Google Cloudが11月18日に開催した「Data & AI Summit '26 Fall」。基調講演では、同社のパートナーである富士通がAIをPoC(概念実証)で終わらせず、実際の業務や経営課題の解決につなげるFDE(Forward Deployed Engineer)の取り組みを紹介した。

富士通が6年間で蓄積、AIをビジネス価値につなげる「FDE」とは?

富士通 クロスインダストリーソリューション事業本部 FDE事業部 GTMチーム Headの森山伸昭氏は、同社が約6年にわたり積み上げてきたFDEの実践について説明した。

  • 富士通 クロスインダストリーソリューション事業本部 FDE事業部 GTMチーム Headの森山伸昭氏

    富士通 クロスインダストリーソリューション事業本部 FDE事業部 GTMチーム Headの森山伸昭氏

FDEは、顧客の課題を特定したうえで短期間に実物を提示し、顧客とともに将来像の解像度を高めながら、提案から実装、運用まで一貫して成果創出に伴走するエンジニア、およびその提供モデルを指す。

  • 顧客課題の特定から運用まで一貫して伴走するFDE

    顧客課題の特定から運用まで一貫して伴走するFDE

同社では、自社の経営変革やデータドリブン経営を進めるにあたり、大きく2つのアプローチを取ってきた。1つは業務プロセスの標準化やデータの正規化を進め「Fit to Standard」で基幹システムを整備する長期的な取り組み。

もう1つは、その完成を待つことなく、今あるデータをつなぎ、3カ月以内といった短期間でビジネス価値につなげる取り組みだ。そこで活用している手法がFDEとなる。富士通は約6年前から米Palantir Technologiesとパートナーシップを結び、FDEの実践知を蓄積してきた。

森山氏は「FDEがお客さまに提供する価値は、圧倒的に短い期間でAIを組み込んだ仕組みをビジネスの現場や経営に実装し、ビジネスの中でしっかり価値や成果を出していくことにあります」と説明する。

約200万点の部品在庫調整、AIエージェントでベテラン依存から脱却

FDEの事例として森山氏が紹介したのが、日本の電機メーカーにおける在庫調整業務だ。同メーカーは売上高1兆円でグローバルにおいて3000社のサプライヤーと取引し、工場は18拠点、利用システムは49、約200万点に及ぶ部品や原材料を扱っている。

一方、事業全体の在庫状況を十分に把握できず、各拠点で過剰在庫や欠品が発生。適切に予測して防ぐことも難しく、現場ごとの個別最適なオペレーションに頼らざるを得なかったという。加えて、在庫調整業務をベテラン社員に依存しているという課題もあり、今後5年間で同業務を担うベテラン社員の30~50%が退職することが見込まれていた。

  • 在庫の可視化とベテラン依存が顧客の経営課題に

    在庫の可視化とベテラン依存が顧客の経営課題に

森山氏は「ベテラン依存の業務が、事業の継続性の問題になっていました。そこで、当社のFDEが入り、まず2週間でバラバラのデータをつなぎ合わせてデータモデルを構築しました。そのデータを使い、これまでアナログに調整していた業務オペレーションをデータドリブンに変えていきました」と振り返る。

具体的には、AIエージェントが各拠点のデータを参照して状況を判断し、必要な場面ではHuman-in-the-Loopにより人とやり取りしながら在庫調整のプロセスを進める仕組みを構築。さらに、2~3カ月を1サイクルとしてユースケースを拡大し、それに伴いデータや業務上の関係性を表すオントロジーも成長させていった。

同氏は「つながったデータは、いわばその会社のバリューチェーンをつないだデジタルツインのようなものになります。AIの観点でも、AIが読み取りやすい『AI Readyなデータモデル』になります」と話す。

その結果、同メーカーでは業務生産性が2倍以上に向上し、欠品を抑制して機会損失を防ぐとともに在庫を適切に調整することで、100億円近いキャッシュフロー改善にもつながったという。

