リチェルカのPdM廃止という登壇がXで議論を呼んでいる。Palantirが発祥のForward Deployed Engineer——略してFDE——が、AI時代の中核ロールとして日本でも採用ラッシュに入ったからだ。

AIエージェントの全体像は AIエージェントフレームワーク徹底比較2026：LangChain・AutoGen・CrewAI・Semantic Kernelの選び方 をご覧ください。

この記事のポイント
  • FDEはPalantir発祥（2010年代「Delta」）。「1顧客×多機能」が設計思想。
  • リチェルカは2026年4月にPdM職を廃止しFDE中核組織に刷新。
  • FDE求人は2025年1〜9月で800%増。Salesforceは1,000人採用を宣言。
  • 米国平均年収23.8万ドル、StaffレベルでUSD63万超。日本でも7〜25Mがレンジ。
  • 「PdMは消滅するか」議論はAIによる単機能代替が論点。

1. FDE（フォワードデプロイドエンジニア）の定義と歴史

FDEを最も短く言い表すなら「顧客の現場でコードを書く専門家」となる。Palantir公式の定義では、FDEの責任範囲は「スタートアップCTOに近く、小さなチームでハイステークスなプロジェクトの一気通貫を担う」とされている。

ここで重要なのは、一般的なソフトウェアエンジニアと方向が逆である点だ。

「Traditional SWE focuses on creating a single capability that can be used for many customers, FDSEs focus on enabling many capabilities for a single customer.」
（通常のエンジニアは1つの機能を多顧客に提供する。FDSEは1顧客に多機能を作る）
——Palantir Careers

1-1. Palantirが「Delta」を生んだ理由

FDEは2010年代初頭にPalantirで生まれた。社内呼称は「Delta」。当初は政府機関や金融機関といったエンタープライズ顧客の業務改革を直接担う役割として設計された。

なぜこの形が必要だったのか。大組織は内部の官僚的障壁が多く、機敏なスタートアップが直面しないような統合課題を抱える。それを「How can we make this work?」という姿勢で内側から崩しに行く役割が必要だった。

Palantirは2016年まで通常のソフトウェアエンジニアよりFDE（Delta）の方が多かったと報告されている。プロダクト中心ではなく顧客中心の人員配置だったわけだ。

1-2. なぜ今、FDEが再注目されているのか

2026年に入ってからのFDEブームは、AI——特にLLMの実装フェーズが本格化したことが直接の引き金だ。

LLMの実装には「要件が定義できない曖昧領域」が常に残る。プロンプト、エージェント設計、評価指標、ガードレール、コスト設計。これらはPRDに落としきれず、コードを書きながら検証するしかない。

このとき調整役を中間に挟むと、顧客のニュアンスが2〜3段階で薄まる。FDEはこのリレーを排除し、顧客の声を聞いた直後にコードへ反映できる。

FDEが効く場面の判定基準
  • 要件が事前に定義しきれない。
  • LLM/AIの新機能が四半期単位で出る。
  • 1顧客あたりARRが高い（数千万円〜億円規模）。
  • 組織内に意思決定者と実装者の分離コストが大きい。

2. リチェルカのPdM廃止——2026年4月の組織改革

2026年4月28日、Product Management Summit 2026の登壇で、株式会社リチェルカ共同創業者・取締役COOの幸田桃香氏がスライドを公開した。タイトルはストレートに「PdMを廃止しました。」。

このスライドはSpeaker Deckで公開され、X上で@asmmsk1（リチェルカFDE）や和田卓也氏（@t_wada）周辺で議論が広がった。

2-1. 廃止の3つの理由

リチェルカは資料内で、PdM職を廃止した理由を以下のように整理している。

観点 旧体制（営業→PdM→エンジニア） 新体制（FDE中核）
顧客理解の深度 PdM経由で薄まる FDEが直接対話
開発スピード リレー型で遅延 同日中にプロト
役割の境界 明確に分離 越境前提
AI代替リスク PRD作成等は秒で生成可 業務理解と実装は人間
適合する顧客規模 多顧客×低単価 少数×ARR1億円

