« フォワード・デプロイド・エンジニア（FDE） »と »AIエンジニア »の求人情報は、しばしば同じスキル（Python、API、クラウドデプロイメント）を求めます。しかし、両者の職務は全く異なる日常業務をもたらす可能性があります。Analytics Vidhyaが公開したガイドによれば、その違いは主に責任の分担、各職種が直面する問題、そして成功の評価方法にあります。
FDEは、クライアントと共にソフトウェアを設計・デプロイします。AI企業では、これは言語モデル（LLM、大量のテキストで訓練されたシステム）を基盤とするワークフローを、初期構想から本番環境まで移行させることを意味することが多いです。情報源によると、OpenAIにおけるFDEの役割は、ニーズの発見、技術的枠組みの設定、システム設計、実装、デプロイメントをカバーします。クライアントの環境が仕事を形作ります：制限されたデータ、レガシーシステム、文書化されていない承認ルールなどが、解決すべき問題の一部となります。
そのアプローチは通常、使用状況の観察から学びの共有までの複数の段階を踏みます。ガイドは特に最終段階を強調しています：AnthropicのFDE職務記述書には、デプロイメントパターンを製品チームやエンジニアリングチームと共有することが明記されています。これにより、あるクライアントでの作業が、特定の修正の蓄積ではなく、再利用可能な機能へと発展する可能性があります。
AIエンジニアは、アシスタント、レコメンデーションサービス、画像認識アプリケーション、ツールを使用可能なエージェントなど、人工知能を利用するソフトウェアを設計・運用します。製品チームや社内チームでは、この作業はバージョンからバージョンへと継続することが多いです。例として、ガイドはCriteoのシニアAIエンジニアの職務を挙げており、それはエージェント、デバッグ、デプロイメント、監視、メンテナンスを含みます。
ガイドはこの継続性を、単純なケースで説明しています：コストの低いモデルは一般的な質問にはうまく答えるが、企業ポリシーに関する珍しい例外を見逃す。モデルを変更するとリクエストあたりのコストは削減されるが、品質問題が発生する。エンジニアはその時、代表的な評価ケース、レイテンシとコストの測定値、そしてロールバック手段を準備する必要があります。
違いを説明するため、ガイドは、サポートチーム向けにAIアシスタントをデプロイする小売業者を想定しています。このアシスタントは、営業ポリシーに関する質問への回答、注文の照会、承認された従業員への返金処理を担当します。FDEは、当面の障害が時代遅れのポリシーリポジトリであることを発見するかもしれませんが、AIエンジニアは、モデルのアップグレードがリグレッション（機能低下）を引き起こしたことに気付くかもしれません。ガイドによれば、これらの異なる焦点は同じエンジニアリング努力の中に位置づけられ、タスクを必ずしも固定的に分担するものではありません。
両方の役割は共通のスキルに依存します：ソフトウェアエンジニアリング、検索拡張生成（RAG、モデルにデータベースから抽出した文書を提供する技術）を含むAIアプリケーション設計、評価、本番環境への移行。FDEはさらに、クライアントに適切な質問を投げかけ、作業範囲を交渉する能力が必要です。一方、製品志向の職務では、システムに対する深く持続的な知識が求められます。
ガイドはまた、FDEの役割が »はるかに多くの職種 »を提供するという主張は、求人数の集計によって裏付けられておらず、職業選択の唯一の指針とすべきではないと述べています。情報源によると、多くのFDE職務は実装、テスト、デプロイメントを含み、コードを書く割合は雇用主によって異なります。
