株式会社 Laboro.AI 会社紹介資料

Transcript

1. 株式会社 Laboro.AI 会社紹介資料 2025年5⽉版
2. 関連会社 会社情報 1 ü 受託型によるオーダーメイドAI開発とそれに付随するコンサルティングを事業展開 ※1 従業員数は、執⾏役員・SD・機械学習エンジニア・コーポレート部⾨・アルバイト/パートタイマーでカウント ※2 持分法適⽤による関連会社 主要株主（順不同） 従業員数 所在地 設 ⽴ 2016年4⽉1⽇ 2023年7⽉31⽇ 東証グロース市場上場 東京都中央区銀座8-11-1 • (株)SCREENアドバンストシステム ソリューションズ • (株)博報堂 • THK (株) • (株) SCREENホールディングス • ⽇本ガイシ(株) 84名※1 （2025年3⽉31⽇時点） 事業内容 • 機械学習を活⽤したオーダーメ イド型AI「カスタムAI」の開発 • カスタムAI導⼊のためのコンサ ルティング 株式会社CAGLA X-AI.Labo株式会社※2
3. 代表紹介 2 ⽶国州⽴テキサス⼤学理学部卒業後、ボストンコンサル ティンググループに⼊社。消費財や流通など多数のプロ ジェクトに参画した後、社内のデジタル部⾨の⽴ち上げ に従事。 その後、東⼤発ベンチャーでのAI事業部の⽴ち上げや東 京⼤学 松尾豊研究室の産学連携業務などを経て Laboro.AIを創業。 代表取締役CEO 椎橋 徹夫 TETSUO SHIIHASHI 京都⼤学⼤学院修了 博⼠（情報学）。産業技術総合研 究所にて機械学習・⾳声信号処理・⾃然⾔語処理の研究 に従事。その間、Queen Mary University of London 客 員研究員も務める。 その後、ボストンコンサルティンググループ、AI系ス タートアップを経てLaboro.AIを創業。 代表取締役COO兼CTO 藤原 弘将 HIROMASA FUJIHARA
4. Laboro.AI 創業の理由 ー AIの領域にはテクノロジーとビジネスをつなぐプレーヤーが必要だ。 創業者である椎橋と藤原が創業前に経験したのは、 技術開発までには⾄れないコンサルティングファーム、 そしてビジネス成果視点が失われがちな⼤学研究室、 それぞれの現実でした。 「AIができること」と「ビジネスで意味のある」ことの 重なりを発⾒する⼒、つまり、 テクノロジーとビジネスをつなぐ能⼒携えていなければ、 AIを最適なビジネスソリューションとして 開発・導⼊できることはできません。 アカデミア分野から⽇々⽣み出されるAIの先端技術を産業に応⽤し、 世の中に変⾰をもたらすため、この２つをつなぐエキスパートになる、 これがLaboro.AI創業の理由であり、私たちの使命です。 テクノロジーとビジネスを つなぐプレーヤーに 3
5. Laboro.AIのミッション 4 すべての産業の 新たな姿をつくる。 テクノロジーと ビジネスを、つなぐ。 私たちは、産業に⾰命を起こそうと奔⾛する各企業のイノベーター の⽅々に、オー ダーメイドという⽅法でビジネスにジャストフィッ トするAIソリューションをご提供いたします。 「すべての産業の新たな姿をつくる」。そのためにクライアントさまと ⼀緒に考え、苦労を共にし、⼒を合わせてイノベーションを実現する 共創パートナーとして存在し続けることが、私たちのミッションです。 AIがその真価を発揮するためには、ビジネス環境や課題に合わせて必 要なデータを集め、アルゴリズムを設計し、幾度の検証を⾏い、最適 な形になるまで調整を繰り返すことが不可⽋です。 つまり、テクノロジーとビジネス双⽅の知⾒がなければ、実⽤に耐え るAIが実現することはありません。 双⽅の知識を持ち、確実にAIをビジネスに転⽤すること、「テクノ ロジーとビジネスを、つなぐ」ことが、Laboro.AIが果たす役割です。 4
6. Laboro.AIのビジョン 5 テクノロジーとビジネスをつなぐ、 新たなプロフェッショナル⼈材を構築。 各産業の意志あるイノベーターと出会い、 共にビジョンを描き、実現を⽬指す。 ビジョンを次々とカタチにし、 産業に適⽤され、変⾰を起こす。 イノベーションの連続が、⽇本で先駆けて実現され、 グローバルに波及させる。
7. 6 Laboro.AIの３つの強み 多彩なデータ・技術 オーダーメイド開発 カスタムAI ① SaaSやプラットフォームのような制約がない⾼いカスタマイズ⼒ ② 技術内容や取り組み過程をブラックボックス化しない伴⾛型AI開発 ③ お客様で継続検証・横展開を可能とする⽀援（隠さない・柔軟な権利） 約70%の⾼いプロジェクト継続率 ① 現場に近いセンサデータや画像など⾮構造データに対応が可能 ② 深層学習や機械学習、最適化や強化学習など⽤途に応じて適切な技術を選択可能な広い 技術範囲をカバー ① AI適⽤の可否や適⽤⽅法など企画段階〜PoC〜運⽤まで⼀気通貫での検討 ② ソリューションデザイナによるPoC実施前の⾼い実現性や活⽤可否の⽬利き⼒ ③ 豊富な実績をもとにした活⽤へのノウハウ
