未経験からFDEになるには？経験別4ルート・必要スキル・転職までの手順

「未経験からでもFDE（Forward Deployed Engineer／フォワード・デプロイド・エンジニア）になれるのか」。求人は増えているのに、自分の経歴で応募していいのか、まず何から始めればよいのかがつかみにくい——そう感じていませんか。

この記事では、未経験からFDEを目指せるのかを「未経験の意味」「経験別の4ルート」「必要スキル」「ロードマップ」「選考対策」の観点から、各社の公式採用ページなど一次情報をもとに整理します。「未経験」を3段階に切り分け、自分の経歴でどのタイプのFDEに直接応募できるのか、隣接職を挟むべきなのかを判断できる状態を目指します。読み終えるころには、「今の自分は何を、どの順番で準備すればよいか」の材料がそろうはずです。

結論として、誰でもすぐになれる職種ではありませんが、開発・技術導入・顧客対応など隣接する実務経験があれば十分に射程に入ります。一方で、社会人としてもエンジニアとしても完全に未経験の状態から直接FDEになるのは、現時点では原則として難しく、まずは隣接職で実務経験を作るのが現実的です。

この記事でわかること

・「未経験」の3つの意味と、経歴別の応募可能ライン
・経験別の4ルート（Web・SIer／コンサル・プリセールス／データ・ML／非エンジニア）
・不足スキルの補い方と、実務に近い成果の作り方
・実績・ポートフォリオの作り方と選考対策
・直接応募と隣接職経由の判断方法
・「未経験歓迎」の見極め方と求人チェックリスト

本記事は、現在国内求人で増えている生成AI・AIソリューション系のFDEを中心に扱います。ただしFDE全体が生成AI専門職というわけではなく、必要なスキルは企業やプロダクトによって異なります。FDEはデータプラットフォームや業務ソフトウェア、3D・シミュレーションなどでも使われる職種名で、企業横断の統一定義はありません。役割・年収・求人などの情報は目安であり、企業・時期・個人によって差があります（2026年7月時点で確認）。名称ではなく職務内容で判断してください。

未経験からFDEになれる？「未経験」の意味と応募可能ライン

まず押さえたいのは、「未経験」という言葉が指す中身によって、応募可能ラインがまったく変わるという点です。FDEは、自社プロダクトやAIモデルを携えて顧客の業務現場に入り込み、課題の発見から設計・実装・本番導入・利用定着までを一気通貫で担うエンジニア職です。一社の課題に深く入り、既存プロダクトやAI・データ基盤を組み合わせて「実際に使われる仕組み」を作る点に特徴があります。

FDEの基本的な仕事内容や、SE・SWEなど他のエンジニア職との違いは、FDEとは？仕事内容・必要スキル・他職種との違いで詳しく解説しています。本記事ではFDEの定義や年収の詳細は繰り返さず、未経験からの応募可能性と準備に絞ります。

FDE未経験・AI未経験・IT完全未経験では難易度が違う

「未経験」は、次の3段階（＋中間）に切り分けて考える必要があります。混同しやすいのが「FDE職としての未経験」と「社会人・IT完全未経験」で、この2つは意味も難易度も別物です。下表は、現在地ごとに直接応募の可能性と、主に補うべき経験を整理したものです（求人タイプの傾向であり、機械的な合否を示すものではありません）。

同じ「未経験」でもスタート地点によって取るべき戦略は変わります。自分がどの行に当てはまるかを見極めることが、遠回りを避ける第一歩になります。

現在地を把握したら、次は求人票の必須要件と歓迎要件に照らし、直接応募できるかを確認します。複数社に共通する要件と応募判断のチェック項目は、FDEの採用要件と応募可能ラインで整理しています。

直接応募できる人と隣接職種を挟むべき人

直接応募が現実的かどうかは、次の実務経験をどれだけ持っているかで見立てられます。チェックの数で合否を出すのではなく、「自分がどの求人タイプに近いか」を判断する用途で使ってください。

