Upgrade to Pro — share decks privately, control downloads, hide ads and more …

ACES会社説明資料

Avatar for ACES Inc. ACES Inc.
December 18, 2023

 ACES会社説明資料

Avatar for ACES Inc.

ACES Inc.

December 18, 2023
Tweet

More Decks by ACES Inc.

Other Decks in Business

Transcript

  1. 2 01 会社概要 Company 02 事業概要 Business 03 DXパートナーサービス Business

    Model① 04 AIソフトウェアサービス Business Model② 05 カルチャーと働き⽅ Culture & Work Style
  2. 4 About ACES 会社情報 ⾃在に組み合わせられるAIモジュール群を活⽤し、⾃社の強みを学習・強化するエキスパートAI を開発。東京⼤学松尾研究室発AIベンチャーの中でも、豊富な実績と先進性で社会実装を牽引 会 社 名 株

    式 会 社 A C E S 経 営 陣 取 引 実 績 ( ⼀ 部 ) 受 賞 歴 ( ⼀ 部 ) ⽥ 村 浩 ⼀ 郎 代 表 取 締 役 ・ C o - F o u n d e r 株 式 会 社 三 井 住 友 銀 ⾏ 、 S O M P O ホ ー ル デ ィ ン グ ス 株 式 会 社 、 株 式 会 社 電 通 、 株 式 会 社 テ レ ビ 朝 ⽇ 、 バ ン ダ イ ナ ム コ ホ ー ル デ ィ ン グ ス 株 式 会 社 、 株 式 会 社 ⽇ 本 政 策 投 資 銀 ⾏ 、 ⼤ 同 ⽣ 命 保 険 株 式 会 社 、 経 済 産 業 省 、 陸 上 ⾃ 衛 隊 、 そ の 他 多 数 東 京 ⼤ 学 ⼤ 学 院 ⼯ 学 系 研 究 科 卒 ( ⼯ 学 博 ⼠ ) 。 松 尾 研 究 室 で ⾦ 融 ⼯ 学 に お け る 深 層 学 習 の 研 究 に 従 事 。 F o r b e s 3 0 U n d e r 3 0 A s i a 2 0 2 2 E n t e r p r i s e T e c h n o l o g y 部 ⾨ に 選 出 。 H O N G O A I A W A R D 東 洋 経 済 新 報 社 「 す ご い ベ ン チ ャ ー 1 0 0 」 F o r b e s 3 0 U n d e r 3 0 A s i a 2 0 2 2 E n t e r p r i s e T e c h n o l o g y 部 ⾨ 松 尾 豊 技 術 顧 問 東 京 ⼤ 学 ⼤ 学 院 ⼯ 学 系 研 究 科 ⼈ ⼯ 物 ⼯ 学 研 究 セ ン タ ー / 技 術 経 営 戦 略 学 専 攻 教 授 他 従 業 員 1 1 0 名 ( 業 務 委 託 ・ イ ン タ ー ン を 含 む ) 事 業 内 容 A I モ ジ ュ ー ル 群 を ⽤ い た ① D X パ ー ト ナ ー 事 業 ② A I ソ フ ト ウ ェ ア 事 業 設 ⽴ 2 0 1 7 年 1 1 ⽉ 2 0 ⽇ 資 本 ⾦ 1 億 円
  3. 5 FOUNDERS 創業メンバー A I 研 究 と 社 会

