Guides

書き方ガイド

FDE(フォワード・デプロイド・エンジニア)の職務経歴書の書き方|採用担当に伝わる記入例と無料テンプレート

FDE(フォワード・デプロイド・エンジニア)の職務経歴書の書き方|採用担当に伝わる記入例と無料テンプレート

FDEに応募するときの職務経歴書でよくあるのが、「Webエンジニアとして7年間開発に携わりました。生成AIにも関心があり、FDEとして顧客の課題解決に貢献したい」と書いて終わる書き方です。これでは、顧客とどれだけ関わってきたのか、AIで何を作れるのかが読み取れません。採用担当が知りたいのは、FDEの肩書きの有無より、顧客と話して業務で使われるものを作った経験、AIの精度と安全性の確かめ方、顧客の要望を製品につないだ経験です。

FDE(フォワード・デプロイド・エンジニア)は、ひと言でいうと、顧客企業に出向いて、自社のAIなどの製品を顧客の業務に合わせて作り、実際に使われるところまで仕上げるエンジニアの仕事です。日本ではまだ新しい職種で、応募する人の多くは、Webエンジニア・SE・ITコンサルタント・プリセールス・AIエンジニアなど、近い仕事からの転職です。

この記事では、業務SaaSの会社でWebエンジニアを約7年半務め、大口顧客の導入と生成AI機能の開発を経験して、これからFDEに応募する人の記入例をもとに、項目ごとの書き方を解説します。前職ごとの書き分けと、AIの仕事の実績の書き方も紹介します。

無料テンプレート

FDE(フォワード・デプロイド・エンジニア)の職務経歴書、記入見本つきのテンプレートがあります

この記事の記入例と同じ形式で、Word・Excel・PDFの3形式。空欄のテンプレートと記入見本がセットになっています。

FDEに応募する人の職務経歴書の記入例

まずは完成イメージです。業務SaaSの会社で約7年半、Webエンジニアとして働いてきた人を想定しています。うち2年半は大口顧客の導入で連携を開発し、直近1年は製品の生成AI機能を開発しました。FDEの肩書きはありませんが、顧客と要件を決めて作った経験と、生成AIを測りながら改善した経験を前に出しています。画像をタップすると拡大できます。

FDEに応募する人の職務経歴書の記入例(業務SaaSのWebエンジニア約7年半。うち大口顧客の導入・連携開発2年半、生成AI機能の開発1年)
FDEに応募する人の職務経歴書の記入例(A4・2枚)

この記入例と同じ形式のテンプレートを無料で用意しています。Word・Excel・PDFの3形式で、空欄テンプレートと記入見本の2点セットです。

FDEの職務経歴書を、質問に答えるだけで無料作成できる「レジュメラボ AI職務経歴書メーカー」の案内

記入例をもとに、あなたの経歴でFDEの職務経歴書を作る(AI職務経歴書メーカー・無料)

ツールで聞かれる質問や記入見本は、FDEの職務経歴書をAIで作成するページで先に確かめられます。

海外と日本のFDE:日本の職務経歴書に書くべきこと

FDEは、日本ではまだ呼び方も仕事の範囲も定まっていない職種です。書き方に入る前に、海外での役割と日本での広がり方を短く確かめ、職務経歴書に何を書くかにつなげます。

海外では、作って渡したあと、使われるところまでを担当する

FDEは、米国のデータ分析基盤の会社Palantir(パランティア)社などが使ってきた職種名です。同社の採用ページでは、顧客の事情を深く理解し、その顧客に合わせたアプリケーションや本番で動く仕組みを作るエンジニアとして説明しています。

生成AIが広がってからは、AIの会社がこの職種を増やしています。OpenAI社の東京のFDEの募集では、最初の試作から安定した本番の運用までの技術面を担い、成果を本番での利用・業務への効果・評価(AIの答えの良し悪しを測ること)で測るとしています。Anthropic社のFDEの募集でも、顧客と本番のアプリケーションを作り、導入で得た知見を製品・開発チームに伝えることが挙がっています。作って終わりにせず、顧客の業務で使われるまでを担当し、顧客から聞いたことを自社の製品の改善につなげる。これが、受託開発や一般的な導入支援との違いです。

日本では募集が出始めたところ。名前もまだばらばら

日本でも募集は増え始めています。OpenAI社は東京でFDEを募集し、日本語と英語の両方で仕事ができることを条件にしています。Anthropic社は2025年10月に東京オフィスを開設し、東京では「Applied AI Engineer」という名前で、顧客の導入を技術面で支える人を募集しています。OpenAI社には「AI Deployment Engineer」という近い職種もあります。国内でも、生成AIやSaaSの会社が自社の採用ページで「FDE」の募集を出し始めました。

