OpenAIのFDE採用で求められる人物像|公式パネルと求人30件を読む

OpenAIは10月22日に何を公開したのか?

OpenAIが2026年10月22日に出したFDE関連の発信は3つあります。1つ目はJarvis氏が書いた公式ブログで、チームの考え方と、半導体・税務・通信の案件の数字を載せています^[1]。2つ目はOpenAI Forumのライブ配信「Work at the Frontier: Forward Deployed Engineering at OpenAI」で、Jarvis氏が司会を務め、FDEのRoy Ziv氏・Grace Lam氏・Meghana Tera氏が自分の経歴と日々の仕事を語りました^[2]。配信の最後にJarvis氏は、この日はFDEチームにとって大きな日で、OpenAIのウェブサイト上のFDEのハブとブログという「2つの大きなローンチ」があったと述べています^[2]。3つ目が、そのFDEのページです^[3]。

1. 公式ブログ

   What FDE means at OpenAI(Colin Jarvis氏)

   チームの創設(2025年初頭)と考え方、半導体・Tax AI・通信の音声エージェントの案件の数字^[1]

2. パネル

   OpenAI Forumのライブ配信(約41分)

   FDE3人の経歴、ソリューションアーキテクトとの違い、活躍する人の資質、視聴者からの質問への回答^[2]

3. FDEのページ

   Forward deployed engineering for enterprise AI

   案件の5段階(Discover・Prototype・Validate・Go live・Scale)と、FDEとプロフェッショナルサービスの違いを答えるFAQ^[3]

4. 求人

   採用ページのFDE求人30件

   編集部が2026年10月24日に取得。東京3件を含む^[12]

パネルの4人の経歴は、採用の幅を考えるうえで参考になります。Lam氏はCharacter AIの研究者を経てOpenAIに入り、その前はPalantirにいました。現在はOpenAIの消費者向けハードウェアのチーム(社内ではIOと呼ぶ)を担当しています。Ziv氏はOpenAIのソリューションアーキテクトからFDEに移った人で、物理的なエンジニアリングとハードウェアの案件を率いています。Tera氏は前職でソフトウェアエンジニアとして評価(eval)の基盤を作っていて、いまは音声・チャットのエージェントの製品OpenAI Presenceのチームにいます^[2]。

OpenAIのFDEは何を埋める仕事なのか?

Jarvis氏の答えは「デプロイメントギャップ」を埋めることです。ブログでは、チームを2025年初頭に作った理由を、モデルにできそうに見えることと、人が仕事で確実に使えることの距離を縮めるためだと書いています^[1]。パネルの冒頭でも同じ言葉で説明しました。

特徴的なのは、成功の定義が「自分たちを不要にすること」になっている点です。ブログは、Codexが出たときにチームの1人から「数か月かけて作ったユースケースをCodexが一発で作れるようになったら、どうするのか」と聞かれた話から始まり、数か月ごとに自分たちを不要にできているなら、FDEチームは仕事をしている、と続きます^[1]。目標は、各案件が次の顧客の出発点を上げることで、次は顧客がFDEなしで同じ種類の問題を解けるところまで底上げできれば仕事をやり遂げたことになる、とも書いています^[1]。

パネルでもJarvis氏は同じ考え方を例で話しています。金融機関との案件から、研究チームに「COBOLはモデルが知っていなければならない言語だ」と伝え、3万5,000のアプリケーションをCOBOLのメインフレームで動かしている銀行もあると説明したといいます。モデルがCOBOLに強くなれば、次はFDEがいなくてもコードベースを指すだけで済み、それがFDEにとっての成功だ、という話です(32:20ごろ)^[2]。

ソリューションアーキテクトとFDEは何が違うのか?

