置き換えられにくいのか

「以前は一つのスキルがあれば生き延びられました。しかし現在はそうはいきません。ただし、結果に対して責任を取ることができます。結果に近づけば近づくほど、あなたは代替不可能になります。なぜなら AI はその結果に対して責任を持てず、プロンプトを変えれば別の言葉を返してくれてしまうからです。」

中国 versus 北米における FDE

「北米では人件費が高騰しており、結果に対して支払う意向が強く、SaaS も成熟しているため、AI エージェント分野において FDE モデルが比較的容易に定着します。一方、国内では、従事者に対して数秒間だけ同情するしかありませんね。」

1. VC とトップ AI 企業が一致して評価する職種なのに、テック大手の関係者はそれを知らない理由

課代表立正:現在、ご手元の FDE は何名いらっしゃいますか?

30 名です。今年は 100 名に達するでしょう。最近 7〜8 か月間は Cresta で働き、FDE が実際に AI を実装し、顧客に費用を支払わせ、世界に変化をもたらすための非常に有効な手段であるということを肌身で感じています。

課代表立正:OpenAI や Anthropic が多数の FDE を採用していることや、VC がこれを AI 業界で最も必要とされる職種だと述べていることは非常に驚くべきことですが、イベントを開催すると、特に Meta や Google といった大手の関係者から「FDE って何ですか?」という質問が寄せられます。

はい、確かにその認識のギャップは大きいです。私は Palantir の急成長期あたりから FDE について詳しく理解するようになりました。このモデルの開拓者である同社の事業は非常に特殊です。軍需業務を担当できるメーカーは限られているからです。10〜15 年前に事業を開始した当時、軍関係の顧客は望むものを直接的に語ることを嫌がり、対面で向き合い、同じ軍営のテントに入り、データを直接目撃しなければ、詳細な情報を教えてもらえませんでした。

そのため Palantir は二つのチームを組織しました。一つは現場駐在型のソフトウェアエンジニア、もう一つは軍事作戦やレスキューのフローに通じたビジネス担当リーダーです。片方は技術寄り、もう片方は非技術寄りです。一般的に FDE と呼ばれるものは、依然として極めてテクニカルな職種と言えます。

2. AI エージェントの FDE は新規種別であり、従来の駐在エンジニアと混同すべきではない

課代表立正:まず、この言葉をご存じない読者のために、FDE 究竟是什么か説明してください。

FDE の正式名称は Forward Deployed Engineer です。特徴としてはエンジニアであることは変わりませんが、プロジェクトの最前線に配置されて活動します。しかし、私は FDE を AI エージェントという文脈/framework で捉える必要があると考えています。

これが従来の環境、つまりデータの ETL、データ変換、ネットワーク構築などを指す場合、FDE が駐在エンジニア、アウトソース、コンサルティングとどう違うかを区別するのは実際困難です。しかし AI エージェントの文脈においてはまったく異なります。現在多くの人々が AI エージェントを求めています。最新のモデルへのアクセス権を得たり、ElevenLabs や Deepgram などの音声モデルを利用したりすることはできますが、自社のビジネスシーンに適合した AI エージェントを構築できる能力を持つ人は必ずしも多くありません。

FDE が果たす役割はこうです。お客様のビジネスロジックと統合し、AI エージェントプラットフォーム上の全機能を活用して、特定のニーズに応える AI システムを一貫して構築します。これにはガードレール、テスト、評価が含まれます。これらを顧客自身が習得するのは非常に困難です。彼らにはエンジニアリングチームがあり、ウェブサイトやモバイルアプリをビルドする方法を知っていても、AI エージェントを構築するのは全く異なる問題です。ハルシネーションの対応や、RAG /ナレッジベースの低遅延・高精度化など、多くが複雑で直感的でない難関が存在します。

したがって、当社のような AI 企業が FDE モデルを採用する理由は、AI のエキスパートにプラットフォームの機能と顧客の要件を正確に把握させた上で、システムを完成させ洗練させるためです。顧客に自力で学ばせるのではなく、仮に学習できたとしても半年から一年を要してしまう間に、競合他社が市場を先行してしまうのを避けるためでもあります。

