Atlassian FDEのプレイブック徹底解説|AIを本番に乗せる4つの教訓と12週間の進め方
執筆・監修:FDE Talent編集部/各社の公式求人票・公式発表などの一次情報を出典として明記しています
この記事の要点
- 01Atlassianは2026年10月4日、100社超の企業向け案件と80超の本番AIエージェントから得た教訓を、22ページのFDEプレイブックとして公開した。
- 02同プレイブックによれば、AtlassianのFDE案件は通常約12週間で、Discover・Build・Adopt・Valueの4段階を経て、顧客のチームが自力で広げられる状態を目指す。
- 03プレイブックの4つの教訓は、頻度・痛み・測定可能性で課題を選ぶ、ガバナンスを設計に組み込む、AIを日々の業務の中に置く、システム全体でコストを最適化する、の4つ。
- 04Atlassianのデータでは、業務上の出来事で自動起動するエージェントは、利用者が手で呼び出すエージェントより、定着した業務の一部になる可能性が12倍高い。
- 052026年10月7日時点でAtlassianの公式キャリアサイトにあったFDE求人7件は、Principal級以上の6件とEMEAの責任者1件で、日本勤務の募集はなかった。
Jira・Confluenceの開発元であるAtlassian[11]は、2026年10月4日、自社のFDE(Forward Deployed Engineer/フォワードデプロイドエンジニア)が企業の現場で得た教訓を、22ページのPDF「The Atlassian Forward Deployed Engineering Playbook」として公開しました[1][2]。副題は「企業のAIを試験導入から本番へ」。100社を超える企業向け案件と、80を超える本番稼働のAIエージェントから、AIが本番に届く条件と届かない理由を4つにまとめています[1]。
この記事では、プレイブックの全22ページを原文で読み、各章の主張と事例の数字を日本語で整理します。そのうえで、2026年10月7日にAtlassianの公式キャリアサイトから取得したFDE求人7件、同社のFDEチームへの取材記事、AWSやDatabricksのFDEの位置づけ、ベンダーのFDEに警鐘を鳴らすGartnerの予測と並べ、宣伝資料として割り引いて読むべき点と、日本の求職者・採用企業にとっての意味まで掘り下げます。FDEという職種そのものの解説はFDEとは?をご覧ください。
Atlassianのプレイブックには何が書かれているのか?
プレイブックは、AtlassianのFDEが企業のAI導入を試験段階から本番へ進めるときの考え方と、現場で繰り返し見た「企業のAIが止まる4つの理由」への対処をまとめた資料です[1]。宛先はAI導入を進める企業で、最後のページは同社FDEチームへの問い合わせ先で締めくくられています[1]。事例の顧客名は伏せられ、数字はいずれもAtlassian側の発表で、第三者の検証は経ていません。一部は「推計(estimated)」と明記されたものや、顧客の経営陣の見積もりです[1]。
紹介ページの「Read the playbook」から、英語のPDFを登録なしで開けます(2026年10月7日時点)[2]。構成は次の5章で、中心は9〜18ページの「Front-line learnings(現場の学び)」です[1]。
| 章(原文)とページ | 主な中身 |
|---|---|
| Executive summary(2ページ) | 4つの教訓の要約と、代表的な成果3件[1] |
| Introduction(4〜8ページ) | FDEプログラムの説明、約12週間・4段階の進め方、土台となるTeamwork Graphと本番基盤[1] |
| Front-line learnings(9〜18ページ) | 4つの教訓。各章は「課題 → FDEのやり方 → 現場の事例 → よく作る解決策 → 現場の教訓」の順で書かれている[1] |
| What we’re still figuring out(19〜20ページ) | まだ答えの出ていない3つの問い[1] |
| Closing thoughts(21〜22ページ) | 結びと問い合わせ先[1] |
4つの教訓は、(1)正しい課題を選ぶ、(2)ガバナンスを設計の一部として扱う、(3)AIを仕事の進め方の一部にする、(4)モデルだけでなくシステム全体を最適化する、です[1]。プレイブックはこれらを「互いに重なって影響を強め合う課題」と呼び、間違ったユースケースでは定着せず、統制のないエージェントは本番に届かず、業務の外にあるAIは習慣にならず、経済性を理解しないまま利用を広げれば価値が増えないままコストだけが増えかねない、と要約しています[1]。
AtlassianのFDEはどんな職種なのか?
プレイブックによれば、AtlassianのFDEは、AIエンジニアリングと応用AIを1つの役割にまとめたシニアのエンジニアで、顧客のチームと並んで顧客の環境の中で作ります[1]。取材記事によれば、コンサルティングやプリセールス(技術営業)ではなく研究開発(R&D)に属し、エンジニアの肩書きを持ちます[11]。
「ほとんどの企業は、すでにAIを持っている。課題は、それを事業が実際に回っている仕組みの中へ作り込むことだ。」
“Most companies already have AI. The challenge is engineering it into how the business actually works.”
プレイブックは、FDEの特徴を4つ挙げています[1]。
| 見出し(原文) | プレイブックの説明 |
|---|---|
| AI-enabled engineers who build with you | 実際のAIソリューションを展開し、新しいエージェントを設計し、顧客独自の業務データで文脈を補い、エージェントによる業務の流れやMCP連携を作る[1] |
| Dual-domain experience | 多くの企業導入で得た教訓を持ち込み、データ構造の問題と組織の問題の両方を解く[1] |
| Focused on self-sufficiency | 約12週間で、明確な事業価値と、顧客のチームが自分で成果を広げ続けられる再現可能な型を残す[1] |
| Empowered to improve the product | 一時しのぎの回避策ではなく、Atlassianのプラットフォームの中で障害を直接直し、大企業での利用に耐える製品にする[1] |
仕事の進め方も具体的です。FDEはまず事業上の成果を決め、そこに至るまでの仕事をたどります。誰が関わるのか、必要な知識はどのシステムにあるのか、引き継ぎはどこで途切れるのか、どんな権限がかかるのか、エージェントは何を知り何をすべきか。そのうえで、本番のコードを書き、エージェントを作り、システムをつなぎ、AIを前提に業務の流れを組み直します[1]。
4つ目の特徴「製品を直す権限」は、取材記事の説明と重なります。Built Inの記事によれば、AtlassianのFDEは顧客の案件で得た学びを製品チームに持ち帰り、あるFDEは、Rovo(AtlassianのAI製品)のエージェントをサンドボックスから本番へ移す経路が無かったのを自ら作り、Ciscoを含む15を超える企業アカウントの障害をまとめて解消したといいます[11]。
「顧客の業務の流れに深く入り込むことで、効果の大きいユースケースを見つけ、その学びを製品チームに持ち帰ることができる。」
“By embedding deeply in their workflows, we can identify high-impact use cases and bring those learnings back to our product teams.”