    実 装 を リ ー ド す る 東 ⼤ 松 尾 研 究 室 メ ン バ ー を 中 ⼼ に 創 業 。 A I ア ル ゴ リ ズ ム と い う 独 ⾃ の 視 点 か ら 事 業 を 創 出 ⽥ 村 浩 ⼀ 郎 代 表 取 締 役 東 京 ⼤ 学 ⼤ 学 院 ⼯ 学 系 研 究 科 卒 ( ⼯ 学 博 ⼠ ) 。 松 尾 研 究 室 で ⾦ 融 ⼯ 学 に お け る 深 層 学 習 の 研 究 に 従 事 。 F o r b e s 3 0 U n d e r 3 0 A s i a 2 0 2 2 E n t e r p r i s e T e c h n o l o g y 部 ⾨ に 選 出 。 中 川 ⼤ 海 執 ⾏ 役 員 東 京 ⼤ 学 ⼤ 学 院 ⼯ 学 系 研 究 科 卒 ( ⼯ 学 博 ⼠ ) 。 松 尾 研 究 室 で 研 究 や 教 育 活 動 に 携 わ る 傍 ら 、 企 業 と の 共 同 研 究 に 複 数 参 画 。 東 京 ⼤ 学 ⼤ 学 院 ⼯ 学 系 研 究 科 ⻑ 賞 、 国 際 会 議 W I 2 0 1 9 B e s t S t u d e n t P a p e r A w a r d 等 受 賞 。 與 島 仙 太 郎 取 締 役 C O O 東 京 ⼤ 学 ⼯ 学 系 研 究 科 シ ス テ ム 創 成 学 専 攻 修 了 。 在 学 中 よ り ⽣ 物 情 報 ス タ ー ト ア ッ プ の ⽴ ち 上 げ に 参 画 し 、 特 許 技 術 の 企 画 開 発 や ⾃ 社 サ ー ビ ス の 開 発 に 従 事 。 久 保 静 真 執 ⾏ 役 員 東 京 ⼤ 学 ⼤ 学 院 ⼯ 学 系 研 究 科 ( 松 尾 研 究 室 ) 修 了 。 在 学 中 よ り 、 エ ン ジ ニ ア と し て 複 数 の プ ロ ジ ェ ク ト に 参 画 。 そ の 後 、 デ ー タ 分 析 ・ 機 械 学 習 の 開 発 や 教 育 に も 関 わ り つ つ 、 フ ァ ッ シ ョ ン 分 野 に お け る 画 像 ⽣ 成 の 研 究 に 従 事 。 ⻄ 條 真 史 B i z d e v 慶 應 義 塾 ⼤ 学 S F C を 卒 業 後 、 楽 天 株 式 会 社 に ⼊ 社 。 新 サ ー ビ ス 開 発 室 に て フ リ マ ア プ リ 「 ラ ク マ 」 の 事 業 開 発 ・ マ ー ケ テ ィ ン グ に 従 事 。 三 ⽥ 村 健 E n g i n e e r 東 京 ⼤ 学 ⼯ 学 部 卒 業 。 A W S に よ る イ ン フ ラ 全 般 の 環 境 構 築 や 運 ⽤ 、 D j a n g o や F l a s k を 使 ⽤ し た A P I 開 発 、 R u b y o n R a i l s を 使 ⽤ し た W e b サ ー ビ ス の 開 発 に 従 事 。
  4. 6 C O N F I D E N T

    I A L ア ル ゴ リ ズ ム で 、 社 会 は も っ と シ ン プ ル に な る V I S I O N M I S S I O N ア ル ゴ リ ズ ム で 、 ⼈ の 働 き ⽅ に 余 ⽩ を 作 る
  5. 7 1 . 会 社 概 要 Vision アルゴリズムで、社会はもっとシンプルになる ALGORITHM

    アルゴリズムの進化 こ れ ま で の 社 会 こ れ か ら の 社 会 COMPLEX SIMPLE 硬直的で 摩擦や断絶がある 物や情報が 氾濫している 構造的で価値が 積み上がっていく なめらかに つながっていく
  6. 8 8 Vision/As-Is これまで: 複雑化する社会 社会は⽇々複雑化している。インターネットやSNSの普及で情報は⼈間が取り扱えないほど爆発 的に増え、グローバル化でより多様な利害が絡み合い、摩擦や断絶も増えている 属⼈的で情報や知⾒が サイロ化する働き⽅ ⼈の認知限界による

