Forward Deployed Engineer（FDE）/AIプラットフォームカンパニーの求人

業務概要:
日本の巨大産業を、AI Agent で作り変える。金融をはじめとする日本の巨大産業の現場に深く入り込み、業務そのものを AI Agent で構築し直す まだ世にない解をゼロから作るのが同社のForward Deployed Engineer（FDE）です。「提案して終わり」のコンサルでも、「実装して終わり」の受託でもない。課題を定義し、作り、動かし、顧客にとっての成果を出す その全部に責任を持ちます。（Palantir・OpenAI が切り拓いた Forward Deployed Engineer という職種を、後追いではなく、日本の産業変革のために独自に実践します。）

FDEは、顧客に深く入り込み、顧客先の業務を AI Agent で構築できるように分解し、同社の Agent Platform を土台に解をゼロから構築する役割です。いわゆる客先常駐のクライアントワークとは本質的に異なります。

この職種の出自は、Palantir・OpenAI など世界トップクラスの AI 企業が確立した Forward Deployed Engineer モデルにあります。同社はこれを、日本の巨大産業の Agent 化という独自の文脈で実践します。

FDEは、プロダクトという完成された武器を持たない領域で、課題そのものの発見から同社の Agent Platform を土台にした AI Agent の実装・定着までを担います。

ミッション（優先度順）
1. クライアント事業変革の技術的な主体となる
クライアント（主に金融・規制産業の大手企業）の現場に深く入り込み、まだプロダクトのない事業・業務領域でも課題を発見・定義し、AI Agentによる解を設計・実装・定着まで一気通貫で担う技術の当事者となること。
2. AI AgentソリューションのゼロからのPoCおよび社会実装を完遂する
プロダクト未整備領域でのAI Agentゼロ設計から本番運用まで、「使われる状態・成果が出る状態」まで確実に持ち込む。概念実証（PoC）で終わらせない。
3. クライアントとの技術的信頼関係を築き、案件を次フェーズへ拡張する
単なる導入・実装担当ではなく、クライアントの技術パートナーとして機能し、案件スコープの拡大・長期継続につなげる。
4. FDEとしての知見を組織に還元する
クライアント現場で得た課題・解決策・失敗から学んだことを社内ナレッジとして体系化し、後続メンバーの立ち上がりを加速させる。

具体的な業務:
［顧客業務のAI Agent化・Platform構築］
- 顧客先の業務・意思決定プロセスを理解し、AI Agent で構築できる形に分解・再設計
- 同社の Agent Platform を土台に、顧客固有の AI Agent ソリューションをゼロから設計・実装・本番運用
- LLM・RAG を活用した業務自動化アーキテクチャの設計（PoC ではなく本番実装）
- 予測・最適化モデル（需要予測・LTV最大化・顧客離反予測等）の設計・社会実装
- 運用定着KPIの設定とモニタリング（活用率・業務インパクトの数値化）

［顧客への伴走・定着］
- 課題定義・要件定義・提案（技術担当者 経営層まで幅広いオーディエンスへの説明）
- 定例MTGのファシリテーション、進捗管理、リスク管理
- 顧客担当者（非エンジニア含む）へのハンズオン・研修設計
- 障害対応・問合せ対応・継続改善の仕組みづくり

［セキュリティ・コンプライアンス対応］
- 金融機関・規制産業特有のセキュリティ要件（ネットワーク分離、データ保護、監査ログ等）への対応
- クライアント側のセキュリティ審査・NDA・情報取扱規程への準拠

活用する技術スタック（例）
- AIエージェント：OpenAI・Claude 等の LLM を用いた設計・実装
- 言語：Python / TypeScript が中心（実装言語は案件により異なります）
- クラウド：AWS 等（クラウド種別は顧客環境により異なります）
- Webアプリケーション開発・運用、クラウドインフラ構築・運用
- LLM / RAG を活用した本番システム開発（PoC ではなく本番実装）

※実際の技術構成は案件特性により異なり、入場後に最適な技術選定を行います。

チーム構成
FDEは、案件ごとに4 5名程度のチームを組成して対応します。案件の特性・フェーズに応じて最適なメンバーでチームを編成し、課題定義から AI Agent の設計・実装・定着までをチーム一体で担います。

ポジション・部門の魅力:
同社には「プロダクトエンジニア」「FDE」「Agentic Enabling Engineer」という3つのエンジニアの在り方があり、それぞれに異なるチャレンジがあります。プロダクトエンジニアには、同社プロダクトを磨き込み、多くの顧客に長く価値を届ける面白さがあります。FDEには、まだ解の存在しない領域に飛び込み、ゼロから設計して事業インパクトを生み出す面白さがあります。Agentic Enabling Engineer には、AI Agent の信頼性・品質・開発基盤（Agentic SRE／Agentic QA／Agentic Platform Engineering）を設計し、組織全体の""AI Agent を作り・動かす力""そのものを底上げする面白さがあります。本人の志向や成長に応じて、これらの挑戦機会にアクセスできることが、同社のエンジニアキャリアの大きな魅力です。