8. 取引先企業様 7 IHIインフラ建設 IJTT アスプコミュニケーションズ 味の素 IDOM エーザイ NTTコミュニケーションズ エン・ジャパン オートネットワーク技術研究所 ⼤林組 沖電気⼯業 オムロン ⿅島建設 気象庁気象研究所 産業技術総合研究所 ジオテクノロジーズ ジャパンマリンユナイテッド SCREENアドバンストシステムソリューションズ 住友重機械⼯業 図研 ゼンリン ソニーセミコンダクタソリューションズ ⼤成建設 ⽵中⼯務店 ⼤広 TOPPANデジタル ⽇本線路技術 ⽇本総合研究所 ⽇本ガイシ 博報堂 パーソルキャリア パーソルクロステクノロジー パーソルビジネスプロセスデザイン 東⽇本電信電話 ⽇⽴建機 ⾮破壊検査 ブロードマインド みちのりホールディングス 三井化学 三井不動産リアルティ 三菱ロジスネクスト 明治安⽥⽣命保険 ⼭⼝県 LINEヤフー Rapidus ローム 他
9. クライアント様の声 8 ü 「PoC死」が絶えない中、70％超のプロジェクト継続率 ü 技術⼒以上に「⼀緒に考えること」が当社への評価につながっている 実現できるか不明なこと をLaboro.AIだけが⼀緒 に考え付き合ってくれた。 技術的な部分に加え、業 界がどうなって⾏くべき かを⼀緒に考え、アイデ アをくれそうな点に期待。 ⼀緒にやろうと決めたの は、現場に伴⾛して⾊々 と頑張ってくれそうだと 感じたから。 みんな無理と⾔って逃げ られた。進め⽅など⼀緒 にどうするか考えてくれ ている。 ⾃分達に知らない知⾒や、 新しい考え⽅を積極的に 教えてくれそうな点に魅 ⼒を感じた。 ⾃分達でだけではできな い技術的な要件整理の部 分、アイデア出しに熱⼼ に付き合ってくれた。 他社はろくに話を聞いて くれないが、いろいろな ことを教えてくれてあり がたい。 腹を割って⼀緒に考えて くれる。また、依頼に対 して即拒否姿勢ではなく、 前向きに解決策を議論し てくれる。 建設 製造 製造 情報 サービス 保険 保険 ⼈材派遣 交通
10. 当社プロジェクトの特徴 9 ü 戦略・ビジネス・技術を兼ね備えた「戦略系AIベンダー」として、戦略策定から新規事業開発まで広範囲を⽀援 ü ビジネス差別化の核となる戦略的な最先端R&Dプロジェクトも ビジネス 技術 戦略 最先端技術の ⻑期R&D 新規事業の開発 AI/データ戦略の 策定 ① AI/データ戦略の策定 ü 製薬会社様のAI/データ戦略策定を⽀援 ② 新規事業の開発 ü ⾷品メーカー様と消費者向けアプリを開発 ③ 最先端技術の⻑期R&D ü ゼネコン様と振動制御技術を開発（共同で論⽂発表） ü 半導体製造装置メーカー様と資本業務提携 1 3 2
11. 当社が狙う「バリューアップ型AIテーマ」 10 ü 新規製品・サービス創出やビジネスモデル変⾰などの新しいビジネス施策展開によって 企業成⻑を図るAI開発テーマを「バリューアップ型AIテーマ」と定義し注⼒ ※ ※ 出典：独⽴⾏政法⼈情報処理推進機構(IPA)「DX⽩書2023」(2023年3⽉)による定義
12. バリューアップ型AIテーマにおける注⼒産業分野 11 ü バリューアップ型AIテーマ市場を開拓する切り⼝として、とくに注⼒する産業分野を２ つ設定 研究開発型産業 製造業等における研究開発を通じて、 ⾰新的な製品・サービスの創出を⽬指す分野 注⼒分野① 取組実績 社会基盤・⽣活者産業 消費者・⽣活者に直接製品・サービスを提供したり 社会インフラを担う分野 注⼒分野② 化学・素材メーカー ・新規材料の探索や新規製法の考案 ・研究論⽂情報の探索・要約 半導体装置メーカー ・ AIを組み込んだ装置・⽣産ラインの新規 開発 製造・建設企業 ・⽣産計画や施⼯計画などスケジューリン グの最適化・⾼度化 取組実績 ⾷品メーカー ・パーソナル献⽴提案サービスの開発 広告企業 ・⽣成AIによるバーチャル⽣活者⽣成と市場 調査の⾼度化 製薬メーカー ・PHR（パーソナル・ヘルス・レコード） データを活⽤した個別化医療⽀援プラット フォームの開発 消費財メーカー ・対話AIを活⽤した1to1マーケティングサー ビスの開発
13. 幅広い顧客と多数のプロジェクト実績 12 ü 通算300を超えるカスタムAIプロジェクトをこれまでに推進 研究開発型 社会基盤・ ⽣活者 建 設 強化学習 建設物の揺れ制御 （建設関連企業） 制振装置AMDの制御を ⽬的とした強化学習プ ログラムを開発 製 造 強化学習 ⼯程スケジューリング （精密機器メーカー） 強化学習アプローチに よる⽣産計画の最適化 問題の解決 建 設 強化学習 施⼯計画の最適化 （建設関連企業） ⼈⼿や従来⼿法では⾒ つけられなかった最適 な施⼯計画を⽴案 インフラ 画 像 線路設備の不良判定 （鉄道事業者） 線路設備の機能不全・ 異常を⾃動判定する開 発・実運⽤化 ⼈ 材 ⾃然⾔語 ⼈と職のマッチング （⼈材紹介企業） 採⽤サイトでの⼈と⾷ のマッチングを⾏う仕 