「FDE 年収」で検索すると、平均年収の数字が媒体ごとに数万ドル違います。
$127,566 と書いてあるページと、中央値 $211,000 と書いてあるページが、同じ2026年夏に並んで出てきます。
どちらかが間違っているのだろう、と最初は思いました。
そうではありませんでした。
数えている母集団が違うだけです。

だとすれば、平均年収を探すという行為そのものが空振りします。
この記事では、求人票の原文に書かれた基本給レンジだけを並べ直します。
そのうえで、日本の求人にはなぜレンジが載らないのかを見ていきます。

先に、この数字の使い道を決めておきます。
米国の $200,000 を日本での年収期待値に読み替えるためではありません。
求人票に何が書かれ、何が書かれていないかを読み分ける型を持つためです。
AI導入支援を仕事にしたい人にとって、この型は自分の工程を値付けし、説明する材料にもなります。
米国求人に応募する予定がなくても使えます。

FDE（Forward Deployed Engineer）とはどんな職種か

Palantirが定義した「Delta」という役割

FDEという役割の出どころは、データ分析基盤を提供する米国企業Palantirです。
同社の公式ブログ（2022年公開）は、Forward Deployed Software Engineer（社内呼称「Delta」）を、顧客の組織に直接embedして自社プラットフォームを構成し、顧客の難題を解くエンジニアと定義しています（Palantir公式ブログ）。
embedとは、顧客の現場に入り込んで一緒に働くことを指します。

同社の現行求人票には、FDSEは職名ではなく「blueprint（設計図）」であり、このポジションを自社が開拓したと書かれています。
逆に言えば、他社が同じ職名を使うとき、中身が同じである保証はどこにもありません。

通常のソフトウェアエンジニアとの違い

同じブログは、両者の違いを一行で説明しています。
通常のソフトウェアエンジニア（Dev）は「多数の顧客に使える単一の機能」を作ります。
FDSEは「単一の顧客に対して多数の機能」を実現します。

この非対称が報酬の話にもつながってきます。
汎用機能の開発は再利用で効率が上がりますが、単一顧客への作り込みはスケールしません。
それでも企業がこの職を置くのは、作り込みなしには使われないからです。
a16zの論考（2025年6月、Joe Schmidt）は、AIを買う企業を「iPhoneを手にした祖母のようなもので、使いたいが設定は誰かにやってほしい」と表現しています（a16z）。

では、スケールしない仕事に、なぜ基本給の上限が $300,000 まで積まれるのか。
推測：製品が売れるかどうかの分岐が、この職の手元に集まっているからだと考えています。
どれだけ性能の高いモデルを持っていても、顧客の業務に載らなければ契約は続きません。
そこを通せる人の数は、モデルの性能ほど速くは増えません。
再利用が効かないぶん、代わりが立てにくい。
ただし、これは求人票に書かれていることではなく、私の読みです。

求人1,000件の分析から見える実際の責任範囲

職名の定義より、求人票に何が書かれているかのほうが実務に近いはずです。
Bloomberryが米国のFDE求人1,000件を分析した記事（2026年1月25日更新）では、責任範囲の出現率がこうなっていました（Bloomberry）。

1位は「顧客と直接働く」で55%。
2位が「AI/MLシステムの構築とデプロイ」で37%。
3位が「システムやAPIの統合」で32%です。
APIとは、あるソフトウェアの機能を別のソフトウェアから呼び出すための窓口のことです。

この分析でいちばん目を引いたのは、載っていなかった項目です。
ノルマや売上責任を中核業務として挙げた求人は、1,000件中1件もありませんでした。
顧客の前に立ち、顧客の課題を解く職なのに、売る責任は課されていない。
FDEを「高単価の営業付き常駐」と理解する説明は、求人票の記述と一致しません。
売るのではなく、使われる状態を作ることが職務として書かれています。

米国の公開求人に書かれた給与レンジ（2026年8月時点）

求人票の原文レンジを企業別に並べる

以下は、求人票そのものに記載されていた基本給レンジです。
私が2026年8月に確認できた範囲に限っています。

※RSU（Restricted Stock Unit）は一定期間の勤務を条件に受け取れる自社株、PPUはPalantirなど一部企業が使う類似の株式報酬です。いずれも現金の給与とは別枠で、付与時点の評価額がそのまま手取りになるわけではありません。

