FDEとソリューションアーキテクト・SE・AIエンジニアの違い|近接職種を比較

結論:FDEと近接職種の比較表

FDEと近接職種は、どれも「自社プロダクトを持つ会社の社員として、顧客の技術課題に向き合う」点で共通しています。各社の求人票を読み比べると、違いは次の5つの軸に現れます。関与する時期(商談の前か後か)、顧客の環境でコードを書き本番まで所有するか、売上目標(クォータ)を持つか、同時に担当する顧客の数、そして主な成果物です。

以下、職種ごとに求人票の記載を引用しながら違いを見ていきます。FDEそのものの定義は、次の記事にまとめています。

関連記事FDEとは:Forward Deployed Engineerの仕事内容・年収・求められるスキル

FDEとソリューションアーキテクト(SA)の違い

FDEとソリューションアーキテクトの違いを最も明確に述べているのは、OpenAIでFDE部門を率いるColin Jarvis氏です。The Pragmatic Engineer(2025年8月12日、Gergely Orosz氏)の取材で、Jarvis氏のチームは両者を次のように区別しています。

関与する時期:商談の前か後か

ソリューションアーキテクトは、受注前の技術面の窓口です。Databricksが東京で募集する「Solutions Architect(Pre-sales)」の求人票(2026年10月時点)は、職種名にプリセールスと明記したうえで、アカウントエグゼクティブと組んで顧客との関わり方を設計し、発見から導入計画までの顧客対応を主導し、デモ・プロトタイプ・リファレンスアーキテクチャ・移行計画を作ると書いています。米国のSolutions Architect求人票は、求める経験として年間契約額100万ドル超のグローバルな大口顧客を扱った経験を挙げ、「複数の顧客に対するDatabricksの技術面の主担当」として働くと説明しています。

FDEは受注後の実装の主体です。Databricksの東京のFDE求人票は、顧客と一緒にデータとAIの課題の解決策を「構築し、本番化する」こと、「顧客チームに入り込み、現場の技術者から経営層までの関係者と関わる」ことを仕事として挙げています。米国のFDE求人票には「FDEは請求対象(billable)であり、仕様どおりにプロジェクトを完了させる方法を知っている」という一文があり、FDEの稼働が顧客への請求に結びつく、いわばプロフェッショナルサービスに近い位置づけであることがわかります。

OpenAIの「AI Architect」は「担当顧客群のCTO」

OpenAIが東京で募集する「Applied AI Architect」(2026年5月公開)の求人票は、SAの役割の広がりを示しています。この職種は「自分の担当顧客群のCTO」として、プリセールスの発見と評価から導入・定着・成果の測定までの技術戦略を担います。ただし商業面の戦略はアカウントディレクターが持ち、実装の実行は「一度関与が始まれば、デリバリーチームが実装の実行を所有する」と明記されています。求める経歴は、ソリューションアーキテクチャ、ソリューションエンジニアリング、テクニカルアカウントリーダーシップ、AIデプロイメント、テクニカルカスタマーサクセスです。

同じOpenAIの東京の「Forward Deployed Engineer」求人票(2025年9月公開)は、FDEを「最も戦略的な顧客と並走して、フロンティアモデルの複雑なエンドツーエンドの本番導入を主導する」職種と定義し、発見・技術的な範囲決め・システム設計・構築・本番展開を自分で所有すると書いています。成功の尺度は「本番での採用、測定できる業務への影響、プロダクトとモデルのロードマップを変える評価にもとづくフィードバック」です。求人票の所属部門も異なり、FDEは「Forward Deployed Engineering」、Applied AI Architectは「Go To Market」です。

つまり、SAは「何を作るべきか、どう作るべきか」を顧客の技術責任者と決め、FDEは「それを顧客の環境で動くまで作る」役割です。両者は同じ顧客を前後で分担し、OpenAIではAI Architectが必要に応じてDeployment Engineeringを呼び込む構造になっています。

「Delivery Solutions Architect」はFDEに近い

SAという名前でも、FDEに近い仕事をする職種があります。Databricksが東京で募集する「Delivery Solutions Architect」の求人票は、「技術的な受注から本番と定着まで」の技術実行を担い、動くソリューション・プロトタイプ・再利用できる技術資産を作ると書いています。求める経験は5年以上、出張は最大30%です。プリセールスのSAと違い、受注後の実行に軸足があります。SAという職種名だけで受注前の職種だと決めつけず、求人票の「関与する時期」を確認してください。

