過去2年間、多くの中国企業は大規模言語モデルのアカウント、ナレッジベース、AIカスタマーサポート、コーディングアシスタント、オフィス向けAIエージェントをすでに導入している。専門チームを立ち上げ、いくつかの概念実証（PoC）を完了させた企業も少なくない。
しかし、これらのツールを契約審査、サプライチェーン、カスタマーサポート、財務、研究開発、営業といった業務プロセスに組み込もうとすると、プロジェクトはしばしば試験導入の段階で止まってしまう。
MIT NANDAプロジェクトが2025年に発表した企業向け生成AIに関する調査によれば、回答企業の生成AI試験導入プロジェクトの約95%が、損益への測定可能な影響を生み出せていない。ここでいう「測定可能な影響を生み出せていない」とは、モデルが完全に無用であるという意味ではない。より一般的な状況は、モデルが安定した本番運用プロセスに組み込まれておらず、企業データとも接続されておらず、明確な業務責任や評価指標も形成されていない、というものである。
企業がモデルそのものを手に入れることはすでに容易になっており、真に希少な能力はもう一方の領域へと移りつつある。すなわち、誰が業務の現場に入り込み、モデル、データ、システム、人員を組織立てて、継続的に稼働するワークフローを作り上げられるか、という点である。
この仕事を担う人材は、FDEと呼ばれる。
FDEは実際に何をするのか
FDEとはForward Deployed Engineerの略称で、日本語では「前線配備エンジニア」や「フォワード・デプロイド・エンジニア」などと訳される。
このポジションを最初に広めたのはPalantirである。生成AIの段階に入ってからは、OpenAI、Anthropic、AWS、Salesforce、および各種プロフェッショナルサービス機関が、同様のチームを組織し始めている。
OpenAIによるFDE職務の定義は明確である。FDEは顧客と共に業務ディスカバリー、技術的スコープの確定、システム設計、開発、本番デプロイ、実運用までを担い、本番採用率、ワークフローへの影響、評価結果によってプロジェクトの成否を測定する。
したがって、FDEはコードやシステムを理解するだけでなく、企業の実際の働き方も理解する必要がある。
従来のソフトウェアプロジェクトは、多くの場合、要件定義書の作成から始まる。一方、FDEプロジェクトは通常、現場の観察から始まる。
例えば、ある貿易会社の管理者が「AIナレッジベースを構築したい」と提案したとする。FDEが現場に入ると、次のような本当の課題が見えてくるかもしれない。
顧客情報がメール、WeChat Work、個人のパソコンに分散している。従業員によって同じ商品でも異なる呼び方をしている。見積もりのたびに過去の受注履歴を何度も調べる必要がある。重要なノウハウが一部のベテラン社員の頭の中にしかない。会社に統一された権限管理や文書管理の仕組みがない。
こうした状況では、単独でQ&Aボットを構築しても、安定した価値を生み出すことは難しい。FDEはまずデータの出所と業務のステップを整理した上で、どの工程が検索、生成、判断、自動実行に適しているかを決める必要がある。
FDEの成果物も、デモプログラム一つに留まるべきではない。完全な納品物には通常、稼働可能なシステム、評価基準、権限設定、例外処理の仕組み、操作記録、従業員トレーニング、その後の保守運用計画までが含まれる。
中国企業のFDE需要はなぜ増えているのか
中国企業の生成AI活用は、個人利用から組織レベルの利用へと徐々に移行しつつある。
Gartnerは中国企業の生成AI活用に関する調査の中で、中国企業には旺盛な導入意欲がある一方、企業レベルでの本格採用は、モデルの能力、データの整備状況、組織的な条件によって依然として制約を受けていると指摘している。
同時に、国内のプラットフォーム事業者も、製品の重点を汎用的な質問応答から企業のワークフローそのものへとシフトさせている。
Tencentは2026年に、WorkBuddy Enterprise、オフィス向けAIエージェントスイート、Agent Development Platform 4.0を相次いで発表した。その製品体系はすでに文書コラボレーション、ソフトウェア開発、ナレッジ管理、会議コンテンツ、エージェントの運用、企業ガバナンスといった領域をカバーしており、医療、金融、小売、教育、家電・電子機器など20を超える業界で実装が始まっている。