    柔軟性のないプロセス 中間搾取が多い ビジネスのあり⽅ • 労働集約的で、⼈数が増えなけ れば⽣産量が上がらない • 情報や知⾒が個⼈や組織に閉じ ている • ⼈の認知能⼒には限界がある。 情報や物に溢れ処理しきれず、 多様性や曖昧性に対応できない • 柔軟性がなく滞留も多くあるオ ペレーション • 付加価値が少ない多重下請け構 造の存在 • 摩擦や⾮効率が多く価値が積み 上がらない データ・情報 1 オペレーション 2 ビジネスモデル・業界構造 3
  7. 9 9 Vision/Macro Trend ⼈⼝が減少する⽇本で、AIが新たな成⻑の原動⼒となる ⼈⼝が減少していく⽇本は、労働集約型から資本・知識集約型の社会への転換を迫られている。 加速的に進化するAIが新たな成⻑の原動⼒となり、その市場は爆発的に拡⼤する 平成28年版 「情報通信⽩書」 『我が国の経済成⻑における課題』図表1-1-1-1

    我が国の⼈⼝推移 より作成 6000 7000 8000 9000 10000 11000 12000 13000 2020 2025 2030 2035 2040 2045 2050 2055 2060 (万⼈) ⽇本の総⼈⼝推移 0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 2022 2023 2024 2025 2026 2027 2028 2029 2030 2031 2032 2033 2034 2035 2036 2037 2038 2039 2040 (USD, billions) AIソフトウェア・サービス市場規模 McKinsey & Company, "The Economic Potential of Generative AI: The Next Productivity Frontier", June 2024 より作成 労働⼈⼝が減少していく分だけ、AIの進化がその労働⼒を補填し市場は広がっていく 2025年から2040年にかけて 約27.8倍成⻑の予測
  8. 10 Vision/The Age of AI アルゴリズムの進化: AI⾰命の時代 AIは今後の⼈類史においてインターネット以上に⼤きな変⾰をもたらす存在になるだろう。AIは 複雑な事象を複雑なまま取り扱うことができ、今後も加速度的に賢くなることがわかっている *1『眼の誕⽣――カンブリア紀⼤進化の謎を解く』(アンドリュー・パーカー著、

    渡辺 政隆翻訳、今⻄ 康⼦翻訳、草思社) *2 Vaswani, A. et al.(2017) Attention Is All You Need 技術/ イベント AIの 進化の 解釈 2010年〜 2015年 画像認識 強化学習 Transformer 2017年 2022年 ChatGPT 2025年 AI Agent 20xx年 AGI/ASI Deep Learningが画 像認識精度で他のアル ゴリズムを圧倒 AlphaGoが⼈間の プロ棋⼠に勝利 様々な⾔語処理で ⽬覚ましい成果 ⾔語や画像などが ⾼度に⽣成可能 ACES創業 ⾃律的な推論が可能 より汎⽤的で⾃らを 改善する能⼒を持ち 進化し続ける 機械の「眼」が誕⽣ カンブリア爆発 ゲームなどの閉じた 問題はAIが優位 モデルを⼤きくすれば 性能が上がり続けるように ⾔語と視覚がつながり 「概念」を獲得 超多量の画像・テキス トを超⼤規模のモデル で学習すれば、記号と 概念が結びつき概念を 獲得できるのでは? りんご 数学的・論理的 思考⼒を獲得 東⼤の数学の問題も ほぼ解けるように And More…
  9. 11 11 Vision/To-Be これから: なめらかかつ構造的な、シンプルな社会 複雑なものを複雑なまま扱えるAIの進化により、情報や⼈がなめらかにつながり、構造的に価値 が積み上がる。誰もが多様に⽣きられ、価値や⽬的、やりがいを感じられる社会へ データ・情報 1 オペレーション

    2 ビジネスモデル・業界構造 3 情報や知識が構造化され AIでなめらかにつながる AIと協働し最適化 されたプロセスになる 付加価値を直に繋げる ビジネスのあり⽅になる 会社のことを⼀番 詳しいのはAIになる Vision① シームレスで滞留ゼロ。 常に全体の中で最適化される Vision② ⾮定型な仕事もパッケージ化され、 企業や業界はComposableになる Vision③
  10. 12 1 . 会 社 概 要 Mission アルゴリズムで、⼈の働き⽅に余⽩をつくる 価値や利益と