課代表立正:つまり AI エージェントの FDE と過去の FDE は全く別物だということですね。過去の FDE はアウトソースや駐在エンジニアと大差なく、AI エージェントの FDE は新規種別であり、AI ネイティブで真に AI 製品開発過程で遭遇する様々な課題を理解しています。モデルへのアクセスや機能については誰もが持っていますが、本当に品質を高めようとする際に、大きな開きがあるということです。

はい、さらに顧客に密着してサービスを提供する意志と能力があります。弊社には「API について話すのであれば、IPA についても話せます」という言葉があり、顧客と短期間で良好な関係を築き、CEO、CTO、または API リードからの信頼を得ることができます。皆エンジニアですから共通言語を持ち、顧客が何を求めているのか、そして自らの限界をすぐに理解できます。

3. FDE = 顧客側の CTO、FDPM = 顧客側の CEO

課代表立正:聞くところによると能力要件が非常に高いようですね。AI に深く精通する必要があり(既に希少なスキルですが)、ユーザーの信頼を得るコミュニケーション能力、そして顧客のビジネス理解も求められます。

そのため、私たちはまさにスタートアップの CTO 集団を採用しているようなものです。彼らはどこにリソースを投入すべきか、どこで断るべきかを的確に見定め、AI 技術を用いて現実のものにします。

ただし個人のキャパシティは限られています。そのため Palantir から一部インスピレーションを得て、Cresta では FDE チーム以外にも FDPM チーム(Forward Deployed Product Manager)を設けています。必ずしも高度な技術を必要としませんが、企業に CEO と CTO が共存するように、FDPM は主にビジネスロジック、受け入れ基準、リスク管理、スケジュール進行に注力します。

お客様との会議において、社内ですでに要件が十分に整合取れておらず、SOP も担当者によってバラバラであるケースが往々にしてあります。そのような全ての会議に FDE が参加させるのは、人材の最適な活用とはいえません。FDPM がこうした非技術的な調整を行い、作業フローを整頓します。FDE は技術的観点から実現可能性の妥当性とテストの健全性を保証し、得られた知見を自社へ持ち帰り製品改善に繋げます。

つまり FDE は Forward Deployed CTO、FDPM は Forward Deployed CEO と捉えることができます。FDE は AI 業界におけるベストプラクティスの確立や SDK、ツールキット、CLI の開発を担当し、FDPM は具体的ニーズの管理やリスク報告、さらにはアップセル(既存の 3 つのユースケースを 6 つに広げるなど)を行います。このように役割を分担することで、採用要件が過度に厳しくなるのを防いでいます。

課代表立正:エンジニアからの転向は自然な流れですが、他にどのような背景の人がいますか?PM が FDPM に転向する場合もありますか?

はい。FDE の基礎ラインはエンジニアです。面接では AI ツールを使わずに簡単な Python プログラムを書く課題を出し、LeetCode 的な問題を解くだけでなく、実際にコードが書けることを証明してもらいます。さらに他のラウンドではエンジニアリングプラクティスを確認し、ユニットテスト、エンドツーエンドテスト、階層設計などの概念を理解しているかを見ます。

もし技術的背景が全くない者が AI エージェントの FDE を目指した場合、表面は一見うまくいくように見えても、自分自身で何が問題なのか気づけない恐れがあります。例えばログイン画面を作成した際、一見ログインできるものの、全てをフロントエンドに押し付け、ユーザーが簡単に DOM ツリーを削除したり改ざんして情報を見てしまったりします。エンジニアリングの素養が不足していれば、多くのケースで一見動作しますが、実際にはベストプラクティスが欠如しています。

