FDEExecutive Research Board
FDE Research / 2026-07-06

FDEは受託開発ではなく、現場接続型の継続課金モデルである

顧客現場、データ接続、プロダクト化、月次改善を1つのループにする。Palantir型FDEから、AI導入支援サービスの設計へ落とし込むための判断ボード。

サービス設計を見る 継続条件を確認
13Palantir代表事例
10他社FDE比較
6+6必須条件 / 危険条件
3-6M推奨する最低契約期間
顧客現場の業務システム、データストリーム、AI基盤を接続するFDEの概念ビジュアル
現場の業務カード、データ接続、AI基盤を1つの業務OSへ束ねる。 Field → Product → Revenue
01 / ESSENCE

FDEの本質

FDEは「顧客の現場に入るエンジニア」だが、常駐開発やコンサルとは価値の発生地点が違う。顧客業務を本番システムへ接続し、学びをプロダクトに戻す役割である。

コンサル

  • 成果物分析、提案、ロードマップ
  • 価値発生地点意思決定前の整理
  • 継続理由論点が更新される時

受託開発

  • 成果物個別システム、機能、納品物
  • 価値発生地点開発完了・リリース時
  • 継続理由保守、追加開発、仕様変更

FDE

  • 成果物本番業務に接続されたAI/データワークフロー
  • 価値発生地点現場で毎日使われ、KPIが改善する時
  • 継続理由月次改善、横展開、共通資産化
現場で 難題発見 既存基盤を 接続 短期で 業務システム化 成果ユースケース 横展開 パターンを プロダクトへ還元 継続課金 拡張契約 / テンプレート化
02 / VALUE LOOP

FDEは「現場で作る」を「売れる型」に戻す職能

Palantir型の強さは、個別顧客の難題を解くこと自体ではなく、その解決をFoundry/Gotham/AIPの価値、顧客内の横展開、長期契約へ変えることにある。

Field Discovery Production Workflow Expansion Product Feedback
03 / CASE MAP

事例マップ

FDEに近い企業は「個別実装」だけではなく「本番業務運用」と「プラットフォーム化」の右上へ向かっている。AI導入支援会社が狙うべき勝ち筋もこの象限にある。

本番業務運用 導入支援 個別実装 プラットフォーム化
PalantirFoundry / AIP
OpenAIDeployment
DatabricksData + AI
JAPAN AISTUDIO
LayerXAI Workforce
HelpfeelKnowledge
RampAgents
GenerativeXRegulated AI
CognitionCodebase
Scale AIData infra

Palantir Origin model

顧客Airbus, U.S. Army, NHS, bp, Rio Tinto, Hertz
現場航空製造、防衛、医療、エネルギー、鉱業
基盤Foundry / Gotham / AIP
  • 何をしているか: 顧客の分散データ、権限、現場ワークフローをOntology化し、意思決定アプリや運用UIとして本番業務に接続する。
  • 代表例: AirbusではA350生産データを統合し、Skywiseへ拡張。Army Vantageでは短期導入から複数年ミッションシステムへ。
  • 継続課金: 1ユースケースがデータ基盤になり、部門・業務・ユーザー数が増える。FoundryからAIPへのアップセルも起きる。
  • 示唆: FDEの原型は「個社支援」ではなく、現場成果をプラットフォーム価値へ変換する収益モデル。

OpenAI Deployment Company AI deployment

顧客BBVA, Tesco, Virgin Atlantic, Supercell, John Deere
現場金融、小売、航空、ゲーム、農業/製造
基盤OpenAI models + enterprise workflows
  • 何をしているか: 重要ワークフローを診断し、顧客データ、ツール、統制、業務プロセスへOpenAIモデルを接続する。
  • 代表例: Tomoro由来のチームはTesco、Virgin Atlantic、Supercellなどのミッションクリティカル業務を扱うと公式発表。
  • 継続課金: モデル・ツール・デプロイパターンが更新され続けるため、導入後も改善余地が残る。
  • 示唆: 生成AIはSaaS単体では業務に刺さりにくく、FDE的な変革管理と本番接続が価値になる。