    結びつかない 変わらない 作業の繰り返し ⼼がすり減る 新しいチャレンジができない 作業に追われる 余 ⽩ の な い 働 き ⽅ ⼼のゆとり 時 間 創 発 成 ⻑ 利 益 余 ⽩ の あ る 働 き ⽅ 余⽩
  11. 13 1 . 会 社 概 要 What We Do

    ⼈とAIが協働する次世代のビジネスプロセスをつくる ACESは、単なるChatGPTの活⽤による業務効率化にとどまらず、業務⽣産性の⾰新や競争優位 性の構築を実現する、「⼈とAIが協働する次世代のビジネスプロセス」をつくる会社です データベース データベース ベテラン ベテラン 新⼈ 新⼈ 氾濫するファイルデータ化されてないノウハウ 構造的なデータ 連携 データ化されたノウハウ 「優秀な新卒では」部分的な効率化にとどまる Agentic Workflow AIを前提にした 次世代プロセス 複雑・⾮効率な従来のビジネスプロセス ⼈とAIが協働する次世代のビジネスプロセス
  12. 14 Purpose だれもが⾃分の意志で多様な⽣き⽅を⾃由に選択でき、 他者とのつながりの中で、美学を持って本質的な仕事に集中することができる。 ⾃ 由 意 志 的 美

    学 的 ⾃ ら の 意 思 で 選 び 、 柔 軟 か つ 主 体 的 に 働 い て い る 本 来 の 価 値 や ⽬ 的 を 追 求 し て い る 個 性 を 開 き 、 こ だ わ り を 持 っ て 仕 事 を し て い る シ ン プ ル な 社 会 で の 余 ⽩ の あ る 働 き ⽅ 本 質 的
  13. 15 1 . 会 社 概 要 ACES' AI エキスパートAI

    ChatGPTなどの汎⽤LLM(≒優秀な新卒)では対応が難しい、業界・業務の専⾨知識や企業独⾃の ナレッジを融合し、⾃社の競争優位を学習・強化する「エキスパートAI」を開発・提供 OpenAI な ど 汎 ⽤ 的 な ⽣ 成 A I クローズドな 情報や経験はない インターネットに 公開されている情報 教科書に記述されている知識 ⼀般論な考え⽅ ・⼀般に公開されている情報を調べる業務 ・与えられた情報単体を整理する業務 ・⼀般論や型に沿ってアイデアを列挙する業務 「優秀な新卒AI」が業務を部分的に効率化 エ キ ス パ ー ト A I ⾃社の競争優位を学習・強化するAI開発 ⾃社内に蓄積する 情報やナレッジ お客様の⽣の声 リアルな情報 企業独⾃の業務の 進め⽅やノウハウ ・業界特有のルールや暗黙知を踏まえた業務 ・⾃社に蓄積されたナレッジを理解した業務 ・属⼈的なノウハウを必要とする⾼度な業務
  14. 18 18 ACES’ Technologies LLM/Infra Layer 汎⽤LLM エキスパートAIを実現するAI OS ACESは、企業が持つ固有のデータやナレッジを最⼤限に活かし、⾃社の競争優位を学習・強化す

    るエキスパートAIを実現する技術基盤(OS)と運⽤体制(Ops)を提供 A C E S T e c h n o l o g y Expert AI OS Data Layer Knowledge Layer Agent Layer Application Layer Expert AI 社内固有のデータやナレッジを AI Readyな資産に 1 社内横断で共通化・運⽤しやすい ComposableなOS 2 会議・資料・チャットなど異なる形 式の データやナレッジを統合 3 Point … データ構造化 知識体系化 モデル拡張 Agentic Workflow化
  15. 19 「なめらかかつ構造的なデータ・知識・Agentのつながり」の実現 ①Message、②Meeting、③Documentという⾮構造データに着⽬し、Expert AI OSでデータ・知識・ Agentの滑らかかつ構造的な繋がりを作ることで、データやプロセスを横断したエキスパートAIの価値を創出 Business Process Layer (DX

