練習問題を選ぶ前に、応募する求人を決める
TokyoにはApplied AI Engineer、明示的にpre-salesとされるApplied AI Architect、partner向けArchitectがある。今回確認したFDE求人は欧州にある。Tokyo Engineerの候補背景に過去のFDE経験が含まれることは、Tokyo求人の改称や同じ採用過程を意味しない。本稿は2026-10-05確認の事実編である。番号付き事実は公式記述または日付付きのページ観測で、別の練習編に書く推論とは区別する。
根拠は16件の公式資料から集めた74件。応募欄が表示されたという募集状態は確認時点の観測であり、応募時にも募集中という保証ではない。出典の掲載日は不明を保持する。例外はAI方針に明記された最終更新2025-07-10で、初回公開日が判明したという意味ではない。直近1か月の2026-09-05〜2026-10-05（Asia/Tokyo）について、これらの資料から日付を伴う改訂は確認できていない。日付不明の求人を新着情報にしない。体験談・非公開試験・無許諾画像は使っていない。
求人一覧：日本を先に、地域差は比較として読む
全行を2026-10-05に確認。「応募欄あり」はその時点で公式応募ページを読めたことを示す。内部levelは不明。Managerは人の管理を含む職種だが、経験年数から等級の同等性は判断できない。
Jobs | Anthropic — Applied AI求人一覧の観測範囲。
| Fact ID | 確認した事実 |
|---|---|
| A016 | Tokyo Engineer・Architect・Partner Architect、London/Munich/Paris FDEを別職名で掲載。 |
Former Forward Deployed Engineer URL — 本文の取得不可と転送先の観測。
| Fact ID | 確認した事実 |
|---|---|
| A017 | 旧US FDE URLはerror=true付き求人一覧へ転送され、本文を取得できない。 |
確認した一覧ではTokyo/APACの「Forward Deployed Engineer」という職名は見つかっていない。今回の検索範囲での結果であり、組織内呼称・将来募集・非公開求人の不存在を示さない。
公式の選考案内で確定できること
Careers | Anthropic — 全職種の進行環境、会社原則、配慮、再応募。
| Fact ID | 確認した事実 |
|---|---|
| A001 | 面接はGoogle Meetで行い、複数のタイムゾーンに対応する。 |
| A002 | 技術職のlive codingツール例はColabとCodeSignal。 |
| A003 | 調べ物は認めるが、基本構文・標準ライブラリへの習熟を勧める。 |
| A004 | 経験・志望動機を尋ね、候補者の質問時間も設ける。 |
| A005 | 技術スタッフの約半数は入社前のML経験がなかったと説明する。 |
| A006 | 実証的に考え、機能する単純な解決策から改善する姿勢。 |
| A007 | 信頼性・安全性・セキュリティを共同責任とし、使命を判断基準に置く。 |
| A008 | 配慮の申請窓口があり、詳細な医療情報は不要で申請は機密扱い。 |
| A009 | 原則12か月後に再応募可能。経験・スキルが大きく変わればそれ以前も可能。 |
一般ページはFDE専用loopを公表していない。Google Meetやcodingツール例は進行環境を示すが、全職種に必須のcoding、ラウンド数、customer simulation、採点方法までは示さない。基本的な調べ物の許可とAI支援の許可は別に読む。
日付のあるAI方針は、準備と評価を分ける
How to collaborate with Claude during our hiring process — 候補者の準備・評価中のAI利用と、会社側の採用利用。
| Fact ID | 確認した事実 |
|---|---|
| A010 | 応募書類・回答は本人が初稿を書き、AIで磨くことを認める。 |
| A011 | 企業研究・回答練習・逆質問準備へのAI利用を勧める。 |
| A012 | 持ち帰り課題は、明示的に別途許可されない限りAIなしで行う。 |
| A013 | ライブ面接も明示的な許可なしにAI支援を使わない。 |
| A014 | 本人の実体験・考えを示し、AI利用方針への透明性を求める。 |
| A015 | 採用業務にClaudeを使うが、候補者データの学習利用やClaudeによる採否決定は行わないと説明する。 |
