/note/tech

なぜソフトウェアエンジニアの90%はForward Deployed Engineerになれないのか

要約:

■ 1. 従来型エンジニアの価値低下

  • 仕様を実装するだけの仕事:
    • Jiraのチケットを読み、固まった仕様書をコードに落とし込む働き方
    • REST APIを書き、決定論的なロジックにユニットテストを実行する働き方
    • こうした日常業務のスキルは今まさに価値を失いつつある
  • AIツールによる代替:
    • コード生成モデル、自動テスト、エージェント型IDEが決定論的なコードをより速く安く書いている
    • 複雑なタスクでの生成コードの品質には議論の余地があるが、出力品質は毎月向上している
  • FDEへの転換:
    • AI時代に欠かせない存在であり続け、高い報酬を得るには、仕様を実行するエンジニアという自己認識を捨てるべき
    • そのうえでForward Deployed Engineer(FDE)のスキルを身につける必要がある
    • しかし多くのソフトウェアエンジニアはこの移行に失敗する

■ 2. 決定論という思考の罠

  • AIエージェントの性質:
    • 従来のソフトウェアとは根本的に異なる、確率的なシステム
    • 本番環境で失敗しても、従来のようなスタックトレースが取得できるとは限らない
  • 確率的システムの失敗例:
    • ハルシネーションを起こす
    • ツールのスキーマを読み違える
    • コンテキストを丸ごと取りこぼす
    • わずかなプロンプトの違いで誤ったAPIエンドポイントを選択する
  • 従来型エンジニアが失敗する理由:
    • 深くネストした壊れやすいif/else文を何千も書き、確率的なバラつきを抑え込もうとする
    • 非決定論的な推論エンジンを決定論的な箱に押し込もうとしてしまう
  • FDEの制御手法:
    • ブール論理でバラつきをなくそうとはしない
    • 評価(Evals)、ガードレール、動的なコンテキスト取得、継続的なオブザーバビリティで制御する

■ 3. 仕様書への依存

  • 従来型SEの最大の弱点:
    • 完成度の高い仕様書への構造的な依存
  • レガシー開発のワークフロー:
    • ビジネスアナリストがクライアントと話す
    • プロジェクトマネージャーが詳細な仕様書を作成する
    • エンジニアは仕様書のとおりに開発する
    • 外部から切り離された快適な流れとして成立していた
  • AIエージェント導入時の現実:
    • エンタープライズ環境では完璧な仕様書は存在しない
    • 非技術者のビジネスユーザーは確率的なシステムの振る舞いを形式的な仕様に落とし込めない
    • コンテキストウィンドウ、ツールスキーマ、temperatureが出力をどう変えるかを理解していない
  • 仕様書待ちの代償:
    • 明確な仕様書が渡されるまでコードを書き始めないなら、AI時代の価値は急速に低下する
  • FDEの姿勢:
    • 仕様書を待たず、現場に直接入り込んで業務フローを精査する
    • 文書化されていない人間の業務ロジックを明らかにする
    • システムの境界を自ら定義する

■ 4. 「APIラッパー」という思い込み

  • よくある誤解:
    • OpenAIやAnthropicのSDKでAPIを呼び、JSONを解析すればAIエンジニアリングへ移行できたと思い込む
  • APIを呼ぶことの位置づけ:
    • LLMのAPI呼び出しは基本的な連携作業にすぎない
    • プロンプトをPOSTリクエストで包んだだけでは、技術的優位性もキャリア上のレバレッジも生まれない
  • 本当に難しい部分:
    • モデルを呼び出すことではなく、不安定な推論エンジンの周囲に運用の土台を構築すること
    • その土台をエンタープライズの制約の中で確実に動作させること