求人票の分類も、この位置づけと一致します。2026年10月7日時点で、AtlassianのFDE求人は公式キャリアサイトで「Engineering」に分類され、名前の似た「Senior Forward Deployed Architect」は「Sales」に分類されていました[3][10]。両者の違いは、求人票を扱う節で詳しく見ます。
AtlassianのFDE案件は12週間でどう進むのか?
プレイブックによれば、案件は通常およそ12週間で、Discover(発見)・Build(構築)・Adopt(定着)・Value(価値の測定)の4段階を踏みます[1]。目標は、本番で動くAIと、顧客のチームがその後も使える再現可能な進め方の両方を残すことです[1]。
4段階のうち、Adoptに「社内のエンジニアに型を渡す」が入っている点が目を引きます。作って終わりではなく、顧客側が次のユースケースを自分で作れる状態を、12週間の中に組み込んでいるということです[1]。
土台になるTeamwork Graphとは何か
AtlassianのFDEが作るものは、同社の「Teamwork Graph」の上に乗ります。プレイブックの説明では、Teamwork Graphは、意思決定・出荷・成果の実現に関わる人・知識・コード・コミュニケーション・資産・仕事をつなぐ、企業向けの文脈(コンテキスト)の層です[1]。多くの企業では、その文脈の多くがJira、Confluence、Jira Service Management(JSM、ITサービス管理の製品)にすでにあり、さらにGitHub、Slack、Google Workspace、Microsoft 365、Figmaなどからも、情報どうしの関係と権限を保ったまま文脈を取り込むとしています[1]。
プレイブックの理屈は、文脈の層を案件ごとに一から組み立てずに済む分、FDEは事業の課題を見つけることに時間を使える、というものです[1]。その効果として、Rovoの回答をTeamwork Graphの文脈に基づかせると、回答の質が44%高まり、使うトークンは48%減り、速度は落ちなかったという数字を挙げています[1]。AIがTeamwork Graphの文脈を最も多く使っているチームは64%多くの仕事を出荷している、という調査結果も載せています(比較の相手は示されていません)[1]。
プレイブックは「最初から本番向けに作る」ための基盤として、次の6点も挙げています[1]。
| 見出し(原文) | プレイブックの説明 |
|---|---|
| Permission-aware by design | Rovoが各段階で権限を確かめ、エージェントは接続先のシステムをまたいでも、制限された情報にアクセスしたり推測したりできない[1] |
| Governed at enterprise scale | エージェント・コネクタ・データソース・実行できる操作・AIの消費量を集中管理する[1] |
| Enterprise-grade security and compliance | SOC 2 Type II、ISO 27001、CSA STAR Level 2、FedRAMP Moderate(Atlassian Government Cloud)、GDPRとHIPAAへの対応、複数地域のデータ所在地[1] |
| Protected by default | 顧客データを第三者の基盤モデルの学習に使わない。ユーザー単位の権限と暗号化[1] |
| Connected to your existing stack | Rovo、Forge、API、100を超えるコネクタで外部の文脈を取り込み、独自システムや社内ツールに安全につなぐ[1] |
| Built for efficient scale | 文脈の共有と消費量の集中管理で、展開が広がってもAIの利用量と経済性を管理する[1] |
教訓1:AIで解く課題はどう選ぶのか?
プレイブックの答えは「AIからではなく、事業の課題から始める」です。何百ものユースケースが考えられる中で、頻度が高く(Frequent)、痛みがあり(Painful)、測定できる(Measurable)業務を選び、そこから逆算してAIに必要なものを決めます[1]。
プレイブックは、多くの企業にとって最大の課題は、人の働き方を変えるほどAIが効く場所を決めることだと書いています。「AIはある。で、どうする?」という状態です[1]。3つの条件の説明は次のとおりです。
最初の業務は組織によって違うとしつつ、プレイブックは業界ごとによくある出発点を示しています[1]。
事例として挙がっているのは次の4件です[1]。
- 通信会社:複雑な計画会議の内容を、Jiraのストーリー・サブストーリー・作業の階層に変換するエージェントを計画の工程に組み込み、カスタム開発費を100万ドル削減。経営陣は処理量も大きく上がったと話した[1]
- 半導体メーカー:エンジニアリングサービスの窓口での依頼の振り分けという大量の定常業務を狙い、振り分けの工数を約50%削減[1]。冒頭の要約では、複雑なガバナンスの要件をこなしながら作り、4万人の従業員への本番AIの展開の障害を取り除いたとも書かれている[1]
- 通信大手:技術的なサービスチケットの振り分けに使っていたAIアシスタントが頻繁に誤った振り分けをしていた。JSMとTeamwork Graphの文脈に基づくRovoの振り分けエージェントを作り、顧客はより正確だと判断して従来の仕組みを置き換えた[1]
- 金融機関:価値の高い業務を特定し、安全なサンドボックスの中で、3週間足らずで動くエージェントを届けた[1]
よく作る解決策としては、届いた依頼を分類して初期診断を確かめ、適切なチームへ回す「AI first responder」、チケットの文脈と担当データから複雑な案件の専門家を探す振り分け、アイデアから製品要求文書(PRD)、Jiraの作業、コードまでをつなぐ「Product lifecycle」が挙がっています[1]。章の結論は「新しさのあるユースケースより、頻度が高く測定できる摩擦を解くことに集中する」です[1]。
教訓2:なぜガバナンスを最初から設計に入れるのか?
