FDE面接でよく聞かれる質問集｜技術・ケース・行動面接52問

面接カレンダーに「FDE Technical Round」とだけ書かれたメールが届く。ラウンド名は分かっても、何を聞かれるかは書いていない。コーディングテストだと身構えていたら、途中でシステム設計の話になり、気づけば「顧客に悪い知らせをどう伝えるか」を聞かれていた——という声も珍しくない。選考フローの全体像はFDEの面接対策記事で押さえたとして、次に欲しいのは中身、つまり実際に飛んでくる一文そのものだろう。

FDE面接の質問は7ジャンル・52問に集約できる

米国の面接対策企業Exponentは2026年版ガイドで、Palantir・OpenAI・Anthropic・Databricks・ElevenLabs・Scale AIなど複数社の候補者から報告された質問を横断的に集計し、7ジャンル・52問に整理している（候補者の報告に基づく集計のため確度は諸説扱い）。内訳は次の通りだ。

ジャンル	質問数	主な焦点
コーディング・エンジニアリング	10問	実務コードの品質
システム設計・アーキテクチャ	10問	顧客インフラ制約下の設計力
行動・動機付け	9問	オーナーシップと曖昧さ耐性
AI関連（RAG・LLM運用）	7問	AIラボ系FDE特有の運用知識
クライアントシミュレーション	6問	顧客対応・説明力
ケーススタディ（決定分解）	5問	最難関・配点最大約30%
本番・信頼性	5問	インシデント対応

コーディングとシステム設計だけで全体の4割近くを占める。ただし行動・クライアント対応・本番運用・ケースを合わせると、非コーディング系の質問が過半数に迫る。以前の記事で触れた「FDEループの約半分は非コーディング」という実感と、この内訳はおおむね符合する。

技術・コーディングラウンドの質問例

技術ラウンドの10問は、アルゴリズムパズルではなく「実務でそのまま起こりうる作業」に寄っている。Exponent社が挙げる実例を見ると、その色がはっきりする。

• ユーザー単位・全体単位の両方でレート制限を実装する（Anthropicの面接で報告された出題）
• クォート形式が不揃いなCSVを解析し、クリーンなデータセットに整える
• PDFフォルダを読み込み、実体を抽出してJSONインデックスを作るCLIツールを作る
• バックプレッシャーに対応するストリーミング処理を実装する
• 不安定な外部APIに対し、ジッター付き指数バックオフを実装する
• 200行の関数を、テスト可能な形にリファクタする
• 受注・返品の2テーブルから、四半期内で返品率30%を超えた顧客を検出するSQLを書く

Anthropicの名前が具体例として挙がっているのは象徴的だ。汎用的なアルゴリズム力ではなく、AIプロダクトを顧客環境で動かすための地味な配管作業——CSVの汚れ、APIの不安定さ、テストしにくいコード——をその場で片付けられるかを見ている。Perspective AI社の集計では、このラウンドの通過率は約60%とされる（1メディアの集計値のため確度は諸説）。

システム設計・アーキテクチャラウンドの質問例

アーキテクチャラウンドでは、架空の顧客環境が丸ごと渡される。

• 医療機関向けに、HIPAA制約下でVPC内に閉じたRAGシステムを設計する
• 12種類に分断された小売企業のデータソースを統合する取り込み・変換パイプラインを設計する
• OktaのSSOとSnowflakeを使い、Fortune 500企業のAWS VPC内にプラットフォームをデプロイする方法を説明する
• 500拠点の倉庫マネージャーに対応する自動リルート・エージェントの評価基盤を設計する
• LLMを使った検索を1.5秒から100ミリ秒未満に短縮する方法を提案する
• 本番環境でプロンプトをどうバージョン管理し、A/Bテストし、ロールバックするか説明する

数字が具体的なほど、口頭だけでは逃げ切れない。「12種類」「500拠点」「100ミリ秒未満」——出題者はスケールの前提を先に固定し、その制約の中でどう優先順位をつけるかを見ている。

ケーススタディ（決定分解ラウンド）の質問例

最難関はやはりこのラウンドだ。合格率は約40%、配点は最大約30%——FDEケース面接対策の記事で扱った数字がここでも繰り返される。出題は業界を変えて何パターンも存在する。

• 買収した3系統のシステムにまたがる不正検出を、地方銀行が統一したいという課題
• 法務・知財・コンプライアンスの制約を抱えながら、化合物データを検索できるAIアシスタントを製薬企業が導入したいという課題
• 交通データと救急車のGPS情報を使い、911緊急対応の到着時間を自治体が短縮したいという課題

