最近、企業が「ソフトウェアエンジニア」という呼び方ではなく、MTS、つまりMember of Technical Staffという肩書きを使い始めているという話を目にしました。参考にしたのは、＠ITの記事「なぜAI企業は社内で『ソフトウェアエンジニア』と呼ばなくなったのか」です。最初に見たとき、私は少し引っかかりました。ソフトウェアエンジニアが消えるという話なのか。それとも、名前だけが新しくなった話なのか。

私は、ここに今のAI時代らしい変化が出ていると感じています。ソフトウェアを書く人、AIを扱う人、データを扱う人、現場に入り込んで業務を変える人。これらが以前よりも分けにくくなってきました。生成AIやAIエージェントの普及によって、コードを書くこと自体は少しずつ民主化しています。もちろん、専門性が不要になるわけではありません。むしろ逆です。専門性の価値は残ります。ただし、その専門性をどこに届けるのか、どの成果に結びつけるのかが、より強く問われるようになっています。

昔であれば、エンジニアは開発組織の中でソフトウェアを作る人、という理解でおおよそ通じました。ところが今は、営業、企画、人事、製造、教育、行政、第一次産業の現場まで、あらゆる場所でAIとソフトウェアが入り込んでいます。そこで必要になるのは、単に作れる人ではありません。現場を理解し、業務を理解し、責任の所在を理解しながら、使える形に落とし込める人です。ここが、MTSやFDEという言葉を考えるうえで大事な入口だと思います。

MTSという言葉は、Member of Technical Staffの略です。直訳すれば技術スタッフの一員、あるいは技術職メンバーという感じでしょうか。OpenAIやAnthropicのようなAI企業で、著名な技術者がこの肩書きを名乗るようになっているという文脈があります。外から見ると格好いいですし、世界の先端企業が使う肩書きであれば、日本でもいずれ注目される可能性は十分あります。

ただ、私はここで少し冷静に見たいと思っています。MTSは、かなり広い言葉です。ソフトウェアエンジニア、データサイエンティスト、AI研究者、インフラ技術者、プロダクト寄りの技術者まで、まとめて「技術スタッフ」と呼べてしまいます。幅が広いことは便利ですが、便利な言葉ほど、何をする人なのかが見えにくくなる危うさもあります。

たとえば日本企業で「技術者」と言ったとき、そこには機械、電気、電子、組込み、ソフトウェア、情報システム、品質、生産技術など、多様な職種が含まれます。大きな企業グループでは、何千人、何万人という技術者がいます。その人たちを一括りに「MTS」と呼ぶことはできます。しかし、その呼び方だけで、誰がどの現場で、何に責任を持ち、どんな成果を出すのかまでは分かりません。

つまりMTSは、技術職の範囲を広げる言葉としては有効です。一方で、現場成果や事業責任まで踏み込む言葉としては、もう一段の説明が必要です。肩書きが新しくなった瞬間は盛り上がります。しかし、肩書きだけで実力や責任が証明されるわけではありません。ここを見誤ると、ただの流行語で終わってしまいます。

私がFDEにこだわっている理由は、ここにあります。FDE、Forward Deployed Engineerは、技術を持っているだけではなく、現場へ前に出ていくエンジニアです。現場の課題、顧客の事情、業務の制約、組織の空気、意思決定の遅さ、責任の重さまで含めて向き合う存在です。

AI時代には、きれいなプロトタイプを作るだけならかなり速くなります。生成AIに頼めば、アプリの雛形も、資料も、分析のたたき台も出てきます。では、それを会社として使える状態にできますか。トラブルが起きたときに説明できますか。現場の人が安心して使えるように運用できますか。ここで急に話が重くなります。

私は、責任という言葉を軽く扱ってはいけないと思っています。責任とは、気合いの話ではありません。最後に誰が決めるのか、誰が説明するのか、誰が直すのか、誰が費用を負担するのか、誰が事業として引き受けるのかという話です。AIエージェントがどれだけ賢くなっても、この部分は人間と組織に残ります。

FDEは、まさにこの責任の近くに立つ仕事です。もちろん、FDEという肩書きを名乗ったから偉いわけではありません。大切なのは、現場の成果に対して逃げずに関われるかどうかです。ソフトウェア、AI、データ、業務、顧客、経営。この間を行ったり来たりできる人材こそ、これからのデジタル・トランスフォーメーションで必要になると私は考えています。