FDEとソリューションエンジニア・プリセールスの違い

ソリューションエンジニア(セールスエンジニア、プリセールスエンジニアとも呼ばれます)は、営業担当と組んで受注前の技術的な評価を担う職種です。The Pragmatic Engineerは、「エージェントエンジニア」「ソリューションアーキテクト」「セールスエンジニア」「テクニカルデリバリーエンジニア」はいずれもFDEの仕事にかなり近いとしたうえで、FDEを区別するのは「顧客と働くこと」と「自社のコアプロダクトの開発に貢献すること」の両方を担う点だと説明しています。

Google Cloudが東京で募集する「AI Customer Engineer, AI Platform」の求人票(2026年10月時点)は、求人の冒頭で自らを「セールスエンジニア」と説明し、仕事として「ビジネス機会の特定と見込みの評価、顧客の技術的な反論の特定、デモとプレゼンテーションの作成、技術的な障害を解消する戦略の策定」「技術面からのGo-to-Market戦略の責任」「最前線のプリセールスエンジニアを助ける技術的な営業資産の作成」を挙げています。求める経験は、顧客対応または技術支援の役割でのクラウドネイティブなアーキテクチャの経験6年です。

FDEとの違いを整理すると、次の3点になります。

• 成果の区切り:ソリューションエンジニアは受注(技術的な勝利)で一区切りがつく。FDEは本番で動き、業務で使われるところまでが仕事で、OpenAIのFDE求人票は成功の尺度を「本番での採用」と「測定できる業務への影響」と書いている
• データと環境:ソリューションエンジニアのデモやPoCは、Jarvis氏の説明にあるように匿名化・オフラインのデータで作られることが多い。FDEは顧客の本番データと本番環境の制約の中で作る
• 顧客の数:ソリューションエンジニアは営業の担当領域にある複数の顧客を並行して見る。FDEは少数の戦略的な顧客に深く入り込み、Databricksの東京のFDE求人票は約20%、Anthropicのロンドンの求人票は25〜50%の出張を見込んでいる

The New Stack(2026年5月28日)も、FDEの成功は費やした時間ではなく、システムがどれだけ使われ、どれだけうまく動くかで測られると説明しています。受注や稼働で区切られる職種との違いはここにあります。

なお、ソリューションエンジニアの実装力が低いわけではありません。Databricksの東京のプリセールスSA求人票は、選考過程に「Vibe Coding Interview」と「Build, Demo, Pitch!(作って、見せて、売り込む)」の面接を含めており、プロトタイプを自分で作る力を求めています。違いは実装力の有無ではなく、作ったものを顧客の本番環境で所有し続けるかどうかです。

FDEとカスタマーエンジニア(CE)の違い

カスタマーエンジニアは、Google CloudやCloudflareなどのインフラ・プラットフォーム企業で使われる職種名です。FDEと最も混同されやすい職種ですが、求人票を読むと、売上目標(クォータ)の有無という明確な違いがあります。

Cloudflareの定義:「クォータを持つ技術者」

Cloudflareが東京で募集する「Senior Customer Engineer, Japan」の求人票(2026年10月時点)は、カスタマーエンジニアを「技術面のGo-to-Market戦略の中核を担う存在であり、最初の発見の段階から長期的な定着と継続的なアカウント拡大までの技術的な関係を所有する信頼されるアドバイザー」と定義しています。所属はGTM(営業・マーケティング)組織で、「最初の合意に達しても顧客を引き継がず、クォータを持つ技術者として働く」と明記されています。

• 商業面の責任:「新規獲得および/または既存アカウントの成長に直接結びついた変動クォータを持つ」。製品の利用データをもとにクロスセル・アップセルの機会を見つけ、経営層向けに四半期ビジネスレビュー(QBR)を主導する
• 技術的な検証:アカウントエグゼクティブと組んで技術的な発見を主導し、アーキテクチャを設計し、デモとPoCを提供する
• 報酬:「競争力のある基本給と、ライフサイクル全体の商業目標の達成に直接結びついた変動コミッション」
• 求める経験:ソリューションエンジニアリング、カスタマーエンジニアリング、セールスエンジニアリング、またはFDEとしての顧客対応の技術職の経験。コーディング(Python、JavaScript)は「強く望ましい」要件