一方、経済産業省の資料によると、日本は欧米と比べて、IT人材がIT企業で働く割合が高く、ユーザー企業(ITを使う側の企業)で働く割合が低いとされています。顧客企業のために作る仕事は、日本ではSIerのSEや導入支援のエンジニアが担ってきました。FDEという名前がなくても、近い経験を持つ人は多くいます。

日本の顧客は、AIの使い方のルールを決めている途中

総務省の「令和8年版 情報通信白書」によると、生成AIの活用方針を「明確に定めていない」企業は、米国7.8%に対して日本は20.2%でした。「わからない」も日本は7.4%あります。

生成AIの活用方針の米国と日本の比較。積極的に活用する方針34.6%・30.1%、領域を限定して利用する方針48.2%・38.8%、方針を明確に定めていない7.8%・20.2%、利用を禁止9.1%・3.5%、わからない0.3%・7.4%
言いたいこと:方針を決めきれていない企業が、日本では米国より多い(総務省「令和8年版 情報通信白書」、2026年11月閲覧)

出典:総務省「令和8年版 情報通信白書」生成AIの活用方針等(図表Ⅰ-2-1-1)

編集部の読みでは、日本のFDEは、AIを作る前に「どのデータを使ってよいか」「どこまでAIに任せるか」を顧客と決める場面が多くなります。そのため、日本の職務経歴書では次の3つを書きます。

  • FDEを( )で説明する:記入例は「FDE(顧客企業に出向いてAIの導入を技術面で進める仕事)」と書き、応募の理由とつなげています。
  • 顧客と決めて作った経験を、肩書きより中身で書く:導入支援・連携開発・技術面の提案などの経験を、顧客の規模と前後の数字で書きます。顧客の要望を開発チームに伝えた件数も添えます。
  • データの扱いとセキュリティの確認を書く:記入例の「約20社のセキュリティチェックシートに技術面で回答」「申請データはAIの学習に使わない設定」がこれに当たります。

記入見本を手元に置くと、このあとの解説と見比べながら読めます

Word・Excel・PDFの3形式

データで読む:FDEに求められるのは「作る力」と「顧客と決める力」の両方

次に公的なデータを見ます。厚生労働省の職業情報提供サイト「job tag」に「FDE」という職業はないため、近い「AIエンジニア」と「ITコンサルタント」を比べ、IPA(情報処理推進機構)の調査とあわせて読みます。

見えてくることは1つです。FDEには、AIを作る力と、顧客と課題を決める力の両方が求められます。どちらの職種から応募する人も、足りないと思われやすい側の経験を職務経歴書で見せることが大切です。

作る力はAIエンジニア、決める力はITコンサルタントが高い

job tag では、仕事に必要なスキルの水準を0〜7点で示しています。プログラミングはAIエンジニア5.3点・ITコンサルタント3.8点で、AIエンジニアが高くなっています。一方、要件分析(仕様作成)は4.5点・5.1点、他者との調整は4.0点・5.0点、説得は3.8点・4.6点で、ITコンサルタントが高くなっています。

スキルの水準の比較(ITコンサルタント・AIエンジニア)。プログラミング3.8点・5.3点、複雑な問題解決4.5点・4.8点、傾聴力4.9点・4.6点、要件分析5.1点・4.5点、説得4.6点・3.8点、他者との調整5.0点・4.0点
言いたいこと:作る力と、顧客と決める力の強みが2つの職業で分かれている(job tag、2026年11月閲覧)

出典:職業情報提供サイト(job tag)「AIエンジニア」(厚生労働省)・「ITコンサルタント」 しごと能力プロフィール(スキル)

job tag の数値は、その職業で働く人の一部へのアンケートの平均で、サイトのよくある質問にあるとおり、職業全体を正確に表すものではありません。

FDEの仕事では、1つの案件の中でこの両方を使います。Webエンジニア・AIエンジニアから応募する人は、作る力は伝わりやすい一方、顧客と決めた場面が書類から抜けがちです。ITコンサルタント・プリセールスから応募する人は、その逆です。記入例では、「標準機能で対応する部分と個別に開発する部分を切り分けて提案」が決める力を、「正答率を58%から84%に(人が採点)」が作る力を示しています。

企業がAI導入でつまずくのは、人材・理解・ルールづくり

次に、AIを入れる企業の側を見ます。IPAの「DX動向2026」によると、AI導入・運用上の課題は「専門人材が不足している」が50.1%で最も高く、「生成AIの効果やリスクに関する理解が不足している」が45.8%、「適切な利用を管理するためのルールや基準の作成が難しい」が39.7%でした。

