委託時代②：FDE――委託時代が生んだ最初の新しい職種

前回は、Claude Fable 5 が見せた変化について書きました。

人間が AI を細かく操作するのではなく、まとまった仕事を渡し、進捗を見て、最後に受け取る。道具を使うというより、仕事を委託する関係に近づいている、という話です。

では、個人ではなく会社で同じことをやろうとすると、何が起きるのか。

ここで急に難しくなります。

個人なら、自分の失敗は自分で引き受けられます。夜に調査を投げる。朝に結果を見る。気に入らなければやり直す。多少雑でも、自分の仕事の中で吸収できます。

会社ではそうはいきません。

AI がどの業務に入るのか。誰の判断を置き換えるのか。どのシステムにつなぐのか。どの知識を使ってよいのか。結果が間違っていた時、誰が責任を持つのか。

AI を「使える」ことと、AI が「現場に入って働ける」ことの間には、大きな距離があります。

その距離を埋める職種として出てきているのが、FDE、Forward-Deployed Engineer です。

日本語に直すと「前線配置型エンジニア」くらいですが、この訳だけでは少し伝わりません。単なる導入担当でも、プリセールスのエンジニアでも、SI の要員でもない。

FDE は、AI を企業の中に就職させる人です。

AI はソフトウェアではなく、労働力に近い

十字路口 Crossing の Rolling AI 対談では、FDE を考える出発点として、AI はソフトウェアではなく労働力だ、と整理していました。

従来のソフトウェアは、基本的には道具です。人が操作する。人が画面を開く。人が入力する。人が判断する。ソフトウェアは、その作業を速くしたり、正確にしたりします。

AI エージェントは少し違います。

依頼を受ける。調べる。書く。比べる。別のツールを使う。途中で判断する。最後に成果物を出す。

もちろん人間と同じではありません。間違えますし、放っておける存在でもありません。それでも、会社の中での置き方は、ただのソフトよりも「新しい労働力」に近い。

そう考えると、FDE の役割も見えやすくなります。

新しい業務ソフトを入れる人ではない。新しいデジタル従業員を、どこに置き、誰と働かせ、どのルールで動かすかを設計する人です。

対談では、FDE は HRBP に少し似ている、と説明されていました。HRBP は、人事の側から事業部に入り、組織や人材の問題を事業に近い場所で扱います。FDE はその AI 版に近い。企業の現場に入り、AI が働ける形に業務を組み直す。

従来のコンサルティングなら、最後に 200 ページの資料を納品して終わることが多かった。

FDE が納品するのは、資料ではなく、実際に仕事をする AI エージェントです。

この違いは大きいです。

資料は読まなければ動きません。AI エージェントは、動いてしまう。だからこそ、現場との接続、知識の管理、評価の仕方まで含めて設計しないと、すぐに壊れます。

需要と供給の差が、人間の役割を変える

対談で出ていた乳業会社の例は、FDE がなぜ必要になるのかをよく表しています。

番組によれば、その企業が相手にしたいユーザーは 8000万人規模。一方で、全国の登録栄養士は 40万人ほど。単純に見れば、約 200倍の差があります。

この企業が欲しいのは、数人の栄養士ではありません。

必要なのは、ほとんど無限に近い栄養相談の能力です。

もちろん、本当に人間の栄養士を無限に雇うことはできません。そこで AI が入ってくる。対談では、1人が 50体のロボットを率い、600万ユーザーに対応するようなイメージが語られていました。

ここで人間の仕事は消えていません。

むしろ、役割が上にずれています。

一人ひとりに同じ説明をするのではなく、AI がどのように答えるべきかを決める。たとえば、ユーザーが「痩せたい」と言った時、最初に何を聞くべきか。どの言い方なら相手を傷つけないか。どこから医療リスクとして扱うべきか。

こういう判断は、モデルの能力だけでは決まりません。

よい師匠を見つけ、その人の判断を AI が使える形に落とし込む必要があります。FDE の難しさは、まさにそこにあります。

AI が増えるほど、人間の実行量は安くなります。

その代わり、誰の判断を AI に移すのか、どの判断は移してはいけないのかを見抜く力が高くなります。

FDE は、その値段が職種名として現れたものだと思います。

企業の AI 導入は、なぜよく失敗するのか

同じ対談では、AI 導入の失敗率が 50% を超える、という見方も紹介されていました。ここも番組内の発言として受け取るべき数字ですが、肌感覚としては納得しやすい話です。

失敗の形は、だいたい三つあります。

一つ目は、CEO の期待が大きすぎることです。

AI を入れれば会社が一気に変わる。競争力が跳ね上がる。人件費がすぐ下がる。そう考えて、現場の業務を見ないまま大きな号令だけが出る。

でも、AI は魔法の粉ではありません。業務のどこに入るかを決めない限り、何も変わりません。

二つ目は、IT 部門だけで進めてしまうことです。

システムにつなぐ力は必要です。ただし、顧客に保険を買ってもらう会話を知っているのは IT 部門ではなく、営業や業務の現場です。返品対応の痛みを知っているのも、経理処理の例外を知っているのも、現場側です。