Cloudflareの求人票は、FDE経験者を応募対象に含めています。つまり企業側も、FDEとカスタマーエンジニアを隣接する職種と見ています。違いは、カスタマーエンジニアが売上への責任を持ち、報酬にコミッションが含まれる点です。

FDEの求人票に売上目標はない

一方、今回確認したOpenAI・Anthropic・DatabricksのFDE求人票に、クォータやコミッションの記載はありません。Anthropicのロンドンの求人票は、FDEが「ポストセールス、プロダクト、エンジニアリングのチームと密に働く」職種だと書いており、Databricksは前述のとおり「請求対象」と説明しています。FDEの評価は、売上ではなく顧客の本番システムが動いて使われるかどうかです。

ただし、FDE組織の中に商業面を担う職種を置く企業もあります。Snowflakeが東京で募集する「AI Deployment Strategist」の求人票(2026年9月公開)は、この職種を「FDEのプロダクト組織の中に座り」、経営層との対話を実際のエンゲージメントに変え、作業範囲記述書(SOW)を書き、営業組織から来た案件がFDEに向いているかを選別する役割と定義しています。アカウントエグゼクティブとの分担は「あなたはエンゲージメントの範囲、製品の価格、デリバリーの約束を所有し、彼らは一次的な商業関係を所有する」と書かれています。この求人票は「私たちは出荷されないパイロットはやらない」とも述べており、FDE組織が本番まで持っていくことを前提にした体制であることがわかります。

関連記事FDEとSES・SIer・SE・コンサルの違い:受託側の職種との比較と「名ばかりFDE」の見分け方

FDEとApplied AI Engineer・AIエンジニア・MLエンジニアの違い

生成AI企業では、FDEのほかに「Applied AI Engineer」「Applied AI Architect」という職種名が使われます。さらに、プロダクト開発側の「AIエンジニア」「MLエンジニア」との違いもよく聞かれます。ここでは、Anthropic東京のApplied AI Engineer求人とOpenAI東京のFDE求人を軸に比べます。

Anthropic東京のApplied AI EngineerとOpenAI東京のFDE

Anthropicの東京の求人票には、2026年10月時点でFDEという職種名がなく、顧客向けの技術職は「Applied AI Engineer」と、プリセールスの「Applied AI Architect」の2つです。Applied AI Architectの求人票は自らを「プリセールスのアーキテクト」と明記し、ソリューションアーキテクトやセールスエンジニアの経験を求めています。Applied AI Engineerは、評価セットやパイロットの設計、アーキテクチャの助言を通じて、受注前の評価から導入後の助言までをまたぐ職種です。Anthropicが米国・欧州で募集するFDEは、求人票で「顧客のシステムの中でClaudeモデルを使った本番アプリケーションを構築し」「MCPサーバー、サブエージェント、エージェントスキルといった技術成果物を本番のワークフロー向けに納品する」職種と定義されており、同社の中ではApplied AI EngineerよりもFDEのほうが実装の所有に踏み込んでいます。

OpenAIではApplied AI EngineerもFDEも本番コードを書く

ややこしいのは、同じ「Applied AI Engineer」という職種名でも、OpenAIでは定義が違うことです。OpenAIが東京で募集する「Applied AI Engineer」の求人票(2026年3月公開)は、「コードを書き、デバッグし、評価システムを構築し、複雑な統合を解決する」「成功はデモの成功や活動量ではなく、本番システム、持続的な採用、顧客への意味のある影響で測る」と書いており、FDEとほぼ同じ定義です。応募要件にも「プログラムやステークホルダーの管理だけでなく、コード・アーキテクチャ・評価・デバッグ・本番エンジニアリングで実質的な個人の貢献を示せること」とあります。所属部門はFDEが「Forward Deployed Engineering」、Applied AI Engineerが「Go To Market」で、違いは部門と顧客の規模(FDEは「最も戦略的な顧客」)にあると読めます。

同じ職種名でも企業ごとに意味が違うため、求人票では職種名ではなく、「コードを書くことが責任に入っているか」「成功の尺度が本番の採用か受注か」「所属が営業組織か実装組織か」の3点を確認してください。

