OpenAIやAnthropicの動きを追っていると、この数ヶ月で目立つ共通点があります。どちらも、自社のモデルを磨くことだけでなく、顧客企業の現場に直接入り込むエンジニアの獲得に、数十億ドル単位の資金を投じ始めているのです。モデルの性能競争が一段落したわけでもないタイミングで、なぜ実装を担う人材にここまでの資金が向かうのか。この問いを一次情報から追いかけると、生成AI企業自身が直面している構造的な課題が見えてきます。
姉妹記事「FDEとは何か」では、Forward Deployed Engineer（FDE）という職種の定義と、Palantirが体系化した働き方の中身を一次情報から確認しました。本稿ではその続きとして、なぜ今、生成AIを提供する企業自身がこぞってFDEに投資しているのかを、2026年に入ってからの一次情報・海外メディアの報道から裏付け、日本企業にとっての意味を整理します。取り上げる企業動向は、いずれも2026年8月時点で確認できた情報に基づいています。
OpenAIとAnthropicが相次いでFDE型の事業に投資している
まず、実際に何が起きているのかを確認します。
OpenAIは2026年5月、「OpenAI Deployment Company（通称DeployCo）」という新会社の設立を発表しました。これは、モデルをAPIとして販売するのではなく、最先端AIの実装に特化したエンジニアを顧客企業の内部に配置するという、事業モデルそのものを目的とした会社です。OpenAIのCRO（最高収益責任者）を務めるDenise Dresser氏は、「課題はもはやモデルの性能ではなく、これらのシステムを企業のインフラと業務フローにどう組み込むかにある」という趣旨の発言をしています（参照：Winbuzzer「OpenAI Launches Deployment Company With Tomoro Acquisition」(2026年)）。この新会社は、ロンドン拠点の応用AIコンサルティング企業Tomoroを買収し、Tesco・Virgin Atlantic・Supercellといった既存顧客を持つ約150名のForward Deployed Engineer・デプロイメント専門家を初日から迎え入れる計画です。設立にはTPG・Advent・Bain Capitalなど19の投資会社・コンサルティング企業が参加し、初期投資額は40億ドルを超えるとされています（参照：同上）。
この150名のFDEが実際に何をするのかについても、報道は具体的に触れています。彼らは顧客企業の本番環境に直接組み込まれ、データパイプラインの構築、モデルの提供(サービング)、稼働監視といった、AIシステムを実際に動かし続けるための地道な作業を担うとされています（参照：同上、Winbuzzer）。派手なプロトタイプ開発ではなく、顧客企業のシステムの内側に入り込み、日々の運用に耐える形に仕立て上げる作業こそが、ここでいう「実装」の中身だということです。技術系メディアのMarkTechPostも、この動きを「顧客側のビジネス理解とAIラボ側の本番運用経験のあいだにある知識ギャップを埋めるための投資」と位置づけ、同時期にAnthropicがBlackstone・Hellman & Friedman・ゴールドマン・サックスとの合弁で、15億ドル規模（報道による評価額）の企業向けAIサービス会社を設立したことも合わせて報じています（参照：MarkTechPost「What is a Forward Deployed Engineer: The AI Role OpenAI, Anthropic, and Google Are Hiring in 2026」(2026年)）。
このAnthropic側の合弁会社は「Ode with Anthropic」と呼ばれ、2026年7月に大きく報じられました。TechCrunchの取材によれば、この構想の出発点は、投資先企業にAIを導入しようとしたBlackstoneが、大手コンサルティングファームと小規模なAI専業スタジオのあいだに「ちょうどよい規模の実装パートナーが存在しない」という空白を感じたことにあります。Blackstoneはこの空白を埋めるべくOdeの構想に至り、合弁会社Odeが米Fractional AIを買収し、それを土台としました。Fractional AI共同創業者でOdeのCEOを務めるChris Taylor氏は、この事業について「兆ドル規模の企業になることは十分に想像できる」と述べており、Odeは現在すでに100名規模のエンジニアを抱え、Forward Deployed Engineerとして顧客企業に埋め込む形で拡大を進めています（参照：TechCrunch「Anthropic and Blackstone bet the next trillion-dollar AI business is implementation, not models」(2026年)）。