• Python／JavaScript／TypeScriptなどで機能を自作した経験があるか
• API連携やデータ処理で、外部システムと繋いだ経験があるか
• クラウドへのデプロイを、本番相当の環境で行ったか
• 顧客や社内部門にヒアリングし、曖昧な要件を整理した経験があるか
• 利用率や工数削減など、成果を数値で示せるか

加えて、FDEはタイプによって要件の比重が変わります。本番コードの比重が高いFDE、ソリューション設計・顧客折衝の比重が高いFDE、データ・AI基盤に強いFDE、社内各部門にAIを展開する社内型FDEなど、同じ職種名でも中身は一様ではありません。上のチェックで実装と顧客対応の両方に手応えがあれば直接応募が視野に入り、どちらかが大きく欠けている場合は隣接職を経由するルートが現実的です。なお、新卒・第二新卒で直接FDEを狙えるのは、後述するEarlyレベルや育成枠を設ける一部の求人に限られます。

未経験からFDEを目指す経験別の4ルート

ここでは出身別に4つのルートを整理します。まず全体像を一覧で示し、その後に各ルートの具体的な転身イメージと補うべき点を見ていきます。文中の転身イメージはいずれも想定例です。

ルート1｜Webエンジニア・SIer・SEから目指す

想定例：SIerで基幹システムの要件定義を担当していた人が、社内の問い合わせ対応を題材に生成AI機能を試作し、クラウドへ本番相当でデプロイして、利用ログと改善履歴まで残す——このように「自ら課題を定義し、動くところまで持っていった経験」を作れると、FDE求人の要件と接続しやすくなります。

実装力・システム設計・要件定義・運用経験は、そのままFDEの土台になります。特に日系の求人では、中〜大規模システムの設計・開発経験を評価軸として明記する企業も見られます。一方で補いたいのは、仕様どおり作る力ではなく「課題そのものを自分で定義する」姿勢です。

• 作る材料：生成AI機能を本番相当環境にデプロイした小さな実績
• 語り方：「コードを書いた」ではなく「利用され、改善した」まで
• 補い方：顧客対応が薄ければ社内部門との要件調整で代替する

一般的な受託開発やSES案件では、契約や役割分担に沿った範囲を担当するケースが多い一方、FDEは課題の再定義から実装・定着までを広く担う傾向があります。ただし、実際の責任範囲は企業や案件によって異なります。

SES経験で培った実装力や顧客対応をFDE向けの実績へ言い換える方法は、FDEとSESの違い・SES経験をFDEで活かす方法で詳しく解説しています。

ルート2｜ITコンサル・プリセールス・ソリューション職から目指す

想定例：ITコンサルタントとして提案までを担当していた人が、過去案件を題材にAPI連携とデータベースを使った小規模ツールを自作し、「提案の先の実装まで自分の手で動かした経験」を持てると、実装型FDEの要件に近づきます。

ITコンサルタント、プリセールス、ソリューションエンジニア、セールスエンジニアといった職種の方は、課題整理・ステークホルダー調整・提案・推進が強みです。最大の課題は、提案書ではなく「自分でコードを書き、本番まで責任を持った経験」を示せるかどうかで、ノーコードツールの操作経験だけでは実装型FDEの証明としては弱くなりがちです。

• 作る材料：API・Python・クラウド・データベースを使った小規模実装
• 不足時：AIコンサルやソリューションアーキテクト、導入エンジニアを経由する
• 強み：課題定義と折衝は多くのFDE求人で必須に近い要素

コンサル経験がFDEでどのように活きるのか、両者の責任範囲を詳しく比較したい方は、FDEとコンサルタントの役割・成果物・責任範囲の違いをご覧ください。

ルート3｜データエンジニア・データサイエンティスト・ML職から目指す

想定例：データサイエンティストが、Jupyter Notebookでの分析にとどめず、現場の担当者が触れる業務アプリまで仕上げ、認証やログ、本番運用まで面倒を見た経験を作る——これがFDEの実務との接点になります。

