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　広がる「MTS」と職種の未来：Deep Insider Brief ― 技術の“今”にひと言コメント

AnthropicやOpenAIでは、研究者とエンジニアをまたぐ共通の社内肩書きとして「Member of Technical Staff（技術スタッフの一員）」が使われている。元CTOたちが次々とこの肩書きに転じている現象から、肩書きが専門性を証明しなくなった時代に何が価値を決めるのかを考える。

» 2026年09月04日 05時00分公開

[一色政彦，デジタルアドバンテージ]

この記事は会員限定です。会員登録（無料）すると全てご覧いただけます。

連載目次

　著名な技術者が、相次いで「MTS」と名乗っている。WorkdayでCTO（最高技術責任者）を務めていたピーター・ベイリス（Peter Bailis）氏は、2026年3月にAnthropicへ移った。新しい肩書きは「Member of Technical Staff」、略してMTS。日本語にすれば「技術スタッフの一員」だ。また、OpenAIでGPUプログラミング言語Tritonを作ったフィリップ・ティレ（Philippe Tillet）氏も、LinkedInで「Member of Technical Staff」と名乗っている。

　経歴も役割も大きく異なる技術者が、同じ「MTS」という肩書きになり得る。Anthropicなどでは、研究者とエンジニアも共通の肩書きを使う。つまり「MTS」という名前だけでは、その人が何をしていて、どのレベルにいるのかが分からない。しかも、こうしたAIラボには優秀な人材が集まり、報酬も破格であることが多い。「ソフトウェアエンジニア」「データサイエンティスト」と名乗ってきた私たちにとって、これは何を意味するのか。

職種名が担当領域を表さなくなった後、肩書きはどこへ向かったか
AIが職種の境界を溶かした結果、フロンティアAIラボは研究も実装も製品も一人が担う形へ広げ（MTS）、一方で顧客に成果が出るまでを担う職種も現れた（FDE）。一方は横に、一方は前に。向きは違うが、起きていることは似ている。

　「MTS」という言葉自体は新しくない。少なくとも1920年代後半には、AT&Tのベル研究所で使われ、物理学や数学、工学など異なる専門分野の技術者を横断する職名だった。情報理論の父クロード・シャノン（Claude Shannon）もMTSだった。ただし序列はあり、少なくとも1960年代にはTechnical Aidを最下位、MTSを最上位とする4段階の職階が存在した。つまり専門は横断するが、階層は明確だった。本稿ではこれを便宜上「ベル研型」と呼ぶ。

　現在もOracleやSalesforce、VMware、Verizonなど多くの企業が「MTS」系の肩書きを使っている。ニールセンの求人は「主任技術スタッフ（MTS 4）― 機械学習担当」とレベルと担当の両方を、マイクロン・テクノロジーの求人は「MTS ― HIG HBMコンポーネント検証担当」と担当領域を明示している。同じMTSでも、肩書きを見ればレベルも担当領域も分かる使い方である。本稿ではこれを「旧来型」と呼ぶ。

　これに対してAnthropicなどのフロンティアAIラボ（最先端のAIモデルを開発する研究所）では、研究者とエンジニアをまたぐ共通の肩書きとして「MTS」が使われている。採用時には職種や担当領域を示す場合もあるが、社員の公式プロフィールでは単に「MTS」と表記される例が多い。職種や担当領域、社内の階層は残っているが、「MTS」という共通の肩書きだけではそれらが分からない。本稿ではこれを「AIラボ型」と呼ぶ。

――このように、同じ「MTS」でも使われ方は時代とともに変化してきた。本稿では新しい「AIラボ型」の「MTS」に絞って解説する。なお、ベル研型・旧来型・AIラボ型の3分類は筆者独自の整理であり、確立されたものではないことをお断りしておく。ここからは『Deep Insider Brief』恒例の“ひと言コメント”として、筆者なりの見解を述べてみたい。その上で、この現象の背景と論点を順に整理していく。