パネルでは、ソリューションアーキテクト(SA)からFDEに移ったZiv氏が、違いを「助言」と「実装」の差として語りました。Jarvis氏も、自分とZiv氏はSAとして働き始めたと話しています(03:20ごろ)^[2]。

Ziv氏によれば、仕事の中身もこの1年半で変わりました。当初は、マルチエージェントの仕組みやRAG、ファインチューニングといった「足場」を組まないとモデルを本番で使えなかったのに対し、モデルとCodexのような製品が良くなって、その必要は減ったといいます。いまのFDEの仕事は、顧客の問題を定量化して評価(eval)に落とし、モデルの性能と顧客が求める性能の差を測ることが中心で、差の原因が製品にあれば製品チームに、モデルの能力にあれば研究チームに持ち帰る、と説明しています(04:30〜06:00ごろ)^[2]。

視聴者からは「ソリューションエンジニアとFDEの違いは何か。OpenAIはいまも両方を置いているのか」という質問も出ましたが、パネルの回答は技術的な経歴の話が中心で、この点には直接答えていません(27:00ごろ)^[2]。ただ、OpenAIの採用ページには、FDEとは別にApplied AI ArchitectやApplied AI Engineerの求人が並んでいます^[12]。FDEと近接職種の違いは、求人票の記載をもとにFDEとソリューションアーキテクトの違いで比べています。

現場ではどう働いているのか?

ブログには、案件ごとの数字が載っています。どれもOpenAIが自社のブログで公表した数字で、顧客名が出ていない案件もあります^[1]。

半導体の案件について、ブログは、入社して数日のFDEの中には半導体の経験がない人もいたと書いています。彼らは顧客の検証チームに入り込み、空いた時間にチップ設計を学び、エンジニアと一緒に評価を作りました。結果を報告したとき、顧客の最高ハードウェア責任者から「以前チップ設計者だったのか」と聞かれたといいます^[1]。ブログはこの話を、FDEは初日から業界を知っている必要はないが、業界を学ぶのは本人の責任だ、とまとめています^[1]。

日本の読者に身近な例もありました。パネルでJarvis氏は、日本の顧客との音声エージェントの案件を紹介しています。日本では、客が話している間にオペレーターが相づちを打つことが期待されますが、初期の音声エージェントはそれを割り込みと扱い、話し始めては止まることを繰り返したといいます。相づちは打ち続けつつ、客が話し終えるまでは答えない、という動作を作るのは難しく、顧客からは「自然に感じられなければ客の前には出せない」と言われたそうです(12:00ごろ)^[2]。

Lam氏は、OpenAIのFDEとPalantirのFDEの違いを、OpenAIは「まずAIとモデルの会社」で研究者と近く協力できる点だと話しました。PalantirのFDEはFoundryやGothamという同社の製品の上で顧客のオントロジーを考えることが多いのに対し、OpenAIでは顧客の問題とCodexやモデルをどうつなぐかを考える、という説明です(07:30ごろ)^[2]。Palantirの元社員が書いた論考とFDEの源流は、Reflections on Palantirを読むで紹介しています。

現場で得た信号を製品に変える手順も語られました。Jarvis氏によれば、資源を割く前に現場の証拠があることが前提で、同じ信号が繰り返し出てくると、FDEの中のプラットフォーム機能が顧客先から人を何人か引き抜いてポッドを作り、再利用できる部品があるかを見極めます。途中で複雑すぎると気づき、より低いレベルの部品に切り替えた失敗もあったと話しています(36:30ごろ)^[2]。Tera氏は、OpenAI Presenceという製品そのものがFDEの案件から始まったと答えました(30:00ごろ)^[2]。

OpenAIのFDE採用で求められる人物像は?

パネルの後半で、Jarvis氏は3人に「チームで活躍する人の資質と、FDEを目指す人への助言」を聞いています。答えを並べると、次のようになります(22:30〜26:00ごろ。低いエゴは、その前のチーム文化についての質問への回答)^[2]。

Tera氏は、ソフトウェアエンジニアからFDEに移って身につけたこととして、解決策に飛びつく前に、顧客が何をしたいのか、何がそれを邪魔しているのかを理解することを挙げました。たとえば「エージェントが遅い」と言われたら、遅い原因を調べる前に、その遅れが業務全体のどこに響いているのかを確かめる、という例です(09:30〜10:30ごろ)^[2]。

技術的な経歴については、視聴者の質問に答える形で語られました。Ziv氏は、強い技術の土台が欠かせないとしたうえで、ソフトウェアエンジニアリング出身の人と、評価の設計や性能の定量化に強いデータサイエンス出身の人がいると説明しています。別のパネリストは、5年、10年と業界で働いてきた人は顧客と権威をもって話せるので、金融やライフサイエンスなどのドメイン知識も大いに役立つと補いました(27:30〜29:00ごろ)^[2]。Jarvis氏はそれを受けて、次のように話しています。