Python・SQLでの実装力、データパイプライン構築、モデル評価の経験は、そのままFDEの武器になります。課題になりやすいのは「分析して終わり」というスタイルからの転換で、ユーザーが実際に触れるアプリケーションとして仕上げ、現場に定着させるところまでやり切る経験が求められます。

• 補う点：API・認証・監視・本番運用、クラウドへのデプロイ
• 語り方：分析精度そのものより、業務成果や利用定着で語る
• 棚卸し：非データ部門や顧客と合意形成した経験を整理する

ルート4｜非エンジニアは隣接職でIT・AI実務を作ってから目指す

想定例：営業職の人が、まず現職の社内DXでAI導入を企画し、利用者ヒアリングから運用改善まで担当する。そのうえでBizOpsやAI導入支援などの隣接職に移り、実装に踏み込む経験を積んでからFDEを目指す——という段階的なルートが現実的です。

営業・事務・企画などの現職者にとって、業界知識や業務理解は確かな強みです。ただし、それだけでFDEに採用されることは例外的で、非エンジニアからの直接転職を過度に期待するのは現実的ではありません。「非エンジニアでも簡単になれる」「生成AIでコードを書ければよい」という理解は誤りで、実装まで責任を持てることが前提になります。

• 作る材料：現職での業務自動化・AI導入を、企画から運用改善まで
• 経由候補：社内DX、BizOps、PdM補佐、AI導入支援、カスタマーエンジニア
• 順序：まず隣接職でIT・開発の実務経験を作ってから目指す

FDE転職で実際に求められる3領域と習得優先順位

本記事では未経験者の応募可能ラインと必要スキルに絞ります。国内・外資の公開求人における報酬水準や、基本給・賞与・株式報酬の違いは、FDEの年収相場【2026年版】で詳しく解説しています。FDEに求められる力は、大きく「課題定義」「実装」「導入完遂」の3領域に整理できます。

下表は、同じFDEでも未経験者の応募可能ラインが求人によって大きく異なることを示す代表例です（確認日2026年7月20日）。採用企業を網羅する比較ではありません。求人は変更・終了の可能性があるため、応募時は必ず最新の募集要項をご確認ください。

なお、Salesforceのように複数レベルで募集する求人では、必須経験は採用レベルによって異なるため、応募する職位の募集要項を個別に確認する必要があります。そのほかの国内・外資企業を含む現在の公開求人は、FDEを採用している企業一覧で確認できます。

この横断比較から見えるのは、応募可能ラインが職種名ではなく要件で決まるという点です。OpenAIの東京FDEは顧客対応を含む5年以上の経験とLLM構築、日英バイリンガルを必須とし、Google CloudのEarlyは本番AI構築1年以上とSTEM系の学士号（同等の実務経験でも可）を求め、同じ職種名でも上位レベルでは8年規模の経験が必要になります。ここからわかるのは、「若手向け＝完全未経験向け」ではないということです。英語要件も分かれ、外資は日英バイリンガルが必須ですが、国内スタートアップには英語を必須としない求人もあります。「未経験可」を掲げる求人でも、「FDE職としての未経験でよい」のか「開発そのものが未経験でよい」のかは大きく異なり、多くは前者を指します。

顧客課題を定義し、技術要件へ翻訳する力

1つ目の領域は、顧客の要望をそのまま作るのではなく、その裏にある業務課題を特定し、技術要件へ翻訳する力です。抽象的な「UX設計力」ではなく、実務としては次のような行動を指します。

• 要望の言語化：本質的な業務課題を特定する
• 合意形成：成功指標・対象ユーザー・制約・優先順位を握る
• 利害調整：経営層・業務部門・情報システム部門・開発者を整理する
• 成果接続：売上・コスト・時間・品質・リスクへ結びつける