AIエンジニア・MLエンジニア:モデルを作る側と使わせる側

AIエンジニアやMLエンジニア(機械学習エンジニア)は、モデルの学習・評価・推論基盤など、プロダクトの中身を作る職種です。FDEは、できあがったモデルを顧客の業務で使えるようにする職種で、モデルの学習や研究の経験は求人票の必須要件になっていません。OpenAIの東京のFDE求人票が求めるのは、顧客対応を含むエンジニアリング経験、本番品質のフルスタックのコード、LLMを用いたシステムの構築経験であり、Anthropicのロンドン・米国のFDE求人票が求めるのも「高度なプロンプトエンジニアリング、エージェント開発、評価フレームワーク、大規模なデプロイを含むLLMの本番経験」です。

両者の中間に位置する職種もあります。Anthropicが米国で募集する「Applied AI, Research Engineer」の求人票は、新しいモデルを早期にテストして強みと限界を把握し、デモと評価を作り、現場のチームの準備を整え、戦略的な顧客が新しい技術課題に直面したときは自ら手を動かす職種と定義しています。研究側と顧客側をつなぐ「結合組織」と求人票自身が表現しており、6年以上の経験と年収30万〜40万ドルを記載しています。

DatabricksのようにFDEの中をさらに分ける企業もあります。東京の「Senior AI Engineer - FDE」の求人票は、AI FDEチームを「顧客が初めての種類のAIアプリケーションを構築し本番化するのを助けるプロフェッショナルサービスのエンゲージメントを提供する」チームと説明し、RAG・マルチエージェント・Text2SQL・ファインチューニングの経験と、長年のデータサイエンスの実務経験を求めています。一方、同社の東京の「Forward Deployed Engineer」求人票はApache Sparkを使った分散処理の深い経験と8年以上のデータエンジニアリング経験を求めており、同じFDEでもデータ基盤寄りとAIアプリケーション寄りで求めるものが違います。

関連記事FDEに必要なスキル・資格:求人票に共通する技術要件と顧客対応力

求人票の職種名の読み方:同じ仕事に違う名前が付く

ここまで見てきたように、FDEと近接職種の職種名は企業ごとに意味がずれています。同じ仕事に違う名前が付く例、同じ名前に違う仕事が付く例を整理します。

求人票を読むときの確認点は4つです。第一に、責任(Responsibilities)の欄に「コードを書く」「本番で動かす」「顧客のシステムの中で作る」という記載があるか。第二に、成功の尺度が本番の採用や業務への影響か、受注や売上か。第三に、所属が営業(GTM・Sales)組織か、実装(FDE・Deployment・Professional Services)組織か。第四に、報酬の欄にコミッションやOTE(目標達成時の年収)の記載があるか。この4点で、職種名が何であれ、その求人がFDEなのか、SA・ソリューションエンジニア・カスタマーエンジニアなのかを判別できます。

関連記事FDE求人・採用企業一覧:日本でFDEを募集する企業と、FDE以外の職種名で募集している企業

各職種からFDEへ移るときに足すもの

各社の求人票は、FDEの応募要件に近接職種の経験を明示的に含めています。Anthropicの東京のApplied AI Engineer求人票はFDE経験を、CloudflareのCustomer Engineer求人票はFDE経験を、OpenAIの東京のApplied AI Engineer求人票はFDE・カスタマーエンジニアリング・ソリューションアーキテクチャ・技術コンサルティングの経験を応募要件に挙げています。逆方向、つまり近接職種からFDEへの転身も同じ理由で現実的です。職種ごとに、求人票の要件と照らして足すものを整理します。

ソリューションアーキテクト・ソリューションエンジニアから

• 足すもの:顧客の本番環境でコードを書き、動かし続けた経験。SAのPoCは匿名化・オフラインのデータで作ることが多いため(Jarvis氏)、本番データ・本番の権限・監視・障害対応まで扱った実績を作る
• 足すもの:LLMを用いたシステムの本番経験。OpenAI・AnthropicのFDE求人票はいずれもLLMを用いたシステムの構築・導入経験を要件にしている
• 活かせるもの:発見(ディスカバリー)と範囲決めの経験。OpenAIのFDE求人票は「発見、技術的な範囲決め」をFDEの責任の先頭に置いており、SAの得意分野がそのまま使える