事例: 生成AIで作ったアプリを会社で使うときに起きること

たとえば、ある部門の担当者が生成AIで小さな業務アプリを作ったとします。入力フォームがあり、データを集計し、簡単なレポートを出してくれる。最初はとても便利です。周囲も「これでいいじゃないか」と喜びます。

ところが、実際に業務に入れると別の問題が出てきます。個人情報は入っていないか。権限管理はどうするのか。データの保存先はどこか。計算ロジックは説明できるのか。AIが誤った推論をしたとき、誰が気づくのか。退職や異動があったとき、誰が保守するのか。ここまで来ると、単に「作れました」では足りません。

この場面でMTS的な人は、技術面を幅広く見られるかもしれません。システム構成、データ、AIモデル、セキュリティ、運用の観点を整理できます。一方でFDE的な人は、さらに現場の責任者と対話し、業務フローを確認し、どこから正式運用に乗せるかを決めていきます。現場が本当に困っていることを聞き、経営側が許容できるリスクを確認し、段階的に導入する。

私は、これからの企業にはこの両方が必要だと思います。技術を広く見るMTS的な視点と、現場成果に踏み込むFDE的な動き。この二つが組み合わさることで、生成AIは「便利な試作品」から「事業で使える仕組み」に変わります。

事例: FDE検定に向き合う人たちの眼差しから見えること

FDE検定の試験監督をしていると、受検される方々の真剣な姿勢に触れることがあります。肩書きを得たい、証明を持ちたい、自分のキャリアパスを言語化したい。そうした思いは、とても自然で健全なものだと私は感じています。

人は、自分が何者なのかを外に向けて示したくなるものです。私自身も、本を書いたり、発信を続けたりしているのは、自分の考えや責任を社会に伝えるためでもあります。変化の速い時代には、黙っていても分かってもらえる、という前提は通用しにくくなります。自分は何ができるのか。どこまで引き受けるのか。どんな現場で役に立てるのか。それを示す必要があります。

資格や検定は万能ではありません。資格があるからすぐに成果が出るわけでもありません。しかし、学ぶ範囲を整理し、自分のスキルセットを見直し、次のスキルチェンジへ向かうきっかけにはなります。特にFDEのように新しい職種概念を扱う場合、共通言語を作ること自体に意味があります。

大事なのは、検定をゴールにしないことです。検定は入口です。その先に、現場でどう動くか、AIをどう使うか、責任をどう引き受けるかがあります。私は、FDE検定を通じて、そこまで考えられる人を増やしていきたいと思っています。

事例: 農業、漁業、林業にもFDE的な人材は必要になる

FDEというと、IT企業やAI企業の話に聞こえるかもしれません。しかし私は、むしろ全産業に関係する話だと考えています。農業、漁業、林業、製造、物流、医療、教育。どの現場にも固有のノウハウがあります。水分量を読む力、機械の癖をつかむ力、人の動きを見る力、季節や天候を踏まえて判断する力。こうした現場知は、机上のデータだけでは理解できません。

一方で、そこにAIやIoTやデータ活用が入ってくることは避けられません。センサーで状態を見える化する。AIで異常を検知する。作業記録を自動化する。需要予測を立てる。人手不足を補う。こうした取り組みは、DX推進そのものです。

しかし、現場にテクノロジーを置けば変わるわけではありません。現場の人が納得して使えること、業務に無理なく入ること、成果が説明できることが必要です。ここでFDE的な人材が効いてきます。技術を知っているだけでも、現場を知っているだけでも足りません。両方をつなぐ人が必要です。

私は、農業FDE、漁業FDE、林業FDEのような考え方があってもよいと思っています。少し大胆に聞こえるかもしれませんが、全産業にAIが入るなら、全産業に「現場で成果を出す技術者」が必要になるはずです。

MTS、FDE、ソフトウェアエンジニア、データサイエンティスト、AIエンジニア。名前はこれからも増えるでしょう。日本人は三文字熟語も略語も好きですし、海外の先端企業から入ってくる言葉にはどうしても影響を受けます。外圧と言ってしまうと少し乱暴ですが、新しい言葉が入ってくることで、キャリアの見方が変わることはあります。

ただし、読者の皆さんにお伝えしたいのは、肩書きだけを追いかけない方がよいということです。大切なのは、責任の範囲です。自分はコードだけを書くのか。仕様まで見るのか。業務設計まで踏み込むのか。顧客や現場の期待値調整まで担うのか。運用後の改善まで見るのか。ここを言語化した方が、キャリアパスはずっと見えやすくなります。