「役割分担＝リレー。後発SaaSには遅すぎる」——これがスライド内の象徴的なメッセージだ。

2-2. 新組織の4ロール

リチェルカは現在、以下の4ロールで動いている。

  • クライアントアドバイザー — 顧客と長期関係を作る。営業出身が中心。
  • コンサルタント — As-IsからTo-Beを描き、業務改革仮説を立てる。
  • FDE（Forward Deployed Engineer） — エンジニア視点で要件を具体化し、プロト〜本実装まで担う。
  • Application Engineer — 共通基盤・横断機能を開発する。

PdMという職種名は消え、「個々人がプロダクトオーナー」となる思想に切り替わった。

2-3. FDEに必要な4ケイパビリティ

リチェルカ資料によれば、FDEには次の4つの能力が必要とされる。

  • ドメイン理解力（顧客の業務をお客様以上に理解する）。
  • 仮説構築力（As-IsからTo-Beを描く）。
  • 実装力（自分でコードを書ける）。
  • コミュニケーション力（経営層と現場の両方と話せる）。

「全部できる必要はない。でも、何かが突出して強くないと辛い」というのが資料の方針だ。営業×コンサル×開発の3つの掛け算で価値を出す前提で、自分の強みから他領域へ「越境する意志」が必須要件とされる。

2-4. 背景にあるシリーズA17億円調達

この組織改革は、2026年4月のシリーズA17億円調達と一体で発表された。リチェルカのAgentic ERP「RECERQA」は前年比ARR1,230%成長を記録しており、調達資金の用途として「AIエンジニアおよびFDEを中心とした組織拡張」が明記されている。

つまりPdM廃止は単なる思想実験ではなく、1社あたりARP平均1億円のエンタープライズ向けに勝負を賭けるための組織設計上の必然だった。

3. 海外FDE事例——Palantir・OpenAI・Anthropic・Salesforce

FDEの採用は、2025〜2026年にかけて爆発的に拡大した。Pragmatic Engineerなどのレポートによれば、求人ポジションは2025年1〜9月で800%増加している。

3-1. 主要採用企業

企業 FDEポジションの特徴 推定年収レンジ
Palantir 元祖。Foundry/Apolloをエンタープライズに導入 $250K〜$500K
OpenAI 顧客環境で実装→研究チームへ知見還流 $300K〜$500K+
Anthropic Applied AI部門のFDE。Claudeの企業導入を主導 $250K〜$500K+
Databricks データ＋AIプラットフォームの導入支援 $200K〜$450K
Cohere エンタープライズLLM導入 $200K〜$400K
Salesforce 1,000人採用を公言 非公開
Ramp / Rippling / Intercom プロダクト＋導入の融合ロール $180K〜$400K

米国の平均総額は約$238,000、レンジは$205,000〜$486,000、Staffレベルは$630,000超とされる。Palantir・OpenAI・Anthropicが帯の上限を形成している。

3-2. Anthropic / OpenAIの最新動向（2026年5月）

2026年5月、AnthropicはBlackstone、Helman & Freemanとともに評価額15億ドルでエンタープライズAI導入のジョイントベンチャーを発表した。Anthropic自身が3億ドルをコミットしている。

並行してOpenAIは「Development Company」と呼ばれる別法人を立ち上げ、19投資家から40億ドルを調達中で評価額は100億ドルとされる。両社ともFDEを中核ロールに据えている。

3-3. なぜAI企業はFDEに賭けているのか

理由は3つある。

第1に、LLMの能力進化が四半期単位で起こるため、6ヶ月のロードマップを引いてからリリースする旧来型では追いつかない。FDEは顧客導入と研究の境界を消す。

第2に、LLMの真価は導入文脈で決まる。同じClaudeでも金融機関のリスク文書解析と医療機関の診療記録要約では実装が全く違う。汎用APIの上に顧客固有の知識構造を構築する人材が必要になる。