AIは同じ入力でも振る舞いが一定しない(非決定的な)ためです。プレイブックは、エージェントにどのデータが見え、どの権限を引き継ぎ、どんな操作ができるのかという問いを、作ったあとで扱ったせいで止まった試験導入を見てきたと書いています[1]。
「技術的には成功した試験導入が、そうした問いを作る前ではなく作ったあとに扱ったせいで、止まってしまうのを見てきた。」
“We've seen technically successful pilots stall because those questions were addressed after the build instead of before it.”
既製のエージェントを企業の環境にそのまま入れても、必要な文脈・システム連携・ガードレールが無いために失敗する例も見てきたといいます[1]。そこでFDEは、セキュリティ・権限・リスク管理を初日から作り込み、エージェントが承認されたデータにだけアクセスし、情報セキュリティと法務の要件を満たすガードレールの中で動くようにします。信頼が育つにつれて、ガードレールを広げて自律の範囲を大きくしていく、という考え方です[1]。その段階を示したのが「Read → Draft → Act」です。
| 段階 | プレイブックの定義 | 近い事例(編集部の対応付け) |
|---|---|---|
| Read(読む) | 検索・取得・要約から始める[1] | 大手銀行:約3万5,000人にRovoのチャットと検索を提供。読み取り中心のAIから始め、独自エージェントに広げるために必要な監査可能性・セキュリティの証跡・ガバナンスの手続きを整えた[1] |
| Draft(下書き) | AIが行動を提案し、人が承認する[1] | テクノロジー企業の財務チーム:受注を下書きし、人がレビューするエージェント。Jiraに監査記録を残し、人のレビュー前の正確性は95%。受注の起票は数時間から数分になり、年約1万1,800時間を削減[1] |
| Act(実行) | 理解が進み、範囲の決まった操作を、組織が統制に納得してから自動化する[1] | テクノロジー企業:1次・2次サポートの問い合わせを最後まで処理するAIで、13万5,000件超を自律解決。AIが動く場面と人が入る場面をガードレールで決め、平均解決時間を18日から10分にした[1] |
もう1つの事例は、段階の手前にある「データの準備」です。ある医療機関では、AIに見せたくなく、想定する用途にも必要のない個人情報(PII)が元のシステムにありました。FDEは、データがTeamwork Graphに入る前に機微な情報を見つけて取り除く仕組みを作り、その上にエージェントを作りました[1]。
よく作る解決策として、古くなったConfluenceの内容を見つけて更新を提案する「Content governor」、エピックや施策をリスク基準に照らして確認する「Risk agent」、承認を取りまとめて記録し、Slackでレビュー担当者に催促する「Sign-off agent」が挙がっています[1]。章の結論は「ガバナンスを、エージェントによる業務の流れに最初から組み込む」です[1]。
教訓3:使われ続けるAIはどう作るのか?
プレイブックは、公開直後に利用が伸びるのは好奇心の表れにすぎず、使われ続けて初めて価値があるものを作れたと言える、と区別します。そのうえで、業務上の出来事をきっかけに自動で動くエージェントは、利用者が手で呼び出すエージェントより、定着した業務の一部になる可能性が12倍高いという同社のデータを示しています。比較の方法や、対象にしたエージェントの数は示されていません[1]。
FDEは、AIを「試しに使うもの」から「頼るもの」に変えるために、次の3つを設計に入れるとしています[1]。
「AIを使うことを、人に覚えていてもらおうとしない。人がすでにしている仕事の中に、AIを入れる。」
“Don't ask people to remember to use AI; put AI inside work they already do.”
プレイブックは、最良のAI体験は人がほとんど気づかないものかもしれない、と書いています。AIがチケットを振り分け、文書を更新し、依存関係に旗を立てる。仕事はただ、少ない手間で進む、という姿です[1]。事例は次の4件です。
| 顧客(業種) | 課題 | FDEが作ったもの | 結果 |
|---|---|---|---|
| テクノロジー企業(人事部門) | 新入社員の受け入れ計画づくり | 会社・チーム・役割の文脈から、30/60/90日の計画を自動で下書きするエージェント | 計画の作成時間を40%短縮。新入社員を迎えるマネージャー(hiring manager)の時間を年2,500時間削減する見込み(推計)[1] |
| 旅行会社 | 120を超えるAIエージェントを作ったが、利用が低いまま | 繰り返し発生する業務に絞り、チケットの振り分けを自動化するエージェントを実際の業務に組み込んだ | 利用は従来のエージェントを大きく上回った[1] |
| モータースポーツの組織 | AIのユースケースがゼロ | 信頼性レポートを自動化し、絶え間ないアラートをAIによる要約に置き換えた | 5か月足らずで本番のエージェント6つ。アラート疲れなしに重要な変化に気づけるようにした[1] |
| 旅行会社 | 約1,200のJiraプロジェクトでデータが欠け、経営向けの報告が当てにならない。自動リマインダーでは行動が変わらなかった | 欠けている開始日や受け入れ基準を提案し、承認された更新をワンクリックでJiraに書き込むSlackのアシスタント | 開発者がSlackを離れずに済む形で、集計の信頼性を取り戻した[1] |
旅行会社の2つ目の事例は、教訓3の核心をよく表しています。リマインダーで人に入力を促すのをやめ、人がすでにいるSlackの中で、AIが入力の下書きまで用意する形に変えたことで、経営向けの集計の信頼性を取り戻したという話です[1]。よく作る解決策としては、非同期のデイリースクラムを進めて障害を拾うエージェント、Jiraの動きから週次の状況報告を作るエージェント、過去のインシデントから解決策を提案するエージェントが挙がっています[1]。
教訓4:AIのコストは何で決まるのか?