人事や育成の立場で見ると、ここは特に重要です。デジタル人材育成では、スキル一覧を作るだけでは足りません。何ができるかだけでなく、どこまで任せられるかを設計する必要があります。生成AIを使える、Pythonを書ける、クラウドを触れる。それも大切です。しかし、現場の成果にどうつながるのかが見えなければ、評価や配置につながりません。

これからのリスキリングは、知識の追加だけではなく、責任の取り方を変える学びでもあります。私はこれを、マインドセットの変化、マインドシフト、そしてマインド・トランスフォーメーションとして捉えています。人や組織の変化で詰まったときの参考図書として、私の著書『マインド・トランスフォーメーション AI時代の思考革命』も、必要に応じて手に取っていただければと思います。

生成AIやAIエージェントが進化すると、人間の仕事はなくなるのかという問いが必ず出てきます。私は、単純にはそうならないと考えています。むしろ、人間の役割は「作業」から「判断」「接続」「責任」へ移っていきます。

AIは速いです。文章も書きます。コードも書きます。調査も要約もします。画像も作ります。ですが、AIには限界もあります。ハルシネーションのリスクがあります。文脈を取り違えることがあります。現場の暗黙知を知らないことがあります。組織の力学や顧客との関係性までは、最後は人間が見なければなりません。

だからこそ、AIを使える人材は強いのですが、AIに任せきりにする人材は危ういのです。MTS的に広く技術を理解し、FDE的に現場へ踏み込み、必要なところで人間が判断する。この組み合わせが、AI時代の実践力になります。

私は、AIを怖がりすぎる必要はないと思います。同時に、AIを魔法の箱のように扱うのも違います。技術を現場で使うとは、便利さと責任を一緒に持つことです。この感覚を持てるかどうかが、これからのデジタル人材の分かれ目になります。

最後に、この記事を読んだ方が今日からできる確認を三つ挙げます。

一つ目は、自分の肩書きではなく、自分が引き受けている責任を書き出すことです。何を作れるかだけでなく、何を説明できるか、何を改善できるか、どこまで現場と対話できるかを見てください。

二つ目は、AIで作ったものを業務に入れる前に、誰が保守するのか、誰が判断するのか、誰が止めるのかを確認することです。これは面倒に見えますが、ここを曖昧にしたまま進めると、あとで必ず苦しくなります。

三つ目は、MTSやFDEという言葉を、自分の会社の人材育成にどう翻訳するかを考えることです。外から来た言葉をそのまま輸入しても、現場には根づきません。自社の業務、自社の評価制度、自社のキャリアパスに合わせて、どのようなスキルセットとマインドセットが必要なのかを整理する必要があります。

MTSもFDEも、良い悪いの話ではありません。大事なのは、いろいろなキャリアの人が現場に降りてきて、AIやソフトウェアを使いながら成果を出すことです。私は、そのための学びと仕組みづくりを、これからもせっせと進めていきます。読者の皆さんはどうでしょうか。自分の肩書きの先に、どんな責任と成果を置きたいでしょうか。

近森満（ちかもり みつる） 株式会社サートプロ 代表取締役CEO ／ DXコンサルタント／IT人材育成／検定事業化 IT技術者の教育支援と人材育成を専門とする事業化コンサルタントとして、2006年に株式会社サートプロを創業し、IoT検定・＋DX認定・アジャイル検定などの資格制度を創出。独自の技術者向け教育研修の開発に定評があり、実践的なスキル向上を支援。経済産業省DX推進ラボおよびIoT推進ラボのメンターとして自治体や中小企業のDX推進を支援。近年は超知性ASIスキル可視化にも取り組み、次世代技術の普及に注力している。 ・IoT検定制度委員会 事務局長（IoT検定・＋DX認定・超知性ASI検定） ・一般社団法人 IT職業能力支援機構 理事長（Android資格） ・電気・電子系技術者育成協議会 副理事長（E検定） ・経済産業省 地域DX推進ラボ ビジネス創出事業メンター（DX支援） ・デジタル庁 デジタル推進委員（デジタル化支援） ・アジャイル開発技術者検定試験コンソーシアム 事務局長（Agile検定）

X (Twitter)

Facebook

YouTube

note