組みを開発 ⼩ 売 画 像 店内在庫モニタリング （電機機器メーカー） 防犯カメラを⽤いたリ アルタイムでの店内在 庫モニタリング 製 造 ﾚｺﾒﾝﾄﾞ 献⽴作成エンジン （⾷品メーカー） 栄 養 素 の 条 件 と ユ ー ザーニーズを満たす献 ⽴を作成するエンジン ﾏｰｹﾃｨﾝｸﾞ ⽣成AI 対話の⾃動⽣成 （広告企業） 企業・商品ブランド⼈ 格を反映した対話テキ ストの⽣成・顧客応対 ﾏｰｹﾃｨﾝｸﾞ ⽣成AI バーチャル⽣活者⽣成 （広告企業） 7,000⼈分の調査データ から⽣活者を再現し、 市場調査を⾼度化 製 造 時系列 排⽔処理での異常検知 （電機機器メーカー） ⼯場から排⽔される汚 染⽔データの分析から 異常検知を実施
14. カスタムAIとは 13 ü ビジネス成果につながるAIをオーダーメイドで開発 ü コア業務の変⾰＆イノベーションの創出を⽀援 n オーダーメイドによるAI開発 ‣ アカデミア出⾃の先端の機械 学習技術をベースに、ビジネス にジャストフィットする形でAI を受託開発 n 企業のコア業務をAIで変⾰ ‣ 画⼀的なパッケージAIでは対応 が難しい、ビジネス現場特有の 複雑な課題の解決に貢献
15. カスタムAIとは 14 ü ソリューションデザイン（AIソリューション設計とAI導⼊を通した事業変⾰のためのコンサルティング） と、オーダーメイドAI開発（顧客企業固有の成⻑戦略や事業課題に合わせたAI開発）を通じて、顧客企業 のイノベーションを共創
16. 15 カスタムAIを⽀える２種のスペシャリスト ソリューションデザイナ アカデミア （学術研究） 産業 AI ビジネス 機械学習エンジニア • クライアントのビジネス課題に対 して、実データを分析しながら、 技術観点で解決策を考案 • 速度・可⽤性も考慮したモデル開 発とシステムへの組み込み • クライアントと密に議論し、ビジ ネス課題を深掘り • プロジェクト全体を俯瞰し、検討 すべき論点を設定 • ビジネス観点で論点に対する答え を検討 カスタムAI
17. 16 カスタムAI ４つのポイント あらゆる課題にAIを あらゆるAI領域でAIソリューションをオーダー メイド開発 データに壁はない 画像、⾳声、⾃然⾔語など、様々なデータを活 ⽤したAIソリューションの開発に対応 業界にも壁はない ビジネスに効く、AIを ビジネス構想からはじめ、ビジネスに意味ある AIを開発・提供 全ての産業の企業を対象に、AI導⼊・開発を ⽀援 画像 ⾳声 ⾃然 ⾔語 強化 学習 時系 列 機械学習 ⾦融・保険 ⼟⽊・建設 ヘルスケア 情報通信 製造業 ⼩売・流通 ⼈材
18. 17 様々な業界でのプロジェクト実績 etc. ▶ AIによる外観検査 ▶ 探索ニーズレコメンド ▶ ニオイセンサーデータの分類 ▶ 動画解析からの感情推定 ▶ ⼟⽊⼯事での施⼯計画の最適化 ▶ 建設物の制振制御 ▶ ブランド⼈格を反映した 対話テキスト⾃動⽣成 ▶ 未来購買パターン予測に基づく 商品レコメンド ▶ 画像アプローチからの ⼿書き⽂字の読み取り ▶ 線路設備の不良判定の⾃動化 ▶ インフラ設備の劣化箇所検出 ▶ 波形解析による 管内外⾯の損傷検出 ▶ ユーザーニーズを満たす 「献⽴作成エンジン」 ▶ キーポイント検出（姿勢推定） を⽤いた伝統芸能の普及 ▶ 航空写真からの 停⽌線・横断歩道の検出 ▶ ⽂書分類による業務⾃動化 ▶ ESG企業調査での情報収集・評価 ▶ ⼈と職の最適なマッチング
19. カスタムAI 開発フロー 18 ü 課題やフェーズに合わせて、ワンストップで伴⾛⽀援
20. カスタムAI 提供の流れ 19 ü 事業変⾰の企画構想、AIソリューションの要件定義から開発・PoC、導⼊、継続的な再学習・ チューニングまでを⼀気通貫で⾏い、AIイノベーションを顧客と共創するプロジェクトを実施 ソリューション デザイン AI開発 企画構想・ 要件定義 開発・PoC 導⼊・実装 再学習・ チューニング • 顧客の成⻑戦略、 事業課題の整理 • 新規製品・ サービスや ビジネスモデルの 構想 • データ解析 • AIソリューション 設計 • ビジネス観点での 技術検証 • ビジネスプロセス 再設計 • ビジネス変⾰ の実⾏⽀援 • 改善・進化余地の 特定 • ビジネス変⾰ の継続⽀援 • 技術要件の定義 • 採⽤する技術⼿法 の特定 • データ解析 • プロトタイプ システムの設計 開発 • 精度検証 • 実⽤システム の設計開発 • テスト・システム 稼働開始 • モデル再学習 • システムへの 追加実装
21. アドバイザリーメニュー 20 ü AI開発だけでなく各種アドバイザリーにも対応 ビジョン、戦略、 ロードマップの策定など、 AI導⼊前のご相談 AI活⽤アドバイザリー AI活⽤のための ビジョン策定を データ活⽤の⽅法を 相談したい 導⼊中のAIシステムに 対するアドバイスなど、 技術的なご相談 技術アドバイザリー ⾃社開発が うまくいかず アドバイスが欲しい ⼿法の調査やレポー トをして欲しい