2025-07-10更新の方針は準備と表現の改善にAIを認め、評価中は明示許可のない独力作業を基本とする。2026-10-05にもこの区別を確認できた。準備ではフィードバックを受け、別にAIなしで説明・実装する練習をする。課題がAIを明示的に許す場合はその範囲に従う。職場でClaudeを使うという説明から、面接中の許可は導けない。公開されているのは方針の更新日で、初回公開日は未確認である。
Tokyo Engineer：実装の証拠と顧客への判断
Applied AI Engineer — Tokyoの実装責任、応募条件、公開応募欄。
| Fact ID | 確認した事実 |
|---|---|
| A018 | 日本の大企業向けLLM solutionで業務・技術要件と安全性・信頼性を満たす。 |
| A019 | 評価中の見込み顧客へarchitectureとpromptingでClaudeの価値を示す。 |
| A020 | AEと要件を把握し、個別pilot・prototype・評価suiteを作る。 |
| A021 | 既存基盤との統合・技術障害を助言し、導入から稼働後まで支援。 |
| A022 | Technical Product Manager/FDE/Platform Engineer等の経験と強いPython実装力が必須条件。 |
| A023 | 日本語native-levelと英語business-levelが必須。 |
| A024 | 関連経験4年以上と最近の本番LLM構築経験は優遇条件。 |
| A025 | 曖昧さへの対応、理解しやすい解決策、部門間のtrade-off調整は優遇条件。 |
| A026 | 顧客訪問は随時。一般のオフィス勤務方針は25%以上。 |
| A027 | 公開応募欄は顧客経験・Python・志望理由を確認。志望理由目安200–400語。 |
Tokyo Architect：pre-salesとして技術を掘る
Applied AI Architect — Tokyoのpre-sales責任と応募条件の区別。
| Fact ID | 確認した事実 |
|---|---|
| A028 | Tokyo Architectは明示的にpre-sales architect。 |
| A029 | Claude APIとClaude for Workの両方の顧客を支援。 |
| A030 | discovery・評価・展開を助言し、用途別の評価frameworkを支援。 |
| A031 | 技術者向け深い説明と経営層向け事業価値説明を使い分ける。 |
| A032 | 統合patternの知見をProduct/Engineeringへ戻す。 |
| A033 | SA/Sales Engineer/TAM等の経験と、複数関係者の企業購買対応は必須条件。 |
| A034 | 日本語native-level、英語business-levelは必須。 |
| A035 | 5年以上、cloud設計・企業統合・Python・LLM知識は優遇。 |
| A036 | 必要年数は内部job levelに対応するが、公開level名は不明。 |
Tokyo Partner Architect：提供するpartnerの能力を伸ばす
Applied AI Architects, Partner — Tokyoのpartner責任と優遇される背景。
| Fact ID | 確認した事実 |
|---|---|
| A037 | GSI/RSIとAWS/GCP partnerの技術関係を担うpre-sales職。 |
| A038 | 間接売上、partnerのAI実践力、長期GTMを支援する。 |
| A039 | 業界別GenAI共同solution、reference architecture、展開best practiceを作る。 |
| A040 | partnerが主に提供する戦略案件の技術障害を直接解く。 |
| A041 | partnerイベント・developer育成・Productへのfield feedbackを担う。 |
| A042 | 5年以上の顧客/partner技術職、GSI/cloud連携、流暢な日英を優遇。 |
欧州FDE：顧客内の本番実装と応募欄の不一致
London：次の8件はLondon求人に限定する
Forward Deployed Engineer — Londonの本番提供、出張、技術背景、本文と応募欄の不一致。
| Fact ID | 確認した事実 |
|---|---|
| A043 | 戦略顧客へ入り、顧客システム内に本番AIアプリを作る。 |
| A044 | Post-Sales・Product・Engineeringと顧客workflow、安全性、信頼性を扱う。 |
| A045 | 本番workflow向けMCP server・sub-agent・agent skill等を作る。 |
| A046 | 再利用できる展開patternを整理しProduct/Engineeringへ返す。 |
