SIerのFDE人材育成｜全員研修・選抜・実案件を分ける設計【2026年9月最新】

2026年9月9日 20:40

100人に同じAI研修を実施すれば、FDE候補も増える。理屈は単純に見えます。

ところが、人数を増やしただけでは、顧客のAI案件を任せられる人はなかなか増えません。ツールを触れる人が増えることと、曖昧な相談を課題へ変え、仕様を書き、実装を検証し、顧客の運用へ残せることは別だからです。

SIerのFDE人材育成では、全員を同じ深さで育てません。共通言語を持つ層、実践候補として選抜する層、実案件で評価する層を分けます。

ここで大事なのは、人だけを選ばないことです。任せる案件、試せる環境、評価する責任者も一緒に決めます。

FDEはForward Deployed Engineerの略です。役割そのものは、FDEとは？AI導入を現場で実装するForward Deployed Engineerの役割で整理しています。本記事では、SIerがFDE候補を育て、実案件へつなぐ方法に絞ります。

この記事の要点

✅ SIerのFDE育成は、全体教育・選抜研修・実案件伴走の3層に分けます
✅ 候補者だけでなく、試す案件、顧客側責任者、検証環境も同時に選びます
✅ 研修修了をFDE認定にせず、仕様、実装、テスト、運用移管の成果物で評価します

なぜ全員へ同じ研修をしても、案件配置を決められないのか

SIerには、営業、PM、アーキテクト、開発、品質保証、運用など、異なる役割があります。全員がFDEになる必要はありません。

営業にFDEと同じ実装力は必要ありません。ただし、顧客の相談からFDEを呼ぶべき案件を見分ける必要があります。開発者はAIコーディングが得意でも、顧客業務を聞き、何を作らないかまで決める経験が少ないことがあります。PMも、AI出力の評価方法を説明できなければ、本番移行を判断できません。

一律研修は、共通言語を作る目的には有効です。しかし、全員が同じ動画を見て、同じ演習を行い、同じ修了証を受け取っても、誰にどの案件を任せられるかまでは分かりません。

研修の目的を一つにまとめると、評価も曖昧になります。

FDE育成は3つの層に分ける

次の3層は、公的な認定制度ではありません。AIworkerが育成と案件配置をつなぐために採用している設計です。

Aは定義した範囲の実案件を自走できる状態、Bは支援を受けながら実装できる状態です。Cは型に沿って実行できる状態、Dは基礎を理解している段階を指します。

このA〜DもAIworker独自の評価枠組みです。座学や共通演習だけでA・Bとは判定しません。厳しく見えるかもしれませんが、修了証だけを根拠に顧客案件へ配置すると、本人と顧客の期待がずれるためです。

具体的な判定基準は、別記事「FDEのスキルをどう評価する？6つの能力とA〜Dの判定基準」で整理しています。公開後に、その記事へのリンクを追加してください。

候補者と案件は同時に選ぶ

スキルシートだけを見て候補者を決めたくなります。開発経験、資格、生成AIの利用歴は、もちろん確認します。

ただ、研修後に試す案件がなければ、学んだ内容は演習の中で止まります。反対に、案件だけを先に決め、顧客調整、実装、品質確認を1人へ集めると、その人が詰まった瞬間に全体が止まります。

候補者を見るときは、顧客の言葉を課題へ分けられるか、曖昧な要望を仕様へ変えられるか、AIの出力をテストできるか、自分の判断を他の担当者へ説明できるかを確認します。

AIツールの経験だけで決めないでください。経験の長さより、実際の成果物と判断過程を見るほうが、配置条件を明確にできます。

人選の考え方は、Claude Code研修は誰に受けさせるべきかも参考になります。FDE候補者では、そこへ顧客折衝と品質判断を加えます。

最初の案件を選ぶ5つの条件

最初から最大規模の案件を選ぶ必要はありません。小さくても、業務の入口から出口まで見られる案件が育成に向いています。

90日は一般に保証された育成期間ではありません。AIworkerが、対象選定から実装、検証、運用移管までを一度回す際に置いている基本的な目安です。審査やデータ準備に時間がかかる場合は、準備期間を分けます。

研修前に環境を確認する

候補者と案件が決まっても、すぐ始められるとは限りません。

既存コードを外部AIへ送れない。新しいツールを開発環境へ入れられない。テストデータを持ち出せない。生成コードを誰が承認するか決まっていない。どれも受講者の学習意欲だけでは解決できない問題です。