プレイブックは、100人で筋の通るAIの仕組みも、5万人では大きく違って見えることがあると指摘し、コストを決める大きな要因として、文脈(context)、計算資源(compute)、そしてAIが置き換える仕事のコストの3つを挙げます[1]。企業向けエージェントの長期的な採算の測定は「まだ初期段階」だとも認めています[1]。
事例は3件です。あるEC企業では、Slack、Jira、Gmail、カレンダーを別々に検索して作る朝のブリーフィングが、1回で100万トークンを超えていました。FDEはTeamwork Graphを同社の外部のLLMの処理につなぎ、トークンの消費と応答時間を大きく減らしました[1]。通信会社では、既存のAIアシスタントがうまく振り分けられなかったサービスチケットについて、JSMとTeamwork Graphの文脈に基づく振り分けエージェントを作り、初回の応答を数日から数分に縮めました[1]。あるテクノロジー企業では、AIによる検索を第三者のデータソースにまで広げ、高価な検索の層を追加せずに済ませました。経営陣は、競合する企業向け検索製品の数分の1のコストだと見積もっています[1]。
よく作る解決策として、Teamwork Graphの文脈から経営向けのポートフォリオの要約を作るエージェント、構造化された文脈を再利用して報告の手間とコストを減らすエージェント、リリース準備の要約と異常の警告を作るテスト報告のエージェントが挙がっています[1]。章の結論は「文脈・計算資源・仕事の価値の3つをまたいで、AIの経済性を管理する」です[1]。
Atlassianのやり方は外からどう評価できるのか?
プレイブック自身が、まだ答えの出ていない問いを3つ挙げています。また、Gartnerは2026年9月29日、ベンダーのFDEが作ったエージェント型AIを、2028年までに企業の70%が放棄すると予測しました[1][14]。プレイブックの「約12週間で自走」「製品を直す」は、この批判への答えになりうる内容ですが(プレイブック自体はGartnerに触れていません)、実現の度合いは資料の外からは確かめられません。
Atlassian自身が挙げる、まだ解けていない3つの問い
- 01今日の個別の作り込みのうち、どれだけを明日の出発点にできるか。顧客は同業他社が何を作っているかを知りたがっており、案件で見えた型を、再利用できるエージェント・コネクタ・ユースケースに変えようとしている[1]
- 02FDEがいなくても、顧客がうまくいったやり方を広げ続けられるようにするにはどうするか。目標は長期の依存ではなく、顧客が自分で新しいユースケースを見つけ、エージェントを作れるようにすることだとしている[1]
- 03作ることが劇的に速くなったあと、次のボトルネックはどこに移るか。制約は計画、レビュー、チーム間の依存関係、ガバナンス、運用に移りつつあるという[1]
プレイブックは、1つ目と2つ目の問いを、案件の成果が次の顧客に引き継がれる循環として描いています[1]。
Gartnerの予測と照らし合わせる
Gartnerは同じ発表で、2028年までに、繰り返し出てくる顧客の要望をベンダーの中核製品の機能に変えられるFDE案件は20%に満たないと予測し、コンサルをFDEとして売る「FDE washing」の危険を指摘しました[14]。上の循環図の3〜5段目は、まさにこの「製品の機能に変える」部分です。Gartnerのアナリストは、名前だけのFDEが増えていることを次のように述べています。
「いまでは多くの提供者が「フォワードデプロイド」を、導入作業、プロフェッショナルサービス、ソリューションエンジニアリング、AIコンサルティングのラベルとして使っている。よく考えてそうしている者もいれば、より戦略的に聞こえるからという者もいる。」
“Many providers now use ‘forward deployed’ as a label for implementation, professional services, solution engineering, or AI consulting; some thoughtfully, others because it sounds more strategic.”
Gartnerは、FDE案件の成否は契約前・期間中・出口の3段階での判断で決まるとしています[14]。各段階で求めていることと、プレイブックの記述を並べると次のとおりです。
| Gartnerの段階 | Gartnerが求めること | プレイブックの記述 | プレイブックに書かれていないこと(編集部) |
|---|---|---|---|
| 契約前 | 深い製品知識や密な統合が必要な課題に限る。実装予算ではなく事業成果に責任を持つ経営スポンサーを置く。成果物・知識移転・知的財産・出口の責任を契約に入れる[14] | 事業の成果から始め、頻度・痛み・測定可能性で業務を選ぶ。成果を持つ担当者がいることを条件にする[1] | 契約の形、FDE支援の料金、知的財産の扱い |
| 期間中 | 社内の業務の専門家・エンジニア・利用者と組ませる。技術だけでなく運用モデルも反復して検証し、意思決定の権限や、自律と人の監督の釣り合いを決める[14] | 顧客のチームと並んで作る。Read → Draft → Actで、信頼に応じて自律の範囲を広げる[1] | 顧客側で誰が何を担うかの分担 |
| 出口 | 社内の準備不足を理由に延長せず、最初に決めた出口計画を実行する。成功は導入の完了ではなく、自社で運用・改善できるかで測る[14] | 約12週間で再現可能な型を残す。長期の依存は目標ではないとしつつ、FDEなしで広げる方法は「まだ解けていない問い」に挙げている[1] | 出口の判定基準と、延長する場合の条件 |
他社のFDEと比べると何が違うのか
「FDE」と名の付く職種でも、会社によって置かれている場所は違います。Atlassian社内の似た名前の職種と、AWS、Databricksの公表情報を並べると、AtlassianのFDEは研究開発の側に置かれ、製品の改善まで役割に含めていると説明している点が目立ちます[3][11]。ただしAWSも、FDEの多くは自社のAIサービスを作るエンジニアだと説明しています[15]。
| 職種 | 所属(求人票・取材記事の記載) | 顧客との関わり方 | 費用・成果の考え方 |
|---|---|---|---|
| Atlassian FDE | Engineering部門[3]。取材記事によればR&Dに属し、エンジニアの肩書き[11] | 案件は約12週間。顧客のチームと本番のコードを書き、製品の障害は製品側で直す[1] | プレイブックに料金の記載なし[1] |
| Atlassian Forward Deployed Architect(隣接職種) | Sales部門。ソリューションアーキテクト部門の責任者の下[10] | 1〜3の戦略顧客に各3〜9か月。出張は最大50%。手を動かすエンジニア職ではないと明記[10] | 求人票に記載なし[10] |
| AWS FDE | 10億ドルを投じて作った専任の組織。FDEの多くはAWSのAIサービスを開発するエンジニア[15] | 顧客のチームに入り、展開の終わりに顧客が自立できるよう設計する[15] | 請求できる作業時間ではなく、共通の目標と事業の成果で組み立てる[15] |
| Databricks FDE(東京) | Professional Services Operations部門[16] | 顧客先への出張は20%[16] | 求人票に「FDEs are billable(請求対象の稼働)」と記載[16] |
なお、事例の一部は取材記事とも数字が一致します。プレイブックが旅行会社の事例として挙げる「約60万ページのアーカイブ」「年6,700時間超の削減(推計)」[1]について、Built Inの記事は、Expediaとの案件で60万のConfluenceページをアーカイブし、6,700時間超の作業を減らし、同社のCTOが第2段階を依頼したと書いています[11]。
AtlassianのFDE求人には何が書かれているのか?