こうしたプラットフォームは、プロトタイプ開発やシステム接続のコストを引き下げてはいるが、企業には依然として次のような作業を担う人材が必要である。
改革に適した業務プロセスの見極め、利用可能なデータの特定、モデルとツールの権限設定、既存の業務システムとの接続、テストセットと評価基準の構築、例外処理の対応、従業員による実際の利用の推進、コスト・精度・業務効果の継続的なチェック。
これらこそが、FDEが担う仕事である。
中国企業におけるFDEの発展は、主に3つの組織形態を取ると見込まれる。
一つ目は、プラットフォーム事業者側のFDEである。
クラウドサービス事業者、大規模言語モデル企業、企業向けソフトウェアベンダーが、重点顧客のもとにエンジニアを派遣し、顧客側の技術・業務担当者と共同で開発を行う。このモデルは大企業や複雑なシステムに適しており、プロジェクトは複数の部門、データ基盤、セキュリティ要件にまたがることが多い。
AWSは2026年、Forward Deployed Engineering組織の設立に10億ドルを投資すると発表し、エンジニアを顧客のプロジェクトに直接投入し、エージェント型システムの共同開発・デプロイを進める計画を示した。AWSは同時に、このモデルをパートナー企業にも拡張し、個々のプロジェクトで形成されたアーキテクチャ、ガバナンス手法、コンポーネントを、繰り返し利用可能な資産として蓄積することを目指している。
二つ目は、企業内部のFDEである。
大手製造業、金融、物流、小売、インターネット企業などは、業務、データ、ソフトウェア開発、プロセス管理の各担当者から、小規模な部門横断チームを編成できる。
こうしたチームは、「AIイノベーションセンター」のような場所に長く留まるべきではない。メンバーは調達、カスタマーサポート、研究開発、生産、財務といった部門に入り込み、実際の利用者と共に働き、本番稼働の結果に責任を持つ必要がある。
三つ目は、専門サービス型のFDEである。
中堅企業は、完全なAIエンジニアリングチームを長期にわたって維持することが難しく、また大手プラットフォーム事業者による常駐サービスを必ずしも受けられるとは限らない。そのため、業界経験を持つ小規模な技術会社、ソフトウェアサービス事業者、独立エンジニアが、FDE的なサービスを提供する余地がある。
こうしたサービスの競争力は、モデルそのものではなく、主に業界に対する理解、納品スピード、長期的な保守運用能力から生まれる。
企業はどのようにFDEの仕組みを構築すべきか
一、具体的な一つの業務プロセスから始める
最初の改革対象として適したプロセスには、通常いくつかの特徴がある。
処理量が比較的多い。ステップが相対的に安定している。大量のテキスト、表、伝票が存在する。現状の人手による所要時間が算出できる。誤りを人が発見できる。データの出所が概ね明確である。
よくある出発点には、次のようなものがある。
契約情報の抽出、請求書・発注書の入力、カスタマーサポートのチケット分類、企業ナレッジの検索、営業会議の議事録作成、調達資料の整理、経営報告書の生成、研究開発文書の管理。
「全社レベルのAIプラットフォームを構築する」というのは、あまりにも漠然としている。FDEはまず、より具体的な問いに答える必要がある。すなわち、どのポジションのどの業務が、どのように変化するのか、という問いである。
二、現状をまず記録し、その上でAIプロセスを設計する
企業は開発に着手する前に、現行プロセスの基本データを記録しておくべきである。
月間の処理件数、タスク一件あたりの平均所要時間、必要な人員数、よくある誤りの内容、手戻り率、必ず人による承認が必要なステップ。
これらのデータが、プロジェクトのベースラインとなる。
ベースラインがなければ、企業はモデルの出力結果を示すことしかできず、業務価値を証明することが難しい。稼働後、従業員が体感として速くなったと感じたとしても、実際にどれだけの時間が節約されたのか、確認作業がかえって増えていないか、保守コストが許容範囲内かどうかを判断することができない。