MarkTechPostは、このOpenAI・Anthropicの動きを紹介する記事のタイトルに、あえて「OpenAI、Anthropic、そしてGoogleが2026年に採用している役割」という表現を用いています。生成AIを提供する主要企業が、申し合わせたわけでもないのに同じタイミングで同じ職種名を掲げ始めているという点自体が、この動きが一過性の流行ではないことを示しています（参照：MarkTechPost、前掲）。
こうした動きは、OpenAIとAnthropicの2社に限った話ではありません。TechCrunchは、エグゼクティブサーチ企業Christian & Timbersの調査を基に、企業がFDEの採用を計画する割合が、2026年初頭の5〜10%から、上半期が終わる時点で70%まで急上昇したと報じています。同記事では、即戦力となる「エリート級」のFDEは全米でも2,000人程度、市場全体でも1万7,000人程度しかおらず、その大半がすでにどこかの企業に雇用されているという人材の希少性にも触れています。大手コンサルティングファームの中には、FDE要員を10倍に増やす必要があると報告している企業もあり、20〜100名規模のチームを立ち上げる動きが広がっているとされています。年末までにはFDEに対する需要がさらに拡大するという予測も紹介されています（参照：TechCrunch「Forward-deployed engineers are the AI industry's latest talent obsession」(2026年)）。姉妹記事で紹介したLeadDevが伝えたIndeedの求人データ(前年同月比729%増)と合わせて見ると、複数の独立した調査元が、同じ方向、つまりFDEという働き方への投資が2026年に入って急拡大しているという傾向を裏付けていることになります。
同記事は、AI企業がFDEに投資する動機として、(1)これまで巨額を投じてきたモデル開発を実際の収益に変えること、(2)エンタープライズ企業への浸透を加速させること、(3)低価格化が進む競合モデルとの差別化を、実装の質で図ること、という3つの狙いを挙げています。一方で、Ode with AnthropicのCEOでもあるChris Taylor氏は、同記事の取材に対して「多くのFDEはツールの展開を支援できるが、フラッグシップと呼べるような機能を一から構築できる人材はごく少数派だ」という趣旨のコメントを寄せており、数千万ドル規模のROIを実際に生み出せる人材はきわめて限られると指摘しています（参照：同上、TechCrunch）。人材の需要そのものは急拡大していても、成果を出せる水準の実装力を備えた人材は依然として希少だという、需給のねじれがここには表れています。
モデルの能力と現場の業務のあいだにある「最後の1マイル」
なぜ、モデルを作っている当のAI企業自身が、これほどの規模でFDEに投資するのでしょうか。答えは、モデルの性能そのものではなく、その手前にある実装の工程にあります。
調査会社TBR(Technology Business Research)は、2026年7月のレポートで、この状況を「AIのラストマイル問題」と表現しています。同レポートによれば、エージェント型のAI基盤は急速に増えているものの、実際に収益化できている領域はコーディング支援など一部に偏っており、多くの企業顧客はAI活用の効果に確信を持てないまま、トークン消費量の拡大には慎重な姿勢を見せています。この状況でFDEが担うのは、単なる導入支援ではなく、次の3つの役割だと同レポートは整理しています。
1つ目は、どの業務にAIを適用すれば高い価値を生むかを、顧客企業の内部に入り込んで見極めるユースケースの発掘です。2つ目は、ワークフローや権限・承認プロセスの再設計まで踏み込んだ組織変革の支援で、単にツールを設定するだけでなく、業務の進め方そのものに手を入れる作業を含みます。3つ目は、技術的な実証(パイロット)を本番運用に移す工程で、これはコードが動くかどうかという技術検証とは別に、現場の人がその仕組みを日常的に使い続けられるかという定着の問題に踏み込みます。同レポートは、技術的な検証だけでは不十分で、変革管理(チェンジマネジメント)まで担えるかどうかが、パイロットが本番に定着するかどうかを分けると指摘しています。また、FDEというモデルが事業として成立するかどうかは、案件ごとに使い捨てのカスタム開発を繰り返すのではなく、再利用可能な仕組みをどれだけ生み出せるかにかかっているとも述べられています（参照：TBR「Forward-deployed Engineers: The Last Mile of the AI Value Chain」(2026年)）。