2026年10月7日時点で、Atlassianの公式キャリアサイトには、職種名にForward Deployed Engineer(ing)を含む求人が7件ありました。勤務地はサンフランシスコ、ベンガルール、ロンドン、グダニスク(ポーランド)で、日本勤務の募集はありません。6件がPrincipal以上の上級職、1件が欧州・中東・アフリカ(EMEA)の責任者です(編集部が集計)[3][4][5][6][7][8][9]。
- 職種名にForward Deployed Engineer(ing)を含むAtlassianの求人
- 7件
- 編集部が集計。公式キャリアサイトのAPIが返した356件(重複を除くと338件)から抽出。2026年10月7日取得
- そのうち日本勤務の求人
- 0件
- 編集部が集計。同上
| 職種名(原文) | 勤務地(掲載上の表記) | 経験の要件 | 報酬(基本給) |
|---|---|---|---|
| Principal Forward Deployed Engineer | サンフランシスコ / Remote | バックエンド開発10年以上、本番でのAI/ML導入5年以上[3] | Zone A $209,700 - $273,775 ほか[3] |
| Senior Principal Forward Deployed Engineer | サンフランシスコ / Remote | バックエンド開発15年以上(うちprincipal/staff級5年以上)、本番でのAI/ML導入5年以上[4] | Zone A $243,900 - $318,425 ほか[4] |
| Principal Forward Deployed Engineer | ベンガルール / Remote | バックエンド開発10年以上、本番でのAI/ML導入5年以上[6] | 記載なし[6] |
| Senior Principal Forward Deployed Engineer | ベンガルール / Remote | バックエンド開発15年以上(うちprincipal/staff級5年以上)、本番でのAI/ML導入5年以上[7] | 記載なし[7] |
| Principal Forward Deployed Engineer, AI (Remote Poland) | グダニスク / ポーランド国内のリモート | バックエンド開発10年以上、本番でのAI/ML導入5年以上[8] | 350,100〜457,075ズウォティ(ポーランドの基本給)[8] |
| Principal Forward Deployed Engineer, AI (Remote UK) | ロンドン / 英国内のリモート | バックエンド開発10年以上、本番でのAI/ML導入5年以上[9] | 記載なし[9] |
| Head of Forward Deployed Engineering EMEA | ロンドン / 英国内のリモート | エンジニアリングチームのマネジメント7年以上、コンピュータサイエンスなどの学士か修士[5] | 記載なし[5] |
Open Position
Atlassian
Principal Forward Deployed Engineer
- 勤務地
- San Francisco, United States / Remote
- 報酬(求人票の記載)
- 基本給(米国の地域別ゾーン)Zone A: $209,700 - $273,775 / Zone B: $188,730 - $246,398 / Zone C: $174,051 - $227,233。ボーナス・コミッション・株式の対象になる場合あり
- 求人票の取得日
業務内容
- 顧客のニーズに合わせたAI/MLのソリューションの設計・開発・展開を主導する
- Python・JavaScriptなどで、API・マイクロサービス・企業規模のシステムとの連携を設計・実装する
- 複雑なデータを分析して、解決策と製品の方向性に生かす
- 顧客の環境で、AIを組み込んだ業務自動化の導入を推し進める
- AIの本番展開を最後まで受け持ち、継続的な評価・監視・改善を行う
- AIのリスク評価やGDPRなどの規制への対応、若手の指導、技術的な内容を技術者以外や経営層に伝えることも担う
応募要件
- バックエンド開発の経験10年以上
- 本番環境でAI/MLを導入した経験5年以上。0→1のプロダクト開発で、創業期のエンジニアかFDEとして働いた経験を含む
- 生成AI・LLM・エージェントのフレームワークを含む、応用AI/MLの深い専門性
- Python・JavaScriptなどの言語と、API・マイクロサービス・企業システム連携の経験
- 曖昧で変化の速い問題を解く力と、正式な権限なしに部門横断のチームを動かした経験
- AIのリスク評価・データプライバシー・コンプライアンス(GDPRなど)の経験と、技術を事業目標に結び付けた実績
歓迎要件
- Atlassian Intelligence、Rovo などAtlassianのAI機能の経験
- 金融・医療など規制業種の知見
- 大規模で複雑な本番システムにAIを導入した経験
- エンジニアを指導・統率した経験