※円換算は為替で数百万円単位で動きます。
1ドル150円なら $135,000 は約2,025万円、160円なら約2,160万円です。
どのレートで計算した数字かを先に確認してください。

Palantirの $135,000〜$200,000 は勤務地別ではなく、US Government版のFDSEにも同じ額が記載されている全社共通の推定レンジです（Palantir求人票）。
Anthropicの求人票には、全社員に最低25%のオフィス出社を求める方針が併記されています（Greenhouse原本）。
OpenAIのサンフランシスコ求人は、週3日出社のハイブリッド、リロケーション支援あり、出張は最大50%と記載されています（OpenAI Careers）。
フルリモートで高年収という職ではありません。

基本給と総報酬（TC）を混ぜない

表に並べた数字は、すべて基本給です。
株式（RSUやPPU）は別枠で、求人票のレンジには含まれていません。

SNSで見かける $500,000 超という数字は、ほぼ株式込みの推計値です。
基本給と総報酬を混ぜて比べると、同じ職種の年収が2倍以上ずれます。

出所と時点が書かれていない年収レンジは、材料として使えません。
中央値を引くなら、Bloomberryの原典かLevels.fyi、あるいは求人票の原文を優先するのが安全です。

「FDEの平均年収」が媒体ごとに数万ドルずれる理由

5つの出所を同時期で並べる

冒頭の疑問に戻ります。
同じ2026年夏の数字を並べると、こうなります。

※90パーセンタイルとは、報告された値を低い順に並べたとき下から90%の位置にある数字です。上位1割の入口の水準にあたり、平均とはまったく別の指標です。

なお求人数そのものも急増しています。
IndeedがBusiness Insiderに提供したデータでは、FDE系の求人は2025年4月の643件から2026年4月の5,330件へ、約729%増えました。
母集団が膨らむ局面では、集計時点が数か月ずれるだけで平均が動きます。

母集団が「求人票／自己申告／推定モデル」で違う

平均が $127,566 から $211,000 まで開くのは、集計の元データが違うからです。
求人票の記載額を集めた数字、実際に働いている人の自己申告、統計モデルによる推定が、同じ「平均年収」という名前で並んでいます。

さらにGlassdoorやLevels.fyiの値はPalantir1社のものです。
全米平均と1社の平均を並べて比べれば、当然ずれます。

つまり、FDEの平均年収という単一の数字は存在しません。

日本の求人には給与レンジが載らない — 米国の数字を直輸入できない理由

OpenAI東京とSalesforce Japanの求人記載

OpenAIは東京で Forward Deployed Engineer および Forward Deployed Software Engineer を公開募集しています。
東京拠点、週3日出社のハイブリッド、リロケーション支援ありと記載されています。
日英の完全バイリンガルが必須で、履歴書は英語、面接は両言語とも明記されています。

成果指標として挙げられているのは、本番採用、測定可能な業務インパクト、eval駆動のフィードバックです。
evalとは、AIの出力が期待どおりかを判定するテストのことです。
作って納めたかではなく、本番で使われて業務が変わったかを見る、という書き方になっています。

Salesforce Japanは「日本初採用の立ち上げチーム」としてFDEを募集しています。
構想からリリースまでの実装リード、本番デプロイ、測定可能なビジネスインパクトを担うと記載され、ジュニアからシニアまで複数レベルで採用しています。

米国の開示制度と日本の任意開示

この2社の日本向け求人には、給与レンジの記載が確認できませんでした。
書き忘れではありません。

米国求人にレンジがあるのは、州の法律で開示が義務づけられているからです。
日本は任意開示です。
制度が違うので、米国求人の金額をそのまま日本の年収期待値に置き換えることはできません。

日本語のFDE解説記事は、2026年4月から7月に集中して公開されています。
その多くは転職エージェントが運営するメディアで、年収レンジの出所、取得時点、基本給と株式の内訳が示されないケースが目立ちます。

現場で実際に求められる工程 — Re-railの法人AI導入から

業務ヒアリングと権限設計が最初に来る

Re-railの法人AI導入では、業務ヒアリング、権限設計、セットアップ、完了判定、引き渡し、定着支援までを一続きで扱っています。

順序に意味があります。
最初に来るのは業務ヒアリングと権限設計で、実装はそのあとです。
現場で必要になるのは、単純なコーディング能力よりも、顧客の業務を分解し、AIが扱える形へ翻訳し、担当者が使い続けられる運用へ落とす力でした。