| A047 | 顧客先への出張は25–50%。 |
| A048 | 本番LLM・prompting・agent・eval・大規模展開・Pythonを挙げる。 |
| A049 | 本文の顧客対応技術経験4年以上と応募欄の8年以上が不一致。 |
| A050 | 応募欄は企業本番LLM経験と顧客先での実装経験を確認。 |
Munich：地域の条件
Forward Deployed Engineer — Munichの地域別条件と公開応募欄の表現。
| Fact ID | 確認した事実 |
|---|---|
| A051 | Munichは顧客技術職8年以上、German native、fluent English。 |
| A052 | Munich応募欄はGerman C1以上と顧客先LLM本番化経験を確認。 |
Paris：地域の条件
Forward Deployed Engineer — Parisの英語部分で確認した地域別条件。
| Fact ID | 確認した事実 |
|---|---|
| A053 | Paris英語本文は8年以上、French native、fluent English。 |
Londonの4年/8年、Munichのnative/C1は未解決である。緩い本文か厳しい応募欄の片方へ黙って統一しない。求人IDを添えて、適用される条件を採用担当へ確認する。顧客先出張率とオフィス出社率も別条件である。
APAC・USの比較：関連する仕事でも条件は違う
Applied AI Engineer — SydneyのEngineer責任と候補者背景。
| Fact ID | 確認した事実 |
|---|---|
| A054 | Sydney EngineerはAPI実装の設計・eval・pilotを支援。 |
| A055 | 顧客engineeringチームとのhands-on workshopとcode review。 |
| A056 | Sydney Engineerは技術職8年以上、本番LLM・Python・agent/retrieval経験。 |
| A057 | conference・blog・white paper等の知識発信も含む。 |
Applied AI Architect — Sydney Architectに記載された経験条件。
| Fact ID | 確認した事実 |
|---|---|
| A058 | Sydney Architectは顧客技術職10年以上を挙げる。 |
Applied AI Engineer, Enterprise Tech — US Enterprise Techの責任、技術背景、役割固有の出社条件。
| Fact ID | 確認した事実 |
|---|---|
| A059 | Enterprise Tech Engineerは顧客の中核製品へのClaude API導入をAEとArchitectと支援。 |
| A060 | transcript analysis・MCPを経験例に含み、PythonまたはTypeScript。 |
| A061 | prompting・eval・agent・architectureを公開/社内再利用assetへまとめる。 |
| A062 | 週3日出社を明記。 |
Manager・delivery leadでは責任の単位が変わる
Manager, Forward Deployed Engineering — New Yorkの管理責任、経験、協働の境界。
| Fact ID | 確認した事実 |
|---|---|
| A063 | NYC FDE Managerは採用・育成・品質・組織づくりを担うplayer-coach。 |
| A064 | 案件配置、architecture/code review、再利用repo・template・playbookを担当。 |
| A065 | 技術経験10年以上、people management2年以上、0→1組織構築。 |
| A066 | Engagement Managerが案件の運営・関係者調整、FDE Managerが技術品質・チーム成長を担う。 |
Technical Deployment Lead — USのdelivery責任、成果測定、技術責任の分担。
| Fact ID | 確認した事実 |
|---|---|
| A067 | TDLはSOWから本番までdeliveryを所有し、FDEが技術実装。 |
| A068 | 範囲・milestone・依存関係・成功条件、MVP/backlogを管理。 |
| A069 | ROI仮説・baseline・KPIを設け、導入前後の価値を測る。 |
| A070 | security review・法務・調達・complianceの導入制約を扱う。 |
| A071 | 本番コードは書かず、FDEとarchitecture議論・技術方向を担う。 |