その上でコンサルティング経験(キンディイやマッキンゼーなど)がある場合は大変歓迎です。ただし、過去の手法で契約規模を判断したり、時間単価で作業を評価したりしないよう注意が必要です。当社自体は SaaS ベンダーであり、FDE は前方展開型プロダクトエンジニアとして、プロダクトエンジニアリングの一部に位置づけられています。FDE の主要な職務の一つは、AI エージェントの実装を通じて製品の PMF(Product-Market Fit)を検証し、その後製品改修に取り組むことです。REST API、マイクロサービス、UI、CLI、ドキュメントを修正し、各導入成功のみならず、製品そのものを成熟させていきます。

課代表立正:単に現場で顧客の問題解決をサポートするだけでなく、自社製品の改修にも携わるわけですね。

はい、私もプロダクトエンジニアリングの一部です。私の同僚にはマイクロサービス開発者や Kubernetes インフラ担当者がおり、私たちは全員 VP of Engineering に報告し、彼らが CEO に報告します。一部の企業では FDE を Customer Success や Professional Services、さらにはセールス前に配属している事例がありますが、当社が行わない理由は、最終的にプラットフォーム企業を目指しており、多くの異なるユースケースを可能にする AI エージェントプラットフォームを構築したいからです。

FDE の理想的な状態とは、単純な作業が自動化やプラットフォームの改善によって代替され、FDE がより専門性を高め、決済専門家、ネットワーク専門家、RAG 専門家として、ますます難易度の高いタスクに特化していくことです。 こうすることで、当社が数百名のスタッフを抱えて反復労働を行うコンサルティングファームになるのを防ぎます。

4. なぜ AI 実装に FDE がこれほど必要なのか?終端ユーザーが必要としているのはモデルではなく成果(outcome)だから

課代表立正:私が FDE に非常に期待している理由は、現在の AI 能力が非常に高い一方で、大半の企業には実装力がないためです。多くの伝統産業が AI を強く必要としていますが、該当する人材が完全に不足しています。そんな中、不確実性を確実性に変換する役割を担うのが FDE です。飲食店経営者にとっても、上手くできるかどうか悩む必要はなく、FDE が「当社のプラットフォームをご利用ください。すべてこちらで対応いたします」と言えば、導入は劇的に簡単になります。

その通りです。飲食店経営者やその IT チームに AI エージェントの詳細を理解させることは困難です。例えば VAD(Voice Activity Detection:音声活動検出)を考えてみましょう。「私が話している間は相槌を打ってくれて構いませんが、中断しないでください」「電話番号やメールアドレスを伝えるときに間に休みが入っても、相手が即座に参加すべきではありません」「雑音が入った場合はどうするか?」といった具合です。VAD だけでも沈黙依存型、LLM 依存型、意味論に基づく型など様々なアプローチがあります。飲食店の IT スタッフにこうした知識を学ぶよう求めるのは無理があります。

実は顧客が本当に気にしているのは、「ブランドのターゲット層は若者向けか大人向けか」、メニューの説明方法、VIP の予約扱いといったことです。これらはビジネスレベルでの固有のニーズです。FDE はベストプラクティスを迅速に適用し、最良のアプローチを選択して運用できるようにします。そして今日餃子店で実装し、明日洋食店で実装し、業界固有のナレッジを蓄積していきます。席回転率の向上や顧客への丁寧な拒否方法まで熟知すれば、最終的には飲食店主側よりもその業界をよく理解するようになります。

課代表立正:シークエンス・キャピタル(紅杉)の分析によると、ソフトウェア市場の規模其實それほど大きくはないが、労働市場全体は極めて巨大です。AI が対象とするのはまさにこの労働市場です。AI が労働を代替するためには、AI とビジネスの両方に精通した人材が、実際にそれを達成する必要があります。

5. Cresta の取り組み:マリオットとユナイテッド航空のカスタマーサポートに AI を導入

課代表立正:こうした伝統産業でどのように AI が活用されているか、貴社が現在何をしているか、そしてあなたが感じているギャップの大きさについて教えてください。

Cresta は 2017 年に設立され、9 年間運営してきました。ずっとカスタマーエクスペリエンス分野に注力し、中核はコールセンターです。かつてのアナログ客服時代には、新人研修が重大な課題でした。電話 incoming 時に適切な告知(例:「通話は録音されています」)をしたり、transfer された場合に履歴を確認したりする必要がありました。AI を活用することで多くの業務を支援し、ヒューマンエージェントの効率化を図ることができます。

