株式会社renue
FDE (Forward Deployed Engineer)
FDE (Forward Deployed Engineer)で、この記事のテーマを実務に落とし込めます
renueが社内で運用しているシステムをサービス化したものです。何ができるか、どう動くかをサービスページでご覧ください。
FDE支援を始めるとき、発注側が最初に揃えたいのは、改善する業務、使うデータ、判断する人、試作を終える条件です。対象業務を1つに絞り、この順に具体化すると、作ったものを現場で試し、次に直す箇所を週ごとに決められます。
FDEは、現場の業務を理解しながら実装に関わるエンジニアを指す呼び方です。OpenAIの2026年10月22日のFDE解説でも、成果から出発し、実運用で責任を持てる水準で問題を解く姿勢が示されています。役割の背景は現場で求められる技術と対話のスキルを参照してください。
この記事では、外部エンジニアを迎える事業部長・情シスに向け、最初の2週間を初期整理と試作の区切りとして提案します。本番化までの期間を保証するものではありません。また、海外企業の開発例を参考にする際も、国内で使うデータや権限は自社の規程・契約に照らして確認します。
対象業務を1つ選び、始まりと終わりを区切る
最初の打合せでは「部門の仕事をAI化したい」という要望を、担当者が実際に行う作業へ分けます。画面を見せてもらい、何を受け取り、どの資料を参照し、何を判断して、誰へ渡すのかを追ってください。説明だけでは曖昧な手順も、操作を一緒にたどれば確認すべき箇所として書き出せます。
候補を選ぶ基準は、困っている人が明確で、入力と出力を用意でき、結果を現場の担当者が確認できることです。関連する業務を一度に含めず、前後の工程との受け渡しを残して範囲を区切ります。頻度が低く、初期期間に実際の作業を観察できない業務なら、過去の入力を再現できるかも先に確認します。
たとえば一般的な設計例として、社内申請の内容を確認する作業を考えます。初回の対象は、申請文と添付資料から必要項目を抜き出し、不足項目を担当者に示すところまで、と区切れます。申請の可否を決めることや、周辺システムへの自動登録は今回の対象から外します。このように、試作で扱う作業と人が続ける作業を同じ図に書くと、つながりを確かめやすくなります。
AI化・効率化の前に、工程ごとの入力、判断、承認、引き渡しを言葉にすることが出発点です。作業の目的を確認し、不要な転記や重複確認を省けるかも検討します。手順が固定された転記は通常のプログラムで処理し、文章からの抽出など判断を伴う箇所でAIを試す、といった分担も考えられます。
打合せの終わりには「誰の、どの入力を、どんな出力へ変えるか」を短い文章で残します。加えて、今回作らない機能と、その機能を外しても作業がつながる方法を書きます。新しい要望が出たらこの範囲へ戻り、初回に含めるか、次の改善候補へ回すかを判断します。
使うデータと、試作で許す操作を決める
対象業務が決まったら、試作に必要なデータを絞ります。資料が保存された場所だけでなく、誰が管理し、どの用途で使えるかまで確認してください。担当者が閲覧できることと、外部エンジニアやAIサービスが処理できることは、別々に確かめる必要があります。
データの管理者と情シスには、次の内容を具体的に示します。
- 使う項目、対象期間、通常の入力と例外を含む検証用サンプル
- 閲覧・編集できる担当者と、外部サービスへ送る情報の範囲
- 試作環境、結果や操作記録の保存先、保存期間と削除方法
- 更新の頻度、正しい値を確認する資料、誤りを直す担当者
初回から本番データの更新まで許す必要はありません。まずは許可されたデータの読み取りと結果の表示に絞り、書き戻しや外部送信は個別に判断する進め方を検討します。接続テストでは、データが届くことに加えて、欠損、形式の違い、古い情報があるときの扱いも確認します。
許可の取得に時間がかかる場合は、架空データで画面や操作の流れを先に確かめる方法があります。その場合、実データでの抽出品質や連携の確認は未完了として残します。試作を動かせたという記録だけで、利用開始の判断へ進まないことが大切です。
また、検証用サンプルには正解または確認方法を添えます。入力だけを集めても、出力が妥当かを判定できなければ改善箇所を特定しにくいためです。資料同士で値が食い違う場合は、どちらを優先するかを業務側で決め、その判断も試作の前提に加えます。
業務・データ・利用開始の承認者を決める