    Solution) Expert AI OS => データ・知識・Agentの滑らかかつ構造的な繋がり A C ES M eet M eeting Chat/ Message Data Layer Knowledge Layer Agent Layer ChatGPT/ Copilot Docum ent 会議DX 商談DX Application Layer LLM コンプラDX 情報検索DX 資料作成DX ・・・ 社内
  16. 21 C O R E Management Policy AI駆動型 Composable Enterprise

    ビジネスプロセスの”仕事”を軸にAIでモジュール化。⾃社内のオペレーションやサービス提供を AI Agentで効率化しつつ、事業やサービスも柔軟かつ迅速に組み合わせながら展開する ソ フ ト ウ ェ ア 中 ⼼ の コ ン ポ ー ネ ン ト 化 だ け で は な く 、 AIに よ っ て 業 務 ・ プ ロ セ ス 中 ⼼ の ”仕 事 ”の コ ン ポ ー ザ ブ ル 化 を 進 め る エキスパートAIを独⾃開発 “仕事”をAIでモジュール化 デ ー タ や AIモ ジ ュ ー ル を 組 み 合 わ せ な が ら 、 ① 迅 速 か つ ② 柔 軟 性 ・ 拡 張 性 が あ り ③ ⽣ 産 性 が ⾼ い オ ペ レ ー シ ョ ン 、 サ ー ビ ス 提 供 を 実 現 ⾃社オペレーションやサービス提 供をAI Agentで効率化 事 業 や サ ー ビ ス を 市 場 や 顧 客 の ニ ー ズ に 合 わ せ て 柔 軟 か つ 迅 速 に 組 み 合 わ せ て 展 開 し 、 AIに よ る 価 値 創 出 ・ 向 上 を 実 現 事業やサービスも コンポーザブルに展開・価値向上
  17. 22 1 . 会 社 概 要 ビジネスモデル ⾃在に組み合わせられるAIモジュール群を活⽤し、⾃社の強みを学習・強化するエキスパートAIを開発。 ①DXパートナー事業と②AIソフトウェア事業を通して価値提供

    業界横断の業務課題を プロダクトを提供することで解決 企業内の知⾒やノウハウを、データとして 蓄積・共有・活⽤できるようにするAI SaaSの提供 AIライセンス契約 特定の業界・顧客の経営課題を お客様とプロジェクトを伴⾛して解決 内 容 データ・AI統合基盤を提供しながら、アジャイルで プロセスの設計・開発・運⽤まで⼀貫して⽀援 契 約 プロジェクト実⾏契約+AIライセンス契約 AIモジュール群 事業② AIソフトウェア プロダクトを活⽤し プロジェクトを推進 プロジェクトで得た 課題をプロダクト化 事業① DXパートナー 内 容 契 約 顧客や事業に合わせて、 ソフトウェアモジュールを 組み合わせる 組み合わせ
  18. 23 23 Core Competencies 3つのコアコンピタンス “エキスパートAI”の社会実装というValue Propositionを⽀える経営戦略の3つの柱として、 ①データと知識の構造化、② AI時代のプロセス設計、③モジュール開発 を強みとして掲げる

    ⾃社の強みであるデータや知⾒を 構造化して取り込むAI開発 現場業務とAIの専⾨性の双⽅を理解し 伴⾛してプロセスを構築するAI開発 ⾮構造的な⾃社のデータ・暗黙知 AI技術を⽤いて構造データ化 現場業務の 理解と可視化 最先端AIの知⾒ ⼈とAIが協働する ビジネスプロセス構築に伴⾛ ⾃社の強みとデータを A I - R e a d y に PoCで終わらない 実務で活⽤され、定着するA I に C O R E 1 C O R E 2 C O R E 3 実績・導⼊事例に基づく 独⾃モジュールを組み合わせたAI開発 他社 ACES 個別のカスタマイズに注⼒でき より効果的に顧客の⽬標達成を実現
  19. 25 1 . 会 社 概 要 CORE②:事業とAI技術の橋渡しを伴⾛しプロセスを構築するAI開発 AIの得意・不得意を専⾨的に理解した上で、顧客現場の⼈の業務を深く把握・可視化し、事業とAI技術の両⾯ から橋渡しをできる企業は少ない。ACESは伴⾛してプロセスを構築するAI開発に強み