カスタマーエンジニアから

• 足すもの:受注後の実装の所有。カスタマーエンジニアはPoCと統合スクリプトまでが多く(Cloudflareの求人票ではコーディングは「望ましい」要件)、本番システムをエンドツーエンドで作った実績が要る
• 足すもの:評価(eval)の設計。OpenAIのFDE求人票は「評価にもとづくフィードバック」を成功の尺度にしており、Anthropicは「評価フレームワーク」の経験を求めている
• 活かせるもの:商談から拡販までの顧客関係の所有と、経営層との対話。Snowflakeのように、FDE組織の商業側(Deployment Strategist)を目指す道もある

Applied AI Engineerから

• Anthropic型(助言寄り)の場合に足すもの:顧客のシステムの中で本番アプリケーションを構築し、所有した経験。同社のFDE求人票はMCPサーバー・サブエージェント・エージェントスキルといった成果物の納品を責任に挙げている
• OpenAI型(実装寄り)の場合:定義はFDEとほぼ同じなので、足すのは「最も戦略的な顧客」の規模の案件で、複数のデプロイを並行して所有した経験
• 活かせるもの:LLMの本番経験と評価セットの設計。FDE求人票の技術要件の中心と一致する

AIエンジニア・MLエンジニアから

• 足すもの:顧客対応の経験。OpenAIのFDE求人票は「顧客対応を含む」5年以上の経験、Anthropicは「顧客対応の技術職」4年以上を求めている。社内のステークホルダー対応ではなく、外部の顧客の発見と範囲決めを担った実績が要る
• 足すもの:フルスタックの本番コード。OpenAIは「フロントエンドとバックエンドで本番品質のコードを書き、レビューする」ことを求めており、モデルの学習だけでは足りない
• 活かせるもの:モデルの挙動の理解と評価の設計。OpenAIのFDE求人票は「モデルの挙動がプロダクト体験にどう影響するかを理解している」ことを要件にしている

どの職種からでも共通して問われるのは、「顧客の本番環境で、自分のコードを、使われるまで所有したか」です。転職活動の進め方と職務経歴書の書き方は、次の記事で解説しています。

関連記事FDE転職ガイド:向いている経歴・職務経歴書の書き方・選考の流れ

年収帯の違い(公開求人票の記載のみ)

日本の求人票には年収の記載がないものが多いため、同じ企業が海外で公開している求人票の記載を比べます。2026年10月時点の各社の公式求人票から、FDEと近接職種のレンジを抜き出しました。通貨と地域が異なるため、企業内での職種間の相対関係を見る目的で使ってください。

この表から読み取れるのは3点です。第一に、Anthropicでは実装を担うFDEとApplied AI Engineerが同額で、プリセールスのApplied AI Architectのレンジはそれより低く設定されています。第二に、DatabricksではシニアFDEとSA・Delivery SAがほぼ同水準で、職種による差より職位による差のほうが大きい構造です。第三に、カスタマーエンジニアのように売上目標を持つ職種は、基本給に変動コミッションが上乗せされる報酬設計で、求人票に金額が示されないことがあります。

Anthropicの求人票は「営業職の場合、記載のレンジはOTE(目標達成時の年収)であり、コミッションと基本給の両方を含む」と注記しています。Databricksの求人票も「コミッションのない職種は基本給、ある職種はOTE」と注記しています。どの職種がOTE表記かは求人票に個別には書かれていないため、応募時に確認してください。日本の年収相場は別の記事にまとめています。

関連記事FDEの年収・給料:日本と海外の公開求人票から見る相場と、年収を上げる条件

まとめ

FDEとソリューションアーキテクト・ソリューションエンジニア・カスタマーエンジニアの違いは、関与する時期(商談の前か後か)、顧客の環境で本番のコードを所有するか、売上目標を持つかの3点です。SAとソリューションエンジニアは受注前の技術提案とPoCを担い、カスタマーエンジニアはそれに加えてクォータと拡販の責任を持ち、FDEは受注後に顧客の環境で本番システムを作り、本番での採用で評価されます。Applied AI Engineerは企業によってFDEと同義(OpenAI)にも、助言寄り(Anthropic)にもなります。AIエンジニア・MLエンジニアはモデルを作る側で、FDEはモデルを顧客に使わせる側です。

求人票を読むときは職種名で判断せず、責任にコードと本番が含まれるか、成功の尺度が本番の採用か受注か、所属が営業組織か実装組織か、報酬にコミッションやOTEの記載があるかの4点を確認してください。近接職種からFDEへ移るときに共通して足すのは、顧客の本番環境で自分のコードを使われるまで所有した経験と、LLMを用いたシステムの本番経験です。