■ 5. FDEに必要な4段階のスキルスタック

  • スキルスタックの目的:
    • 雑然とした業務の現実と、確率的な技術アーキテクチャの間を橋渡しする
    • いずれも標準的なソフトウェアエンジニアが見落としがちな領域
  • 現場レベルの業務精査:
    • IDEから離れ、現場で仕事が実際にどう行われているかを観察する
    • 公式文書に残らない例外対応、暗黙の業務ルール、非公式な手作業の回避策を明らかにする
  • 作って学ぶ反復:
    • 開発サイクルに6か月もかけない
    • 実際のクライアントデータを使い、簡易UIを備えた実験的なMVPを1週間で構築する
    • ライブデモを発見のためのセッションとして活用する
    • スコープを積極的に絞り込み、ROIを実証する
  • ベンダー中立なエージェントアーキテクチャ:
    • 特定ベンダーに縛られるフレームワークではなく、オープンな標準規格を使いこなす
    • Model Context Protocol(MCP)でエンタープライズのDB、マイクロサービス、社内APIを安全にLLMへ公開する
    • Tool Calling Schemasとして、エージェントの実行ループ向けに正確で冪等性のあるJSONスキーマを設計する
    • 評価フレームワーク(Evals)として、LLM-as-judgeによるベンチマークデータセットを構築する
    • Evalsで正確性、忠実性、ツール選択の性能を定量的に測定する
  • エンタープライズ展開とLLMOps:
    • 厳格なエンタープライズのセキュリティ境界内にエージェントを展開する
    • ArizeやSentryなどでモデル呼び出し、ツール実行、レイテンシのボトルネックをエンドツーエンドでトレースする
    • 本番の障害モード(コンテキストの欠落、ツールの誤選択、スキーマの不一致)を分類する
    • 分類結果をもとにパイプラインのロジックを反復的に最適化する

■ 6. AI時代のキャリア生存戦略

  • 二極化するテック業界:
    • 上流コンサルタントは戦略のプレゼン資料は作れるが、実行可能なコードをリリースできない
    • コモディティ化されたコーダーは仕様書に基づき決定論的なロジックを書き、AIで急速に自動化されていく
  • FDEという中間のポジション:
    • 両極の中間にある、希少で高い報酬を得られるポジション
    • エンタープライズの業務を精査するビジネス感覚を持つ
    • 確率的なエージェントシステムを設計、展開、観測する技術的な厳密さを兼ね備える
  • エンジニアに迫られる選択:
    • 何もせず、コーディングツールでコードを書くエンジニアという役割を続ける道
    • 現在のスキルを進化させ、価値の高い業務課題を解決するFDEの能力を身につける道

要約:

■ 1. 総評

  • 本文の構成:
    • 従来型エンジニアがFDEへ移行できない理由を3点挙げる
      • 決定論的思考
      • 仕様書への依存
      • APIラッパーという思い込み
    • FDEに必要な4段階のスキルを示し、キャリアの二極化を根拠にFDEへの転換を勧める構成
  • 技術的指摘の妥当性:
    • AIエージェントが確率的なシステムである点は一定の妥当性を持つ
    • API呼び出しより運用基盤の構築が難しいという指摘も一定の妥当性を持つ
  • 根拠の欠如:
    • タイトルの「90%」を含め、定量的・実証的な根拠が一つもない
  • 論証上の問題:
    • 批判対象の「従来型エンジニア」は戯画化されている
    • 結論部は二択を装った選択肢で読者を誘導している
  • 利害関係:
    • 筆者はFDE育成プログラムを販売する企業のCEOであり、本文はその宣伝導線に組み込まれている
    • 利害関係への自覚的な言及がなく、論証の中立性は大きく損なわれている

■ 2. タイトルの「90%」と本文の不整合

  • 根拠なき数値:
    • 90%という数値の出典も算出根拠も本文に一切ない
    • 根拠のない数値で印象を強めるアンカリングであり、主張の信頼性を損なう
  • 「なれない」との不整合:
    • タイトルの「なれない」は能力的な不可能性を示唆する
    • 本文の挙げる理由はいずれも思考様式や姿勢の問題であり、矯正可能なものとして描かれている
    • 結論部でも「スキルを進化させる」選択肢が提示されている
    • 「なれない」と「移行に失敗する」は意味が異なり、タイトルと本文の主張が噛み合わない
  • 解釈の余地:
    • 「現状のままではなれない」の意味なら矛盾は解消される
    • ただし、その解釈の妥当性は文章中の記述から判別できない