　Deep Insider編集長の一色です。こんにちは。

　正直にいうと、「Member of Technical Staff」という肩書きを最初に見たとき「ださいな」と思いました。「ソフトウェアエンジニア」や「データサイエンティスト」「機械学習エンジニア」の方が、明らかに格好いい。「技術スタッフの一員」では、何でも屋というか、専門職としての誇りが感じられません。同じように思う方は多いのではないでしょうか。

　ただ、なぜ“ださい”と感じるのかを考えてみて、腑（ふ）に落ちました。肩書きの格好よさは、希少性の証明から来ているのだと思います。「データサイエンティスト」が格好いいのは、なれない人がいるからです。「技術スタッフの一員」がださいのは、誰でもなれそうだからです。つまり「ださい」という直感は、この肩書きの性質を正確に捉えています。

　そして私自身、その希少性が溶けていくのを実感しています。AIを使うことで、自分にできることが明らかに増えました。開発者ではない人がソフトウェアやゲームで成果を出す例も、目に見えて増えてきました。専門にこだわる必要がなくなり、「やりたいこと」を中心に動けるようになってきている。新しいMTSは、その時代の流れの象徴なのだと思います。

　ただ、ここで一つ困ったことがあります。肩書きが専門性を証明しなくなると、代わりに何かが証明を担うことになります。実際に今、起きているのは、「AnthropicのMTS」「OpenAIのMTS」のように会社名がその役目を引き受けることです。しかしそれでは、結局は有名企業に入れる一部の人だけの話になってしまいます。日本で働く大半のエンジニアにとって、それではあまりに希望がありません。会社名に自分の価値の証明を預けることは、誰にでも選べる答えではないのです。

　では、会社名に頼らず、自分の価値を何で示せばいいのでしょうか。答えは、「何を名乗るか」ではなく「何を成したか」だと私は考えています。何を作るべきかを考え、実際に使われ、成果が出るところまで責任を持った経験は、会社を離れても自分に残るからです。では、なぜそう考えるのか。まずは、AI企業がなぜ共通の肩書きを使い始めたのか、その背景から順に見ていきましょう。

なぜAI企業は共通の肩書きを使うのか

　OpenAIがMTSを採用したいきさつについて、共同創業者のグレッグ・ブロックマン（Greg Brockman）氏は2023年2月2日のX投稿で説明している。OpenAIを立ち上げるとき肩書きを真剣に考え、人を研究者とエンジニアに分けたくなかった。アラン・ケイ（Alan Kay）氏からゼロックスPARCで「Member of Technical Staff」を使っていたと助言され、気に入って採用したと。

　つまり本人が語っている狙いは、研究者とエンジニアを肩書きで分けないことである。それ以上の理由は明示されていない。

　ただ、この考え方は現在のAI開発と相性がいい。Anthropicの採用ページには「エンジニアは多くの研究をし、研究者は多くのエンジニアリングをする」とある。大規模モデルの開発では、データ整備も分散学習も推論最適化も絡み合い、どこまでが研究でどこからが実装かの線が引けなくなっている。

　さらに近年は、AIコーディングツールによって一人が扱える範囲も広がった。ここからは筆者の見立てだが、創業時に「研究者とエンジニアを分けない」ために選ばれた肩書きが、AIによって職種の境界が薄れる時代になって、より似合うものになってきたように見える。political.orgは、この過程でMTSが「意味の漂流」を起こし、慎重に授与される研究上の称号から、広範な採用ツールへ変質したと指摘している。

　なお、共通の肩書きには実利もある。simplify.jobsによれば、「Senior Staff Research Engineer, Pretraining」という肩書きはレベルも担当も競合他社に即座に伝えてしまうが、「Member of Technical Staff」はほとんど何も伝えない。人材の引き抜き合戦の中では、これ自体が防御になる。