現在取り組んでいるのはさらに幅広いもので、すべてのケースで人間による返信が必要なわけではありません。例えばブラックフライデー時期には臨時雇用を大量に行い、ピークが過ぎ次第解雇せざるを得ない状況ですが、業界全体の離職率は実は極めて高いです。しかしある日クレジットカードを紛失して再発行の電話をかけたい場合、このような事務処理は完全に AI に委ねることができます。

マリオットやユナイテッド航空のような顧客とは長年にわたり連携しており、コールセンターおよびヒューマンエージェントの環境で稼働しています。今、それらに AI エージェント製品を追加で導入することは、アップセルに近い位置づけです。顧客自身が low-hanging fruit(簡単に収穫できる果実=低懸案ユースケース)を選出し、AI エージェントに任せることができます。

私のチームは現在 30 名ですが、今後 50 名、100 名へと拡大し、世界中で採用を進めます。現状は北米中心ですが、欧州や APAC 地域でも募集中です。目標は、より多くの通話チャットを AI によって体験を最適化することです。誰も、電話をかけて 30 分音楽を待ちたいとは思いません。一つの電話で二本立ての用件があった場合、二本目が transfer されてまた 30 分待たされるのは避けたいはずです。

課代表立正:AI アプリケーションにおける三大トレンドについて、どのようにお考えですか?

第一はコーディングです。Cursor、Claude Code、Codex が多大な進展を見せています。第二はマルチメディア領域で、音楽、画像、動画の生成を手掛ける大手企業が巨額の資金を投じています。第三はエンタープライズ AI、特に音声 AI や AI エージェントです。

コーディング分野は既に有望な市場であることが証明されており、FDE もコーディングツールを無制限に利用できますが、該當分野は非常に競合が激しく、新規参入プレイヤーを見つけるのは困難です。画像や動画の生成は機能しているように見えますが、莫大な投資が必要です。一方エンタープライズ AI については、100 人のビジネスオーナーに聞いてみると 50% 以上が導入を望んでいます。AI で人件費を削減し、顧客の待ち時間を短縮できるのであれば、なぜ導入しないのでしょうか?なお、このテクノロジーは完全に準備が整っていないものの、ほぼ.ready に近づいているため、適切な人員を確保し、ベンダーを選定すればすぐに実現可能です。

課代表立正:しかし、隣接する飲食店がコールセンター並みの音声 AI を必要とするとは想像しにくいと思いますが。

確かにあります。従来のコールセンターに加えて、コールセンターは設置していないが「AI レセプション(受付)」を必要とする顧客が増えています。お客様や潜在的な見込み客が電話してきた際、毎回人手で対応する必要がなく、AI がフロントデスクのように応対します。「どのようなご用件でしょうか?」「日時のご予約はお手伝いしましょうか?」「誰と話したいですか?」「オーナーへ SMS や概要を送信しておきますね」など。

歯科医院、カフェ、フラワーショップに限らず、個人事業者であっても同様です。もし私である課代表立正宛に連絡を取りたい方が多くても、まずは AI でフィルタリングしておくことができるでしょう。

6. FDE への参入障壁:AI エージェントの実務経験が入場券、起業失敗経験は加点要素

課代表立正:FDE に適した人物像はどのようなものですか?採用におけるペルソナ設定是怎样的?