AI導入・運用上の課題の上位3項目。専門人材が不足している50.1%、生成AIの効果やリスクに関する理解が不足している45.8%、適切な利用を管理するためのルールや基準の作成が難しい39.7%
言いたいこと:AI導入の課題の上位は、人材・理解・ルールづくり(IPA「DX動向2026」、2026年11月閲覧)

出典:IPA(情報処理推進機構)「DX動向2026」図表3-16 AI導入・運用上の課題

同じ調査では、AIを導入・試験利用している企業のうち、「期待以上の効果があった」は13.7%、「期待どおりの効果であった」は18.1%で、合わせて31.8%でした。人材・理解・ルールの3つは、どれもFDEが顧客企業で補う部分です。職務経歴書では、顧客に何が足りず、自分が何で補ったかを書きます。記入例の「先行導入の顧客3社の経理担当と、評価用の質問250問と採点基準を作成」は、効果を測る方法を顧客と一緒に作った書き方です。

まとめると、作る力と決める力の両方を、顧客の業務で使われた数字につなげて書けるかで差がつきます。次は、採用担当が書類のどこを見ているかを確認します。

FDEの職務経歴書テンプレートを無料ダウンロード(Word・Excel・PDF)

FDEの書類選考で確かめられる3つの経験

こうした変化と採用の現場でよく見られる傾向を踏まえると、FDEの採用担当は、前職が何であっても、書類から次の3つを確認しています。

  1. 顧客と話して、業務で使われるところまで作ったかFDEは、顧客企業に出向いてAIの導入を技術面で進める仕事です。肩書きがFDEでなくても、顧客の担当者と要件を決め、導入まで自分で作った経験があれば評価されます。顧客の業種・規模・社数と、打ち合わせから導入までのどこを担ったかを確かめます。
  2. AIの精度と安全性を、どう確かめたか生成AIの機能を作った経験は、評価用のデータ・採点の基準・前後の数字で書けるかが見られます。顧客のデータの扱い、セキュリティの確認、最終の判断を人に残す設計まで書けると、顧客の業務を任せられる人だと判断されます。
  3. 顧客の要望を、開発チームと製品につないだかFDEは、顧客から聞いた要望を自社の開発チームに伝え、製品の機能に反映する役目も持ちます。伝えた件数と、製品の機能になった件数が書けると、1社のための個別開発で終わらない人だと判断されます。

使った技術の名前を並べるより、どの顧客と何を決め、何が使われたかを書きましょう。

職務経歴書の項目ごとの書き方:FDEに近い経験をNG例とOK例で比べる

ここからは項目ごとに、NG例とOK例を並べて解説します。OK例は記入例からの引用です。

職務要約:今の仕事とFDEへの志望を、1つの流れにする

職務要約には、今の職種と年数、会社の製品・サービス、顧客と関わった経験、生成AIの経験、代表的な成果を入れます。FDEの経験がない人は、最後に応募の理由を1文で添えます。FDEは呼び方が定まっていないため、( )で仕事の中身を説明しておくと、読み手が迷いません。

× NG例

Webエンジニアとして7年間、業務SaaSの開発に携わってきました。生成AIにも関心があり、今後はFDEとして顧客の課題解決に貢献したいと考えています。

ここが惜しい

  1. 顧客と関わった経験があるのか、社内の開発だけなのかが読み取れません。
  2. 生成AIが「関心」にとどまり、作ったものや成果が書かれていません。
  3. 成果の数字がなく、FDEの仕事に近い経験の大きさを判断できません。

○ OK例

業務SaaS(経費精算・稟議ワークフロー)の株式会社サンプルクラウドテックで、Webエンジニアとして約7年半勤務。うち2年半は大口顧客 約30社の導入で、顧客と要件を決めながら連携を開発し、導入期間を平均 約4か月から約2.5か月に短縮しました。直近1年は製品の生成AI機能を開発し、評価データで正答率を58%から84%に改善。今後はFDE(顧客企業に出向いてAIの導入を技術面で進める仕事)として、顧客の業務で使われるAIを作りたいと考え、応募しました。

ここが評価される

  1. 顧客の規模・社数と期間で、FDEに近い経験の量を示しています。
  2. 生成AIの機能を、評価データという測り方と前後の数字で書いています。
  3. FDEを( )で説明し、応募の理由を1文で書いているので、志望と経験がつながります。