この力は、コンサルやプリセールス出身者がすでに持っていることが多く、実装が伴えばFDE求人の要件との適合を示しやすい領域です。

AIを本番で動かすソフトウェア実装力

2つ目は、AIを本番環境で動かし切る実装力です。ツール名を並べるより、「なぜ必要か」「どこまでできれば応募材料になるか」を意識すると、学習の優先順位が見えてきます。

• 言語：PythonまたはJavaScript／TypeScriptで機能を自作できる
• 連携とデプロイ：API・データベース・認証、クラウドへの本番デプロイ
• AI設計：RAGやエージェント、評価設計まで組める
• 非機能：コスト・速度・安全性・可観測性を考慮する
• 運用：セキュリティ・権限管理・ログ・テスト・改善

重要なのは、精度だけでなくコストや速度、機密情報への配慮まで含めて「本番で使える形」にできることです。小さくても一つを本番相当まで通し切ると、実務能力の説明材料になります。

導入を完遂し、利用定着と改善まで進める力

3つ目は、作ったものを現場に定着させ、改善まで進める力です。「プロジェクトマネジメント力」という抽象語を、観察可能な行動に分解して考えます。

• 分解：曖昧な要件を小さな検証単位に切り分ける
• 管理：スコープ・期限・リスクをコントロールする
• 定着：利用者の声を集め、導入後の利用率や成果を確認する
• 改善：失敗要因を分析し、次に反映する
• 還元：現場の知見をプロダクトチームへ戻す

顧客固有の実装から再利用可能な知見を抽出し、プロダクトへ還元できる動きは、FDEの職務内容と整合します。3領域のうち、自分に欠けているものから優先的に補うのが習得の近道です。

未経験からFDEになるためのロードマップ

ここでは「今日から何をするか」を時系列で示します。転職までの期間は現在地と狙う求人によって幅が大きく、一律に断定できない点は先に押さえておきましょう。

狙うFDEのタイプと現在地を決める

最初にやるべきは、企業名や職種名だけでなく仕事内容を比較し、自分が狙うFDEのタイプを決めることです。実装中心・導入中心・データ中心・社内展開型のどれを狙うかで、必要な準備が変わります。

• 収集：5〜10件の公式求人から共通要件を抽出する
• 分類：自分の経験を「満たす／不足／未経験」に振り分ける
• 選択：現職経験が最も活きる求人タイプから狙う

国内・外資の公開求人を、必須経験・年収・勤務地・FDEのタイプ別に比較する場合は、FDEを採用している企業一覧と公開求人の比較を活用してください。公式求人を横断すると、同じFDEでも必須年数や比重が大きく異なることが見えてきます。まずは自分の経歴が最も活きるタイプを起点にするのが効率的です。

不足スキルを補い、実務に近い成果を1つ作る

次に、基礎学習だけを長期間続けるのではなく、小さくても実務に近い成果を一つ完成させます。学習と並行して、実際に動くものを作ることが応募材料になります。

• 一気通貫：ヒアリングから改善まで一度通す
• 実利用：誰かが使った事実とフィードバックを残す
• 本番相当：セキュリティ・コスト・ログ・失敗時処理を考慮する

求められるのは「高度なモデルを使ったか」よりも「業務課題を解決するために何を判断したか」です。小さな課題を選び、ヒアリング→設計→実装→デプロイ→評価→改善までを一巡させましょう。

直接応募と隣接職種への応募を並行して検討する

要件の大半を満たすなら直接応募、実装か顧客対応が大きく不足するなら隣接職を検討する、という二段構えが現実的です。職種名だけで応募対象を狭めないことも大切です。

• 直接：要件の大半を満たすならFDEへ直接応募する
• 経由：大きな不足があれば隣接職で経験を積む
• 名称：FDSE・Solution Engineer・Applied AI Engineer等も仕事内容で探す