AI 導入を技術プロジェクトとして扱うと、たいてい現場の判断に届きません。

三つ目は、インセンティブが変わらないことです。

AI が新しい生産力を持ち込んでも、評価制度や責任分担が昔のままなら、人は使いません。使うと自分の仕事が増える、失敗だけ自分の責任になる、成功しても評価されない。そう見えた瞬間、現場は静かに距離を置きます。

対談では、AI 導入における技術の比率は 3分の1以下だ、という言い方もありました。

この数字も独立した調査結果としてではなく、番組内の整理として読むべきです。ただ、方向は分かります。

残りの大部分は、業務、知識、組織、責任、評価の問題です。

FDE はその面倒な部分を引き受ける仕事です。

FDE が撤収できる条件

FDE の仕事は、AI を動かして終わりではありません。

対談では、FDE が撤収できる条件として三つが挙げられていました。

業務融合。

AI が業務フローの外にあるデモではなく、現場の仕事の中で自然に使われる状態です。別画面にログインして、特別な人だけが試すものではない。担当者の毎日の流れに入っている。

知識統治。

AI がどの知識を使うのか。古い資料をどう扱うのか。誰が更新するのか。機密情報はどこまで渡すのか。ここが曖昧だと、AI は一見もっともらしい答えを出しながら、会社の中の古い誤解を増幅します。

システム接続。

AI が答えるだけでなく、必要なデータにアクセスし、必要な処理を実行できる状態です。ただし、接続は危険も増やします。だから権限、ログ、承認、ロールバックまで含めて考えなければならない。

この三つがそろって、ようやく AI は「現場に入った」と言えます。

逆に言えば、FDE はコーディングが少しできるだけでは務まりません。

対談では、よい FDE に必要な力として、業務上の痛みの急所を見抜く力、人間と AI の協働を自然に捉える感覚、AI ツールで素早くプロトタイプを作る力が挙げられていました。

短期で育てられるか、という問いに対しては、厳しい見方が示されていました。

ここが面白いところです。

AI 時代の新職種なのに、必要なのは新しいツールの操作だけではない。

むしろ、業務を見る目、顧客を見る目、人を見る目が問われます。

SOP は本当に時代遅れなのか

対談の中で、SOP は遅れの象徴だ、という刺激的な話も出ていました。

もちろん、すべての標準手順が不要になるわけではありません。医療、金融、製造、安全管理では、標準化は今でも必要です。

ただし、言いたいことは分かります。

これまでの企業は、人間のばらつきを抑えるために SOP を作ってきました。誰がやっても同じ品質になるようにする。例外を減らす。判断を現場から取り上げる。

しかし、顧客側はすでに千人千様です。広告も、推薦も、EC も、個別最適化されています。

その圧力が生産側にも来ると、現場の意思決定は「標準手順を守る」だけでは足りなくなります。店舗ごと、顧客ごと、地域ごとに変える必要が出てくる。

AI はそこに入ります。

ただし、AI を入れただけでは組織は変わりません。

対談では、ランカシャーの紡績業が電気を導入した時の比喩が出ていました。電気を引いたのに、蒸気機関時代の大きな軸にそのままつないだだけでは、生産方式は変わらない。

AI も同じです。

既存の稟議、既存の部門分け、既存の評価制度、既存の人月計算の上に AI を置いただけでは、昔の会社が少し速くなるだけです。

本当に変わるのは、仕事の単位そのものを組み替えた時です。

日本で見ると、FDE は SIer と何が違うのか

日本でこの話を読むと、どうしても SIer との違いが気になります。

企業に入り、要件を聞き、システムを作り、導入する。表面だけ見ると、FDE は SIer に似ています。

でも、値段のつき方が違います。

SIer の基本は、人月です。どれだけの人数が、どれだけの期間、どれだけの作業をしたか。もちろん上流工程や設計力もありますが、商売の単位は実行量に寄りやすい。

FDE が向かっているのは、結果への値付けです。

対談では、1年伴走して 600万元（中国元）を受け取っても、顧客に数千万元の節約や売上増を生んだなら、その差額はどこへ行くのか、という問いが出ていました。Service as Software、あるいは Result as a Service という言い方もありました。

ここでも、単なる料金体系の話ではありません。

実行力に値段がつく時代から、判断力に値段がつく時代への移動です。

コードを書く。設定する。資料を作る。会議を回す。こうした実行は、AI によってどんどん安くなります。

では、何が高くなるのか。

どの業務を変えるべきか。

どの顧客体験を守るべきか。

どの知識を AI に渡すべきか。

どの成果なら受け取ってよいか。

その判断です。

FDE は、委託時代が生んだ最初の分かりやすい職種かもしれません。

個人は AI に仕事を委託し始めた。

企業も AI に仕事を委託したい。

でも、企業はまだよい委託主になれていない。

だから、よい委託主を務められる人が必要になる。

FDE とは、たぶんそういう仕事です。

次回は、もう少し個人の側に戻ります。

AI が実行を安くする時代に、職業人生で最後に残るものは何か。Kelsey Hightower の歩き方は、その答えを早い段階で示していたように見えます。