三、業務担当者を納品チームに組み込む
FDEは、管理者から提供された要件のみに依存してプロジェクトを完遂することはできない。
業務プロセスを本当に理解しているのは、多くの場合、現場の従業員である。彼らは、どの項目が頻繁に欠落するか、顧客がどのような非標準的な表現を使うか、どのステップを省略できるか、どのような例外が直ちにエスカレーションされるべきかを知っている。
したがって、基本的なFDEプロジェクトチームには、少なくとも3種類の責任者が必要である。
業務責任者は目標と処理ルールの決定を担い、FDEはシステム設計・開発・デプロイを担い、現場ユーザーはサンプルデータ、テスト結果、実際のフィードバックの提供を担う。
基幹システムに関わる場合には、さらにデータ、セキュリティ、法務、コンプライアンスの担当者の参画も必要となる。
四、アプリケーションと評価システムを同時に構築する
生成AIシステムは確率的な性質を持ち、同じ入力に対しても異なる結果が得られる可能性がある。企業は、いくつかの成功事例だけをテストすべきではない。
FDEは、実際の業務を代表するデータセットを構築し、継続的に評価する必要がある。
タスクの完了率、重要情報の抽出精度、人手による修正率、例外の見逃し率、応答時間、タスク一件あたりのコスト、システムの可用性。
業務指標としては、次のようなものが挙げられる。
処理時間、投入人員数、業務スループット、手戻り率、顧客の待ち時間、収益の変化、リスクによる損失。
OpenAIは、評価に基づくフィードバック、本番採用率、測定可能なワークフローへの影響を、FDEプロジェクトの重要な成功基準として位置づけている。これは、FDEが技術的な品質と業務上の成果の両方に責任を負う必要があることを示している。
五、人による統制と監査記録を保持する
契約承認、支払い、顧客への約束、価格調整、人事に関わる決定といった高リスクなタスクは、エージェントに完全に自律実行させるべきではない。
より安全なフローは、AIが資料の収集、分類、初期判断、提案の生成までを担い、権限を持つ担当者が最終承認を行うというものである。
システムには、データの出所、モデルの出力、ツール呼び出し、人による修正、最終決定を記録しておく必要がある。問題が発生した際に、企業は具体的な過程をさかのぼって確認できるようになる。
六、一度限りの納品を、再利用可能な能力に変える
FDEプロジェクトが個人の経験に完全に依存していると、部門が一つ増えるたびに開発をゼロからやり直すことになり、コストは膨らみ続ける。
成熟したFDEチームは、次のような資産を蓄積していく。
業界用語集、標準コネクタ、プロンプトテンプレート、評価データセット、権限テンプレート、例外処理ルール、デプロイスクリプト、操作マニュアル、トレーニング資料。
AWSはそのFDEモデルの設計において、プロジェクトが進むにつれて顧客側のエンジニアが観察者から共同構築者へ、そして最終的にはシステムを自律的に運用できる担当者へと段階的に成長していくべきだと明確に示している。納品には、稼働中のシステム、ナレッジグラフ、操作マニュアル、アーキテクチャ文書、そしてトレーニングを受け自律的に運用できる社内チームまでが含まれる。
したがって、システムの引き渡しと人材育成もまた、納品の一部である。
中小企業はどのようにFDEサービスを調達すべきか
中小企業は、必ずしも正式なFDE部門を社内に設置する必要はなく、まずは小規模なプロジェクトから外部サービスを調達することができる。
比較的合理的なサービス構成は、通常3つの段階に分かれる。
第一段階は、業務診断である。
サービス提供者はプロセスを観察し、従業員にヒアリングし、サンプルデータを確認した上で、AI活用に適しているかどうかを判断し、フローチャート、ベースラインデータ、実施範囲をまとめる。
第二段階は、限定的な範囲での実装である。
一種類の伝票、一種類の顧客リクエスト、あるいは一つの部門を選んで開発を行う。システムは実際のデータ上で稼働するが、人によるレビューは残し、いきなり全社をカバーすることは避ける。
第三段階は、運用と拡大である。