どの出題も、最初に渡される情報はわざと足りない。攻略の型そのものはケース面接対策の記事で5ステップに分解して整理した。ここで押さえておきたいのは、出題パターンが尽きることはないという点だ。業界とデータの制約が入れ替わるだけで、問われている思考プロセスは変わらない。

行動面接（STAR）でよく聞かれる質問

行動面接は「昔話を聞かれるだけ」と侮ると、9問の並びを見て慌てることになる。

• 通常のSWEではなくFDEを志望する理由は何か
• 自分がオーナーシップを持って進めた、最も技術的に難しいプロジェクトについて
• デプロイがうまくいかなかった時、どう対応したか
• 顧客に悪い知らせを伝えなければならなかった経験
• 顧客と意見が対立し、それでも自分の主張を通した経験
• 十分に理解していない環境で仕事を進めた経験
• 一度下した技術的判断を、自分で覆した経験
• FDEとして着任した最初の30日・60日・90日をどう計画するか

「デプロイの失敗」「顧客への悪い知らせ」「判断の撤回」——どれも後退や失敗を語らせる設問だ。FDE志望動機とSTAR行動面接の記事で整理した通り、STAR形式で90秒に収め、オーナーシップを示す言葉遣いで語れるかが評価の分かれ目になる。Perspective AI社の集計では、行動・価値観ラウンドの通過率は約60%とされる（確度は諸説）。

クライアントシミュレーション・顧客対応の質問例

技術が分かっていても、それを顧客に伝える言葉を持っていなければこのラウンドは通らない。

• デプロイが3週間遅れ、顧客のCTOから電話がかかってきた場面をロールプレイする
• データガバナンスを損なう機能を顧客から要求された時、どう応じるか
• RAGシステムが100%の精度を保証できない理由を、非技術系のVPに説明する
• 顧客のセキュリティチームが本番環境の認証情報を渡してくれない時、どう解決するか
• コードを書いたことがないVPに、embeddingとは何かを説明する

「説明せよ」という指示が繰り返されるのは偶然ではない。FDEは顧客組織にembeddedされ、技術的な意思決定をその場で説明し納得させる役回りを担う。ケーススタディが「考え方」を見るラウンドなら、ここは「伝え方」を見るラウンドだ。

AI関連職（OpenAI・Anthropicなど）向けの追加質問

AIラボ系のFDE職では、通常の技術・設計ラウンドに加えてAI運用に特化した質問が7問分上乗せされる。

• ファインチューニング・RAG・プロンプトエンジニアリング、どれを選ぶかの判断基準
• 「見た目は正しそう」を超えて、LLMを使ったシステムをどう評価するか
• 本番のLLMアプリケーションに、どんなガードレールを設計するか
• RAGのチャンク分割戦略と、その選択理由
• ツール利用・メモリ・評価を含むエージェントシステムを、end-to-endで説明する
• 顧客向けエージェントでのプロンプトインジェクションに、どう対処するか

RAGやエージェントという単語がラウンド名に出てこなくても、AI系FDEの技術ラウンドではほぼ確実にこの領域が混ざる。FDEに必要なAIスキルの記事で扱ったRAG・LLM運用の基礎は、ここで前提知識として問われることになる。

まとめ

冒頭のメールに戻ろう。「FDE Technical Round」という一文の裏には、レート制限の実装からRAGパイプライン、顧客への説明まで、実務そのものを切り取った質問が並んでいる。7ジャンル・52問という数字は、裏を返せば対策すべき範囲が有限だということでもある。コーディング・行動面接・ケーススタディ、それぞれの通過率がおよそ40〜60%という数字も、運や地頭ではなく準備量で動く領域だと示している。

次にラウンド名だけのメールが届いたら、まずこの7ジャンルのどこに当たるかを見極める。そこから逆算すれば、何を練習すべきかはもう見えているはずだ。

あわせて読みたい

• FDEの面接対策｜選考フローとケーススタディ攻略法【2026年版】
• FDEケース面接対策｜曖昧な課題を45分で解く5ステップ実践法
• FDE志望動機とSTAR行動面接｜5ストーリーの作り方
• AI時代のFDEに必須のスキル｜RAG・LLM・ベクトルDBの実務
• Forward Deployed Engineerとは？定義と仕事内容を解説