22. ソリューションデザイナの紹介 21
23. ソリューションデザインとは 22 ü 「AIで解くべき課題は何か」「ビジネス成果のために最適なAI技術は何か」をチームで 徹底的に考え抜く、当社独⾃のサービスプロセス ビジネスサイド AI／機械学習サイド そもそもクライアントビジネス上、 どの課題を解決すべきなのか？ その課題はどういったAI技術で 解決できるのか？ • 解くべき課題をクライアントと⼀緒に なって、明確化する • AIで “現実的に” 実現できることを念 頭に置きながらアイデアを出す • ビジネス上、意味のあるKPIに沿っ て、画期的なアイデアを考える • その「課題」を解くために⼀番最適と 思われる⼿法（問題設定）は何か？ • どのアルゴリズムを使うか？ 必要なデータは揃っているか？ • 実装時のアーキテクチャはどの様に構 成するか？処理はどこで⾏うか？必要 とされるSLAは何か？ ソリューション デザイナ 機械学習 エンジニア
24. オリジナル⼈材「ソリューションデザイナ」 23 ü AI & ビジネスコンサルティングに⻑けた当社独⾃の専⾨⼈材「ソリューションデザイ ナ」が、顧客企業のためのAIソリューション設計とビジネスデザインを実施 コンサル ファームや 事業会社での 豊富なビジネス経験 多数の AIプロジェクト 経験に基づく、 機械学習に対する知識 提案営業 コンサルティング プロジェクト マネジメント ソリューションデザイナの特徴・役割 ソリューションデザイナ マーケティング部⾨などと連携して、顧客への提案や案件獲得の 段階から主体的にご担当。ビジネスとテクノロジーの知⾒が重要 となります。基本的には顧客からの依頼にあわせたpull型の営業 です。 企業の経営レイヤーや現場責任者レベルの⽅に対し、AIへの知⾒ を⽣かしたコンサルティングを⾏います。クライアントへの⼊り 込み、あるいは提携などの交渉にも従事いただきます。 AIプロジェクトのマネージャーとして、社内のエンジニアと連携 し、クライアントが期待する成果を⽣み出すことを⽬指します。
25. 24 ソリューションデザイナと類似職種 業務 戦略設計 営 業 ビジネス コンサル AI コンサル AI設計 開 発 保守 ・運⽤ 経営企画・事業企画 ソリューション営業 コンサルタント データ サイエンティスト 機械学習 エンジニア ソリューション デザイナ 特徴① ソリューションデザイナ１名のカバー領域の広さ ▶ 情報・ノウハウの⼀元化 特徴② 営業＋コンサルティング＋AI設計に軸 ▶ 導⼊先に最適な企画・提案・設計 特徴③ 機械学習エンジニアとのタッグにより１社完結 ▶ 企画〜開発・運⽤までワンストップ
26. 25 ソリューションデザイナの役割 開発前の役割 １ お客様への 課題ヒアリング • 業務プロセスや課題ヒ アリングを通して、AI によって効率化・⾼度 化できそうなビジネス 領域を特定 • AIで実現可能かつビジ ネスインパクトが⼤き いテーマを設定 ２ 開発する ソリューションの設計 • 明確になったテーマを 解決するためのプロ ジェクトプランを検討 • お客様と⼀緒に最終的 な実装イメージを固め るところからスタート し、⽤いるアルゴリズ ムや成果指標を決定 ３ AI技術＆⼿法の 調査・検討 • 機械学習関連の最新論 ⽂やアルゴリズムを調 査し、使えそうな⼿法 を検討 • 課題解決の可能性がよ り⾼いと思われる⼿法 や問題設計を考え抜き、 ご提案 ４ プロジェクト計画の ⽴案・管理 • 早期の現場導⼊に向け て、最終的なビジョン &ゴールから逆算した 検証・開発計画を策定 • PoCからスタートし、 プロジェクト開始後も 当初の計画から脱線し ないようマネジメント 開発中の役割 ５ 必要なデータの 整理 • 使⽤するデータの選定 や、機械学習に⽤いる 教師データのラベルの 定義、使⽤する特徴量 の選定などを実施 ６ モデル開発の 推進 • データの内容やパラ メータの設定などを随 時検証 • 開発進⾏中も定のミー ティングを実施し、進 捗や課題点を都度お客 様と共有 ７ 精度改善やPoC結果 からのリプランニング • PoCの結果から改善の ⽅向性を発⾒し、場合 によっては問題設定⾃ 体を⾒直すほか、実⽤ 化に向けたプランニン グを再度実施 ８ 実装までの 伴⾛ • システム実装の⽀援や 稼働後の再学習など、 継続的なサポート • 開発の知⾒がお客様側 にも残るよう、モデル の中⾝や仕様について ご説明 開発後の役割
27. 26 ソリューションデザイン ４つのポイント AIを成果のために ビジネス成果につながる最適なAIの開発に向 け、⽬的、戦略、計画、設計、ワンストップで ⽀援 意味あるチャンスの発⾒ 「AIで技術的にできること」と「ビジネスで意 味のあること」の接点を発⾒ 「どう使うか」を徹底的に考える ⼀緒に考え、作り上げる お客様が保有するドメイン知識と当社にあるAI ノウハウとが、強⼒につながることを⽬指す 開発前の段階から活⽤シーンをイメージし、 ⽬指すゴールに最適なビジネスソリューショ ンとして設計