第3に、プロダクトとセールスの境界が消えた。FDEが現場で動かしたPoCがそのまま契約とプロダクトロードマップに直結する。

4. FDEとPdMの違い——詳細比較

ここまでで「FDE中心組織は本当にPdMを置き換えるのか？」という疑問が出てくる。詳細比較で整理する。

観点 PdM（プロダクトマネージャー） FDE（Forward Deployed Engineer）
主活動 要件定義・優先順位付け・ロードマップ 顧客の現場で実装・PoC・要件具体化
顧客との距離 営業/CS経由で間接 直接常駐／現場で対話
アウトプット PRD・OKR・優先順位 動くコード・プロト・本番実装
評価指標 プロダクトKPI・NPS 顧客ROI・契約継続・PoC勝率
AI代替性 PRD作成・競合分析は代替されやすい 業務理解と実装の統合は代替困難
組織内位置 エンジニアと別組織 エンジニアリング組織内
必要スキル 仮説検証・データ分析・チーム運営 コーディング＋業務理解＋仮説
キャリアパス プロダクトリーダー・CPO 顧客のCTO役・スタートアップCTO
誤解されやすい点
FDEは「PdMを兼ねるエンジニア」ではない。PdMは多顧客横断の意思決定者、FDEは1顧客への深い実装責任者である。守備範囲の方向が直交しているため、組織が拡大すると両者を再分離する選択肢も出てくる。

5. 「AI時代にPdMは消滅するのか」議論の現在地

リチェルカのPdM廃止登壇が刺激的だったのは、この議論を一気に表面化させたからだ。論点を整理する。

5-1. 消滅派の主張

Khosla Venturesのマネージング・ディレクター Keith Rabois氏は、AIによってPdMの役割は消滅すると公言している。論拠は次の通り。

  • PRD作成、競合分析、議事録、ロードマップドラフトはAIで秒で生成可能。
  • LovableなどのAIツールでプロトもPdMなしで作れる。
  • 調整型のミドルマネジメントは付加価値が縮小する。
  • 残るのはWhat/Whyを決める「判断者」と、Howを実装する「実装者」。

リチェルカの実験はこの立場に近い。実装者にWhat/Whyの判断責任まで持たせるのが「FDE中核」の本質と言える。

5-2. 残存派の主張

一方で、坪田朋氏ら国内のPdM論者は別の見方を示している。

  • プロダクトマネジメントの根本——What/Whyの判断——は変わらない。
  • AIがHowを担える分、PdMの価値は「判断力」に集約される。
  • 組織が大きくなるとTrade-offの最終決定者は必要。

「PdMの仕事の半分がAIに奪われた」と語る現役PdMの記事も話題となっており、残り半分（事業判断と組織横断調整）が人間に残るという議論が並走している。

5-3. リチェルカ評者の冷静な視点

AimanaVoの記事では、リチェルカの実験が成立する3つの前提が指摘されている。

  • 顧客の少数性と高単価性 — 1社あたりARR1億円のモデルだから個別対応が経済的に成立。
  • 創業期の意思決定構造 — Trade-off判断を創業者が直接担える組織規模。
  • T字型人材の確保 — 営業×コンサル×開発を掛け算できる稀少人材。

つまりFDE中核モデルは万能ではなく、特定のビジネスフェーズと顧客特性に最適化された組織設計である。

6. FDE中心組織のメリットとデメリット

6-1. メリット

  • 顧客理解の深度 — PdM経由の伝言ロスがゼロ。
  • 開発スピード — 同日中にPoCが回る。
  • プロダクトの妥当性 — 実需に基づく機能が積み上がる。
  • 人材魅力度 — CTO的な裁量と高年収（特に外資）。
  • 事業成果との直結 — 契約継続率と機能開発が一致。

6-2. デメリット

  • 人材獲得の困難さ — 3つの掛け算スキル所有者は希少。
  • スケール時のボトルネック — 個別対応が組織拡大で限界。
  • 横断意思決定の不在 — プロダクト全体最適が崩れやすい。
  • バーンアウトリスク — 顧客と実装の両責任は心理的負担大。
  • 評価の難しさ — FDEの貢献度を組織横断で見るKPIが未成熟。

6-3. アンチパターン

FDEを置く前に確認すべきこと
  • 1顧客あたりARRが数百万円規模なら、FDEはコスト過剰。
  • 既存PdMをFDEに「リネーム」しても実装力が不足し機能しない。
  • コーディング経験ゼロのコンサルをFDEと呼ぶのは誇大広告。
  • 全員FDEにすると共通基盤・横断機能が腐る（リチェルカはApplication Engineerで分離）。