■ 3. 導入部の前提設定

  • 感情的訴求:
    • 冒頭で読者のスキルが価値を失いつつあると断定し、不安を喚起している
    • 根拠は「出力品質が毎月向上しているのは事実」という一文のみで、データも出典もない
    • 感情的訴求による論理の補強に該当する
  • 留保と断定の矛盾:
    • 複雑なタスクでの品質に議論の余地があると留保しながら、直後に「確実に変わりつつある」と断定している
    • 留保が結論に反映されていない
  • 隠れた前提:
    • FDEのスキルを身につけるべきだという主張を、出所を伏せたまま筆者自身の前提として採用している
    • 誰の主張か、妥当かの検討がなく、隠れた前提として論証の土台に置かれている

■ 4. 決定論という思考の罠

  • 妥当な技術的指摘:
    • AIエージェントは確率的なシステムであり、スタックトレースで原因を追えない失敗が起こる
    • 失敗例はハルシネーション、スキーマの読み違え、コンテキストの取りこぼし
    • 技術的事実として概ね妥当
  • ストローマン論法:
    • 従来型エンジニアがネストしたif/else文を何千も書いて抑え込もうとするという記述は極端な戯画化
    • そうした行動が一般的だという観察や事例は示されていない
  • 前提の誤り:
    • 「従来型エンジニア=決定論でしか考えられない」とする前提に根拠がない
    • 分散システム、並行処理、機械学習システムなど非決定的な挙動を扱う従来型エンジニアリングは存在する
    • この単純化は前提の誤り、少なくとも不完全な帰納
  • 比較の欠如:
    • Evals、ガードレール、オブザーバビリティによる制御というFDE側の手法を列挙している
    • それがif/elseより有効だという比較や根拠はなく、対比の構図だけで優劣を示している

■ 5. 仕様書への依存

  • 一定の説得力:
    • 非技術者のビジネスユーザーが確率的なシステムの振る舞いを形式的な仕様に落とし込めないという理由づけ
  • 論点の過大化:
    • 完璧な仕様書が存在しないことは従来の開発でも広く認識されている
    • AI時代に固有の問題として提示するのは過大化
    • アジャイル開発や要件定義への関与など、従来型エンジニアが仕様策定に関わる実態を無視している
  • ストローマン論法:
    • 仕様書が渡されるまで席で待つという描写も、論点4と同様の戯画化
  • 対象範囲の曖昧さ:
    • 見出しでは「従来型のシステムエンジニア(SE)」、論点全体では「ソフトウェアエンジニア」を対象としている
    • 日本のSIer文脈の「SE」と一般的な「ソフトウェアエンジニア」は職務範囲が異なりうる
    • 多義語の濫用のおそれがあり、どちらを指すかは文章中の記述から判別できない

■ 6. 「APIラッパー」という思い込み

  • 妥当な主張:
    • LLM APIの呼び出し自体は基本的な連携作業にすぎない
    • 本当に難しいのは不安定な推論エンジンの周囲に運用基盤を築くこと
    • 論点として妥当で、内部の論理にも大きな破綻はない
  • 前提の根拠不足:
    • 多くの開発者がそう思い込んでいるという前提に根拠がなく、批判対象の規模を確認できない

■ 7. FDEに必要な4段階のスキルスタック

  • 4つのスキル:
    • 現場の業務精査
    • 作って学ぶ反復
    • ベンダー中立なアーキテクチャ
    • エンタープライズ展開とLLMOps
  • 具体性:
    • 具体的なツールや手法名を伴って列挙されており、記述の具体性は比較的高い
  • 構成の根拠不足:
    • なぜこの4つか、なぜ「段階」かの根拠が示されていない
    • 「段階」は習得の順序や依存関係を示唆するが、記述は並列の列挙にとどまる
  • 過度な一般化:
    • 「MVPを1週間で構築」「6か月もかけない」を、規模、業界、規制、データアクセス条件を問わず断定している
    • エンタープライズのセキュリティ制約を強調する4番目のスキルと緊張関係にあるが、調整の説明がない
  • 問題提起と処方箋の断絶:
    • 論点4〜6で挙げた失敗の理由と4つのスキルの対応関係が明示されていない
    • 論理的なつながりを欠き、構成上の弱点になっている
  • 「標準的なソフトウェアエンジニアが見落としがちな領域」という評価にも根拠がない