FDEに限らず、Deployment Engineer、Customer Engineer、AI Solution Architectなど、近い仕事内容の職種は幅広く存在します。応募結果や面接での指摘は、次の学習と成果物改善に反映していきましょう。

FDE転職で評価される実績・ポートフォリオ・選考対策

FDE求人では、技術だけでなく顧客課題の整理、本番導入、利用定着までを求める例が多いため、技術デモだけでなく課題解決の過程を説明できる実績が応募材料になります。ここでは実績の作り方と、選考での見せ方を整理します。

ポートフォリオは技術デモではなく課題解決の証拠にする

ポートフォリオは、画面やコードの見栄えではなく、課題解決のプロセスを示す証拠として構成すると、面接で具体的に説明しやすくなります。次の8つの流れで語れる状態を目指しましょう。

1. 誰が困っていたか（対象ユーザー）
2. どんな業務課題だったか
3. なぜその課題を優先したか
4. どんな制約があったか（データ・コスト・期限など）
5. どの技術・構成を選んだか
6. どう評価したか（指標・評価データ）
7. 利用者の行動や業務がどう変わったか
8. 何が失敗し、どう改善したか

個人開発の画面やコードだけでなく、課題設定・判断・導入・改善の過程を示すことが重要です。すでに業務実績がある人は、それをケーススタディ化したほうが強い場合もあるため、全員に個人ポートフォリオが必須とは限りません。実務経験がある人は、現職の実績を優先して整理することをおすすめします。

未経験でも取り組める題材と、評価される完成ライン

題材は欲張らず、3〜4個に絞ると取り組みやすくなります。生成AIの実務に近く、業務課題として説明しやすいものが向いています。

• 社内文書検索・問い合わせ支援
• 商談や議事録からのタスク抽出
• 問い合わせの分類と回答案の生成
• 営業・採用・バックオフィス業務のAI支援

各題材では、機能説明だけで終わらせないことが完成ラインの目安です。想定ユーザー、現状の業務フロー、成功指標、データの扱い、誤回答時の対策、コストや速度、利用ログ、改善履歴まで示せると、実務水準に近づきます。

実務経験がない人が評価材料を作る方法

実務経験がない場合でも、応募材料を作る手段は複数あります。特定のプログラムに誘導する必要はなく、自分の状況に合う選択肢を選べば十分です。

• 現職での小さな業務改善や、社内部門へのAI導入
• 知人の事業や小規模組織への協力
• OSS・コミュニティ・ハッカソンへの参加
• インターン・副業、隣接職種への転職

実在組織のデータを使う際は、許可・秘密保持・個人情報・成果物公開の可否に注意してください。選考対策としては、職務経歴書を「担当業務」ではなく「課題・判断・実装・成果」で書くことが有効です。技術選定の理由や採用しなかった選択肢まで説明できるようにしておくと、コードレビューやケース面接で具体的に話しやすくなります。なお、FDE専用の資格は基本的に必要とされず、求人で問われるのは実務経験が中心です。クラウド資格やAI実装の実績は補助的な説明材料になりますが、資格取得そのものをゴールにしないほうがよいでしょう。機密情報や顧客名は無断で公開しないよう十分に配慮してください。

未経験でFDEを目指す前に知るべき現実と求人の見極め方

最後に、応募前に知っておきたい現実と、求人の見極め方を整理します。特に「未経験歓迎」の意味と、企業ごとの体制差を確認することが重要です。

「未経験歓迎」が何の未経験を指すのか確認する

求人票の「未経験歓迎」は、指している対象によって意味がまったく変わります。ここを取り違えると、応募のミスマッチが起きやすくなります。

• FDE職そのものの経験が不要
• AI・LLM案件の経験が不要
• 特定業界の経験が不要
• エンジニア経験そのものが不要（最も稀）

実例として、求人媒体で「実務未経験者もOK」と表示されるRUTILEAの京都FDE求人があります（官公庁・大手向け、要件定義〜本格導入を担当）。ただしこの求人でも、FDEの実務経験が不問なだけで、AIコーディング経験、AIが生成したコードをレビューできる能力、英語への抵抗がないことが必須とされています。「実務未経験者もOK」は「IT・開発が完全未経験でも応募できる」という意味ではありません。求人媒体が付けたラベルではなく、企業公式ページの必須要件を優先して確認してください。