Pre-Sales Program Lead, Forward Deployed Engineering — USの契約前programと、その後のdelivery引継ぎ。
| Fact ID | 確認した事実 |
|---|---|
| A072 | FDE Pre-Sales Program Leadは案件選別から契約締結までの仕組み。 |
| A073 | 商業・研究・mission目的の配分と法務/financeを含む締結手順。 |
| A074 | 契約後引継ぎ、partnerへの委譲/共同提供の判断手順を整備。 |
図で読むのは責任の境界
- 1Tokyo Engineer
- 2pilot・評価suite・統合
- 3稼働後までの技術助言
- 1Tokyo Architect
- 2discovery・architecture・評価
- 3企業導入への助言
- 1Tokyo Partner Architect
- 2partner育成・共同solution
- 3partner主体の顧客提供
- 1US Pre-Sales Program Lead
- 2案件選別・契約
- 3契約後deliveryへの引継ぎ
- 1US Technical Deployment Lead
- 2scope・milestone・関係者・ROI
- 3FDEの技術実装
- 1US FDE Manager
- 2配置・review・育成
- 3チーム品質と成長
A018〜A042、A063〜A074に基づく自作の責任図。矢印は成果物と協働を表し、公式組織図・必須の順序・共通の採用過程ではない。各行を独立して読む。USのlead/FDE分担を全Tokyo案件へ当てはめない。準備では、その職種で持つ責任を示せる実体験を選ぶ。実装経験だけでpartner育成やpeople managementを示したことにはならない。
実績を作らず、証拠のworksheetを埋める
会社の試験とは別の、未実行のオフライン演習である。応募先を一つ選び、実際に関わった二つのprojectについて次を記録する。不明な値は空欄にし、見栄えのよい数字を補わない。
| 項目 | 用意する証拠 | 説明できる判断 |
|---|---|---|
| 自分の権限 | 自分のcode・review・判断・合意、他のowner | 所有した範囲とescalation |
| 業務workflow | 利用者・入力・出力・既存手順・失敗影響 | なぜそこへ介入したか |
| 評価 | case選定・baseline・分母・期間・失敗分類 | 改善が再現し意味を持つか |
| 実装 | interface・展開境界・log・回復・引継ぎ | pilotを継続運用へ変えた方法 |
| 顧客delivery | scope変更・依存関係・sponsor判断・結果 | どの制約でtrade-offを決めたか |
| 再利用・育成 | artifact・利用者・利用状況・保守owner | 案件後も知識が残ったか |
各行をfact IDに結び、記録した結果／自分の寄与／不確実性／次の判断を分けて一段落にする。prototypeまでならそう述べる。本番の証拠がなければ不足として残す。合成データ演習は考え方を示せても、過去の顧客実績にはならない。技術的なcontrolは本番AIの評価・安全性・コスト設計で確認する。
採用担当へ確認する未確定事項
- FDE/Tokyo Engineer固有のラウンド数・順序・時間・採点表・持ち帰り課題有無は未確認。
- coding・system design・customer simulationがどの職種に必須かは不明。careersは技術職一般の説明。
- 内部問題・アルゴリズム一覧・合格閾値は未確認。
- 公式一覧の今回確認でTokyo/APACのFDE職名は未発見。非公開・将来の職種を否定しない。
- Londonの4年/8年、Munichのnative/C1は未解決。
- 年数差から内部level・報酬・昇進上の同等性を断定しない。
- data residency・retention・privacy・契約の具体条件は求人から確定できない。
- partnerの売上責任からFDE ICのquota/commissionを推定しない。
- AI方針の最終更新は2025-07-10、確認は2026-10-05。今後の改訂と課題ごとの指示を確認する。
MENTAL MODEL / 検証のコスト
判断を足す価値は、後ろの作業で決まる。
仮定：判断1秒、候補を半数に削減、検証時間は同じ。完全並列は計算資源と同時実行枠が必要です。判断の誤りや再試行を含めた成功率・総費用で比較してください。この数値は実測ではありません。
出典
公開日は資料の日付、確認日は内容を参照した日です。コミュニティの観測は公式の確定事項と区別します。
01