28. 27 募集対象のロールと役割 プリンシパル ソリューション デザイナ （PSD） ü 構想策定・新製品/事業開発・実現難度が⾼い業務のデジタル化などのクライアントが注⼒ する中⻑期的なプロジェクトを複数リード ü SSDと協⼒して新規案件受注、標準化等の組織課題のリード シニア ソリューション デザイナ （SSD） ü SD/ASDをサポートしながらAI開発のコンサルティング・PoC・導⼊を⼀気通貫でリード ü AI開発のみならず構想策定・事業戦略などに関連する難易度が⾼いプロジェクトを実⾏ ü 経営層を含めた議論やビジネスマッチングなどの具体的な課題が明確ではないアイディ エーションを伴うリードへの対応 ソリューション デザイナ（SD） アソシエイト ソリューション デザイナ（ASD） ü SSDによるサポートのもと、SD1名、エンジニア1名の体制でAI開発のコンサルティング・ PoC・導⼊を⼀気通貫で実⾏ ü 複数のプロジェクトを並⾏して実⾏ ü クライアント接点を全て担いクライアントとの議論をリード（PMや管理にとどまらない）
29. 28 ソリューションデザイナの参画動機 ソリューション デザイナ への動機 Laboro.AIへの 参画動機 n ⾯⽩いプロジェクトへの参画 ü ⼿触り感のないコンサルティングから脱却（構想だけで終了してしまったり、実現性に疑問 があるプロジェクトからの脱却） ü 業種や領域を絞らない挑戦範囲（コンサル・⼤⼿は分業、事業会社は機会の絶対数が限定 的） ü 「AI」を武器に事業の”コア”に関与。クライアントは企業の肝いりDXや開発部署・役員レ ベルまでとの接点 n 成⻑機会 ü AIに根差したビジネス変⾰という将来ニーズが⾼い強い専⾨性を獲得 ü ビジネスと技術の両⽴という⼀般的には実現の難しいロールを遂⾏ ü 優秀な⼈材達と⼩チームで働くことによる刺激 ü 約80名という規模で第⼆創業期。仕組みを整えつつ拡⼤する中で会社の中核として活躍が可能。 プリンシパル・シニア層であれば⾃⾝の事業/チーム組成も ü ⼤⼿コンサルと⽐べても遜⾊のない年収
30. ソリューションデザイナのバックグランド ※2025年4⽉時点 29 ü コンサルティングファームやAI企業、アカデミア、事業会社でのデータサイエンティス トなどが活躍中 社 名 学 歴 コ ン サ ル テ & ン グ フ ) ｜ ム Ａ Ｉ 企 業 ・ ア カ デ ミ ア 業 界 A.T.カーニー → ソフトバンクロボティクス 野村総合研究所 → リクルート ブレインパッド → ローランド・ベルガー ⼤阪ガス → アビームコンサルティング 野村総合研究所 アビームコンサルティング ベイン・アンド・カンパニー 東京⼤学⼤学院情報学環 → アスタミューゼ 東京⼤学 未来ビジョン研究センター → Recursve Idein ギリア SENSY 京都⼤学 理学部物理学科 東京⼤学 ⼯学部社会基盤学科 早稲⽥⼤学 先進理⼯学電気・情報⽣命⼯学 修⼠ 東京⼤学 ⼯学部 修⼠ 慶応義塾⼤学 商学部 東京⼤学 理学部⽣物学科 東京⼤学 広域科学専攻相関基礎科学 修⼠ 東京⼤学 新領域創成科学研究科 博⼠ ⻘⼭学院⼤学 国際政治経済学部 神⼾⼤学 法学部法律学科 シアトルセントラル⼤学 千葉⼤学 理学部地球科学学科
31. エンジニアの紹介 〜機械学習エンジニア〜 30
32. ビジネス実装を前提としたAI開発 • 機械学習⼿法を組み合わせて、課題解決⼿法の検討・モデリ ング・評価までを⼀気通貫で担当 • 実運⽤で効率的に動作することを前提としたAI開発 問題解決スキル 実運⽤を考慮したAI開発スキル 31 業務内容と⾝につくスキル 提案前プロジェクトの技術調査・⼿法検討 機械学習スキル向上のための知識共有と組織運営 業務内容 ⾝につくスキル • スキル平準化の活動や、組織への知識共有活動 • エンジニアリング部全体の組織運営活動 （開発ツール標準化活動、オンボーディング対応 等） • 提案時に必要となる技術の調査 • 様々なクライアントのビジネス課題を元に、多⾓的な視点か ら機械学習での解決⼿法を検討 ロジカルシンキング 幅広い機械学習知識 組織運営スキル 課題発⾒スキル
33. 32 機械学習エンジニアの魅⼒ 様々な分野の技術をキャッチアップできる • 業界業種を問わず、様々なクライアントとの取り組みを実施 • 様々なデータ形式、タスク、機械学習⼿法に触れられる機会があります • 3ヶ⽉〜半年の短いスパンのプロジェクトサイクル 裁量が広く、エンジニアリングに集中できる環境 ビジネスの最前線で活躍するAIコンサルタントと近い距離で働ける • AI開発の企画〜PoC〜運⽤まで⼀気通貫で対応 • 顧客折衝やリソースの管理はソリューションデザイナが担当するため、エンジニアは技 術に集中しやすい環境があります • ⽇々の業務は、ソリューションデザイナと⼆⼈三脚で取り組みます • エンジニアにも顧客課題の理解やビジネス理解が求められるため、論理的思考⼒やビジ ネス理解⼒を伸ばしやすい環境です