Databricks Data + AI

顧客Fox, JPMC, Qualcomm
現場メディア、金融、半導体/製造
基盤Lakehouse, Apps, Genie, Lakebase
  • 何をしているか: 顧客のデータ/AI課題に対し、データエンジニアリング、AI、アプリ開発を横断して本番化する。
  • 代表例: Foxはスポーツ体験を再設計。JPMCは大規模データ移行とユーザー教育。Qualcommも公開顧客として提示。
  • 継続課金: 共有OKR、利用時間、移行量、教育人数などで価値を測り、データ基盤利用とAIアプリ拡張へつなぐ。
  • 示唆: FDEは「AIモデルを入れる」ではなく、データ品質、アプリ、ユーザー教育まで含む。

LayerX Japan / workflow

顧客文書量が多い大企業、金融・商社系エンタープライズ
現場バックオフィス、文書業務、資料作成
基盤Ai Workforce
  • 何をしているか: 業務理解、AIオンボーディング、ワークフロー構築、資料読解/生成の自動化を顧客現場へ持ち込む。
  • 代表例: Microsoft顧客事例では、Ai Workforceがドキュメント活用、資料作成、反復タスク自動化を支援。
  • 継続課金: 顧客の複雑な業務プロセスをAIワークフロー化し、利用範囲とワークフロー数を増やす。
  • 示唆: 日本企業向けFDEは「現場の文書・稟議・バックオフィス」を入口にしやすい。

JAPAN AI SaaS-like FDE

顧客約200社、多業界
現場営業、CS、バックオフィス、既存SaaS連携
基盤JAPAN AI STUDIO
  • 何をしているか: 顧客の既存SaaSを把握し、AI介入ポイントを設計し、STUDIO上でワークフローを構築する。
  • 代表例: 求人上ではPoC、本番導入、定着、プロダクトフィードバックまでを明示。
  • 継続課金: 明確に受託開発ではなく、プラットフォーム利用料でSaaS的スケールを狙う。
  • 示唆: AI受託会社がFDE化するなら、独自基盤やテンプレートを持つほど粗利と継続性が上がる。

Helpfeel Knowledge integration

顧客京都電子工業、きらやか銀行など
現場FAQ、マニュアル、問い合わせ、社内文書
基盤Helpfeel + existing systems
  • 何をしているか: 企業内に散らばるFAQ、マニュアル、問い合わせ履歴、既存システムをつなぎ、使えるナレッジへ変換する。
  • 代表例: FDE記事では、既存システム連携がSaaS導入の限界を超える役割として説明されている。
  • 継続課金: ナレッジは更新され続けるため、運用支援、傾向分析、コンテンツ改善が月額理由になる。
  • 示唆: 社内ナレッジ、議事録、Drive/文書検索の支援は、FDE型サービスにしやすい。

Ramp Agentic SaaS

顧客最大・複雑顧客
現場支出管理、経理、承認、決算
基盤Ramp + internal/external agents
  • 何をしているか: 最大顧客向けに内外部AIエージェントを構築し、顧客課題を理解しながらプロダクト判断にも関与する。
  • 代表例: 求人ではSales、Solutions、CS、Account Managementと連携し、顧客価値を時間とともに拡張すると記載。
  • 継続課金: コアSaaSの利用範囲、上位プラン、顧客別自動化が拡張余地になる。
  • 示唆: 既存SaaSを持つ企業は、FDEを「大型顧客攻略 + プロダクトロードマップ入力」に使う。