この順序は最初から分かっていたわけではありません。
実装を先に進めてから権限の線引きを議論した結果、作り直しが発生したことがあります。
戻ったのは実装だけではありませんでした。
誰がどのデータを見られるかが変われば、業務の流し方そのものが変わります。
つまりヒアリングの内容まで巻き戻ります。
最初から分かっていればそうしていたのに、というのが口惜しいところです。

「完了判定」を定義できるかが分かれ目

工程の中でいちばん軽視されやすいのが完了判定です。
「導入した」で終わらせると、使われているかどうかを誰も判定できません。
先に基準を決めておくと、定着支援の設計が可能になります。

この工程理解は、OpenAI東京求人の成果指標（本番採用、測定可能な業務インパクト、eval駆動のフィードバック）と、Salesforce Japanの職務定義（構想からリリース、本番デプロイ）とほぼ一致しています。
求人票を読んだとき、自分がやっていることの名前が書いてあると感じました。

引き渡しと定着支援まで含めて初めて成果になる

日本語の既存記事は、完了判定と定着支援の設計にほとんど踏み込んでいません。
年収と必要スキルの話で終わる型が主流です。

推測：日本市場では、業務ヒアリングの記録と完了判定の基準を文書に残し、同じ手順を次の案件でも再現できる人材が少ないと感じています。
その希少性が、職名の有無に関わらず単価に反映されていく可能性があります。
ただし、これは求人票から断定できることではありません。

年収ではなく市場価値で考える — いま身につける3つの能力

業務理解：顧客の仕事を分解して翻訳する

Bloomberry調査で責任範囲の1位は「顧客と直接働く」の55%でした。
顧客の業務を工程に分解し、どこをAIに任せられるかを判断する。
この作業は、対象業務を知らないとできません。
だから業界の知識が価値になります。

実装：本番に載る形で作り切る

同じ調査で最も多く挙がったスキルはPythonで、出現率は66%でした（2026年1月更新の数値）。

実装力は、上乗せの強みではなく前提条件です。
本番環境に載る形で作り切れなければ、成果指標の「本番採用」に届きません。

定着支援：使い続けられる運用に落とす

作ったものが翌月も使われているか。
ここが、導入支援と実装代行を分ける線だと考えています。

クロアカでは、この役割を「業界特化型FDE」と定義し、業務理解、実装、定着支援の3つを重点的に扱う設計にしています。
なお、受講による就職、年収、案件獲得は保証していません。

米国求人のレンジを日本の年収期待値に読み替えるより、「どの工程を任せられるか」を自分の言葉で説明できる状態を作るほうが実用的です。

完成した求人票メモの実例

求人ページを開いたら、次の6項目をその場で埋めてみてください。
埋まらない欄が、面談で聞くべきことです。

[ ] 記載金額は基本給か、株式込みの総報酬か
[ ] 株式（RSU・PPU・エクイティ）は別枠と書かれているか
[ ] 勤務地はどこか（米国全体／特定都市／東京）
[ ] 出社頻度と出張比率の記載（例：週3日出社、出張最大50%）
[ ] レンジの掲載時点はいつか（例：2026年8月確認）
[ ] レンジ記載なしの場合、その国の開示制度は義務か任意か

この6項目のうち上の2つが埋まらない金額は、他社と比較する材料になりません。
埋めると、こういうメモになります。

=== 求人票メモ（記入例1：レンジあり）===
確認日        : 2026-08
企業／職名     : Anthropic / Forward Deployed Engineer, Applied AI
1 金額の種類   : 基本給
2 株式の扱い   : 別枠（求人票に別記載あり）
3 勤務地      : 米国
4 出社・出張   : 出社は最低25% / 出張の記載なし → 面談で確認
5 掲載時点     : 2026-08 時点で確認
6 開示制度     : 米国・州のペイトランスペアレンシー法により義務
記載レンジ     : $200,000〜$300,000（基本給）
面談で聞くこと  : 出張比率 / 株式の付与量と換金タイミング