7. 日本でのFDE導入——5社の事例と求人事情

7-1. 公開求人を出す日本企業

2026年春時点で、日本国内の公開FDE求人は約26ポジション、外資が9ポジションで合計約35ポジションが観測されている（gaijineers調べ）。

企業 ポジション特徴 想定年収
LayerX（Ai Workforce部門） 顧客のCTO役。金融・トレーディング業務のAI化 700万〜2,500万円
リチェルカ Agentic ERP「RECERQA」のエンタープライズ導入 非公開（経験者ベース）
AI Shift 接客AIの導入支援 700万〜1,800万円
JAPAN AI エンタープライズLLM導入 700万〜1,500万円
SB OAI Japan合同会社（ソフトバンク経由） OpenAI Tokyo出向ポジション 推定〜5,000万円
Alphakt AI業務改革コンサル＋実装 800万〜1,800万円

7-2. LayerXの「顧客のCTO」モデル

LayerXのCTOブログでは、FDEを「顧客のCTO」と表現している。同社がFDEを採用する理由は3つに整理されている。

  • 深いドメイン理解 — 金融・トレーディングの暗黙知を形式知に変換する。
  • 技術速度 — LLM進化に合わせアーキテクチャを継続更新する。
  • 運用後の継続改善 — 導入率・データドリフト・要件変化に対応する。

「自分たち自身がAIの力を借りることで、そこ（スーパーマン領域）へ到達しやすくする」という現実的な姿勢が示されている。FDE = ヒーロー像ではなく、AIを駆使して越境する普通のエンジニアという再定義だ。

7-3. 日本企業がFDE導入で直面する課題

  • エンタープライズ営業文化 — 「現場常駐」が伝統的なSI業務と混同されやすい。
  • 給与レンジの非対称 — 外資FDEとの3〜5倍の差が国内採用を難しくする。
  • 評価制度 — 年功序列とFDEの個人裁量が衝突する。
  • 意思決定スピード — 大企業顧客側が「翌日プロト」のスピードに追いつけない。
  • 機能削除の難易度 — 次節で詳述。

8. 「機能追加は容易、削除は困難」問題——FDEが直面する構造的壁

リチェルカ資料の中で、最も多くのプロダクト関係者の共感を呼んだのが「大企業では機能追加に比べ、機能削除の難易度が異常に高い」という指摘だ。

8-1. なぜ削除が難しいのか

  • 誰が使っているか可視化されていない。
  • 廃止を決断する権限者がいない（PdMが廃止された組織ではなおさら）。
  • 契約書に機能要件が紐づいている。
  • 「削除したらクレームが来るかも」という恐怖。
  • 社内政治（その機能を入れた人がまだ社内にいる）。

機能は積みあがる。積み上がるほど、新規機能の追加コスト（既存機能との整合性確認）も上がる。技術的負債と組織的負債が同時に膨張する。

8-2. FDE中核組織での解決アプローチ

リチェルカは資料内で、この問題を「最初から少数顧客×深い関係」で回避する戦略を示唆している。

  • 少数顧客のため、誰がどの機能を使っているか追跡可能。
  • FDEが顧客と直接対話するため、削除の合意形成が早い。
  • 全機能の意思決定が創業期の経営層に集中。
  • ARR1億円規模の顧客は廃止議論にも応じやすい。

ただし、この回避策はスケール段階で再び問題化する。100社規模になれば結局はプロダクトマネジメントの再導入が必要になる、というのが評者の指摘だ。

8-3. AIによる削除支援の可能性

機能削除の難しさを技術側で支援する動きも出ている。

  • 利用ログのAI解析 — 機能利用率を自動可視化。
  • 契約書解析エージェント — 機能要件と契約条項の対応を抽出。
  • 顧客通知ドラフト — 削除予告メールを文脈付きで自動生成。