GenerativeX / Cognition / Scale AI Specialized lanes

顧客みずほFG、Nubank、AI研究所/政府等
現場規制業務、コードベース、AIデータ基盤
基盤Vertical AI / Devin / Data infra
  • 何をしているか: 規制業務、開発組織、AIデータ基盤など、難易度の高い専門領域で実装と運用を支援する。
  • 代表例: GenerativeXは金融・製薬などの規制業務、Cognitionは顧客コードベース、Scale AIはデータ品質/評価基盤に寄る。
  • 継続課金: 規制変更、移行、評価、データ品質改善など、終わらない運用課題を月額化する。
  • 示唆: 広義FDEは横に広げすぎず、最初は「専門領域の勝ちパターン」を絞るほど強い。
1. 本番業務が入口デモやPoCではなく、病床運用、航空製造、経理、問い合わせなど毎日動く業務に入っている。
2. 既存システム接続CRM、FAQ、文書、データ基盤、権限、監査ログなどに接続して初めて価値が出る。
3. 共通基盤へ還元個社実装をOntology、AI Studio、Ai Workforce、Agents、テンプレートへ戻している。
4. KPIで契約更新利用時間、処理量、削減時間、教育人数、業務成果で継続課金を説明している。
04 / RECURRING REVENUE

継続課金条件

月額化の源泉は工数ではない。顧客の本番業務に入り、KPIを更新し続ける責任がある時に、FDEは継続課金モデルになる。

必須条件

  • ✓本番業務に接続している
  • ✓顧客データ、既存SaaS、権限、監査に接続している
  • ✓成果指標が業務KPIで定義されている
  • ✓導入後の定着、教育、運用改善が契約に含まれている
  • ✓個社実装をテンプレートやコネクタへ戻せる
  • ✓AIや業務ルールが継続的に変化する

危険条件

  • !「AIで何かしたい」だけで、責任者やKPIがない
  • !データがない、権限が取れない、API接続できない
  • !導入後の運用・改善・教育が契約外
  • !個社カスタムが強く、共通資産に戻らない
  • !生成AIの精度保証やSLAを安易に約束する
  • !外部API利用、同意、マスキング、ログ設計が曖昧
05 / SERVICE MODEL

サービス設計

提供すべきものは「単発のAI受託開発」ではなく、業務OS導入と月次改善。初期診断で勝ち筋を絞り、本契約で本番化し、共通資産に戻す。

Recommended Service Model

AI業務OS導入 + 月次改善スプリント

現場業務をAI/データ/既存SaaSへ接続し、月次でKPIを改善するFDE型サービス。

2-4W初期診断
3-6M最低契約
KPI月次レポート
Asset共通資産化
01

初期診断

業務棚卸し、ROI試算、データ/API接続可否、PoC候補、リスク整理。無料PoCではなく有料で切る。

02

本契約

AIワークフロー/エージェント実装、利用率レポート、評価データ更新、権限/監査対応、追加ユースケース探索。

03

共通資産化

個社秘密を除き、コネクタ、評価観点、業務テンプレート、プロンプト、運用手順をFDEプレイブックへ戻す。

Q1毎週または毎月、必ず繰り返している高負荷業務は何か
Q2その業務の責任者と現場協力者は誰か
Q3成果KPIは時間、件数、売上、品質、リスクのどれで測れるか
Q4必要データはどこにあり、APIや権限取得は可能か
Q5情シス・法務・セキュリティ承認に何が必要か
Q63か月後に「継続する」と判断する条件は何か

提供すべきもの

AI受託開発ではなく、AI業務OS導入 + 改善スプリント。

避けるべきもの

KPIなしPoC、権限なし案件、導入後運用が契約外の単発見積。

初期ターゲット

営業/CS、経理、社内ナレッジ、PM支援。KPIとデータ接続が見える領域から始める。

主要出典を開く
Palantir Blog: Dev versus Delta Palantir Blog: A Day in the Life of a FDSE Palantir Docs: AI FDE Palantir Impact: Airbus Palantir Impact: Cleveland Clinic Palantir Impact: Tampa General Hospital Palantir IR: Army Vantage Palantir SEC S-1 OpenAI Deployment Company Anthropic FDE Applied AI Role Databricks FDE Launch Ramp AI Forward Deployed Role LayerX FDE Article JAPAN AI FDE Role Helpfeel FDE Article GenerativeX Case Studies