教育体制・業務負荷・役割の幅は企業によって異なる

FDEは海外では以前から存在する一方、日本国内では職種名として広まり始めた段階であり、教育体制や業務範囲は企業によって差があります。即戦力採用で入社後すぐに成果を求める企業もあれば、AI未経験者向けの研修を明示する求人もあります。求人票や面接で、育成体制と立ち上がり期の期待値を必ず確認しましょう。

• 体制差：即戦力採用か育成採用かを見分ける
• 役割幅：少人数組織ほど担当範囲が広がりやすい
• 負荷：顧客訪問・出張・緊急対応・納期の程度を確認する
• 比率：顧客固有開発とプロダクト開発のバランスを確認する

特定の企業の評判をFDE全体に一般化せず、企業ごとに実態を確認する姿勢が大切です。

選考で確認するチェックリスト

以下は、そのまま面接で質問できる形にまとめたチェックリストです。入社後のギャップを防ぐために、選考段階で具体的に確認しておきましょう。

• 立ち上がり：入社後30／60／90日に期待される成果
• 育成：オンボーディング・メンター制度の有無
• 業務比率：コードを書く時間、担当する工程の範囲
• 働き方：顧客先への訪問・常駐・出張の程度
• 評価：売上・導入速度・利用率・技術品質のどれで測るか

あわせて、営業・PM・エンジニアとの役割分担、顧客固有実装のプロダクト還元方法、セキュリティ・障害対応の責任範囲、未経験入社者の過去経歴と立ち上がり事例も聞いておくと安心です。

まとめ：未経験からFDEを目指すなら、現在地に合ったルートを選ぼう

未経験からFDEを目指すうえで大切なのは、「未経験」の意味を切り分け、自分の現在地に合ったルートを選ぶことです。誰でもすぐになれるわけではありませんが、隣接する実務経験があれば十分に射程に入ります。開発と顧客対応の経験がある方は公式求人を横断して直接応募を検討し、片方が不足している方は現職または隣接職で成果を一つ作り、IT完全未経験の方はまず開発・技術導入の実務経験を作るところから始めましょう。職種名ではなく仕事内容と要件で判断し、着実に実績を積み上げることが、遠回りに見えて最短のルートになります。

関連記事

• FDEとは？仕事内容・年収・必要スキルを解説
• FDEを採用している企業一覧｜国内・外資の求人を比較
• FDEとSESの違い｜SES経験を活かす方法
• FDEとコンサルタントの違い｜転職ルートも解説
• FDEの年収相場【2026年版】

主な参照先（一次情報）

• OpenAI｜Forward Deployed Engineer – Tokyo 公式求人（必須要件・勤務形態）
• Google Cloud｜Generative AI FDE（東京・Early）公式求人（必須要件）
• Salesforce｜Forward Deployed Engineer (Multiple Levels), Japan 公式求人
• リクルートエージェント｜RUTILEA「実務未経験者もOK」FDE求人（媒体表記／必須スキル要確認）

本記事は一般的な情報提供を目的としたものであり、特定の企業・サービスを推奨するものではありません。役割・年収・求人・採用要件などの情報は2026年7月時点で確認した目安であり、企業・時期・個人によって変わります（求人は改定・募集終了・非公開化の可能性があります）。RUTILEAの「実務未経験者もOK」表示は求人媒体上のラベルであり、実際の必須条件は企業公式情報でのご確認が必要です。FDEの定義は企業により異なります。応募・転職の最終判断は、各社の公式採用ページなど一次情報をご確認のうえ行ってください。最終更新日：2026年7月20日。