MarkTechPostも同様の構造を、顧客側とAIラボ側の知識ギャップという言葉で説明しています。顧客企業の技術チームは自社のビジネスや業務データを深く理解している一方で、本番環境でAIモデルを運用する経験は乏しく、逆にAIラボ側のエンジニアは大規模運用の勘所は知っていても、顧客固有のレガシーシステムやコンプライアンス要件までは把握していません。同記事は、企業の生成AI導入プロジェクトの多くが、測定可能な事業成果に結びついていないという調査結果を紹介したうえで、問題の所在はモデルの性能ではなく、導入・実装のプロセスそのものにあると位置づけています。この数字はあくまで同記事が引用する調査の一つであり、AI導入企業全体に一律に当てはまると断定できるものではありませんが、AI企業自身が「モデルを渡すだけでは成果に結びつかない」という前提のもとに巨額の投資判断を下している事実は、この構造の裏付けとして重く受け止める価値があります（参照：同上、MarkTechPost）。
つまり、モデルがどれだけ賢くなっても、それを顧客固有の業務データ・システム・意思決定プロセスに接続する工程は、自動的には埋まりません。この「最後の1マイル」を、顧客の現場に入り込んで人力で埋める役割として設計されたのがFDEであり、AI企業自身がこの役割に巨額の投資を続けているという事実そのものが、モデルの性能向上だけでは導入の壁を越えられないことの、何よりの証左だといえます。
この構図を裏づける具体例として、MarkTechPostはPalantirの実績を紹介しています。2026年第1四半期決算では、総売上が前年同期比85%増、うち米国商用売上は同133%増、米国政府向け売上も同84%増と、実装先行型のモデルが事業として機能していることを示す数字が並んでいます。さらに同記事は、農業機械大手John Deereが同社のAIソリューションを現場に導入した結果として、化学薬品の使用量を最大70%削減できたという事例にも触れています。これは、モデルという技術そのものではなく、現場の業務プロセスに合わせて作り込む実装工程まで踏み込んで初めて、数字として表れる成果が生まれることを示す一例だといえます（参照：MarkTechPost、前掲）。
この動きをどう受け止めるべきか
ここまで紹介してきた数字は、いずれも2026年に入ってから急速に広がった動きであり、まだ市場が固まりきっていない段階の情報だという点には注意が必要です。TechCrunchが報じた「70%の企業がFDE採用を計画」という数字も、あくまで一部の企業を対象にした調査に基づくものであり、実際に採用が完了し成果が出ている企業の割合を示すものではありません。また、OpenAIやAnthropicのように数十億ドル規模の資金を投じられる企業と、一般的な事業会社とでは、投じられるリソースの規模がそもそも異なります。
それでも、この動きから読み取れる本質的な示唆は揺らぎません。生成AIの性能開発を主導する企業自身が、モデルの改善だけでは顧客の現場に成果を届けきれないと判断し、実装を担う人材への投資を急速に積み増しているという事実です。これは特定の企業の一時的な採用戦略ではなく、複数の独立した調査・報道が同じ方向を指し示している以上、業界全体の構造的な変化として捉えるのが妥当だといえます。
投資額の規模が示すもの
ここまで見てきた金額を並べてみると、その規模の大きさが際立ちます。OpenAIのDeployment Companyには40億ドル超、AnthropicとBlackstoneらの合弁会社Odeには15億ドル規模（報道による評価額）の資金が投じられており、この2社を合わせると、モデル開発ではなく「実装を担う人材」に数十億ドル規模の資金・体制が向けられていることになります。これは、一般的なエンタープライズ向けソフトウェア企業の年間の研究開発費や、大手コンサルティングファームの新規事業投資の規模に匹敵する水準です。
重要なのは、この投資判断を下しているのが、生成AIモデルそのものを開発し、その性能を誰よりも把握しているはずの企業自身だという点です。モデルの改善に投資を続けるだけでは、顧客企業からの収益化にも、企業への浸透にも限界があると、当のAI企業自身が判断した結果として、この資金の使い道が選ばれています。これは、AI活用を検討する側の企業にとっても示唆的です。モデルの選定や比較に時間をかけることも大切ですが、それ以上に「誰が、どう実装し続けるか」という担い手の設計に意識を向ける必要があることを、この投資規模の大きさそのものが物語っています。
Palantirから始まった働き方の系譜
ここまで見てきたFDEという働き方は、OpenAIやAnthropicが発明したものではありません。姉妹記事で紹介した通り、この職種を最初に体系化したのはPalantir Technologiesです。同社は、顧客の現場に入り込み、既存の製品群を組み合わせながら顧客固有の課題に向き合うという働き方を、データ分析という領域でいち早く確立し、政府機関や大企業の複雑な業務要件に、汎用製品を土台にしながら対応してきました。