まず、現時点ではジュニア採用は行っていません。FDE は最低 3 年以上の実務経験があり、自らも優れたエンジニアである必要があります。founder、co-founder、founding engineer の経験があれば加点されます。コンサルティングや顧客対応の経験を持ち、顧客とのコミュニケーションや交渉能力に優れていることも加点要因となります。

最も重要な条件は、AI エージェントの実務経験を持っていることです。 山のように積み上がっている経歴書に「私は AI エンジニアです。Claude Code や Codex を駆使します」と書かれていても、本質的な意義はありません。現時点において、Claude Code を扱えないエンジニアは、タイピングができない状態と同じであり、価値を生みません。必ず AI エージェントの構築実績があってこそ意味を成します。

求められる AI エージェントのレベルはどの程度でしょうか。課代表が提唱する AI 製品の 6 レベルモデルを参考にします。第 1 レベル:プロンプトラッパー、第 2 レベル:グラウンデッド AI(知識連携型)、第 3 レベル:ツールを使用する AI(API 連携型)、第 4 レベル:LLM ワークフロー(定型プロセス内 AI)。当社にとって第 4 レベルまではほぼ十分です。 音声 AI カスタマーサポートの場合、多くのケースで「キャンセルならキャンセル実行」「返金なら返金手続き」と即時処理を行う必要があり、顧客に「これでよろしいでしょうか?返金額は 50% と 30% のどちらが良いでしょうか?」と尋ねるような段階を経てはいけません。ナレッジベースや SOP に基づき、低レイテンシーでツール呼び出しを行う能力が問われます。

面接プロセスには 90 分間の実技試験があります。Claude Code や Cursor を使用し、当社が提供する API とナレッジベースに基づいてエージェントを作成し、テスト評価やエッジケースの処理を含む高品質であることを証明します。これは噂話や玩具のような簡易プロジェクトを聞くよりも、遥かに具体的な選考となります。

課代表立正:信頼を勝ち取る(win trust)ことは特に重要ですが、できない人が多いようです。信頼を勝ち取る人にはどのような資質が備わっていますか?

候補者が失敗から学んだ教訓を持っていることは、私にとって好材料です。どの場面で過度に発言しすぎたか、結論を飛躍させすぎていなかったか、あるいは顧客の動機を汲み取り、提案に対し効果的な切り口を見つけ、相手に自ら提案をプレゼンテーションさせることができるかどうかが問われます。強引に否定したり無理やり推進したりするのではなく、相手の主体性を引き出すことです。

ここで留意すべき red flag があります。面接で質問をした際、候補者が 6 分、10 分かけて回答する場合、基本的には大幅な減点になります。 これはコミュニケーション意識の欠如であり、情報の密度を測れていない証拠です。10 個のポイントを羅列するより、重要な 2〜3 点を伝える方が重要です。頭の中にあることをただひたすら吐き出すことに執着するのは、良い FDE の指標とは言えません。

課代表立正:本当に信頼を勝ち取る人物には二つの特徴があります。第一に、相手をよく聞き、立場に立った思考ができること。第二に、自尊心(EGO)が大きすぎないことです。わかることはわかり、わからないことはわからないと言い、目的はあくまで業務の完遂にあります。相手に自分の EGO に執着していると感じさせると、信頼を得られなくなります。

7. FDE をバリスタと割烹の親方になぞらえる:最高の食材は誰でも揃えられるが、美味しく仕上げるのが真の腕前

私は FDE をバリスタに例えています。イタリア製の高級エスプレッソマシンを数万円で買うことはできますが、購入してセットアップしても、必ずしも美味しいコーヒーが淹れられるとは限りません。最高級の豆を購入しても、それに対応する技術が伴わなければ意味がありません。

顧客が必要としているのは成果であり、優れた AI エージェント体験です。友人と快適なカフェでおいしいコーヒーを飲みながら会話を楽しみたいのと同じです。Blue Bottle で注文すれば良いでしょう。FDE が行うのは、高品質な素材、優良な豆、複雑な機器、卓越した技術を活用することに加え、相手が落ち込んでいるのか浮かれているのかを読み取り、その日の気分に合わせてスペシャルブレンドを淹れることで、顧客に満足のいく体験を提供することです。

懐石料理の「おまかせ」に似ています。今日の献立を聞くまでもなく、私たちにお任せ頂ければ、最高の技術と最新鋭の食材で最高の体験をお届けします。この食材(コーヒー豆や魚介類)が AI 業界における model に相当します。model は入手難易度が高くなく、資金さえ用意すれば最高峰のモデルにアクセス可能です。しかしそれで何でしょうか?その model をどう最適に活用すべきかは、自ずと分かるものではありません。