この求人票の読みどころ業務の項目には「研究」や「モデルの訓練」が出てこず、顧客の環境での設計・連携・展開・運用が並びます。必須要件で目を引くのは、0→1のプロダクト開発で「founding or forward-deployed engineer」だった経験を求めている点で、FDEの経験者か、スタートアップの初期メンバーを想定していると読めます。プレイブックの教訓2に対応するように、AIのリスク評価とGDPRへの対応が、業務と必須要件の両方に入っています。
公開されている求人票の内容を、編集部が解説のために日本語で要約したものです。当サイトはこの求人の募集主体・応募窓口ではありません。募集は終了・変更されることがあります。最新の内容は求人票の原文をご確認ください。
Senior Principalの求人は、Principalの業務に加えて、Atlassianの製品群全体にコードで貢献すること、Rovoを使ってソリューションを作ること、顧客と一緒に作る中で顧客が「最後の1マイル」で味わう細かな不満を見つけ、製品の方向性に影響を与えることを求めています[4]。プレイブックの「製品を直す権限」が、職責として書かれている形です。
報酬を円に換算すると、1ドル=157.96円(2026年10月6日の三菱UFJ銀行の対顧客相場の仲値。編集部が算出)で、Principal FDEのZone Aは約3,312万〜4,325万円、Senior PrincipalのZone Aは約3,853万〜5,030万円です[3][4][17]。ポーランド勤務のPrincipalは350,100〜457,075ズウォティで、1ズウォティ=40.48円(同日の仲値。編集部が算出)で約1,417万〜1,850万円です[8][17]。いずれも勤務国での基本給のレンジで、日本の給与水準を示すものではありません。他社のFDEの報酬はOpenAIなど59社のFDE求人272件で年収を比べた記事で詳しく扱っています。
名前の似たForward Deployed Architectとの違い
Open Position
Atlassian
Senior Forward Deployed Architect
- 勤務地
- Austin / San Francisco / Seattle / New York, United States / Remote
- 雇用形態
- Full-time
- 報酬(求人票の記載)
- 基本給(米国の地域別ゾーン)Zone A: $180,000 - $235,000 / Zone B: $162,000 - $211,500 / Zone C: $149,400 - $195,050。ボーナス・コミッション・株式の対象になる場合あり
- 求人票の取得日
業務内容
- 1〜3の戦略顧客に、それぞれ通常3〜9か月入り込む。出張は最大50%
- Jira・Confluence・Rovoなどで、顧客の部門横断の働き方の仕組み(System of Work)を設計する
- 業務と運用モデルの変革を、現状から将来像まで主導する(CoE、RACI、ガバナンス、プラットフォームチームの設計を含む)
- Rovoのエージェント、Teamwork Graphの拡充、AIガバナンス、人が確認を挟む設計など、AI前提の業務を共同で設計する
- CIO・CTOなど経営層との探索を率い、事業の成果を能力のロードマップと段階的な計画に落とす
- SE・SA・TAS/FDE・プロフェッショナルサービス・パートナーの実行を束ね、現場の型を製品の要件として返す
応募要件
- 顧客対応の技術・助言・コンサル・変革の職務で8年以上
- Fortune 1000、規制業種、公共部門で、範囲の策定だけでなく変革を最後までやり遂げた実績
- 経営層の審査に耐えるメモ・ADR・設計書を書く力
- 業務とシステムを俯瞰して設計する力と、クラウドネイティブ・連携・ID・セキュリティ・データの理解
- Java/Kotlin、TypeScript/Node、Pythonのいずれかで、試作・デバッグ・コードの読解ができる
- IT・PMO・人事・財務などの関係者からの信頼。最大50%の出張と、顧客のタイムゾーンでの勤務
歓迎要件
- SaaSベンダーのFDE・カスタマーエンジニアリング・プロフェッショナルサービスの経験
- 大手SIやAtlassianのソリューションパートナーでの上級アーキテクト・プリンシパルコンサルタントの経験
- RAG・ナレッジグラフ・エージェント設計・AIガバナンスの経験
- ACP、AWS Solutions Architect Professional、TOGAF、CISSPなどの資格
この求人票の読みどころ求人票は、従来のソリューションエンジニアでも、手を動かすエンジニアでもないと明記しています。FDEが研究開発の側でコードを書くのに対し、こちらは営業部門に属し、顧客の経営層と変革の計画を描く役割で、FDE(TAS/FDE)はこの職種が束ねる相手の1つとして書かれています。同じ「Forward Deployed」の名が付いていても、中身は別の職種と考えたほうがよいでしょう。
公開されている求人票の内容を、編集部が解説のために日本語で要約したものです。当サイトはこの求人の募集主体・応募窓口ではありません。募集は終了・変更されることがあります。最新の内容は求人票の原文をご確認ください。
Forward Deployed ArchitectのZone Aは約2,843万〜3,712万円(同じレートで換算)で、Principal FDEより低いレンジです[10][17]。
日本の求職者と採用企業はこのプレイブックをどう使えるか?