  • ユースケース拡大とともにオントロジーを成長、業務生産性は2倍以上に

    ユースケース拡大とともにオントロジーを成長、業務生産性は2倍以上に

データ接続からAIワークフローまで、FDEの実践知をツール化

富士通は、これまで蓄積してきたFDEの実践知やノウハウにGoogle Cloudの特性を組み合わせた「FDEツール(仮称)」の提供にも着手している。同ツールでは、データパイプラインからセマンティックレイヤー、オントロジー、さらにAIを組み込んだワークフローの構築まで一気通貫で行えるという。

  • コーディングエージェントと対話しながら開発するFDEツールの仕組み

    コーディングエージェントと対話しながら開発するFDEツールの仕組み

ここで森山氏が強調したのが“見るだけの可視化にとどめない”ことだ。同氏は「ビジネスの意思決定まで実現するワークフローを作り切り、それをAIに変えていくことが重要です。そのためには、データを素早く集めてAI Readyなデータモデルを作り、AIエージェントがそのデータを読み取って動く。さらに、業務の実行結果やプロセスのログをフィードバックしながら改善していく。このフィードバックループを回すスピードを上げることが非常に重要です」と説明する。

  • Google Cloudを活用した「FDEツール(仮称)」の概要

    Google Cloudを活用した「FDEツール(仮称)」の概要

すでに、FDEツールは複数の企業で導入・検証が進んでいる。イオンフードスタイルでは、イオングループの事業統合に合わせて業務モデルの統合・刷新を推進。まずは店舗業務に着目し、店長を支援するAIエージェントを複数展開している。2026年7月からパイロット版を利用し、正式版のリリースに向けた検証を進めている。

ロッテホールディングスでは、DX推進チームが主導して事業部門の課題解決を推進している。将来的な内製化を見据え、現場主導によるAIユースケース開発も伴走支援しており、2026年11月から正式版を中心にAIエージェントの開発用途でトライアルしている。

日本郵船では、海運における多岐にわたる業務へのAI導入を進めている。2025年からAI活用の高度化に向けたプロジェクトを推進しており、2027年1月からFDEツール正式版を、主にUI/UX開発用途で利用する予定だ。

  • FDEツールの活用・検証を進めるイオンフードスタイル、ロッテホールディングス、日本郵船

    FDEツールの活用・検証を進めるイオンフードスタイル、ロッテホールディングス、日本郵船

AIから始めない、富士通が重視する「3つのリアル」

森山氏は、日本におけるAIの業務適用について「誰が見てもROI(Return On Investment:投資利益率)が出ていると言えるAI実装事例は少ない状況です。手段としてのAIの話が先行してしまい、目的設定や解決すべき課題の具体化、ビジネス課題の議論がおざなりになっていました」と分析する。

そこで、富士通が顧客とのプロジェクトで重視しているのが「3つのリアル」だ。1つ目は事業に責任を持つ人や、その配下で業務オペレーションを担う「Real User(リアルユーザー)」、2つ目はそうした人たちが実際の事業で抱えている「Real Problem(リアルプロブレム)」、そして3つ目が本番環境で使われている「Real Data(リアルデータ)」となる。

同氏は「リアルユーザー間でリアルプロブレムをしっかり議論して特定したうえで、本番のリアルデータをつなぎながら課題解決型のプロジェクトとして回していく。このやり方をしたお客さまでは、2~3カ月のプロジェクトでも納得いただける経営や事業での価値を実現できています」と説明する。

  • 富士通がFDEで重視する「Real User」「Real Problem」「Real Data」

    富士通がFDEで重視する「Real User」「Real Problem」「Real Data」

AIありきでユースケースを探すのではなく、現場が実際に抱える課題から出発し、本番データを使ってAIを業務ワークフローまで実装する。森山氏は「FDEツールとこれまで培ってきたプロジェクトの進め方、実践ノウハウを組み合わせることで、お客さまのビジネス価値の創出を強力かつ爆速で支援していきたい」と力を込めていた。