実際のデータに基づいてシステムを修正し、その後、段階的にユーザー、データソース、自動化の範囲を広げていく。サービス提供者は、同時に運用監視、モデルの調整、障害対応も提供する。
料金体系は、診断費、実装費、継続的な運用保守費で構成することができる。業務指標が明確で、双方が主要な影響要因をコントロールできる場合には、成果連動型のインセンティブを設定することも可能である。
「何人分の人員を削減できたか」で直接料金を設定するのは、争いの原因になりやすい。企業の人員配置、業務量、マネジメント方式はいずれも変化しうるものであり、実際の利益を単一のAIシステムだけに完全に帰属させることは難しい。
一人でFDEを務めることはできるのか
AIエージェントプラットフォーム、コーディングアシスタント、MCPコネクタ、既製のモデルは、開発のハードルをすでに大きく引き下げている。
Tencentは、WorkBuddyを自然言語による指示に基づいてタスクを計画・実行できるAIワークスペースと位置づけており、コネクタによってシステムが外部サービスやデータにアクセスできるようになっている。
したがって、一定の技術力と業界経験を持つ個人であれば、文書解析、ナレッジ検索、報告書生成、コンテンツ整理、軽量なプロセス自動化といったプロジェクトを完遂することは可能である。
しかし、企業レベルの本番システムには、データ権限、ID認証、システムインターフェース、セキュリティ審査、例外時の復旧、運用監視、責任分担といった要素も関わってくる。プロジェクトが支払い、顧客データ、基幹の経営システムに触れる段階になれば、通常、顧客側の内部担当者や他の専門人材の共同参画が必要になる。
ツールはコーディング作業を減らすことはできても、企業のガバナンスや納品責任の代わりにはならない。
中国のFDEに本当に求められる能力とは
中国企業が必要としているFDEには、通常、次の5つの能力が同時に求められる。
第一に、業務調査能力。ヒアリング、観察、データ分析を通じて、実際の業務プロセスを再現できる能力である。
第二に、エンジニアリング能力。本番運用に耐えるコードを書き、保守できる能力であり、インターフェース、データベース、権限、デプロイ、ログの処理を含む。
第三に、AI活用能力。モデル選定、検索拡張生成（RAG）、エージェント、ツール呼び出し、評価、セキュリティ統制についての理解である。
第四に、プロジェクト納品能力。スコープ、スケジュール、リスク、部門間の連携をマネジメントし、システムをプロトタイプから本番運用へと押し進める能力である。
第五に、業界知識。業界用語、伝票、責任の境界、コンプライアンス要件についての理解である。
特定の一種類のAIツールを使いこなせるだけでは、完全なFDEの役割を担うには十分ではない。FDEは業務上の成果に責任を持つと同時に、システムが長期的に稼働し続けるための明確な構造を残していく必要がある。
FDEは中国企業のAI実装を支える重要な組織形態になる
モデルの価格は今後も下がり続け、プラットフォームの機能もより充実していくだろう。企業間の差は、これからますます、プロセス設計、データ品質、組織の実行力、継続的な改善能力に表れるようになる。
FDEは、AI時代にふさわしい納品の方法を提供している。すなわち、エンジニアを業務の現場に近づけ、業務上の課題を開発プロセスに直接組み込み、システムを実際の業務の中で検証させる、という方法である。
大企業にとって、FDEはプラットフォーム事業者、社内の技術部門、業務部門をつなぐ納品チームになりうる。
中堅企業にとって、FDEは試験導入から本番運用へと進むための外部パートナーになりうる。
小規模なサービス事業者にとって、機会は特定の業界に対する長年の理解と、一度のプロジェクトを再現可能な提供方式へと整理していく能力から生まれる。
中国企業はすでに、ますます多くのモデルとエージェントツールを手にしている。次に求められる仕事は、これらの能力を受注、契約、カスタマーサポート、研究開発、調達、経営管理の中に組み込み、継続的に測定可能な業務成果を打ち立てていくことである。
FDEが解決しようとしているのは、まさに「AIを使えること」から「企業がAIに依拠して業務の一部を運用できること」までの距離である。