    RAGシステム ⼈とAIが協働するビジネスプロセス構築に伴⾛ AIシステムプロセス図の例 ⼈とAIの業務フロー・ビジネスプロセス図の例 Ex: 銀⾏業界における稟議のビジネスプロセス 事業とAI技術の橋渡しが社会実装には必要 B U S I N E S S 戦略コンサル企業 T E C H N O L O G Y SIer /AIベンチャー 最先端AIの知⾒ 現場業務の 理解と可視化 現場業務とAIの専⾨性の双⽅を理解し 橋渡しできる企業は少ない • Pro: 戦略を落とし込 み、正しい事業論点を 設定 • Con: 実装しない・し ていないので技術論点 が抜けがち • Pro: 技術⼒が⾼く、 正しい技術論点を設定 • Con: 事業論点が抜け がちで不要ななものを 作るリスク 事業とAI技術実装の ギャップ PoC⽌まり 現場で使われないAI
  20. 26 CORE③:実績・導⼊事例に基づく独⾃モジュールを組み合わせたAI開発 実績・導⼊事例に基づく独⾃モジュールを組み合わせたAI開発で、個別のカスタマイズに注⼒でき、より効果 的に顧客の⽬標達成・エキスパートAIの開発を実現 ACESの AIモジュール 顧客ごとの課題 顧客・製品特化AI 特定の顧客や製品に合わせて、特化した 情報処理を⾏う

    例)SFDCへの⾃動⼊⼒ 業界・業務特化AI 業界特性や業務特性を踏まえて、特定の仕 事を代替・⾃動化する 例)商談報告、⾞両損傷検出 知識の構造化AI データに意味づけをしながらドメイン知識 を構造化したり、学習されたモデル 例)プライバシーマスキング アルゴリズムα アルゴリズムβ アルゴリズムΓ アルゴリズムδ アルゴリズムA アルゴリズム1 アルゴリズムa アルゴリズムb アルゴリズムc アルゴリズムd アルゴリズムD 新規開発 開発済み DXパートナー 選⼿能⼒強化 DXパートナー 労務安全管理 AIソフトウェア 商談⼒向上 アルゴリズム2 データの構造化AI パターン認識を⾏い、データを整形・加 ⼯・保存する 例)物体検出・⾳声認識 Fine-tuned LLM アルゴリズムB アルゴリズムC and more… 柔軟かつ新しい 組み合わせ
  21. 28 D X パ ー ト ナ ー サ ー

    ビ ス コ ン サ ル か ら 開 発 ・ 実 装 、 デ ジ タ ル 事 業 の 推 進 ま で ⼀ 気 通 貫 で 顧 客 の D X を プ ロ ジ ェ ク ト 型 で 並 ⾛ し 、 業 務 ⽣ 産 性 の 向 上 や 改 ⾰ を 実 現 。 トータル 約1年6ヶ⽉〜 約3~6ヶ⽉ 約3~6ヶ⽉ 約6ヶ⽉~ コンサルティング AIデザイン・ロードマップ策定 AI戦略策定・業務プロセス設計 開発・実装 PoC・技術検証 オーダーメイドAI開発 実⾏・運⽤ 業務提携・デジタル事業推進 ⼀気通貫の伴⾛型DX推進により、87%のプロジェクトが初回PoCから前進/AI導⼊へ*2
  22. 29 1 . 会 社 概 要 様々な業界のPJで結果を出してきている豊富な実績 ⼤⼿企業や中央官公庁との取引実績多数。実績経験に基づくソリューションやプロダクトを提供し、DX PJの