職務経歴:顧客と決めたことを【進め方】の行に書く

職務経歴は、FDEに近い経験を見せるいちばん大事な項目です。下の画像の3つのポイントを押さえると、同じ経験でも読まれ方が大きく変わります。

FDEに応募する人の職務経歴の書き方のポイント(注釈つき)
職務経歴の書き方のポイント

× NG例

大手企業向けの導入プロジェクトを担当。顧客の要望に合わせてカスタマイズ開発を行い、スムーズな導入に貢献しました。

ここが惜しい

  1. 顧客の規模と社数がなく、どれだけの導入を経験したのかが読み取れません。
  2. 誰に何を聞き、何を決めたのかがなく、顧客と話して作れる人かを判断できません。
  3. 「スムーズな導入」に数字がなく、成果を比べられません。

○ OK例

【担当】従業員5,000名以上の顧客 約30社の導入を担当

会計・人事システムとのAPI連携と個別開発(顧客先での打ち合わせ 月4〜6回)

【進め方】顧客の情報システム部門・経理部門に業務の流れを聞き取り

標準機能で対応する部分と個別に開発する部分を切り分けて提案

【実績】よく使う連携を共通の部品にまとめ、導入期間を平均 約4か月から約2.5か月に

ここが評価される

  1. 社名を出さずに、顧客の規模・社数と打ち合わせの頻度で、顧客との関わりの深さを示しています。
  2. 【進め方】の行で、作る前に顧客と何を決めたかを書いています。
  3. 共通の部品にまとめて導入期間を縮めた経験は、顧客ごとの開発を製品の側に生かすFDEの働き方に近いものです。

部署名は正式な名前のまま書き、【担当】【進め方】の行で、顧客と何を決めて何を作ったかを書きます。導入支援・連携開発・技術面の提案などは、FDEに近い経験として読まれます。

顧客の要望を製品に反映した実績:伝えた件数と、機能になった件数を分ける

FDEの募集で重く見られる項目です。海外のFDEの募集でも、顧客から得た知見を製品・開発チームに伝えることが仕事に含まれていました。顧客の声を聞いた経験がある人は、件数で書きます。

× NG例

顧客の声を開発チームにフィードバックし、プロダクトの改善に貢献しました。

ここが惜しい

  1. 何件の要望を伝えたのかが書かれていません。
  2. 伝えた要望のうち、どれだけが製品の機能になったのかが不明です。
  3. 1社のための個別開発と、製品の機能の違いが見えません。

○ OK例

顧客の要望を整理して開発チームに伝え(起票32件)、うち11件が標準機能に

ここが評価される

  1. 起票した件数と、標準機能になった件数を分けています。
  2. 「整理して」と書くことで、聞いたままでなく、ほかの顧客にも役立つ形にまとめたことを示しています。
  3. FDEに求められる、顧客と開発チームをつなぐ役目に直結する経験です。

起票の仕組みがない会社でも、「月1回の定例で開発チームに要望を報告(2年で約40件)」のように、伝えた方法と件数は書けます。

この形のまま、質問に答えて自分の職務経歴書を作れます

質問に答えるだけ。下書きまでは登録なしで使えます

AIの仕事の実績:評価・データの扱い・人の判断をそろえる

FDEにとってAIは、使う道具というより仕事の中身そのものです。そのため「AIを使った経験」より、「AIの機能を作り、顧客の業務で使えるようにした実績」として書きます。くわしくはAIの章で解説します。

× NG例

生成AIを活用した新機能の開発を担当し、高精度なAI機能をリリースしました。

ここが惜しい

  1. 「高精度」を何で測り、誰が採点したのかが書かれていません。
  2. 顧客のデータの扱いや、セキュリティの確認にどう対応したかが不明です。
  3. AIに任せた範囲と、人が判断する範囲の分け方が見えません。

○ OK例

【担当】経費精算に組み込む生成AI機能の開発。社内規程を検索して答える機能(RAG)と、申請が規程に合うかを確かめる補助機能(最終の承認は顧客の担当者)

【実績】先行導入の顧客3社の経理担当と、評価用の質問250問と採点基準を作成

正答率を58%から84%に(人が採点)

ここが評価される

  1. 「補助」「最終の承認は顧客の担当者」と、AIに任せた範囲と人が決める範囲を分けています。
  2. 評価用の質問の数・誰と作ったか・採点の方法と、前後の数字がそろっています。
  3. 求められる度合いは応募先によって違います。求人票に評価や安全性の記載があれば、ここを厚めに書きます。

RAG(社内の文書を検索して答える仕組み)は、読み手によっては通じません。記入例のように「社内規程を検索して答える機能(RAG)」と、何をする機能かを先に書くと、技術者でない採用担当にも通じます。