34. 33 機械学習エンジニア 利⽤技術 ü 技術ニーズやトレンドに応じた技術選定を⾏っています ü Pythonがメインの⾔語ですが、技術ニーズに合わせてRustやC++等の⾔語も使⽤します データ分析全般 機械学習 Deep Learning 実験管理 基本的なDeep Learningラ イブラリはもちろんのこと、 最近ではLLM系のライブラ リを活⽤しています。 案件に合わせて分析モデル を選定します。 ハイパラチューニングやモ デルの説明性も重視してい ます。 可視化ライブラリを活⽤ し、ビジネス視点で理解し やすいデータ分析を⾏なっ ています。 プロジェクトにもよります が、実験管理ツールを導⼊ し再現性を担保した実験を ⾏っています。
35. リード機械学習エンジニア 34 機械学習エンジニアのキャリアパス 先輩エンジニアのサポート下で、 ・探索的データ解析 ・機械学習モデルの実装 機械学習エンジニアの業務内容を 単独でこなせる上で、 ・後輩エンジニアの指導、育成 機械学習エンジニア業務に加え、 ・組織全体の課題発⾒、改善 与えられた業務の遂⾏に加えて、 ⾃⾝の考えをしっかりと表現し、 組織に「⽰唆」を与える 担当プロジェクトのメンバーを束 ねる存在として、個のパフォーマ ンスのみならず、チーム全体のパ フォーマンスの向上 に取り組む 広く深い専⾨性を活かして、組織 全体のパフォーマンス向上に取り 組む 機械学習エンジニア 担 当 業 務 組 織 内 の ロ ｜ ル
36. エンジニアの紹介 〜システム開発エンジニア〜
37. 36 業務内容と⾝につくスキル 開発スキル向上のための知識共有とルールづくり 業務内容 ⾝につくスキル • 機械学習エンジニアを含むエンジニアのソフトウェアエンジ ニアリングスキル向上の仕組み検討 • 開発標準の策定や開発プロセスのテーラリングについて検討 機械学習モデルを組み込んだシステム開発の遂⾏ • 要件定義から運⽤まで幅広い⼯程を担当 • 開発チームマネジメント、プロセス管理、外部ベンダー管理 • ソリューションデザイナと協⼒しながらのプロジェクト進⾏ 機械学習システムの知⾒ プロジェクトマネジメントスキル 提案前プロジェクトへのシステム開発⽬線のアドバイス • システム開発⾯の⼯数⾒積もり • AIを実運⽤に乗せるための「保守性」「可⽤性」「拡張性」 「セキュリティ」を意識したシステムアーキテクチャの検討 AIシステムの運⽤を意識した システムアーキテクチャの 設計スキル 組織運営スキル システム開発全般スキル
38. 37 システム開発エンジニアの魅⼒ 「AIを実運⽤するためのシステム開発」を経験できる 技術に集中できる環境 裁量がある働き⽅ 組織運営に関わることができる • 社会的にも確⽴されていない領域である「AIを実運⽤するためのシステム開発」の先頭に⽴てます。 • 機械学習エンジニアと協⼒しながらプロジェクトを進めるため、機械学習の基本的スキルを⾝につけ ることができます。 • 顧客折衝やリソースの管理はソリューションデザイナが担当するため、エンジニアは技術に集 中できる環境があります。 • また、技術に関する共有・議論が活発な⾵⼟であるため、多様な技術をインプットできます。 • 使⽤技術、設計技法、プロセスのテーラリングなどの全⽅向で⼤きな決定の裁量があります。 • 決められた作業内容をこなすだけではなく、プロジェクトへの主体性が評価されやすい環境です。 • 開発チームが発⾜されたばかりのため、⽴ち上げ期から参画することができます。 • 組織運営にも関わることができ、仕組みづくりに⾃分の意⾒を⼤きく反映することが可能で す。
39. システム開発エンジニア 利⽤技術 38 その他ツール 開発ツール Slack Backlog Cacoo Google Meet Visual Studio GitHub ⾔ 語 インフラ Python Rust Javasctipt etc . AWS Azure Google Cloud 社内サーバ オブジェクト指向 ドメイン駆動設計 クリーンアーキテクチャ マイクロサービス 開発全般
40. エンジニアの紹介 〜エンジニアリング部の特徴〜
41. メンター制度 メンター・スーパーバイズ制度 40 ü 様々な場⾯において、シニアメンバーがエンジニアをサポートします ü エンジニアの継続的な成⻑をサポートする環境が整っています メンバー1⼈1⼈には、シニアメンバーがメ ンターとして割り当てられます。 ・キャリア相談 ・技術相談 ・雑談 等に随時対応し、継続的な成⻑をポートしま す。 ジュニアメンバーがプロジェクトアサイン される際は、メンターとは別に、シニアメ ンバーがスーパーバイザーとしてアサイン されます。 ・プロジェクトに関連する技術の相談 ・プロジェクト推進、他部署との調整 ・プロジェクト成果物のレビュー・FB 等を実施し、エンジニアが初めての技術分 野にも積極的に参加できるような仕組みが あります。 スーパーバイズ制度 エンジニアの継続的な成⻑をサポート 未経験分野にも挑戦しやすい環境