単純な例を挙げましょう。複雑なマッピング関係を定義する際、Markdown の表形式にするか、箇条書きで記載するか。どちらがより効率的でしょうか。もちろんトークン数の節約も一因ですが、実装時によりエラーが発生しにくいのはどちらでしょうか。ChatGPT の 5.1、5.2、5.3、5.4 といったバージョンごとに挙動が異なることも確認できます。FDE はこうした AI のベストプラクティスを十分に理解するための時間を確保しています。

同時に相手を思いやり、顧客と個人的な結びつきを築くこともできます。AI そのものが確率操作の集合体であり、常に正確性を保証することは困難です。誤った際にいかに迅速に修復し、信頼関係(relationship)を損なわないか。そこには FDE の強い人格的魅力と人的紐帯が不可欠です。

課代表立正:それがまさに trust を形にし、個人に落とし込むことです。名詞と動詞の違いに表れています。名詞は知識として限定的であり、10 分あれば習得可能です。しかし真に仕事を成し遂げるのは動詞の中にあり、奥は深く尽きません。学ばなければ見えず、実践しなければわからないものです。ある人間の routing 設計が優れている、ある人間は劣っていると指摘されても、その間の技術的な差の深さを想像することができません。

8. なぜ FDE の価値が高まり続けるのか:モデルの変化が不断の再構築を迫るから

興味深い点があります。以前、IBM や EMC でエンタープライズソフトウェアを開発していた頃、共通してあったマインドセットがあります。「壊れていない限り改造しない」という姿勢、特にオンプレミス環境におけるその傾向です。

しかし AI エージェントの開発においては、変更を加え続けなければモデルが使えなくなり、API も正常に動作しなくなります。 例えば以前 4.1 を利用していたが、現在は 4.1 がサポートされず 5.x 以降の利用を強制される状況を想定してください。20% の保守料金として請求するか、新たなユースケースや新たな SOW として扱うかに関わらず、継続的に顧客と engagement を保ち、最適かつ適切モデルを採用して成果を磨き上げていく必要があります。一度きりの取引ではありません。

企業側にとってはむしろプラスに働きます。ARR(Annual Recurring Revenue)サブスクリプションモデルへの移行を促進するからです。当社はオンプレミス展開を一切提供せず、SaaS のみを採用しています。さらに SaaS 上で最新の声合成エンジンや最先端モデルを利用することで、ARR モデルは必然的な形となります。顧客が「いつうちの環境にインストールできて、その後あなたを切り捨てられるか」といった質問を投げかけることがなくなり、私たちは抜けられない存在になります。

課代表立正:加えて、FDE は AI によって代替されにくい職種です。過去は一つのスキルがあれば生活できましたが、今は通用しません。ただし、結果に対して責任を持てます。結果に近付けば近付くほど代替不可能性が高まり、AI はプロンプトを変更するだけで別の回答を返しますが、それに対して結果責任を取ることはできません。

9. 中国における FDE:理念は素晴らしいが現実は厳しい

もう一つの話題に触れる価値があります。国内におられる友人や視聴者がいらっしゃるかと思います。キンディイを始め、多くの企業が FDE モデルに対して不安や懸念を抱えているのが現実です。

私の見解を申し上げます。果物が育つ土地は非常に重要です。北米では元々人件費が高く、顧客が成果に対して対価を支払う意欲が強く、SaaS も成熟しています。これらの要素が重なることで、AI エージェント分野において FDE モデルが比較的容易に定着します。 一方、データベース構築、データクレンジング、行政関連業務といった領域において FDE が複雑な形態に適応するのは困難です。

国内の従事者に対しても心苦しく思える箇所があります。国内の SaaS には諸問題があり、中でも最大の問題はエンタープライズ市場が存在しないことです。顧客が存在しない。国内には極めてスケールの大きな企業が多くなく、つまり……FDE は北米では比較的成功し有効なフレームワークですが、国内でそれが通用するのかと言えば、まだ未知数です。