テクニカルスキル・資格:作ったものと年数を書き、評価とセキュリティの行を分ける

生成AIのツールの名前は次々に変わります。名前を並べるより、何を作ってきたかと年数を書きましょう。

× NG例

Python、TypeScript、LLM、RAG、LangChain、AWS、プロンプトエンジニアリング

ここが惜しい

  1. 名前を並べただけで、実務でどこまで作ったのかが読み取れません。
  2. 経験年数がなく、職務経歴と突き合わせられません。
  3. 評価の作り方やセキュリティへの対応など、FDEで重く見られる力が抜けています。

○ OK例

生成AI:RAG(規程の検索・回答、文書の分け方の設計)、LLMのAPIを使った機能開発(1年)

評価:評価データ・採点基準の作成、リリース前の回帰テスト(1年。採点は人が確認)

セキュリティ:顧客のセキュリティチェックシートへの回答、権限・ログの設計(3年半)

ここが評価される

  1. 生成AIで何を作ってきたかを、短い言葉で書いています。
  2. 「評価」と「セキュリティ」の行を分けて、顧客の業務を任せられる力を示しています。
  3. 経験年数が職務経歴の期間(AI開発1年、導入開発から3年半)と一致しています。

回帰テストは、機能を直したあとに、同じ評価データで答えが悪くなっていないかを確かめ直すことです。資格は、記入例の「応用情報技術者試験」「AWS Certified Solutions Architect – Associate」のように正式な名前で書きます。AWSの認定は有効期間が3年なので、更新の状況も確かめましょう。

自己PR:顧客と作った経験と、生成AIの経験を1つずつ

自己PRは「強み → 行ったこと → 結果の数字」の順に書きます。顧客と作った経験と生成AIの経験を1つずつ書き、FDEでの生かし方を1文で添えます。

× NG例

私の強みは、技術とビジネスの両方を理解していることです。顧客に寄り添い、最適な解決策を提案できます。

ここが惜しい

  1. 「技術とビジネスの両方」はFDEに前提として求められるため、それだけでは差がつきません。
  2. どの顧客で、どんな結果を出したのかが書かれていません。

○ OK例

顧客と要件を決め、業務で使われるところまで作る力

大口顧客 約30社の導入で、業務の聞き取りから連携の開発までを担当しました。よく使う連携を共通の部品にまとめ、導入期間を平均 約4か月から約2.5か月に短縮。聞いた要望は開発チームに伝え、11件が標準機能になりました。

ここが評価される

  1. 見出しで、FDEの仕事に近い強みをひとことで示しています。
  2. エピソードの数字が職務経歴と一致しており、根拠をすぐ確かめられます。
  3. 記入例では2つ目の強みに生成AIの評価の経験を書き、FDEでの生かし方も1文で添えています。
OK例をもとに書き換えるだけ。FDEの記入見本つきテンプレート

前職別:Webエンジニア・コンサル・プリセールス・AIエンジニアからFDEへの書き分け

FDEに応募する人の前職はさまざまです。データの章で見たとおり、前職によって、伝わりやすい力と抜けやすい力が違います。下の図は、前職ごとに職務経歴書で前に出すことをまとめたものです。

前職ごとに前に出すこと:Webエンジニア・SEは顧客と決めた場面、ITコンサルは自分で作った範囲、プリセールスは受注後の導入への関わり、AIエンジニアは顧客の業務での利用、FDE経験者は担当範囲と案件数
前職採用担当が見るポイント前に出すこと
Webエンジニア・SE顧客の前で、話を聞きながら作れるか顧客と決めた場面、導入・連携で縮めた期間
ITコンサルタント提案だけでなく、自分で作って動かせるか課題を絞った経験と、自分で作った試作の範囲
プリセールス・技術営業受注のあと、導入まで技術面で担えるか検証で作ったもの、導入チームとの関わり
AIエンジニア・データサイエンティスト顧客の業務に合わせて使われるものにできるか利用部門と決めたこと、リリース後の利用の数字
FDE経験者どの範囲を、何件担ってきたか担当した範囲と案件数、リリースまで進んだ数

Webエンジニア・SEからFDEに応募する

採用担当が見たいのは、顧客の前で話を聞き、作りながら決めていけるかです。社内向けの開発が中心だった人も、顧客と関わった場面を探してみましょう。SIerのSEは、顧客企業のための開発が仕事の中心なので、FDEに近い経験を書きやすい立場です。

職務経歴書に書きたいこと

  • 顧客の要望を聞いて作った機能や、導入時のシステム連携・個別開発の経験(顧客の規模・社数)
  • 誰に何を聞き、何を決めたか(標準機能と個別開発の切り分け、対象の絞り込みなど)
  • 導入の期間や問い合わせの件数など、顧客の側で変わったことの数字
  • 生成AIの経験は、製品の機能・社内の試作・個人の学習のどれかを分けて、作ったものと確かめ方を書く