42. プロジェクトのアサイン 41 ü プロジェクトアサインは⼯数の50%で、最⼤2つのプロジェクトを担当します ü エンジニアはプロジェクトの提案段階から参画することができます １プロジェクトの⼯数は５０％ （最⼤2つ） ５０％ プロジェクトアサインの特徴について • 業種/業界、使⽤技術など多種多様な案件に参画いただくことが可能です。 • プロジェクトアサインされる場合、⼯数は「50％」として計算されます。 ※SV等のサブ担当者として参画する場合は除く。 • プロジェクトの提案段階に主体的にエンジニアが参加するケースが増加し ており、⾃⾝が提案に関わったプロジェクトにアサインされることもあり ます。 • プロジェクトアサインがない場合は、各⾃の専⾨性強化へ向けた⾃主学習 やR&Dに充当できます。 ５０％ ソリューションデザイナ（SD）との連携 • 弊社はエンジニアとソリューションデザイナとの連携が強い上、エンジニア がプロジェクトの提案段階から主体的に関わることが多いです。 • 例えば、ソリューションデザイナがプロジェクト提案に際し技術的に困った 時は、Slack経由でエンジニアに相談し、逐次対応する⽂化が存在します。
43. 評価制度 42 ü メンバー間での360°評価を実施 ü 勤続年数や年齢にとらわれない、成果を元にした評価制度 プロジェクト評価 定期考課 評価内容 評価時期 評価内容 評価時期 プロジェクト終了時に実施 ⼀般的なプロジェクト期間は3ヶ⽉〜半年程度 プロジェクトで関わった全てのメンバー同 ⼠で評価を実施 半期に1回のタイミングで実施 年間に2回の評価（2⽉, 8⽉） 期の最初に、次のランクに向けた「達成⽬ 標」「昇進時期」を上司と合意 定期考課のタイミングで、⽬標に対する達 成度やプロジェクト遂⾏における全般的な 能⼒を評価 ⾼いパフォーマンスを発揮した場合は、昇進時期より早い時期に昇進可能です
44. リモートワーク主体の働きやすい環境 43 ü フルリモート・フルフレックスの働き⽅を採⽤しています ü ⼦育てやプライベートと仕事を両⽴させた働き⽅が可能です 全国各地から勤務できます 2割の社員が関東県外から勤務して います。⽇本国内であれば居住地 の制限が無いため、⾃由な働き⽅ が可能です。 出社率は1〜2割 多くの社員がリモートワークを選択 しています。また、リモートワーク 主体で週に2〜3回出社されメンバー もおります。 ⽉に⼀度の対⾯ コミュニケーション機会 ⽉に⼀度全社会議が開かれ、近 隣・遠⽅のメンバーが多く出社 し、対⾯コミュニケーションを とっています。遠⽅のメンバーに は交通費や宿泊費が⽀給されま す。 ライフスタイルに 合わせた働き⽅ コアタイムが無いフルフレックスの 働き⽅を採⽤しているため、プライ ベートと仕事を両⽴させることが出 来ます。⼦育てと仕事を両⽴させな がら仕事をしている⽅が多くいま す。
45. 44 エンジニアリング部 メンバー紹介（⼀部）1/2 Y.Tさん S.Yさん 役職 リード機械学習エンジニア ⼊社 動機 ⼤企業では得られなかった、広い 裁量を持って働きたいと思い⼊社 を決めました。 ﾒｯｾｰｼ 意欲を持って業務に取り組むこと で若⼿でもしっかりと評価しても らえる⽂化の会社だと思います！ 専⾨分野 データ分析・可視化、 画像認識、⾃然⾔語処理 リード機械学習エンジニア 魅⼒的なチームと⼀緒に、様々な ことにチャレンジできる環境が⼊ 社の決め⼿でした。 様々な規模感のプロジェクトに 様々なロールで参画できる、 成⻑機会に富んだ会社です！ エッジコンピューティング、 画像認識、データ分析・可視化 K.Kさん ※2024年7⽉1⽇現在 エンジニアリング部 部⻑ リード機械学習エンジニア 機械学習を通して様々な業界を知る ことができると思い⼊社しました。 技術はもちろん、それ以外の⾯でも ⾼い能⼒を持つメンバーが多く、成 ⻑できる環境だと思います。 確率モデリング、強化学習 H.Kさん リード機械学習エンジニア 機械学習という技術を軸に、エンジ ニアでもクライアントに近い距離で 働ける会社だと思い、⼊社を決めま した。 積極的に⼿を挙げれば、若⼿でも チャンスを多く得られる会社だと思 います！ 強化学習、連続最適化、時系列解析 役職 ⼊社 動機 ﾒｯｾｰｼ 専⾨分野 役職 ⼊社 動機 ﾒｯｾｰｼ 専⾨分野 役職 ⼊社 動機 ﾒｯｾｰｼ 専⾨分野