興味深いのは、この系譜が単なる過去の話ではなく、今まさに数字として証明されつつある点です。前述の通り、Palantirの2026年第1四半期の売上成長率は、この実装先行型のモデルが長期にわたって収益を生み続けられることを示しています。OpenAIやAnthropicがこの型を取り入れているのは、生成AIという新しい技術についても、Palantirが直面したのと同じ壁、つまり汎用的な製品をそのまま渡すだけでは顧客の現場に定着しないという壁に、改めて突き当たっているからだと読めます。Palantirがどのような経緯でこの働き方を生み出し、なぜそれが有効だったのかという歴史的な背景については、より深く掘り下げる価値のあるテーマなので、別稿で改めて扱う予定です。ここでは、FDEという言葉が今のAI業界だけの流行語ではなく、実装を軸に事業を伸ばしてきた企業の系譜の上にあるという点を押さえておきます。
日本企業にとっての意味
この動きは、日本企業にとって何を意味するのでしょうか。
これまで、多くの企業にとってAI活用は「ツールを選定し、契約し、導入する」という、購入行為の延長として捉えられてきました。生成AIのプランを契約し、いくつかの業務にチャットボットを組み込み、あとは現場が使いこなすのを待つ、という進め方です。しかし、OpenAIやAnthropicが自ら実装専門のエンジニア組織に巨額を投じているという事実は、この前提そのものを揺るがします。彼らは、自社が作ったモデルをそのまま渡すだけでは、顧客企業の現場で成果に変わらないことを、世界の誰よりも理解しているはずの立場にいます。それでもなお実装を人力で支える組織を作っているのは、AI活用の本質が「良いツールを選ぶこと」ではなく、「現場のデータと業務に合わせて、動くものを作り続けること」にあるからです。
この構図は、事業成長の途上にあるB2B企業にとって、より切実な問題として立ち現れます。パイプライン創出やCRM整備、コンテンツ制作の自動化、営業資料の刷新など、「作りたいもの」は事業が伸びるほど日々増えていく一方で、それを形にするエンジニアリングのリソースは常に不足しがちです。かといって、要件定義から仕様確定、納期調整まで含む従来型の外注は、意思決定のたびに見積もりを取り直す重さがあり、事業のスピードに対して重すぎることも少なくありません。ツールだけを導入しても、それを実際の業務フローに落とし込み、優先順位の変化に合わせて動かし続ける担い手がいなければ、宝の持ち腐れになってしまいます。実際、AIツールを導入したはずなのに、いざ現場で使い続けようとすると「誰も設定を触れる人がいない」「業務データに合わせて調整する余力がない」という壁に直面する企業は少なくありません。
マーケティングや事業開発の責任者という立場からすると、この壁はさらに具体的な形で表れます。エンジニア採用は簡単には間に合わず、外部に発注しようにも仕様確定や納期調整の重さが事業のスピード感と合わず、結局「ツールは入れたものの、それを日々の業務に合わせて動かし続ける人がいない」という状態のまま止まってしまう、という悩みです。OpenAIやAnthropicが直面しているのが、モデルという最先端技術を顧客企業の現場に接続する「最後の1マイル」だとすれば、事業会社側が直面しているのは、導入したツールを実際の商談・コンテンツ・顧客対応という日々の業務に接続する、同じ構造の「最後の1マイル」だといえます。
日本企業にとっての示唆は、AI活用を「ツール購入」の延長として扱うのをやめ、「現場で作り続ける体制」をどう持つかという問いに切り替えることにあります。この発想の転換自体は、必ずしも巨額の投資を必要としません。重要なのは、誰が現場に入り、優先順位が変わるたびに実装を作り直し、動くものを届け続けるのかという、担い手の設計です。この担い手を自社のエンジニアとして採用するのか、外部の専門人材に委ねるのかは事業によって異なりますが、「担い手を設計する」という発想そのものを持ち帰れるかどうかが、AI活用が実際の成果につながるかどうかの分かれ目になります。
この型を自社で持てない企業の選択肢
とはいえ、OpenAIやAnthropicのように、40億ドル規模の新会社を立ち上げてFDEを大量採用するようなやり方を、そのまま日本の一般的な事業会社が真似できるわけではありません。社内にFDEという専門組織をゼロから立ち上げられる企業は限られますし、TechCrunchが報じた通り、成果を出せる水準のFDE人材は世界的に見ても希少です。特にエンジニアの採用競争が激しい今、優秀な実装人材を自社だけで確保し続けるのは、事業の段階によってはハードルが高い選択です。
この場合の現実的な選択肢の一つが、FDE型の支援を外部から受けることです。自社で採用するか、外注として仕様を固めて発注するかという二択ではなく、専属のエンジニアが現場に入り込み、優先順位が変わるたびに動くものを作り直しながら伴走するという、第三の型です。この型であれば、自社でエンジニア組織を抱える固定費を負わずに、「現場で作り続ける体制」だけを外部から補うことができます。