記入例

【進め方】顧客の情報システム部門・経理部門に業務の流れを聞き取り

標準機能で対応する部分と個別に開発する部分を切り分けて提案

約20社のセキュリティチェックシートに技術面で回答

ポイント

  1. 記入例の書き方です。誰に聞き、何を決めたかを1行で書いています。
  2. セキュリティチェックシートへの回答は、顧客の情報システム部門と話した経験として、FDEの仕事にそのまま生きます。

受託開発のSEなら、たとえば「製造業の顧客(従業員 約3,000名)の生産管理システムの改修で、工場の担当者8名に業務を聞き取り、要件定義から結合テストまで担当」のように、顧客の規模と聞き取りの人数を書きます。よくある落とし穴は、言語やフレームワークを並べて「AIにも興味があります」と書くだけのケースです。

ITコンサルタントからFDEに応募する

ITコンサルタントから応募する場合、顧客の課題を整理して決める力は強みになります。データの章で見たとおり、要件分析や他者との調整は、ITコンサルタントが高い水準のスキルです。採用担当が確かめたいのは、それに加えて、自分で作って動かせるかです。

職務経歴書に書きたいこと

  • 顧客の課題を整理し、対象を絞った経験(部門数・人数・決めたこと)
  • 自分で書いたコードや作った試作の範囲(言語・期間・使った仕組み)
  • 構想のあと、開発やリリースまで関わった経験があれば、その範囲と数字

記入例

※記入例とは別の架空例です

【担当】保険会社の生成AIの活用の構想で、6部門の業務を整理。対象を問い合わせの一次回答に絞り、Pythonで試作を自ら作成(4週間)。評価用の質問150問で効果を確認

ポイント

  1. 構想だけでなく、試作を自分で作ったことと期間を書いています。
  2. 評価用の質問の数を書くと、効果を測りながら進める人だと判断されます。

よくある落とし穴は、提案書の数や担当したプロジェクトの金額だけを書くケースです。コードを書いた経験が少ない人は、テクニカルスキルに「Python(個人の学習と業務での試作、1年)」のように、経験の中身を正直に書きます。

自分の経歴に合わせた下書きを、AIで作れます

プリセールス・技術営業からFDEに応募する

プリセールス(商談の段階で、技術面の提案や検証をする仕事)から応募する場合、顧客の要件を聞き取る力と、製品を顧客の業務に合わせて説明する力は強みです。採用担当が確かめたいのは、受注したあと、導入まで技術面で担えるかです。

職務経歴書に書きたいこと

  • 検証(小さく試して効果を確かめること)で自分が作ったもの、設定した範囲
  • 受注後の導入チームへの引き継ぎや、導入の立ち上げに関わった経験
  • 商談で聞いた要望を開発チームに伝えた件数と、製品の機能になった件数

記入例

※記入例とは別の架空例です

【実績】生成AIの検索機能の検証を年12件担当し、顧客の文書で評価用の質問を作って精度を報告(うち8件が受注)。受注後は導入の最初の1か月、顧客の情報システム部門との連携の設計に参加

ポイント

  1. 検証で何をしたかと件数、受注のあとに関わった範囲を分けています。
  2. 受注率は、自分が技術面で担った部分と一緒に書きます。

よくある落とし穴は、受注金額や受注率だけを書くケースです。FDEは受注のあとの仕事が中心なので、受注後に関わった範囲を1行でも書きましょう。

AIエンジニア・データサイエンティストからFDEに応募する

AIエンジニア・データサイエンティストから応募する場合、モデルや生成AIの機能を作り、精度を測る力は伝わりやすい経験です。採用担当が確かめたいのは、顧客や利用部門の業務に合わせて、実際に使われるものにできるかです。

職務経歴書に書きたいこと

  • 利用部門・顧客と、何を対象にし、どこまでAIに任せるかを決めた経験
  • リリース後の利用者数・利用の頻度・業務の時間の変化
  • 精度の評価を、利用部門と一緒に作った経験

記入例

※記入例とは別の架空例です

【担当】社内の問い合わせ分類モデルを、カスタマーサポート部門(約120名)の業務に合わせて改修。部門の担当者と分類の基準を見直し、リリース3か月後も約9割の担当者が毎日利用

ポイント

  1. 利用部門の人数と、一緒に決めたことを書いています。
  2. リリース後の時点と利用の頻度で、使われ続けたことを示しています。

よくある落とし穴は、モデルの精度の数字だけを書くケースです。精度が上がっても使われなければ、FDEの仕事としては評価されにくくなります。

FDE経験者どうしの転職

すでにFDEとして働いている人は、前の会社での「FDE」がどの範囲の仕事だったかを最初に書きます。会社によって、試作だけを担う人も、本番の運用まで担う人もいるからです。そのうえで、案件の数と顧客の業種・規模、本番の運用まで進んだ数、止めた案件はその理由を書きます。

無料テンプレート

書き方がわかったら、テンプレートに書き込んでみましょう

この記事の記入例と同じ形式の、空欄のテンプレートと記入見本のセットです。Word・Excel・PDFから選べます。

AIの仕事の実績の書き方:評価・リリース後の利用・安全性・人の確認

この章では、生成AIの機能を作り、顧客の業務で使えるようにした実績の書き方を解説します。

総務省の「令和8年版 情報通信白書」では、生成AIを1つ以上の業務で使っている日本の企業は86.4%(「わからない」を除く)でした。一方、期待どおり以上の効果を感じている企業は31.8%です(データの章)。効果が出るところまで支えた実績は、次の4つに分けて書きます。

FDEのAIの仕事で書く4つのこと:評価の仕方、リリース後の利用、安全性への配慮、人の確認

評価の仕方:何で測り、誰が採点したかを書く

生成AIの答えは、もっともらしい誤りを含むことがあります。そのため、良し悪しを決まった方法で測る「評価」が、FDEの仕事の中心になります。職務経歴書では、評価に使ったデータの数、採点の基準、誰が採点したか、前後の数字の4つをそろえます。評価データを顧客の業務の担当者と一緒に作ったことは、とくに強みになります。何が正しい答えかを決められるのは、その業務を知る人だからです。

記入例の書き方を、4つに分けると次のとおりです。

書くこと記入例での書き方書き方のポイント
評価データ顧客3社の経理担当と作った質問250問誰と作ったか、どの業務から集めたか
採点の基準採点基準を作成正しい・一部正しい・誤りなど、基準を文書にしたか
採点した人人が採点AIに採点を手伝わせた場合も、人が確かめた割合
前後の数字正答率58%から84%に何を変えて上がったか(文書の分け方など)

リリース後の利用:試作との違いを、期間と利用の数字で書く

試作では動いても、本番では利用者や文書が増え、新しい問題が出てきます。職務経歴書には、リリース後の利用の数字を書きます。

  • リリース後の利用の数字:記入例は「正式リリースから4か月で約140社が利用」
  • 使われ続けているかがわかる数字:「3か月後も週1回以上使う人の割合」など、時点と頻度をそろえる
  • リリース後に起きた問題と直し方:例「文書の追加で回答の質が下がったため、毎月の回帰テストを導入」

安全性への配慮:使ったデータと、セキュリティの確認を書く

顧客のデータには、個人情報や機密が含まれます。海外と日本の章で見たとおり、日本ではAIの方針を決めている途中の企業も多く、FDEは、顧客の情報システム部門やセキュリティの担当と、使ってよいデータと仕組みを決める立場になります。

記入例

約20社のセキュリティチェックシートに技術面で回答

正式リリースから4か月で約140社が利用。申請データはAIの学習に使わない設定とし、社内のセキュリティ審査を経て公開

ポイント

  1. 顧客のセキュリティの確認に、技術面で答えてきた経験を件数で書いています。
  2. データをAIの学習に使わない設定は、顧客が安心して使うための配慮です。

ただし、顧客のセキュリティの仕組みの中身や審査の質問は、社外に出せない情報です。件数と期間にとどめて書きましょう。

人の確認:AIに任せた範囲と、人が判断する範囲を書く

業務で使うAIほど、どこまでをAIに任せ、どこからを人が判断するかの設計が大切になります。記入例の「申請が規程に合うかを確かめる補助機能(最終の承認は顧客の担当者)」は、その分け方をひとことで示しています。

  • AIの役割:規程に合わない点の指摘、関連する規程の提示、下書きの作成など
  • 人の役割:承認・支払いの判断、顧客への回答の確定、例外の扱い
  • 仕組み:根拠の文書を一緒に示す、人が直した結果を評価データに加える

AIエージェント(AIが社内システムなどを呼び出しながら、複数の手順を進める仕組み)を作った場合は、AIが外部のシステムに何をしてよいか(読むだけか、書き込むか)を決めたことも書きます。

生成AIの経験が、社内の試作や個人の学習だけの人は

FDEは新しい職種なので、生成AIの機能を顧客向けにリリースした経験がある人は多くありません。経験が少ないことを不利と思う必要はありません。社内の試作や個人の学習でも、作ったものと確かめ方を正直に書けば、測りながら作れる人だと判断されます。例:「社内の問い合わせ対応で、規程を検索して答える仕組みを試作(2か月)。評価用の質問80問で、人が答えを確認」。顧客と決めた経験、システムの連携、セキュリティの確認への対応は、AIの案件でもそのまま問われる力です。

顧客の数字が書けないときの対処法

FDEに近い仕事の成果は、顧客の側にあるために数字にしにくいことがあります。範囲・期間・判断・工程の4つの切り口で探すと、書ける事実はたいてい見つかります。

利用の数字を顧客しか持っていない

対象の人数・部門と、顧客から聞いて確かめた変化を書きます。例:「経理部門 約50名を対象に導入。顧客の報告で、規程を探す時間が短くなったことを確認」。

生成AIの精度を数字で測っていなかった

数字を作らず、評価のやり方と範囲を書きます。例:「顧客の担当者と質問50問を作り、リリース前に答えを確認」。入社後も同じ仕組みを作れる人だと判断されます。

導入の前に案件が止まった

試作の期間と、止めた判断の理由を書きます。例:「4週間の試作で、対象の書類の形式がばらばらで精度が上がらないと判断し、対象業務の見直しを提案」。見込みのない導入を続けない判断も、FDEの大事な仕事です。

チームで進め、自分の分が切り出せない

全体の範囲と、自分が担った工程を分けて書きます。例:「5名の導入チームで、顧客の会計システムとの連携とセキュリティの確認への回答を担当」。

無料テンプレート

記入見本を横に置くと、書き進めやすくなります

見本と見比べながら空欄を埋めていけば、ここまでの書き方をそのまま当てはめられます。

提出前のチェックリスト

書き終えたら、提出前に次の7つを確認しましょう。下の図は、記事で解説したポイントを1枚にまとめたものです。

提出前に確かめる7つのこと(FDEに応募する人の職務経歴書)
  • 職務要約に、今の職種と年数・顧客と関わった経験・生成AIの経験・成果と、FDEへの志望が入っている
  • 顧客は社名を出さず、業種・規模・社数で書いている
  • 顧客と関わった仕事に、聞き取って決めたこと(進め方)と前後の数字(実績)を分けて書いている
  • 生成AIの精度は、評価データの数・採点の方法・前後の数字をそろえて書いている
  • 顧客のデータの扱い・セキュリティの確認と、人が最終判断する範囲を書いている
  • 顧客の要望を開発チームに伝えた件数と、製品の機能になった件数を書いている
  • テクニカルスキルの経験年数が、職務経歴の期間と一致している

最後に、職務要約・職務経歴・自己PRで同じ数字(導入期間、正答率、機能になった件数など)を読み合わせ、食い違いがないかを確かめましょう。

書いた職務経歴書を、採用担当の視点で100点満点チェックできる「レジュメラボ AI職務経歴書メーカー」の案内

よくある質問

FDEとして働いた経験がなくても、FDEに応募できますか?

応募できます。日本ではFDEの募集が出始めたばかりで、応募する人の多くは近い職種からの転職です。職種名は前の会社での正式な名前で書き、職務要約や【担当】【進め方】の行で、顧客と決めて作った経験を書きましょう。

顧客の社名や導入事例は、職務経歴書に書いてもいいですか?

社名は書かず、業種・規模・社数で書きます。数字も、導入期間や業務の時間の変化など、顧客が特定されない形にしましょう。

英語は必要ですか?

応募先によります。海外のAI企業の東京の募集では、日本語と英語の両方で仕事ができることを条件にしているものがあります。国内の企業では、英語を求めない募集もあります。英語を使った経験があれば、使った場面を1行で書きましょう。

資格はあったほうがいいですか?

FDEの採用では、資格より、顧客と作った経験が重く見られることが多くあります。持っている資格は、正式な名前と取得年月で書きます。なおIPAの発表では、情報処理技術者試験は2027年度から新しい制度に移る予定で、応用情報技術者試験と高度試験は再編されます。最新の案内を確かめてください。

生成AIの機能をリリースした経験がないと、FDEへの転職で不利になりますか?

経験がないことだけで不利になるとは限りません。その場合は、顧客と決めた開発、システムの連携、セキュリティの確認への対応を、数字とともに書きましょう。求人票に生成AIの経験が必須と書かれていれば、社内や個人で作った試作を、作ったものと確かめ方まで正直に書きます。

この記事の記入例テンプレートを無料でダウンロード

Word・Excel・PDFの3形式に対応。空欄テンプレートと記入見本のセットです。

Author

佐藤 大貴

レジュメラボ編集責任者/アースダイバー代表

佐藤 大貴

人材紹介の会社で、キャリア系メディアの編集長をしていました。転職やキャリアをテーマにした記事づくりに長く関わり、2019年にアースダイバー株式会社を立ち上げました。編集長時代、たくさんの求職者の方やキャ…

Share

前の記事
一覧へ戻る
次の記事