承認者は、会議の参加者一覧とは別に決めます。対象業務の優先順位を変える人、データ利用を認める人、利用開始を判断する人を明記してください。兼務する場合も、それぞれ何を確認して判断するのかは分けて記録します。担当者が不在のときに、代わりに判断できる人も確認します。
発注側の業務責任者は、何を改善したいか、現場で許容できる出力は何かを決めます。情シスやデータ管理者は、接続や権限、運用環境の条件を確認します。FDEには、それらの条件を踏まえた実装案と検証結果、技術上の制約を示してもらいます。業務上の許容範囲を決める責任まで、外部エンジニアへ曖昧に預けないようにします。
承認を依頼するときは、判断してほしい内容、選択肢、推奨案、回答期限、回答がない間に進められる作業をまとめます。たとえば「試作環境で許可済みのサンプルを使い、結果の表示まで行ってよいか」と問えば、可否と条件を返しやすくなります。
データ利用の判断が間に合わないなら、誰がいつまでに確認するかを残し、画面確認など進められる範囲を選びます。未回答を承認として扱わず、待つ作業と進める作業を分けることが、初期の進行管理になります。打合せ後には決定事項を文章にし、変更が出た場合も、対象範囲と完了条件への影響を合わせて更新します。
依頼前の役割分担や変更管理を整理したい場合は、開発支援を選ぶ際の責任範囲と受入れの確認点も参考になります。ここで決めた判断者を、次の完了条件の確認者へつなげます。
完了条件を、同じ入力で判定できる形にする
着手前に「試作品ができた」と呼ぶ状態を決めます。「便利になる」「精度が高い」という表現を、入力、期待する出力、許容しない誤り、確認者へ書き換えてください。最初の申請確認の例なら、必要項目を表示し、不足を示し、担当者が原文を見ながら修正できることまでを確認対象にできます。
入力は、通常のものだけでなく、必要情報がないもの、資料間で矛盾するもの、閲覧権限がないものも用意します。それぞれ、処理を続けるか、保留するか、人に戻すかを決めます。AIがもっともらしい内容で空欄を埋めた場合など、見た目では分かりにくい失敗も、原文と照合して確認します。
海外の開発例として、Anthropicが2026年1月9日に公開したAIエージェント評価の解説があります。同社は自社製品Claude Codeを利用者のフィードバックで改善し、簡潔さやファイル編集の評価から、過剰な実装などの評価へ段階的に広げたと説明しています。同じ解説では、開発の早い段階から成功条件を明確にすることも勧めています。
初期の業務ツールでも、まず現場が手動で確かめている内容を、繰り返せる確認手順にします。修正前後で同じ入力を使い、改善した点と悪化した点を比べます。AIの出力が実行ごとに変わる場合は、一度の成功だけで合格にせず、繰り返し確認する方法を決めておきます。
試作の完了と、利用開始の承認は分けてください。試作で確認した機能に加え、利用開始時には権限、障害時の戻し方、問い合わせ先、運用担当を確認します。初回の区切りで本番条件が揃わなくても、何を確かめ、何が未確認かを説明できれば、次に進むための判断材料になります。
最初の週に試し、翌週に続行・縮小・保留を決める
ここまでの決め事は、最初からすべて確定させる必要はありません。対象業務を仮置きして操作を観察し、データと承認の条件を確認しながら範囲を調整します。そのうえで最初の週に、入力から出力までの小さな流れを見せる時間を設けます。現場の担当者が操作し、どこで迷い、何を見て結果を信頼するかを確認します。
確認したい流れだけを作れば、装飾や周辺機能の完成を待たずに意見を得られます。ただし、作り込みを後回しにする箇所と、データの取り扱いや権限など事前に守る条件は区別します。試作品を早く見せる目的は、期待とのずれを早く発見して、次の実装を選ぶことです。
翌週は指摘を反映し、合意した入力で再び検証します。週次レビューでは、完成した機能の数よりも、現場が使えると確認した範囲、まだ使えない理由、発注側の判断が必要な点を見ます。要望を増やす場合は、追加する作業と引き換えに外す作業、または日程・費用への影響も確認します。
2週間の区切りには、対象業務の説明、データ利用の条件、判断者、検証結果、未解決事項をまとめます。条件が揃えば同じ業務の改善を続け、難しければ範囲を縮めます。利用許可や確認者が確保できなければ、必要な判断が済むまで保留する選択もあります。
支援範囲を整理する際は、現場の要件整理から実装・運用までの作業範囲と、今回任せる作業を照合できます。発注側で握るべきことは、対象業務、使えるデータ、判断する人、完了を確かめる方法です。業務を理解してから小さく試し、確認できた事実を次週の改善へ戻す。その流れを最初の区切りで作ることを目指してください。