46. 45 役職 ⼊社 動機 ﾒｯｾｰｼ 専⾨分野 役職 ⼊社 動機 ﾒｯｾｰｼ 専⾨分野 役職 ⼊社 動機 ﾒｯｾｰｼ 専⾨分野 役職 ⼊社 動機 ﾒｯｾｰｼ 専⾨分野 エンジニアリング部 メンバー紹介（⼀部）2/2 機械学習エンジニア 顧客のニーズに合わせて最適なソ リューションを提供することに感 銘を受け、現実世界の課題を解決 したいと思い⼊社を決めました。 幅広い分野のプロジェクトを経験 できます。幅広いドメインにチャ レンジする機会があります！ 異常検知、画像解析、 時系列解析 D.Xさん ※2024年7月1日現在 Z.Xさん MLリサーチャー 様々な分野に携わることで、ス キルを磨き、成⻑するチャンス がたくさんあります！ ⾃然⾔語処理、⾳声処理 機械学習の最新技術に関わるR&Dプ ロジェクトを⾃ら提案し、最後まで 責任を持ってやり遂げられる環境が あると思い、⼊社を決めました。 A.Oさん システム開発エンジニア チームメンバーや職務内容から、 ⾃分が最も成⻑できそうな環境で あると思い⼊社を決めました。 やる気次第で何にでも挑戦できるフ ラットな会社です。⾃⼰成⻑したい ならピッタリだと思います！ システム開発、IoT開発、回路設計 S.Mさん リードシステム開発エンジニア AIを社会実装するためのシステム開 発の最先端に⽴ちたかったため。 まだ正解のないAIを組み込んだシス テム開発のあり⽅について、答えを 探究できる事は⼤変⾯⽩いです！ システムアーキテクチャ
47. 「私の1⽇」：T.Iさん（リード機械学習エンジニア） 46 ü 参画プロジェクト：ベイズ最適化、データ分析 等 5:00 9:00 12:00 13:00 18:30 21:00 起床、⽝の散歩、読書など 始業 休憩 午後の業務 業務終了 就寝 →社内ミーティングはなるべく午前中に集中させています →午後は集中してコーディングできるようにスケジュール ブロックをするときもあります。 リモートワークを活 ⽤し、妻と協⼒しな がら⼦育てと仕事を 両⽴しています。 時には、早朝に作業 をして、夜に⼦供と 過ごす時間たくさん 作ったりもしていま す！ 7:00 朝の⽀度、保育園の送り →早めに業務終了して保育園の迎えに⾏く場合もあります →8時間寝ます →6時まで家事等をして、6時から7時は読書 →リモートワークで太ったのでジョギング20分
48. 「私の1⽇」：K.Hさん（機械学習エンジニア） 47 ü 参画プロジェクト：制振制御、画像異常検知、レコメンドシステム開発 等 9:00 9:45 13:00 14:00 16:30 18:30 19:30 朝活で近所をジョギング 始業 休憩 午後の業務開始 業務終了 野球観戦 →メールチェック、シミュレーションチェック、 SDとの内部ミーティング、アルゴリズム検討等 →クライアントミーティング、コード実装、勉強会準備 等 定期的な社内勉 強会など、成⻑ する場を多く頂 いています！ →時間のある⽇は、スポーツ観戦に出かけてます！ 社内勉強会 →多い⽇には2つほど勉強会に参加してます！ →リモート勤務なので、帰宅時間なしです！
49. 社内活動の様⼦ 48 ü 様々なテーマで定期的に勉強会を開催しています ü 任意参加で社内部活動などの社内イベントもあります 業務終了後に社内でボードゲーム 数理最適化勉強会の様⼦ 強化学習勉強会の様⼦ 創業記念パーティーの様⼦
50. 社内制度
51. 50 スキルアップサポート制度 メンター スーパーバイズ制度 社内研修 社内勉強会制度 資格取得 奨励⾦制度 補助制度 • 各メンバーに対して1名のスー パーバイザーが付き、成⻑をサ ポート • エンジニアはプロジェクト毎にシ ニアメンバーが技術アドバイス • エンジニア向けの独⾃研修プログ ラム。基礎的な機械学習技術のお さらいと社内インフラの理解をサ ポート • 強化学習勉強会 • 輪読会 • パワーポイント講習 • その他社内有志による勉強会 • G検定、統計検定、AWS認定資格 など部署毎に推奨資格への奨励⾦ • 書籍購⼊費補助 • セミナー参加費補助 • 研修参加費補助
52. 制度・福利厚⽣ • ⼟⽇、祝⽇ • 年末年始休暇 • 慶弔休暇 • 有給休暇 休⽇休暇 • 関東ITソフトウェア 健康保険組合加⼊ • 社会保険完備 • 健康診断補助 健康保険・社会保険 • フルフレックス制度（コアタイ ムなし） • リモートワーク主体 • カジュアルな服装 勤務体制 • 在宅勤務⼿当 • リモート環境構築補助 • オフィスフリードリンク • 親睦ランチ補助 • 社内部活動制度 • 全社イベント（総会、創⽴記念パーティ、忘年会など） • 社員持株会 福利厚⽣
53. よくある質問 52 Q A Q A Q A 正式な選考の前にカジュアル⾯ 談は可能ですか？ 選考の中でテストはあります か？ 選考はどのようなプロセスに なっていますか？ 書類審査後、数回の⾯談/⾯接を 実施します。 可能です。 お気軽にリクエストください。 エンジニアの候補者にはコー ディングテストをお願いする場 合もあります。 Q A Q A 副業はできますか？ どのくらいの⽅がオフィスに出 社していますか？ 常時オフィスに出社しているの は全体の10％ほどです。⽉次の 全社ミーティングは出社を推奨 しています。 申請し、承認されれば副業は可 能です。