キャリアパス:
同社のエンジニア像は、技術領域別の分業（フロントエンド／バックエンド／SRE／QA等）から、技術領域を超えて「フルサイクル（要件定義から運用まで一気通貫）＋AI Agentのマネジメント」へと変化している過渡期にあります。

同社は入社時の職種・専門性を""入口""として尊重しつつ、育成・リスキリングを積極支援します（書籍・カンファレンス・社内勉強会・ローテーション等）。

短期的な成長の方向性： FDEとして、まだ解のない領域でのゼロイチ設計を繰り返し経験し、日本のAI社会実装における確かな実績を積みます。

中長期的な成長の方向性： 技術領域を横断するフルサイクル能力と、AI Agent群を設計・運用するマネジメント能力を獲得していきます。本人の志向に応じてリード職・マネジメント・新規プロダクト立ち上げ等への道が開かれています。顧客企業の現場に深く入り、他社環境で事業変革を主導する専門性を深める方向性も広がっています。

【必須スキル】
ソフトウェア開発経験者と、ML・データ基盤の経験者、どちらの入口からも歓迎します。AIエージェント・LLM経験は歓迎要件に位置づけており、必須にしていません。

1. 以下いずれかの実務経験（3年以上）
- エージェント開発系：Webアプリケーション、または AIエージェント・システムの開発・運用経験（API設計・DB設計・バックエンド開発等）
- データ分析系：ML・データ基盤の構築・運用、データ分析・モデル開発の経験（モデル設計・実装・データパイプライン構築等）

2. クラウドインフラの構築・運用経験
- クラウド種別は問いません（AWS / GCP / Azure 等）
- インフラ設計・構築・障害対応・コスト管理のいずれかに関わった実務経験

3. クライアント・非エンジニアとの技術折衝経験
- 自身がフロント（窓口）に立ち、要件定義・課題ヒアリングを主担当した経験
- 非エンジニアの担当者（営業・業務部門・経営層等）に対して技術的な内容を分かりやすく説明し、合意を取った経験

4. 不確実性下での自律的なプロジェクト推進力
- 曖昧・不完全な情報のなかで仮説を立て、優先順位を決めて推進・報告した経験
- 複数のステークホルダーが存在する環境で、進捗・課題・リスクを適切に管理した経験

【歓迎スキル】
AI・生成AI領域
- AIエージェントの設計・実装経験（マルチエージェント・オーケストレーション等）
- 生成AI・LLM（OpenAI / Claude 等）を活用したソリューションの設計・実装経験
- LLM / RAG を活用した本番システム開発の実務経験（PoC ではなく本番実装が望ましい）
- MLOps・LangChain / LlamaIndex・ファインチューニングの実務経験

ドメイン・業務経験
- 金融・公共など規制産業でのシステム開発・SI・コンサル経験（クライアント接点あり） 必須ではなく、あれば尚可
- 予測・最適化モデル構築の実務経験（需要予測・顧客離反予測・LTV最大化等）
- SaaS製品（同社または他社）の導入支援・カスタマイズ・インテグレーション経験

データ・インフラ・セキュリティ
- データ連携・ETL・DWH（BigQuery / Snowflake等）の設計・実装経験
- セキュリティ実務（情報セキュリティマネジメント、ゼロトラスト、監査対応等）の知識・経験

言語・資格・実績
- Python / TypeScript / SQL の実務経験（分析・API開発・データ基盤 等）
- 情報処理安全確保支援士、AWS/GCP/Azure認定資格、PMP等の保有
- Kaggle上位入賞、論文投稿、技術発信実績

【求める人物像】
FDEの核心3点

クライアントに伴走し、成果（アウトカム）を出しきる
クライアントの本当の課題を掘り下げ、伴走しながら""顧客にとっての成果（アウトカム）""を出しきる。言われたことをやるのではなく、課題を発見し、実装し、成果まで持っていく。業務部門の担当者にも、CIO・IT部門長にも、それぞれのコンテキストで対話できる。

エンジニアリングの当事者意識
自身がコードを書く。「調整して終わり」ではなく、技術的な実現手段の最終責任を持つ。設計・実装・レビューを当事者意識を持って捉える。

不確実性の中で、顧客にとっての成果（アウトカム）を出す
クライアント環境は毎回異なり、情報も不完全。その中で顧客にとっての成果を出すことにコミットし、整えながら動ける。プロダクトがない領域でも、課題定義から解をゼロベースで設計し、実装まで完遂できる。

同社が大切にするマインドセット

- 地頭の良さ・キャッチアップ力：未知のドメインや技術を素早く吸収し、現場で即戦力になれる。生成AI・LLM領域は変化が速い。既存手法に固執せず、最適解を柔軟に選択できる。
- 素直さ：フィードバックを受け止め、顧客・チームの声から学び続ける姿勢。
- コミュニケーション力：曖昧さの中で自ら問いを立て、対話を重ねアクションへ繋げられる。非エンジニアから経営層まで、相手のコンテキストに合わせた説明ができる。
- 実装力：PoCで終わらせず、本番運用・定着まで技術で持っていく。成果（アウトカム）にこだわり、ビジネスROIを重視できる。

「データ×AI」を活用して企業の成長を支援するAIプラットフォームカンパニー