    87%がPoCで終わらず、着実にDXを進める「社会実装⼒」に強み ⼤⼿企業や中央官公庁との取引実績多数 PoCで終わらせない着実な社会実装 陸上⾃衛隊の組織におけるAI活⽤を⽀援 ACESと経済産業省が⾏政におけ る⼤規模⾔語モデル活⽤に向けた 協同プロジェクトを実施 43% 87% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% ⼀般的なAI/DX PJ ACESのAI/DX PJ PJ開始後、実装に⾄る割合 約2倍 ACES Meet 豊富な実践経験に基づく ソリューションやプロダクト 実績のあるソリューション
  23. 30 1 . 会 社 概 要 DXパートナー事例① SOMPO Light

    Vortexと資本業務提携。事故⾞/中古⾞ B2BオークションのビジネスプロセスをAIで再構築し、 デジタル新規事業を開発・推進 事故⾞/中古⾞の査定のビジネスプロセスを構築 事故⾞/中古⾞の状態や価値を損傷画像認識AIなどを⽤いて 判定。地理的制約や属⼈的な知⾒に依存せず、ヒトとAIが協働 する業務⽣産性が⾼いビジネスプロセスに変⾰ SOMPO様と資本業務提携し、事故⾞/中古⾞の B2Bオークションのデジタル事業を推進 ⾃動⾞オークション 事業の例 × ACES代表取締役の⽥村浩⼀郎⽒(左)とSOMPOホールディングス デジタル 事業オーナー 執⾏役専務兼SOMPO Light Vortex CEOの楢崎浩⼀⽒ 引⽤: 全産業が「レベル5」に向かう時代、AI活⽤でビジネスをどうデザインするか
  24. 31 1 . 会 社 概 要 DXパートナー事例② 営業ノウハウや商談内容に関して、⾳声・発⾔内容・映像などを総合的に営業エキスパートAIで解析。 成約率の改善や営業勝ちパターン構築を実現

    営業DXを⼤同⽣命様と取り組み ロープレや商談をAIで解析。売れる営業スキルを再現 引⽤: 「中⼩企業に信頼されるパートナー」を⽬指す ⼤同⽣命のDXをACESのAI技術がサポー ト! ※:本画像はACESが開発したロープレ分析AIシステムのサンプルレポートです。
  25. 32 1 . 会 社 概 要 DXパートナー事例③ SMBC-GAIの構築・全社員への展開にあたり、社内規定などの書類のデータ構造化を中⼼に、 社内規定等を参照するAIの精度を実⽤可能なレベルまで改善。5万時間ほどの⼯数削減を実現

    ⼈が読むことを前提とした社内規定に対し、図表を含 め⽣成AIが理解できるよう構造化するAIを活⽤ SMBC-GAI(エキスパートAI)を構築&展開し、 5万時間ほどの⼯数削減を実現 株式会社三井住友フィナンシャルグループ常務執⾏役員グループCDAO ⾼松 英⽣⽒ 引⽤: NewsPicks stage「AI時代の「新」事業戦略 - エキスパートAIで変貌する企業のコア」
  26. 33 C O N F I D E N T

    I A L Business Model① AIソフトウェアサービス
  27. 34 PRODUCT OVERVIEW プ ロ ダ ク ト ー A

    C E S M e e t 1つ1つのミーティングの⽣産性と資産性を最⼤化する AI-Nativeなプロダクト 成約率向上 ⼈材育成効率化 業務負荷削減 (データ⼊⼒⾃動化など) ・・・ 社内MTG オンライン商談 電話 す べ ての コ ミュ ニケ ーション を データ化 し 、 A Iで ⾃動 記録 ・解析 ・・・
  28. 35 成 ⻑ 率 プ ロ ダ ク ト ー