求職者にとっては、FDEの仕事が「AIを作ること」より「AIを業務に組み込み、定着させ、効果とコストを測ること」に重心があると、具体的な事例で分かる資料です。採用企業にとっては、自社にFDEを置く場合にも、ベンダーのFDEを受け入れる場合にも、案件の選び方と進め方を点検する材料になります。
求職者にとって:FDEに求められる仕事の解像度が上がる
プレイブックの4つの教訓は、そのままFDEの仕事の中身です。業務の頻度・痛み・測定方法から課題を選ぶ力、権限と監査を最初に設計する力、仕事の出来事を起点に自動化を組む力、モデルと文脈の組み合わせで費用を設計する力が、4つの章それぞれに対応します[1]。必要なスキルの全体像はFDEに必要なスキル・資格にまとめています。
- 2026年10月7日時点で、日本を勤務地に挙げたAtlassianのFDE求人はありませんでした。サンフランシスコとベンガルールの求人には勤務地に「Remote」も併記され、求人票には「法人のある国なら採用できる」との記載がありますが、どの国からのリモート勤務を認めるかまでは読み取れません[3][6]
- 日本勤務のFDE求人を探すなら、日本のFDE求人16件を全文比較した記事や、FDE求人・採用企業一覧が入口になります
- SIerやコンサルで全社の業務変革を率いてきた人には、FDEよりもForward Deployed Architectの要件のほうが近い可能性があります(2026年10月7日時点の勤務地は米国の4都市と「Remote」。報酬は米国のゾーンだけを記載)[10]
採用企業・導入企業にとって:案件の点検表として使う
プレイブックの問いを、自社のAI導入やFDEの受け入れに当てはめると、次のような点検表になります。右の列は、プレイブックが触れていない部分を補うための問いです。
| 論点 | プレイブックの考え方 | 自社で確かめること(編集部) |
|---|---|---|
| 最初の業務 | 頻度・痛み・測定可能性で選ぶ。成果を持つ担当者がいること[1] | 効果を測る数字と、その数字を持つ担当者を、開始前に決められているか |
| 統制 | Read → Draft → Actで、信頼に応じて自律を広げる[1] | 情報システム部門・法務が、各段階に進む条件に合意しているか |
| 定着 | 仕事の出来事で自動起動させ、既存のツールの中に置く[1] | 社員が毎日使うツールの中で動くか。公開後の利用を誰が追うか |
| 費用 | 文脈の再利用、仕事に合わせたモデル選び、現状との比較[1] | 全社に広げたときの利用料を試算し、置き換える作業のコストと比べたか |
| 出口 | 約12週間で再現可能な型を残す[1] | 知識移転・知的財産・延長の条件を契約で決めたか(Gartnerの3段階[14]) |
FDEを自社で採用する場合の要件の書き方や選考の設計はFDE採用ガイドで、ベンダーのFDEに依存する危険をめぐる議論はGartnerの「7割放棄」予測を読んだ記事で扱っています。
まとめ
Atlassianのプレイブックは、自社製品の売り込みを含む資料でありながら、企業のAIが試験導入で止まる理由と、本番に乗せるための進め方を、事例の数字とともに具体的に示しています。要点は次のとおりです。
- Atlassianは2026年10月4日、100社超・80超のエージェントの経験をまとめた22ページのFDEプレイブックを公開した[1][2]
- AtlassianのFDEは、R&Dに属するシニアのエンジニアで、約12週間の案件をDiscover・Build・Adopt・Valueの4段階で進め、製品の障害は製品側で直すとしている[1][11]
- 4つの教訓は、課題の選び方(頻度・痛み・測定可能性)、ガバナンスの組み込み(Read → Draft → Act)、業務の中への埋め込み(自動起動は定着の可能性が12倍)、システム全体でのコスト最適化[1]
- 数字の多くは自社の測定や推計で、顧客名は伏せられ、料金・契約・知的財産には触れていない。Gartnerの70%放棄の予測が求める「出口」の条件と照らして読む必要がある[1][14]
- 2026年10月7日時点のAtlassianのFDE求人7件はPrincipal級以上と責任者で、日本勤務はない。米国のPrincipalの基本給はZone Aで$209,700 - $273,775[3]
よくある質問
QAtlassianのFDEプレイブックはどこで読めますか?
Atlassianの公式ブログ「Inside Atlassian」の紹介ページ(2026年10月4日公開)から、英語のPDF「The Atlassian Forward Deployed Engineering Playbook」を読めます。全22ページで、2026年10月7日に編集部が確認した時点では、登録なしで開けました。日本語版は確認できていません。
QAtlassianのFDEは何をする職種ですか?
Atlassianのプレイブックによれば、AIエンジニアリングと応用AIを1つの役割にまとめたシニアのエンジニアで、顧客の環境に入り、事業の成果から逆算して業務を洗い出し、本番のコードを書いてAIエージェントを作り、システムをつなぎます。取材記事によれば、コンサルティングやプリセールス(技術営業)ではなく研究開発部門に属し、顧客先で見つけた製品の課題を製品チームに持ち帰る役割も担います。
QAtlassianのFDEの案件はどのくらいの期間ですか?
プレイブックによれば通常およそ12週間で、Discover(価値の高い業務の特定と権限の把握)、Build(本番に耐える仕組みの共同開発)、Adopt(定着とガバナンス、社内チームへの型の移転)、Value(効果とROIの測定)の4段階を踏みます。12週間で、顧客のチームが自分で成果を広げられる状態にすることを目標にしています。
QAtlassianのプレイブックの4つの教訓とは何ですか?
1つ目は、頻度が高く、痛みがあり、測定できる課題を選ぶこと。2つ目は、権限・セキュリティ・監査可能性を初日から設計に組み込むこと。3つ目は、仕事の出来事で自動起動させ、既存のツールの中にAIを置いて定着させること。4つ目は、文脈の再利用、仕事に合わせたモデル選び、現状とのコスト比較で、システム全体を最適化することです。
QAtlassianはFDEを日本で募集していますか?
2026年10月7日に編集部がAtlassianの公式キャリアサイトを確認した時点では、職種名にForward Deployed Engineer(ing)を含む求人7件の勤務地はサンフランシスコ、ベンガルール、ロンドン、グダニスクで、日本を勤務地に挙げた募集はありませんでした。一部の求人には勤務地に「Remote」も併記されていますが、どの国から働けるかは求人票から読み取れません。求人は随時変わるため、最新の状況は公式キャリアサイトで確認してください。
QRead → Draft → Actとは何ですか?