社内は「MTS」、求人票は「Software Engineer」

　ここで注意したいのは、AIラボが職種名を完全に捨てたわけではないことである。

　OpenAIの求人ページには「Title note」という注記がある。研究職とエンジニアリング職の採用者は「Member of Technical Staff」という内部タイトルを共有しているが、Senior Staffという表記は、その職務に求められる経験の深さや技術的リーダーシップを外部に伝えるために使っている、という内容だ。Anthropicにこうした注記はないが、公開求人には「Staff Software Engineer, Claude Code」「Research Engineer, Interpretability」といった具体的な職種名が並ぶ一方、社員の公式プロフィールでは単に「MTS」と表記される。共通の肩書きと、求人上の職種名が併存しているわけである。

社内向け： 共通の肩書きとしてMTSを使い、研究者とエンジニアを分けない
社外向け： Software Engineer、Staff、Senior Staffなど、従来の職種名とレベルを明示する

　なぜ二重にする必要があるのか。組織の内側では肩書きが担当やレベルを伝えなくなったが、外の労働市場はまだそれを求めているからである。求職者は肩書きで自分の位置を測り、採用担当者は肩書きで検索する。少なくともOpenAIは、そのために外向きのレベル表記を使うと明言している。

肩書きを手放せるのは、手放しても困らない人だけ

　共通の肩書きには弱点もある。MTSという名前だけでは、社外に出たときに自分が何をしていた人なのかを伝えにくい。

キャリアの流動性を損なう： Hacker Newsには、MTSの導入を検討したあるスタートアップ創業者の投稿がある。社員が転職するときのキャリアの流動性を損なうこと、そして採用担当者が「senior」「staff」「principal」といった語でキーワード検索するため応募段階で不利になることを懸念して見送った、という内容だ。一人の体験談ではあるが、共通タイトルのトレードオフをよく表している
階層は消えていない： Anthropicの公式資料では、L4を「フルタイム採用で最も低いレベルのMTS」と説明している。内部には明確なレベルが存在する

　つまりMTSは階層をなくした肩書きではなく、階層や担当を肩書きだけからは読み取れなくしたものだと考える方が近い。そしてそれが成立するのは、会社名そのものが強い文脈になる場合である。Anthropicという社名がなければ、この肩書きは何も伝えない。肩書きを手放せるのは、手放しても困らない人だけなのだ。

逆向きに見えるFDEが、実は似た現象

　一方で、正反対に見える動きもある。FDE（Forward Deployed Engineer、前方展開エンジニア）だ。専門を消すどころか、担当を極めて具体的に名乗る職種である。

求人は2025年1月から9月だけで800％以上増加した（Financial TimesがIndeedの分析として報道）
LinkedInの調査によれば、Z世代が採用の3分の2以上を占める個人貢献者の職種が2つあり、それがFDEとAI Engineerである。年収中央値はそれぞれ19万9000ドル、16万6000ドル（160円換算で3184万円、2656万円）

　FDEの起源は、2003年設立のPalantir Technologies（パランティアテクノロジーズ）である。軍事用語の「前方展開部隊」からの命名で、本社の研究開発部門ではなく、顧客の実務が起きている現場に配置されるエンジニアを指す。OpenAI、Anthropic、Databricks、Salesforceなどが一斉に採用を始めた。

　ここで大事なのは、FDEは「業務知識のあるSE」ではないという点である。違いは知識ではなく、「どこまでを自分の仕事とするか」の範囲にある。

成功の定義が違う： 通常のエンジニアは仕様通りに動けば成功である。FDEは顧客に成果が出たかどうかに責任を負う。ソフトウェアが動いても誰も使わなければ、FDEは失敗したことになる
責任の切れ目がない： 初日に問題を整理した本人が、半年後に本番で障害が出たときにも対応する
SIerではない： Palantirのやり方から抽出された教訓には「システムインテグレーターの役割を拒否する」ことが明示されている

　そしてPalantirはFDEを単独で送り込まなかった。顧客と同じ業界出身のドメイン専門家からなる「Echoチーム」と、実行担当エンジニアの「Deltaチーム」の2チーム制を取っていた。少なくとも当初のPalantirは、業務知識も実装力も一人で全部持てとは考えていなかったわけである。