これらはFDEの裁量で導入できる「削除支援AIワークフロー」として、今後のプロダクト運用の標準になっていく可能性がある。

9. FDEを目指すエンジニアのキャリアパス

9-1. FDEに必要なスキルセット（実務ベース）

リチェルカ・LayerX・Palantirの公開資料を統合すると、FDEに必要なスキルは次の図のようになる。

graph TD A["FDEのコアスキル"] --> B["技術力"] A --> C["業務理解力"] A --> D["コミュニケーション"] B --> B1["LLM/エージェント実装"] B --> B2["データ基盤・SQL"] B --> B3["プロト→本番実装"] C --> C1["顧客ドメイン知識"] C --> C2["業務プロセス分解"] C --> C3["ROI/KPI設計"] D --> D1["経営層プレゼン"] D --> D2["現場ヒアリング"] D --> D3["ドキュメンテーション"] A --> E["越境する意志"]

9-2. 既存職種からの移行ルート

出身 強化が必要な領域 期間目安
Webエンジニア 顧客ドメイン理解・経営層プレゼン 6〜12ヶ月
データサイエンティスト 本番実装・運用監視 6〜12ヶ月
コンサルタント コーディング・LLMアーキテクチャ 12〜18ヶ月
PdM コーディング・顧客現場対応 12〜18ヶ月
営業 全領域（最も遠い） 24ヶ月以上

9-3. 学習ロードマップ

  • LLM/エージェント基礎 — OpenAI/Anthropic公式ドキュメント、エージェンティックAIエンジニアロードマップ2026。
  • 実装基礎 — TypeScript/Python、SQL、ベクトルDB。
  • 業務理解の訓練 — 業界本＋顧客現場見学。
  • プロトタイピング — Claude Code等のAIコーディングツールを日常使い。
  • PoCポートフォリオ — 実顧客がいなくても「業界課題×AI実装」の事例を積む。

9-4. FDEが日常的にやっていること（実務イメージ）

学習ロードマップだけでは伝わりにくいFDEの「働き方」を、リチェルカ・LayerX・Palantirの公開記事に共通する典型的な1日として整理する。

午前は顧客先での業務ヒアリングか、提供されたログ・ドキュメントの読み込みから始まる。FDEはここで「何が業務上のペインなのか」を顧客以上に深く理解しようとする。表面的な要望ではなく、業務フロー上のどこで時間が溶けているかを探る作業だ。

午後はそのまま実装に入る。LLM/エージェントを使って業務ログを構造化し、As-Is（現状）フローをMermaid図やドキュメントに落とす。さらに小さなプロトタイプ——顧客固有のRAGチェーンや、業務ドキュメントから回答を引く社内QAボット——をその日のうちに動く形まで持っていく。

夕方には顧客に動くものを見せ、フィードバックを受ける。「観察→構造化→検証」を1日のうちに何往復もできることが、FDEの実務上の核心となる。PdM経由のリレーでは数週間かかる往復が、FDE中核組織では1日に圧縮される。これが「同日中にPoCが回る」と言われる所以だ。

10. まとめ——FDEは万能薬ではないが、AI時代の主要選択肢になった

記事のまとめ
  • FDEはPalantir発祥の「1顧客×多機能」型エンジニア。2010年代の「Delta」がルーツ。
  • リチェルカの2026年4月のPdM廃止は、後発SaaSがエンタープライズで勝つための組織設計の必然。
  • OpenAI・Anthropic・Salesforce等が大量採用、求人は800%増、米国平均年収は$238K。
  • PdM消滅論はAIによる単機能代替が論点。What/Whyの判断力は人間に残る議論も並立。
  • 日本ではLayerX・リチェルカ・SB OAI Japan等が公開求人。ただし給与・評価・スピードに課題。
  • 「機能削除困難」問題はFDE中核組織でも完全には解けない。スケール時に再分離が選択肢。

FDEは2026年に最も注目される職種のひとつだが、万能薬ではない。少数顧客×高ARR×AI実装という条件が揃ったときに最も効果を発揮する組織設計だ。

リチェルカの挑戦は、PdMという職種を消したことそのものよりも、「AIで自動化できる部分とできない部分の境界を引き直した」点に意義がある。境界の引き直しは、すべての企業がいずれ向き合うことになる。FDEはその境界に立つ職種として、しばらく主役の座にあり続けるだろう。

参照ソース