結論：プロンプトエンジニアの経験は、FDE（フォワードデプロイドエンジニア）へ移る確かな土台になります。足りなくなりがちなのは、本番の運用、社内システムとの接続、お客様との課題の決め方、英語の4つです。職務経歴書では「何を書いたか」より「どの業務で動き、どう使われたか」を示します。近い職種から段階的に進む道もあります。
FDEとプロンプトエンジニアは何が違うのか
FDE（フォワードデプロイドエンジニア）は、お客様の現場に入り、AIやソフトウェアを業務に合わせて作り、動かし、使われるところまで責任を持つエンジニアです。 Palantirが早くから使ってきた職名で、今ではOpenAIやAnthropicも募集しています。
プロンプトエンジニアは、モデルへの指示や出力の質を整えることが中心です。 FDEは、その先にある顧客の業務、既存のシステム、運用までが担当範囲になります。 一般的な違いを表にまとめます。
| 項目 | プロンプトエンジニア | FDE |
|---|---|---|
| 中心の仕事 | 指示の設計、出力の評価と改善 | 顧客の業務に合う仕組みを作り、本番で動かす |
| 主な相手 | 社内のチーム、開発者 | 顧客の担当者、現場、情報システム部門 |
| つなぐ先 | モデルやAPI | 顧客の社内システム、データ、業務の流れ |
| 成果の測り方 | 出力の質、精度 | 現場で使われ、業務が変わったか |
同じ職名でも、会社によって中身は変わります。 求人票で「何を作り、誰と話すのか」を必ず確かめてください。
求人の数字：日本勤務のFDE系はどれくらいあるか
移る前に、市場の形を数字で見ておきましょう。 以下は、FDEジョブの「FDE求人マーケットレポート」（2026年11月11日時点）の数字です。 FDEジョブは、プロンプターズ求人と同じASI株式会社が運営しています。
- 公式の採用ページを取り込む34社で、FDEと関連職の募集は506件。
- そのうち勤務地が日本のものは97件（19社）。
- 直近7日で、新着が118件、掲載終了が121件。日本勤務に限ると、新着14件、掲載終了6件。
- 日本勤務が多い会社は、Databricks 19件、Zscaler 16件、OpenAI 15件、Datadog 10件、Snowflake 6件など。
- 19社のうち日本の会社は、Woven by ToyotaとPayPayの2社だけ。
日本勤務の求人は、全体のおよそ2割です。 外資系が中心なので、英語を使う場面が出やすい市場だと言えます。 また、1週間で新着と掲載終了がどちらも100件を超えており、求人の入れ替わりは早めです。
職種名はひとつではない
同じレポートで、募集中の求人を職種別に見ると、次のようになります。
| 職種 | 募集中の件数 |
|---|---|
| プロフェッショナルサービス | 141件 |
| ソリューションエンジニア | 130件 |
| FDE | 96件 |
| AI導入エンジニア | 67件 |
| カスタマーエンジニア | 56件 |
| デプロイメントストラテジスト | 16件 |
「FDE」という名前の求人だけを探すと、選べる幅が狭くなります。 近い役割の職種名も一緒に見るのがおすすめです。
この数字の限界
数字は、Greenhouse、Ashby、Leverの公式の求人板から取れる範囲です。 日本の会社が自社サイトやHERP、Wantedlyだけで出す求人や、エージェントの非公開求人は含みません。 年収を載せていない求人も多く、年収はこの数字からは読み取れません。
プロンプトやLLMアプリの経験が生きる場面
まず、すでに持っている力を整理します。 次のような経験は、FDEの仕事でそのまま使えます。
- 指示の設計と評価：出力のぶれを減らし、良し悪しを決める基準を作った経験は、本番の品質管理につながります。
- 失敗パターンの把握：もっともらしい誤りや、指示の読み違いなど、モデルが外す場面を知っていることは強みです。
- RAGやLLMアプリの試作：社内文書の検索、要約、分類などの試作経験は、お客様への最初のデモで役に立ちます。
- 文章で整理する力：要件、制約、評価の基準を言葉にできる人は、お客様と課題を決める場でも力を発揮します。
一方で、プロンプトを磨くだけでは届かない部分もあります。 次の章で、足りなくなりがちな4つの力を見ていきます。