　MTSとFDEは、広げる向きが違うだけで、どちらも「従来の職種区分では仕事の実態を表し切れなくなった」ことへの対応だと筆者は考える。

MTS＝横に広げた： 研究とエンジニアリングの境界を固定せず、共通の肩書きでくくる。その結果、肩書きだけでは何を専門にする人かが分かりにくくなった
FDE＝前に伸ばした： 作るだけで終わらず、顧客に導入され成果が出るところまでを責任範囲にする。その結果、肩書きはどこまで責任を持つ人かを表す一方、具体的に何をする人かは分かりにくくなった

日本で働く私たちはどうするか

　日本での採用例は、筆者が把握している範囲では東京のSakana AIだけである。同社の求人ページには「日本語能力はMember of Technical Staffの必須要件ではないが、日本在住であることは求められる」と明記されている。外国人創業・英語運用というカルチャー故に移植された肩書きであることが分かる。

　正直なところ、MTSが日本に広まるかどうかは分からない。年功序列やメンバーシップ型雇用とは根本的に相性が悪いからだ。だが、より重要なのは名前そのものではない。研究と実装、開発と導入といった従来の境界を越えて仕事を担う動きは、既に求人として表れている。

「総合職」と何が違うのか

　日本の読者は、MTSに「総合職」を連想するかもしれない。どちらも一つの職務に固定されず、幅広い仕事を担う点では似ている。だが、広がる方向が異なる。

総合職： 開発から営業、管理まで、部署をまたいで担当が変わっていく
AIラボ型MTS： 技術職の中で、研究と実装といった従来の職種の境界を越える

　つまり総合職は職能の枠そのものを越えるが、AIラボ型MTSはあくまで技術職の中での横断である。このような違いがあるが、どちらも肩書きだけでは実際に何をしている人なのか分かりにくい点では似ている。

　では何を頼りにすればいいのか。筆者の考えは、成したことの範囲を段階で捉えることである。

段階0： 与えられた仕様に沿って作る（AIによる支援・自動化が進みやすい領域）
段階1： 現場を見て、何を作るべきかを決める
段階2： 作ったものが使われ、成果が出るところまで面倒を見る
段階3： 現場で得た知見を、製品や組織の設計へ還流させる

　段階2以上の仕事をした経験があれば、肩書きとは別に「自分が何を成したか」を説明できる。逆に段階0だけでは、肩書きが立派でも、それだけで差を示すことは難しくなっていくだろう。

　そして業務の現場には、仕様書に書かれていない例外や、そこで働く人しか知らない暗黙知がある。FDEが顧客の中に入り込むのも、単にコードを書くためではなく、そうした文脈をつかんで成果につなげるためである。日本で働くエンジニアにとっても、現場を理解し、AIを使ってそこから成果までつなぐ経験は、会社名や肩書きとは別に持ち運べる強みになり得る。

　もっとも、「どこまでの範囲を任されるか」は本人の意志だけで決まるものではなく、受託開発など構造上そもそも引き受ける余地がない場合もある。そのまま当てはまらない現場も多いと思うが、「自分が今、何段階目の仕事をしているのか」は、一度考えてみてもよいだろう。

まとめ：肩書きを名乗らなくなった人たちが示すもの

　肩書きだけで自分を語れる時代は、少しずつ変わり始めている。有名企業の名前は強い後ろ盾になるが、誰もが選べるものではないし、辞めれば消える。残るのは、「何を成したか」である。

　MTSという肩書きが日本で広まるかどうかは分からない。だが、肩書きが実態を表しにくくなる流れは、名前が輸入されるかどうかとは関係なく進んでいく。そのとき問われるのは、何と名乗っているかではない。「これまで何を成してきたか」を、肩書きを使わずに説明できるだろうか。その答えこそが、これからの私たちの名刺になっていくのかもしれない。この記事を書きながら、そう感じた。