    A C E S M e e t 2 0 2 2 年 の リ リ ー ス か ら 3 年 、 A R R は Yo Y で 2 . 5 倍 と 順 調 に 成 ⻑ 中 か つ 、 資 ⾦ 調 達 は せ ず ⾃ 社 資 ⾦ で 安 定 性 の ⾼ い 成 ⻑ を 実 現 D X 事 業 の ⾼ い 利 益 率 を も と に 創 業 か ら ほ ぼ ⿊ 字 経 営 加 え て 、 A C E S M e e t は ⾃ 社 利 益 か ら 投 資 す る こ と で 外 部 資 ⾦ 調 達 0 で の 成 ⻑ を 実 現 FY2022 FY2023 FY2024 FY2025 約 2.5倍 ARR 年間経常収益 *FY2023〜FY2024 約 2.2倍 導⼊企業数 *FY2023〜FY2024
  29. 37 組 織 と カ ル チ ャ ー VALUES

    BE ACES 事 業 内 容 、 意 思 決 定 、 評 価 、 採 ⽤ な ど す べ て の ⼈ に 関 わ る ⾏ 為 は A C E S の V a l u e s が 重 ん じ ら れ る I ssu e d riv en , simp le solu t ion . 最 重 要 の 課 題 発 ⾒ か ら 、 最 ⾼ の 課 題 解 決 を し よ う 。 Gemb a f irst , Try q uick ly . ⾃ 分 の ⾜ で 情 報 を 得 て 、 ⾃ 分 の ⼿ で 検 証 し よ う 。 F a ct b a sed , b uild trust. 客 観 的 事 実 を ⼤ 切 に し 、 信 頼 関 係 を 構 築 し よ う 。
  30. 38 働 き ⽅ の 特 徴 働 き ⽅

    と 採 ⽤ プ ロ セ ス 働 く 場 所 ・ 時 間 を 柔 軟 に 設 定 し 、 メ ン バ ー そ れ ぞ れ が ⾃ 分 ら し く 働 け る 環 境 を ⽬ 指 す 週 2 回 リ モ ー ト の ハ イ ブ リ ッ ド ( 出 社 時 間 ・ 曜 ⽇ は ⾃ 由 ) 勤 務 時 間 働 く 場 所 休 ⽇ 有 給 休 暇 副 業 サ ポ ー ト C O R E T I M E 11 : 0 0 - 15 : 0 0 完 全 週 休 2 ⽇ 制 ( ⼟ ⽇ 祝 ) M T W T F S S ⼊ 社 即 ⽇ 1 3 ⽇ 間 付 与 フ レ ッ ク ス 制 度 13days 副 業 O K G i t H u b c o p i l o t の 利 ⽤ ( 主 に エ ン ジ ニ ア 向 け )
  31. 39 評 価 制 度 働 き ⽅ と 採

    ⽤ プ ロ セ ス 成果⽬標・能⼒・⾏動⽬標・Value体現の3つを軸に評価を⾏う 期待役割に応じた等級及び等 級定義に基づく能⼒・⾏動⽬ 標の設定。達成度に応じた評 価倍率の決定。 能⼒・⾏動⽬標 昇格・昇給 KPI、OKR、重要業務の達成 度に応じた賞与倍率の決定。 成果⽬標 賞与 Valueの体現度に応じて評価。 Value体現 両⽅に影響
  32. 40 働 き ⽅ と 採 ⽤ プ ロ セ

    ス トータル 約3-4週間 書 類 選 考 履歴書・職務経歴書のご 提出をいただきます 1 次 ⾯ 接 スキルフィットの確認を ⾏います。※事前に実務 に近いワークサンプルテ ストにお取り組みいただ く可能性があります 2 次 ⾯ 接 弊社の価値観/カルチャー とのフィット度合いの確 認を⾏います。 3 次 ⾯ 接 代表取締役 ⽥村との最終 ⾯接となります。 ※事前にリファレンスチ ェックを⾏っていただき ます。 選考結果のお知らせ ご応募いただいてから3週 間~4週間ほどで選考結果 をご案内いたします。 選 考 フ ロ ー