=== 求人票メモ（記入例2：レンジなし）===
確認日        : 2026-08
企業／職名     : OpenAI 東京 / Forward Deployed Engineer
1 金額の種類   : 記載なし
2 株式の扱い   : 記載なし
3 勤務地      : 東京
4 出社・出張   : 週3日出社のハイブリッド / リロケーション支援あり
5 掲載時点     : 2026-08 時点で確認
6 開示制度     : 日本・任意（記載なしは不誠実ではない）
記載レンジ     : なし
面談で聞くこと  : 基本給レンジ / 株式の有無 / 出張比率
その他の要件   : 日英バイリンガル必須、履歴書は英語

記入例2のように1と2が空欄になる求人は、日本では珍しくありません。
空欄のまま米国のレンジで埋めてしまうと、期待値だけが先に上がります。
空欄は空欄として残し、面談で聞く項目に移すのが安全です。

よくあるご質問

Q. 結局、FDEの年収はいくらと考えればいいのでしょうか。
単一の数字では答えられません。
2026年8月時点で確認できた米国の公開求人票の基本給レンジは、Palantirが $135,000〜$200,000、Anthropicが $200,000〜$300,000、OpenAIのサンフランシスコ求人が $180,000〜$280,000 でした。
自分が応募しようとしている企業と勤務地の求人票を開き、その原文の数字を使うのがいちばん確実です。

Q. 集計サイトの平均年収は参考にならないのですか。
参考にはなりますが、単独で引くと誤解が生まれます。
Salary.comの $127,566 は推定モデル、Levels.fyiの中央値 $211,000 はPalantir1社の自己申告で株式込みが中心です。
数えている対象が違うので、必ず「出所」「取得時点」「母集団の性質」を添えて扱ってください。

Q. 米国のFDE求人に応募する予定はありません。この数字は自分に関係しますか。
使いどころは2つあります。
1つは、求人票の「成果指標」の読み方です。本番採用、測定可能な業務インパクト、eval駆動という書き方は、社内でAI導入を任されている人が上司に成果を説明するときの語彙としてそのまま使えます。
もう1つは、自分の職務範囲を工程で言い直すことです。ヒアリング、権限設計、実装、完了判定、引き渡し、定着支援のうち、どこを自分が引き受けているか。金額の比較よりも、この棚卸しのほうが日本の実務では効きます。

Q. プログラミング未経験からFDEを目指せますか。
求人票の記述からは、実装力は前提条件として扱われています。
Bloomberryの分析（2026年1月更新）では、最も多く挙がったスキルはPythonで出現率66%でした。
一方で責任範囲の1位は「顧客と直接働く」55%です。
業務を分解して翻訳する力と実装力の両方が必要で、実装をまったく持たないまま入るのは難しいと考えています。

Q. 日本の求人に給与レンジが書かれていないのは、条件が悪いということでしょうか。
そうは読めません。
米国求人にレンジがあるのは州のペイ・トランスペアレンシー法による開示義務があるからで、日本は任意開示です。
制度の差なので、記載がないことを不誠実と受け取る必要はありません。
基本給レンジ、株式の有無、出張比率を面談で聞く項目に移してください。

まとめ：求人票の原文を読む習慣が、いちばん確実な判断材料になる

確認すべき3点（基本給か総報酬か／勤務地と勤務形態／掲載時点）

1点目は、基本給か総報酬か。株式が別枠なら、その数字は基本給です。
2点目は、勤務地と勤務形態。週3日出社や出張最大50%という条件は、金額と同じくらい生活を左右します。
3点目は、掲載時点。求人票のレンジは改定されるので、いつの数字かを添えないと比較になりません。

日本市場はまだ実績を作れる段階にある

Salesforce Japanが「日本初採用の立ち上げチーム」と書いている段階です。
職名の定義も報酬水準も、まだ固まっていません。

固まっていないということは、実績を作った人の基準が後から標準になるということでもあります。
私は、業務ヒアリングから定着支援までを一続きで回した記録を積むことが、いちばん確実な準備だと考えています。
その記録が、公開求人のレンジよりも自分の市場価値を説明してくれるはずです。

では、その記録を何件積めば「任せられる」と見なされるのか。
そこはまだ、私自身も答えを持っていません。

---

法人でのAI導入について、工程の設計から相談したい方は、お気軽にお問い合わせください。
どの工程でつまずいているかを整理するところから、一緒に考えます。

業界経験を、FDEの仕事へ。

無料体験会でFDEの仕事と6ヶ月の学び方を確かめる。迷っている方は、LINEの実務ガイドから始められます。

無料体験会に参加するLINEで実務ガイドを受け取る