足りなくなりがちな4つの力と埋め方
1. 本番の運用
デモが動くことと、毎日使われ続けることは別の仕事です。 障害に気づく仕組み、費用の管理、モデルの更新への追従が必要になります。
埋め方は、自分が作ったものを、実際に誰かに毎日使ってもらうことです。
- 入力と出力のログを残し、週に一度は見直す。
- 利用量と費用を記録し、増えた理由を説明できるようにする。
- モデルや入力が変わったときに備え、確認用の質問を用意して前後を比べる。
- 止まったときの対応手順を、自分以外が読める形で書く。
2. 社内のシステムにつなぐ
お客様の現場では、AIの前後に、既存の業務システム、データベース、認証、権限があります。 AIだけが単独で動く場面は多くありません。
埋め方は、小さな業務ツールにつなぐ経験をひとつ作りきることです。 たとえば、スプレッドシートやチャット、社内の文書置き場とつないで、一連の流れを動かします。 その過程で、APIの基本、認証、データ形式の変換、アクセス権限の考え方が身につきます。 「お客様のデータを外に出してよいか」という確認も、ここで経験できます。
3. お客様と課題を決める
相談は「AIで何かしたい」という漠然とした形で始まることがよくあります。 FDEは、何を直せば業務が変わるのかを、お客様と一緒に決めます。
埋め方は、作る前の話し合いを練習することです。 社内の別の部署に聞き取りをして、「何ができたら成功か」を一文で書き、回数や時間などの数字で合意します。 作ったあとに、その数字で結果を見直すところまで行うと、実績として語れます。
4. 英語
先ほどの数字のとおり、日本勤務の求人でも外資系が中心です。 資料やメール、会議で英語を使う場面が出やすくなります。
埋め方は、段階を分けることです。 まず、APIやツールの公式ドキュメントを英語のまま読む習慣をつけます。 次に、自分の職務の要約を英語で書き、最後に面接の練習をします。 求められる水準は求人ごとに違うので、募集要項の言語の記載を確認してください。
職務経歴書での見せ方
プロンプトの経験は、「何を書いたか」だけでは伝わりにくいものです。 採用する側が知りたいのは、どの業務の何を変え、本番で動かし、使われたかです。 次の5つの順に整理すると、読みやすくなります。
- 業務と課題：誰の、どの業務の、何が困りごとだったか。
- 作ったもの：使った技術と、自分が担当した範囲。
- 確かめ方：品質をどう評価したか。基準と方法。
- 動かし方：本番で誰が、どのくらい使ったか。運用で何をしたか。
- 結果と学び：数字があれば数字で。なければ、使われ方とうまくいかなかった点。
書き方の例
弱い書き方：「ChatGPTを用いたプロンプトを設計し、業務を効率化した。」
見せ方の例：「問い合わせ対応チーム（○名）向けに、回答案を作るLLMアプリを開発。 参照する社内文書を整理して検索につなぎ、○件のテスト質問で回答の正確さを評価した。 公開後は利用ログを毎週確認し、誤りの多い質問を改善した。」
○には、実際の数字を入れてください。数字がわからないときは、無理に作らず、わかる範囲で書きます。
お客様や社内の相手と話して、優先順位を決めた経験も一行入れておくと効果的です。 成果物の見せ方は、プロンプトエンジニアのポートフォリオの作り方も参考になります。
近い職種から段階的に移る道
いきなりFDEを目指す必要はありません。 次のように、段階を分けると進めやすくなります。
- 今の仕事で現場に近づく：自分が作ったものを使う部署の人と話します。導入したあとの改善まで担当すると、運用の経験が積めます。
- お客様との接点がある近い職種に移る：AI導入エンジニア、ソリューションエンジニア、カスタマーエンジニアなどが候補です。お客様の課題を聞く経験が積めます。
- FDEに応募する：本番で動かし、使われた実績がひとつあれば、説明できる材料が揃います。
出身の職種ごとの進み方は、FDEジョブの「未経験からFDEになる方法」に詳しくまとまっています。 年収の相場は、この記事では具体的な金額を書かず、「FDEの年収相場」に任せます。
プロンプターズ求人では、プロンプトエンジニアをはじめ、AI関連の求人を探せます。 まずは今の経験を生かせる求人を見て、募集要項の「担当範囲」を見比べてみてください。 プロンプトエンジニアの先の進み方は、プロンプトエンジニアのキャリアパスでも解説しています。