Atlassianのプレイブックが示す、AIエージェントに任せる範囲を段階的に広げる進め方です。まず検索や要約など情報を読むだけの使い方(Read)から始め、次にAIが行動を提案して人が承認する形(Draft)に進み、組織が統制に納得したら、理解が進んだ範囲の決まった操作だけを自動化します(Act)。
出典・参考資料
- 1
公式The Atlassian Forward Deployed Engineering Playbook
Atlassian ・ 公開 2026-10-04 ・ 閲覧 2026-10-07
全22ページのPDF。要約、FDEプログラムの説明、約12週間・4段階の進め方、Teamwork Graphと本番基盤、4つの教訓と各事例、まだ答えの出ていない3つの問い、結びを参照。公開日は紹介ページの日付(PDF内の表記は October 2026)
- 2
公式Atlassian’s Forward Deployed Engineering Playbook
Atlassian(Inside Atlassian) ・ 公開 2026-10-04 ・ 閲覧 2026-10-07
プレイブックの紹介ページ。100社超の企業顧客、約12週間で自走、80超の本番AIエージェントという数字と、PDFへのリンクを参照
- 3
求人票Principal Forward Deployed Engineer
Atlassian ・ 閲覧 2026-10-07
サンフランシスコ勤務。業務内容、必須・歓迎要件、米国の地域別ゾーンごとの基本給、掲載部門(Engineering)を参照
- 4
求人票Senior Principal Forward Deployed Engineer
Atlassian ・ 閲覧 2026-10-07
サンフランシスコ勤務。Principalとの業務の違い、経験15年以上の要件、米国の地域別ゾーンごとの基本給を参照
- 5
求人票Head of Forward Deployed Engineering EMEA
Atlassian ・ 閲覧 2026-10-07
ロンドン勤務の責任者職。チームの採用・育成の業務、マネジメント経験7年以上と学位の要件、報酬の記載がないことを参照
- 6
- 7
- 8
求人票Principal Forward Deployed Engineer, AI (Remote Poland)
Atlassian ・ 閲覧 2026-10-07
ポーランド国内のリモート勤務。経験の要件と、ポーランドの基本給レンジ(350.100 zł - 457.075 zł)を参照
- 9
求人票Principal Forward Deployed Engineer, AI (Remote UK)
Atlassian ・ 閲覧 2026-10-07
英国内のリモート勤務。経験の要件と、報酬の記載がないことを参照
- 10
求人票Senior Forward Deployed Architect
Atlassian ・ 閲覧 2026-10-07
隣接職種。掲載部門(Sales)、担当する顧客数と期間、出張、手を動かすエンジニア職ではないという記載、要件、米国の地域別ゾーンごとの基本給を参照
- 11
記事How Forward Deployed Engineers Shape AI-Led Teamwork
Olivia McClure ・ Built In ・ 公開 2026-08-26 ・ 閲覧 2026-10-07
Built In の Brand Studio による企業紹介。FDEがR&Dに属しエンジニアの肩書きを持つこと、Hülya Pamukcu Crowell氏の発言、Expediaとの案件の数字、Ciscoを含む15超の企業アカウントの障害解消、AI/MLエンジニアである必要はないという説明、Atlassianの主な製品を参照
- 12
公式Atlassian Teamwork Graph: The context engine behind your AI—everywhere
Jamil Valliani ・ Atlassian ・ 公開 2026-05-06 ・ 閲覧 2026-10-07
Teamwork Graphのベンチマークを「44% more accurate results while using 48% fewer tokens」と表現している箇所を参照
- 13
公式Our Q4 FY26 letter to shareholders
Mike Cannon-Brookes ・ Atlassian ・ 公開 2026-08-06 ・ 閲覧 2026-10-07
Teamwork Graphの効果を「up to 44% more accurate answers while consuming 48% fewer tokens」と表現している箇所を参照
- 14
Gartner ・ 公開 2026-09-29 ・ 閲覧 2026-10-07
70%の放棄予測、契約前・期間中・出口の3段階、Mukul Saha氏の発言、製品の機能に変えるFDE案件は20%未満という予測、FDE washing、同名の顧客向けレポートを参照
- 15
公式AWS invests $1 billion to embed AI forward deployed engineers with customers
Francessca Vasquez ・ Amazon ・ 公開 2026-06-30 ・ 閲覧 2026-10-07
10億ドルのFDE組織、展開の終わりに顧客が自立できるよう設計するという説明、請求時間ではなく事業の成果で組み立てるという記述を参照
- 16
Databricks ・ 公開 2026-09-15 ・ 閲覧 2026-10-06
東京勤務。掲載部門(Professional Services Operations)、「FDEs are billable」という記載、出張20%を参照。公開日は採用管理システムの値
- 17
データ三菱UFJリサーチ&コンサルティング | 外国為替相場 |2026年10月6日の為替相場
三菱UFJリサーチ&コンサルティング ・ 公開 2026-10-06 ・ 閲覧 2026-10-07
三菱UFJ銀行が公表した対顧客外国為替相場を、同社が掲載するページ。2026年10月6日の米ドルは TTS 158.96円、TTB 156.96円、ポーランド・ズロチ(ズウォティ)は TTS 41.68円、TTB 39.28円。仲値(米ドル157.96円、ズウォティ40.48円)は (TTS+TTB)/2 で編集部が算出。執筆日(10月7日)の日付指定ページは当日の相場ページへ転送されたため、前営業日の値を使用
この記事は上記の出典を原文で確認したうえで執筆し、に全出典を再検証しています。求人内容・報酬・組織体制は変更されることがあります。最新の情報は各出典の原文をご確認ください。
Free Consultation
FDEへの転職・就職について、
専門エージェントに相談してみませんか?
FDE Talentは、FDE(Forward Deployed Engineer)に特化した転職支援サービスです。経験の棚卸しからFDE求人のご紹介、選考対策まで、完全無料でご相談いただけます。
関連記事
FDE組織の作り方|置き場所・チーム構成・評価指標をMicrosoft・OpenAI・Databricksなどで比較
FDE組織を製品部門・営業部門・別会社・パートナーのどこに置くか。Microsoft、OpenAI、Salesforce、Databricksなどの公式発表と、2026年10月8日に取得したFDE求人515件から、チーム構成と評価指標を比べます。
続きを読む →
Frontier Deployed Engineerとは|FDE1万人育成と「7割放棄」予測を一次情報で読む
AnthropicがFrontier Deployed Engineerの1万人育成を発表した週、Gartnerは「企業の7割がベンダーのFDEが作ったAIを放棄する」と予測しました。両側の一次情報と各社の認定を比べ、日本への意味を整理します。
続きを読む →
日本のFDE求人16件を全文比較|OpenAI・Databricksなど8社の要件・言語・報酬(2026年9月)
2026年9月29日時点で公開されていた日本勤務のFDE求人16件(OpenAI、Databricks、Palantirなど8社)を全文で読み、業務内容、経験年数、日本語と英語の要件、出張、報酬の記載を同じ軸で比較します。
続きを読む →