Jarvis氏は続けて、大事なのはチーム全体での組み合わせで、ソフトウェアエンジニアリングで10点満点の人もいれば、それぞれの業界(ドメイン)で10点満点の人もいる、と話しました。採用ページの求人にもかなりの幅があり、ドメインの専門性に寄った人もいる、とも述べています(29:30ごろ)^[2]。ブログも、ジェネラリストとドメインの専門家を組み合わせてチームを作ると書き、ライフサイエンスではFDEの科学の素養が研究者の信頼を得るのに役立っている例を挙げています^[1]。FDEに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。

OpenAIのFDE求人30件には何が書かれているか?

2026年10月24日時点で、職種名にForward DeployedまたはFDEを含むOpenAIの求人は30件でした(編集部がOpenAIの採用ページ(Ashby)の公開データから集計)。勤務地は米国16件、それ以外が14件(東京3件、ロンドンとシンガポール各2件、パリ・ミュンヘン・チューリッヒ・マドリード・シドニー・ソウル・アブダビ各1件)でした^[12]。前日の10月23日に取得した求人スナップショットでは31件で、「Deployment Lead, Forward Deployed Engineering (FDE) - Platform」が10月24日には掲載されていませんでした。

職種名にFDEを含むOpenAIの求人

30件

編集部が集計。OpenAIの採用ページ(Ashby)の公開データから、職種名にForward DeployedまたはFDEを含む求人を数えた。2026年10月24日取得^[12]

東京勤務の求人(FDE・マネージャー・Deployment Lead)

3件

同じ集計。いずれも報酬の記載はない^[4][5][6]

本文に評価(eval)を書いた求人

22件

同じ30件のうち、会社紹介などの定型文より前の本文に「eval」で始まる語(eval-driven、evaluation など)がある求人を数えた。編集部が集計、2026年10月24日取得^[12]

共通の型の求人は、FDEを「最も戦略的な顧客と一緒に、フロンティアモデルの複雑な本番導入を端から端まで率いる」職種と定義し、成果を本番での利用、業務への測れる効果、製品とモデルのロードマップを変える評価駆動のフィードバックで測ると書いています^[7]。要件は、顧客対応を含む5年以上の経験、フロントエンドとバックエンドの本番品質のコード、LLMを使ったシステムを作るか導入した経験などです^[7]。ほとんどの求人が週3日出社のハイブリッドで、サンフランシスコの求人は最大50%の出張を求めています^[7]。

業界特化の求人は、パネルで語られた「ドメイン専門性」を具体的に書いています。医療の求人は、保険者・医療機関の業務や電子カルテ、HL7・FHIRといった相互運用の標準の経験を挙げる一方で、FDEの肩書きや臨床の資格は必要ないと明記しています^[8]。通ってきた経歴の例として、FDEやカスタマーエンジニアのほかに、医療機関の中のエンジニア、技術コンサルタントやインテグレーター、規制産業のソリューションアーキテクト、技術系の創業者を並べています^[8]。政府向けを除くForward Deployed Software Engineerの3件は、元創業者やスタートアップの初期エンジニアを歓迎すると書いています^[9]。

東京のマネージャーの求人は、8年以上のエンジニアリングまたは技術的な遂行の経験と、そのうち2年以上のFDEや顧客対応のエンジニアのマネジメント経験を求めます。マネージャーもフロントエンドとバックエンドの本番品質のコードを書けることが要件に入り、日本語と英語の両方の流暢さ、最大40%(主に国内)の出張が書かれています^[5]。日本でFDEを募集している企業の全体像はFDE求人・採用企業一覧に、日本勤務のFDE求人の比較は日本のFDE求人を読むにあります。

日本の求職者と採用企業にとっての意味は?

日本の求職者にとっては、業界の業務を学び切る力とコードを書く力の両方を英語で示せるかが分かれ目になり、採用企業にとっては、FDEの成果を人数ではなく案件ごとのカスタマイズの減り方で測るという考え方が参考になります。以下は、パネル・ブログ・求人票を踏まえた編集部の見方です。

まとめ