AIが強くなれば、導入する人は減るのか

AIモデルは急速に強くなっている。だからAIが十分に賢くなれば、それを企業へ導入する人は減るという予想も自然だ。

しかし9月8日、Google CloudとAccentureはAccenture Gemini Enterprise Business Groupを立ち上げ、1,000人規模のFDE workforceを構築すると発表した。これは1,000人を直ちに新規採用するという意味ではなく、新組織が構築するとしたFDE人員規模である。

目的は新しいfoundation modelを作ることより、Gemini Enterpriseの導入、再利用可能な業界ソリューション、AI実験とenterprise-scale transformationの間を埋めることに置かれている。

モデルと実際の会社の間には長い距離がある

企業のAI導入はAPI接続だけでは終わらない。データ構造、権限、既存システム、業務ルール、検証責任が顧客ごとに違う。

FDEは顧客課題の発見、technical scoping、system design、build、production rolloutまでをつなぐ役割に近い。

AIが強くなって適用できる業務が増えるほど、異なる企業・workflowへ入る回数も増える。その結果、ボトルネックの一部がモデルそのものから最後の統合と運用へ移る可能性がある。

Physical AIでは最後の接続がさらに難しい

HitachiとGoogle Cloudは6月、Physical AIの実世界展開を加速するためHitachiのFDEモデルをグローバルに展開すると発表した。FDEは顧客に入り、経営課題の特定、PoC、実装、運用投入までend-to-endで支援すると説明されている。

Physical AIではデータとソフトウェアに加え、センサー、ロボット、設備、ネットワーク、安全、物理環境、現場作業者が入る。

AIが現実世界に近づくほど、現場を理解するengineeringが消えるのではなく、新しい形でAIと結合する可能性がある。

ConfigとApplied Intuitionでは役割が実際の求人として見える

Configが9月7日に公開したAI Solutions EngineerはFDEという職名ではないが、機能は近い。顧客のtask理解からdata strategy、収集・評価pipeline、model adaptation、failure analysis、redeploymentまでを担当する。

現場ではrobotやsensorを設置し、software、hardware、data、model behaviorをまたいでdebugする能力も求める。これはMLモデルだけを作る仕事ではなく、robotics・software・customer deploymentの境界に立つ役割だ。

Applied Intuitionの現在のCareersにはApplication EngineeringのFDEだけでなく、2027 New Grad枠にもForward Deployed Engineer - New Gradが独立した職種として掲載されている。同社がResearch、ML、Robotics、Hardware Integrationなどを別に採用している点からも、FDEは別のcustomer deployment layerとして見える。

AI生産性が上がってもdeployment roleが自動的に消えるとは限らない

Reutersは9月10日、Wipro CTOの説明としてAIによって2万人分に相当する生産能力が生まれ、その人員を他業務へ再配置したと報じた。同じ記事はWiproがFDE workforceを拡大しているとも伝えている。

2万人という数字は企業幹部の説明であり、独立した労働生産性統計と同じ扱いはできない。それでもAI生産性の上昇とcustomer deployment人材の減少が単純な一直線ではないことを示す補助事例にはなる。

AIが可能にするproject数と適用範囲が増えれば、標準化しにくい最後の区間を担う人材需要も同時に増えるシナリオがあり得る。

重要なのはFDEという肩書きではない

現在見える構成はSoftware Engineering + AI/ML + Domain Knowledge + Customer Problem + Deployment + Debuggingに近い。Physical AIではhardwareとroboticsが加わる。

キャリアではFDEへ転職するかより、モデルを実環境へ定着させる問題をどこまで解けるかを見る方が有用だ。production rollout、systems integration、customer engineering、commissioning、field debuggingの経験が交差する。

企業側もAI人材をresearcherやML Engineerだけで探すとdeploymentに必要な候補者を逃す可能性がある。ただし隣接業界の経験がどこまで転用できるかは各JDのrequired/preferred条件を個別に確認する必要がある。

BANSEOG VIEW

Banseog View — 次のボトルネックはモデルではなく「現実へ定着させる力」かもしれない

Google Cloud・Accenture、Hitachi、Config、Applied Intuitionは同じ企業でも同じ事業でもない。数例だけで労働市場全体の法則を宣言することはできない。

それでも共通する役割は見える。良いモデルを作ることと、そのモデルを特定顧客のデータ・システム・工程・設備へ最後まで接続することは別の仕事だ。AIの適用範囲が広がるほど、後者はむしろ明確になる可能性がある。

AI人材市場を見るとき、researcher数やmodel性能だけでなく、「モデルを現実で動かす人を企業がどれだけ求めているか」も追う必要がある。FDEという名前より、その役割構成がどこで繰り返されるかが重要だ。

SOURCES

参照した主な資料

AccentureとGoogle Cloudの発表を「FDE 1,000人の新規採用確定」とは表現しません。1,000人規模のworkforce構築計画です。ConfigのAI Solutions Engineerも公式FDE職ではなく、機能上の類似を比較しています。Wiproの2万人相当という数値は会社CTOの説明をReutersが報じたもので、独立統計として一般化しません。