特に、パイプライン創出や事業成長の速度が求められる段階の企業にとっては、自社採用にかかる採用期間や、従来型外注にかかる仕様確定の手間を待つ余裕がないことも多くあります。そうした場合、専属チームを月額定額で確保し、必要な期間だけ現場に入ってもらうという形は、意思決定のスピードと、実装の継続性を両立させる選択肢になり得ます。自社採用・従来型外注・FDE型支援という3つの選択肢をどう判断すべきかについては、姉妹記事「AI実装は外注か内製か」で詳しく整理していますので、あわせてご覧ください。費用感や契約形態の具体像については、姉妹記事「FDE型支援の費用感と契約形態」もあわせてご参照ください。
何から着手すればよいか
OpenAIやAnthropicの規模を真似る必要はありませんが、この動きから持ち帰れる問いは、事業規模を問わず共通しています。それは、「自社の業務のなかで、AIの能力が届いていない『最後の1マイル』はどこか」という問いです。
たとえば、CRMに入力された商談データはあっても、それを基に次に架電すべきリードを判断する仕組みが動いていない、コンテンツの下書きはAIで作れるようになったが、自社のトンマナやブランドの文脈に合わせて仕上げる工程は結局人力のまま、休眠リードの山はあるものの掘り起こす優先順位づけが手つかず、といった状態が典型例です。こうした「あと一歩」が埋まっていない業務を一つ具体的に洗い出し、そこに現場で作り続ける担い手をどう配置するかを考えることが、ツール導入の先にある実装の第一歩になります。
すべての業務を一度に変えようとするのではなく、最も価値の大きい一箇所から着手し、動くものを実際に届けながら次の優先順位を決めていくというやり方は、ここまで見てきたFDEという働き方の進め方そのものでもあります。見積もりを完璧に固めてから着手するのではなく、まず小さく動くものを作り、現場の反応を見ながら次に何を作るかを決める。この順序の逆転こそが、OpenAIやAnthropicが投資している実装の型の本質であり、規模の大小を問わず取り入れられる考え方です。
Respectifyが取り組んでいること
OpenAIやAnthropicがFDEに投資しているのは、あくまで彼ら自身の顧客企業、つまりエンタープライズ規模の大企業向けの話です。事業成長の途上にある日本のB2B企業にとっては、同じ規模の投資は現実的ではありませんが、その根底にある「現場で作り続ける担い手を確保する」という発想は、規模の大小を問わず参考にできます。
弊社Respectifyでは、Respectify STUDIOという名称で、この海外でFDE(Forward Deployed Engineer)と呼ばれる型に近い支援を提供しています。専属のチームが顧客企業のマーケティング・営業領域の現場に入り込み、準委任・月額定額の体制で、見積もりを先に固めるのではなく、毎週動くものを届けながら実装を進めるという進め方です。ツールを導入して終わりにせず、現場で作り続ける体制そのものを、外部から補う選択肢として位置づけています。詳しくはRespectify STUDIOのページをご覧ください。個別の状況について相談したい方は、無料相談からお気軽にお問い合わせください。
まとめ
OpenAIは2026年5月に40億ドル規模のDeployment Companyを、Anthropicは同時期にBlackstoneらとの15億ドル規模（報道による評価額）の合弁会社Odeを、それぞれ立ち上げました。企業がFDE採用を計画する割合も、2026年上半期だけで5〜10%から70%へと急上昇しています。この動きの背景にあるのは、モデルの性能がどれだけ上がっても、それを顧客固有の業務・データ・意思決定プロセスに接続する「最後の1マイル」は、人の手でしか埋められないという構造です。Palantirが体系化したこの働き方を、AI企業自身が今、自らの事業の柱として取り入れています。
ここで押さえておきたいのは、これが一時的な採用ブームではなく、モデルを作る側の企業自身が下した事業判断だという点です。生成AIの性能そのものを誰よりも把握している企業が、性能向上への投資と並行して、実装を担う人材への投資も同じ規模で積み増しているという事実は、AI活用の成否が今後ますます「実装をどう担うか」にかかっていくことを示唆しています。日本企業にとっての意味は、AI活用を「ツール購入」ではなく「現場で作り続ける体制づくり」として捉え直すことにあります。この体制を自社で持つべきか、外部の支援を受けるべきかは、事業の段階によって判断が分かれます。FDEという働き方そのものの定義や、Palantirとの違いを含めた基礎については、姉妹記事「FDEとは何か」もあわせてご覧ください。