制約を理解した人ほど、戻せる環境がなければ使わない判断をします。その判断は間違いではありません。研修前に環境を確認していなかったことが問題です。

FDEは、制約のない演習で速く作る人ではありません。顧客の制約の中で、進められる範囲と止める条件を決める人です。

自社の人材、案件、環境のどこから確認すべきか整理したい方は、AIworkerへご相談ください。

▶️ サービス資料のダウンロード（資料請求）

▶️ 無料カウンセリング・AI活用診断のご予約

90日後に残すのは、アプリだけではない

AI案件は、最初の試作品が動いてから問題が見つかります。実データには例外があり、部署ごとに手順が違い、承認の前後に手作業が残るためです。

実案件Launchでは、次の4種類を組織の資産として残します。

AWSは2026年6月30日、Partner-Led Forward Deployed Engineering Motionを発表しました。個別案件で得た評価基盤、MCPサーバー、運用ツール、設計判断などを再利用可能な「delivery harness」としてパートナー側へ残す考え方が示されています。

ただし、これは一般公開された資格や研修プログラムではありません。AWSは、限られたパートナーから開始し、検証しながら対象を広げると説明しています。記事執筆時点で、すべてのAWSパートナーが参加できる制度だとは確認できません。

注目したいのは、修了証ではなく、案件を重ねるほどデリバリー能力が組織に蓄積する仕組みとして位置づけている点です。

KPIは人材・案件・事業の3層で見る

満足度と修了率は研修運営の品質を見るには役立ちます。しかし、それだけでは顧客案件を任せられるか分かりません。

数字を一つの総合点へまとめる必要はありません。品質基準を満たしていないのに、試作速度だけが上がっても本番へは進めないからです。

開始前チェックリスト

FDEの人数ではなく、解く顧客課題を決めたか
全体教育、選抜研修、実案件伴走を分けたか
候補者と案件を同時に選んだか
顧客側または業務側の責任者が参加するか
現在の時間、件数、手戻りを測れるか
実データに近い条件で安全に試せるか
品質とセキュリティを承認する担当者がいるか
座学だけでA・Bと判定していないか
終了時に残す成果物を決めたか
育成後の配置、営業、次案件への接続を決めたか

後半の3項目が空欄なら、カリキュラムを増やす前に出口を決めます。教材が詳しくなっても、案件へ出す条件が曖昧なままでは配置できません。

よくある質問（FAQ）

Q. 全社員へFDE研修を行ってはいけませんか？

共通言語を学ぶ全体教育には意味があります。ただし、実装演習と実案件伴走は、対象業務、検証環境、育成後の配置がある候補者へ絞るほうが成果を確認しやすくなります。

Q. 非エンジニアも候補になれますか？

業務理解や課題整理に強い人は重要な候補です。ただし、本番案件を1人で担うには、実装、テスト、権限、運用も扱う必要があります。最初は技術者と組むチーム型が現実的です。

Q. 選抜人数は何人が適切ですか？

固定人数では決めません。責任者が各候補者の成果物を定期的にレビューできる人数から始めます。人数を増やすのは、最初の実案件で評価方法と質問の受け皿が固まってからです。

Q. どれくらいの期間が必要ですか？

共通教育は短期間でも可能ですが、A・Bの評価には実案件が一巡する期間が必要です。AIworkerでは約3カ月を基本の目安としていますが、案件の審査やデータ準備によって変わります。

Q. 顧客案件がなくても始められますか？

基礎と模擬課題を扱い、C・Dの把握と候補者選抜までは可能です。ただし、A・Bは判定しません。実際の利用者と品質責任者がいる社内業務を最初の実践案件にする方法もあります。

Q. 研修費用は何で変わりますか？

対象人数だけでは決まりません。扱う案件数、データ・環境の準備、成果物レビュー、品質設計、伴走範囲、教材の利用条件によって変わります。必要な範囲を確認して個別に設計します。

FDE育成を、配置と営業までつなげる｜AIworkerの支援

全員へ同じ研修を配るだけでは、誰に顧客案件を任せられるかは分かりません。候補者を選び、実案件で試し、品質と運用の証拠を残して初めて、育成が配置と営業へつながります。

AIworkerは、全体教育、候補者と案件の選抜、実案件の週次レビュー、品質ゲート、A〜D評価までを支援します。

AIネイティブX研修｜共通教育と候補者選抜を分ける

生成AI、AIコーディング、業務分解、検証、情報管理を、営業・企画・開発・品質の役割に合わせて扱います。全員を同じ深さで育てず、実案件へ進む候補者を整理します。

業務AIプロ｜実案件の仕様・実装・検証を残す

対象業務の選定から仕様、最小実装、評価データ、実データ検証まで進めます。標準機能で足りる場合や、AIへ任せないほうがよい範囲も含めて判断します。

AIネイティブX伴走｜個別案件の知見を次へ渡す

候補者の成果物レビュー、限定運用、改善、運用移管まで伴走します。得た知見を、次の案件で使える品質基準、評価データ、提案資料へ変えます。