■ 8. キャリア生存戦略と結論の誘導

  • 二分法の濫用:
    • テック業界を「上流コンサルタント」と「コモディティ化されたコーダー」に二分し、中間にFDEを置く構図
    • SRE、MLエンジニア、プロダクトエンジニア、ドメイン専門家など他の進路を考慮していない
  • 「上流コンサルタント」を実行可能なコードをリリースできない存在と一律に規定するのも戯画化
  • 誤った二択の提示:
    • 「選択はシンプル」という締めくくりで、現状維持かFDEになるかの二択を迫っている
    • 二択を装った誤った選択肢の提示であり、結論ありきの構成の典型
  • 報酬に関する根拠不足:
    • FDEが希少で高報酬だという主張に、報酬データや市場動向などの根拠がない

■ 9. 利害関係と中立性

  • 宣伝導線との一致:
    • 筆者はFDE育成プログラムを提供する企業のCEOで、本文の冒頭と末尾に同プログラムへの誘導がある
    • 価値喪失、FDE化の必要性、多くは失敗するという流れが自社プログラムの需要を正当化する構造
  • 自覚的言及の欠如:
    • 肩書は明記されているが、利害関係が主張に与える影響への言及がない
    • 自己の立場への無自覚な偏り、および結論ありきの構成が強く疑われる
  • 選択的事実提示:
    • FDEの限界、FDEモデルが機能しない条件、移行のコストやリスクなど反対側の論点を一切検討していない

■ 10. 採点結果

  • 論理構造(3/5):
    • 問題提起、スキル、キャリアという流れは追いやすい
    • タイトルの主張(90%)が論証されておらず、失敗理由と4スキルの対応も不明確
  • 説得力(2/5):
    • 技術的指摘には部分的に説得力がある
    • 根拠の欠如と批判対象の戯画化で全体の説得力は大きく低下している
  • 主張の妥当性(3/5):
    • 確率的システムの扱いや運用基盤の重要性という核心部分は妥当
    • 「90%」「1週間でMVP」「二極化」など過度な一般化が多い
  • 証拠の質(1/5):
    • 数値、出典、事例、調査データが一切なく、主張はすべて筆者の断定に依拠している
  • 論理的健全性(2/5):
    • ストローマン論法(if/elseの戯画、席で仕様書を待つエンジニア)
    • 二分法の濫用、二択を装った誤った選択肢
    • アンカリング(根拠なき90%)、感情的訴求、結論ありきの構成
  • 中立性・客観性(1/5):
    • 自社プログラムへの誘導と論旨が直結している
    • 利害関係への自覚的な言及も反対論点の検討もない
  • 合計は12/30

■ 11. 再検討メモ

  • 論理構造の据え置き:
    • 各セクションの構成自体は明快なため3点に据え置く
    • タイトルが本文で論証されていない点は構造上の重大な欠陥であり、2点との境界にある
  • 中立性・客観性の修正:
    • 当初は肩書の明記を酌量して2点とした
    • 本文が宣伝導線に組み込まれ、論旨が自社サービスの需要の正当化と一致している
    • 反対論点への言及も皆無であり、採点が甘いと判断して1点に修正した
  • 技術的正確さの評価:
    • 確率的システムの失敗モード、MCP、Evals、LLMOpsの記述に事実誤認は見当たらない
    • これを「主張の妥当性」3点の根拠とした
    • 技術的な正確さとキャリア論としての論証の弱さは区別して評価している

MEMO: