株式会社ACES-会社紹介資料

Transcript

1. A C E S , I n c . 会社紹介資料 A C E S に ご 興 味 を お 持 ち の ⽅ へ
2. 2 ⽬次 I N D E X 本資料は、ACESに興味を持っていただいている⽅々に、 クライアント、パートナー、メンバーという形でACESと共に未来を 創るイメージを持っていただくことを⽬的としています。 1. 会社概要 2. 私たちの創りたい未来 3. 事業について 4. ACESの独⾃技術 5. チームについて 6. 私たちの働き⽅について
3. 3 会社概要 C O M P A N Y
4. 4 会 社 概 要 C O M P A N Y 会 社 概 要 株 式 会 社 A C E S 2 0 1 7 年 1 1 ⽉ 2 0 ⽇ ⽥ 村 浩 ⼀ 郎 4 0 名 A I ト ラ ン ス フ ォ ー メ ー シ ョ ン 事 業 会社名 設⽴ 代表取締役 従業員 事業
5. 5 会 社 概 要 h i s t o r y 沿 ⾰ 東⼤松尾研発 ベンチャーとして創業 2017.11 2018.12~ リアル産業(保険やスポーツ、報道業界 など)におけるアルゴリズム事業開始 IGPIおよびDeep30から 数千万円の資⾦調達 2019.05 2020.1~ ⼩売、建設、保育、⾃動⾞、製造業 など数多くの業界と DXパートナー事業開始 2020.09~ • ⼩売DX推進に関してZoffとの業務提携を開始 • 陸上⾃衛隊にAI技術活⽤についての助⾔を ⾏うことで合意 IGPIおよびDeep30から 3.2億円の資⾦調達 オフィスを拡⼤移転 SOMPO Light Vortex株式会社 と資本業務提携を開始 2020.12 営業⽀援AI SaaS ACES Meetを本格提供 2022.5~ 2021.02~ 2022.3~
6. 6 C O N F I D E N T I A L 受 賞 実 績 会 社 概 要 受賞実績多数、 『Forbes 30 Under 30 Asia 2022 』『すごいベンチャー100』 などに選出 陸上⾃衛隊の組織におけるAI活⽤を⽀援 『すごいベンチャー100』 『HONGO AI AWARD』『 Japan Session Award 』などに次々選出 『Forbes 30 Under 30 Asia 2022』の Enterprise Technology部⾨に代表 ⽥村が選出
7. 7 私たちが創りたい未来 V I S I O N
8. 8 C O N F I D E N T I A L V i s i o n & M i s s i o n 経 営 理 念 MISSION VISION ア ル ゴ リ ズ ム で 社 会 は も っ と シ ン プ ル に な る ア ル ゴ リ ズ ム で ⼈ の 働 き ⽅ に 余 ⽩ を つ く る
9. 9 C O N F I D E N T I A L 私 た ち が 創 り た い 未 来 P O T E N T I A L ⽇本は労働集約型から資本・知識集約型の社会への変換が迫られており、 属⼈的なヒトの知⾒・業務をAIアルゴリズム化する事業価値・社会意義は増⼤ 事 業 の 可 能 性 ① 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 ① 人口減少 ② 失われた平成の30年 平成元年 32 社 平成30年 1 社 世界時価総額ランキング トップ50における⽇本企業の数 日本は一刻も早く、 「ヒト」を作業から解放し、 労働集約型から 資本・知識集約型 の社会へと舵を 切らなければならない。
10. 10 C O N F I D E N T I A L 私 た ち が 創 り た い 未 来 P O T E N T I A L Deep LearningというAIアルゴリズムの登場で、「機能を正しく分解すれば」 属⼈的で⾮定型の業務もソフトウェアで処理できるようになった 事 業 の 可 能 性 ② 演繹的 処理能⼒ 帰納的 処理能⼒ ヒト・⼈類が 処理できる業務 Deep Learning Deep Learningが 拡張した処理能⼒ 既存のソフトウェア で処理できた業務 AIソフトウェアで 処理できるようになる業務 経験則(データ)＆ 脳(モデルの性能) ∝ 定型 処理能⼒ ヒトの 認知処理能⼒
11. 11 C O N F I D E N T I A L 私 た ち が 創 り た い 未 来 P O T E N T I A L 属⼈的な業務を起点に業界のDXを推進しつつ、同時に共通課題をSaaSで 横断的に解決することで12.7兆円のエンタープライズ&IT市場を捉える 事 業 の 可 能 性 ③ 機 能 業界 の事業の起点 属⼈化する業務を AIトランスフォーメーション DX 2024年: 1.1兆円 CAGR: +13% 2024年: 2.1兆円 CAGR: +17.9% S a a S ⽇本企業のIT⽀出 2024年: 12.7兆円 CAGR: +3.4% 業界1 業界2 業界3 業界4 AIソフトウェアサービスで 【X軸】“機能”のシェア獲得 DXパートナーサービスで 【Y軸】“業界”のデジタル事業開発 ・・・ ⾮定型・競争領域は SaaSでは展開不可 広告 営業 決済 ・・・ モビリティ
12. 12 C O N F I D E N T I A L 私 た ち が 創 り た い 未 来 P O T E N T I A L ソフトウェアの能⼒がAIによって拡張されたことで、GAFAのようにデータと AIアルゴリズムによって事業を再定義する可能性と産業が広がっている 事 業 の 可 能 性 ④ 【Z軸】 AIソフトウェアの 処理能⼒向上 機 能 定型処理能⼒ AIで拡張された デジタル事業領域 Next GAFA リアルの産業の再定義 ACESの事業ポテンシャル GAFA: データとAIアルゴリズムで広告接点を再定義 (参考: GAFAの売上⾼=約770兆円) ⽇本企業のIT⽀出 (DX/SaaS) 2024年 12.7兆円 ヒトの認知処理能⼒ 広告 営業 決済 ・・・ モビリティ
13. 13 事業について B U S I N E S S
14. 14 C O N F I D E N T I A L A C E S を ⼀ ⾔ で 説 明 す る と … アルゴリズムを⽤いて 事業開発を⾏うAI事業会社
15. 15 C O N F I D E N T I A L 事 業 に つ い て B U S I N E S S AIアルゴリズムを⽤いて属⼈化しているヒトの知⾒と業務をデジタル化する 「AIトランスフォーメーション」事業によって、デジタルでの事業開発を推進 事 業 概 要 属⼈化している ヒトの知⾒・業務 営業・現場監督・ マーケティング など Decision making 経験との照合 ・意味づけ Actuate 介⼊・制御 Sensing 画像・映像 ⾳声認識 output input AIトランスフォーメーション事業 AI モジュール AI化した 知⾒・業務 デジタル 事業開発 活 ⽤
16. 16 C O N F I D E N T I A L 事 業 に つ い て T E C H N O L O G Y 映像や⾳声、⾔語などの⾮構造データを取り扱うDeep Learningを武器に、 アルゴリズムを組み合わせて属⼈的な知⾒・業務をAI化する技術に強み 技 術 概 要 Decision making 経験との照合 ・意味づけ Actuate 介⼊・制御 Sensing 画像・映像 ⾳声認識 output input ⾮構造データ = Deep Learningの主戦場 テーブルデータと違って、既存の統計⼿法では直接取り扱うことが 難しく、 ヒトが情報処理することを前提にしていたデータ 映像 ⾳声 A/あ ⾔語 Ex: オンライン授業におけるヒトと機械のコミュニケーション 独⾃に研究開発したAIアルゴリズム モジュールの組み合わせ AI モジュール AIトランスフォーメーション
17. 17 C O N F I D E N T I A L 事 業 に つ い て B U S I N E S S M O D E L 「AIの事業価値をデザインする⼒」を武器にデジタル事業を開発。研究開発 したAIアルゴリズムモジュールの価値を顧客へ提供し、ビジネスを併⾛ ビ ジ ネ ス モ デ ル 独⾃のAI アルゴリズム モジュール AI事業価値 デザイン DX戦略・実⾏ ソフトウェアプロダクト リアル産業 DXパートナーサービス サービス1: デジタル事業を共同開発しAI提供 プロジェクト実⾏+AIライセンス契約 AIソフトウェアサービス サービス2: ソフトウェアを通してAI提供 AIライセンス契約 最適化 デジタル 化 実⾏・現場 戦略・経営企画 研究と事業が接続することで 蓄積するデータとAIアルゴリズム AIトランスフォーメーション
18. 18 C O N F I D E N T I A L 事 業 に つ い て B U S I N E S S ① DX戦略の策定からAIの実導⼊まで、⼀気通貫した事業開発を併⾛。 PoC*1で終わらせず、科学された⽅法論でDXを強⼒に推進 D X パ ー ト ナ ー サ ー ビ ス DX推進プロジェクトの現状 ACESが提供する価値 = 確実性の⾼いDX 技術的なアプローチ⽅法がわからず PoC*1ばかりで前に進まない 経営戦略と結びついていないため 短期的で部分最適な解決策になりがち 事業インパクトにつながる 経営戦略に基づいた DX戦略をデザイン データの構造化から 業務フローへの組み込みまで 現場視点のDXを推進 AI・デジタルの専⾨性が少なく、 戦略と実⾏に⼤きな溝がある 実⾏・現場 戦略・経営企画 1 コンサルティング 2 AI事業価値デザイン 3 AIモジュール導⼊ 4 現場検証・運⽤ 5 デジタル事業実⾏ *1: Proof of Concept(概念検証)の略 93%のDXプロジェクト/顧客が 初回PoCから前進/AI導⼊へ*2 *2: DXパートナーサービス開始(2019年1⽉)よりPoCから前進して DXプロジェクトが継続中またはAI導⼊済のものを集計
19. 19 C O N F I D E N T I A L S T E P . 1 コ ン サ ル テ ィ ン グ 事 業 に つ い て 経営課題と現場のオペレーションを構造化した上で、DX戦略を策定。 イシューを特定し、本当に実⾏するべきデジタル事業開発を⾒定める ビジネス価値を創出するDX戦略例 リアル店舗における売り上げ最⼤化のためのKPIツリー DX視点でのデジタルバリューチェーン構想
20. 20 C O N F I D E N T I A L S T E P . 2 A I 事 業 価 値 デ ザ イ ン 事 業 に つ い て 事業課題と最先端技術の双⽅を正しく理解するからこそ、AIが得意とする タスクまで事業課題を分解し、AIの事業価値と実現性を最⼤化する これまでの AI活⽤ ACESの AI活⽤ KPI 課題 タスク 事故件数 事故件数 不安全な状態 不安全な⾏動 不安全な⾏動認識 不安全な⾏動注意 不安全な⾏為 不安全な位置 ⾏為A ⾏為B ⾏為C 実現性が低い AIを最⼤限活⽤し 実現可能性を⾼める 事業の課題をAIが得意なタスクまで分解 なんとなく・とりあえずAI
21. 21 C O N F I D E N T I A L S T E P . 3 A I モ ジ ュ ー ル 導 ⼊ 事 業 に つ い て 東京⼤学松尾研究室のメンバーを中⼼に研究開発したAIモジュールを導⼊。 柔軟な組み合わせを実現し多様なビジネスシーンに対応可能 AIアルゴリズムを独⾃で研究開発しモジュール化 ACESʼ AIモジュール: 柔軟に組み合わせられるAI 基礎認知処理 AIモジュール 機能・知⾒ AIモジュール 顧客・製品特化 AIモジュール Algo 1 Algo 2 Algo 3 Algo 4 業界・業務特化 AIモジュール Algo a Algo b Algo c Algo d Algo A Algo B Algo C Algo α Algo β Algo γ AI トランス フォーメーション ・・・ ・・・ Ex: 2D Pose Estimation Ex: Object Tracking Ex: マルチカメラ作業員トラッキング Ex: 作業⾏動定量化 Ex: 組み⽴て作業解析・⽐較 Ex: ⾃動⾞部品の組み⽴て作業改善 Ex: 3D Pose Estimation Ex: 製造のDX t アカデミアをバックグラウンドに持つ優秀な エンジニアがAIアルゴリズムを独⾃で研究開発 最先端技術 AIアルゴリズム 研究A 研究B 研究C 研究D 研究E 研究F Algo 1 Algo a AIモジュール化
22. 22 C O N F I D E N T I A L S T E P . 4 現 場 検 証 ・ 運 ⽤ 事 業 に つ い て 現場のニーズに合わせ、アジャイルに検証。 最適な技術基盤やソフトウェアを通してAIアルゴリズムを現場に提供 実運⽤を考慮したアジャイルな検証・導⼊ 実現性をユースケース・条件などで詳細に分解して検討・検証し、 それぞれの改善⽅法などを整理し、より適切なシステム活⽤を実現 現場で働く⼈のUXを考慮したソフトウェア開発 （例）プレスリリースのデジタル管理ツール ⼈の転倒検知に関する検証結果まとめ（⼀例）
23. 23 C O N F I D E N T I A L S T E P . 5 デ ジ タ ル 事 業 実 ⾏ 事 業 に つ い て ビジネス全体をデジタルで接続していき、データとAIアルゴリズムで 業務プロセスの改善や優れた顧客体験を実現するデジタル事業へ進化させる リアル空間 デジタル空間 デジタル空間で、今まで離散的だったサプライ/ バリューチェーンを滑らかに接続した状態 = 価値が最⼤化された状態にする。 • 業務プロセスの再構築 • 業務の均質化 AIトランスフォーメーション • クロスセル、アップセル • 優れた顧客体験 • 属⼈的な現場の⼈の知⾒を AIアルゴリズム化
24. 24 C O N F I D E N T I A L D X パ ー ト ナ ー 事 業 に お け る 事 例 ・ 実 績 事 業 に つ い て リアル産業のDXをプロジェクト設計からAIアルゴリズムの 開発、導⼊、運⽤、事業実⾏まで⼀気通貫で促進 保険 ⾃動⾞ 建設 製造 ⼩売 ヘルスケア エンタメ ⼈事 保育 報道 介護 スポーツ
25. 25 C O N F I D E N T I A L 事 業 に つ い て B U S I N E S S ② 属⼈的なヒトの知⾒・業務をAIトランスフォームし、ソフトウェアに搭載。 業界・産業横断で共通課題を解決するAI SaaSを提供 A I ソ フ ト ウ ェ ア サ ー ビ ス Horizontal SaaS Vertical SaaS And More… Deep Nine 機能 業界 スポーツ Press DB 報道 ACES Meet 営業
26. 26 C O N F I D E N T I A L 事 業 に つ い て C A S E S T U D Y ① AIアルゴリズムで「会議」をDXし、コミュニケーションの属⼈性を解消。 全員で情報共有・活⽤できるAI SaaS A I S a a S : A C E S M e e t
27. 27 C O N F I D E N T I A L 事 業 に つ い て C A S E S T U D Y ② モビリティ業界の中で属⼈化している熟練のヒトの知⾒を AIトランスフォーメーションし、 産業構造そのものを変⾰する デ ジ タ ル 事 業 : モ ビ リ テ ィ ⾃動⾞ディーラー 中古⾞ディーラー 買取業者 整備⼯場 消 費 者 販 売 販売業者 中古⾞販売 消 費 者 購 ⼊ 消 費 者 利 ⽤ 解体業者 事 故 ⾞ 販 売 部品販売 部 品 購 ⼊ 国内外の需要の差 (⽇本に需要少ない) 中古⾞売買市場 レンタカー事業者 新⾞/中古⾞ 販売店から仕⼊れ 管理・提供 仕⼊れ部⾨ 在庫管理 サービス提供 カーシェア事業者 管理・提供 仕⼊れ部⾨ 在庫管理 サービス提供 ⾃動⾞取引マーケット 利 ⽤ 者 確 認 / 認 証 整 備 / ⾛ ⾏ 情 報 判 定 状 態 認 識 価 値 / リ ス ク 推 定 販 路 / 次 の 利 ⽤ 者 決 定 ①市場の⾮対称性 (透明性のなさ,需要が不明, 寡占的,,,etc…) ②労働/地理集約的 新⾞/中古⾞ 販売店から仕⼊れ AIトランスフォーメーション ⾃動⾞ オークション 事業の例
28. 28 C O N F I D E N T I A L 事 業 に つ い て C A S E S T U D Y ③ 施⼯における「安全管理」「品質管理」などを中⼼にDXを実⾏中。 保有技術モジュールとプロジェクト経験を活⽤し他領域含め価値提供へ D X × 建 設 業 Real Digital Twin (BIM) Sensing カメラ ビーコン … 画像出典: BIM JAPAN (https://bim-japan.com/bim.html) 企画・設計・積算 Application (Service) 敷地 情報 商圏 情報 労働 実態 ⼈員 配置 資機材 状況 ⼯程進捗 情報 施⼯ 管理・改修・解体 建物設備 経年劣化 敷地・事業 計画シミュ 積算 シミュ 最適⼈員配置 シミュレーション 資機材 モニタ 施⼯⼯程 ⾃動計算 建物健全性 モニタ 実⾏中 実⾏中 安全性 モニタ 安全 状況 品質 状況 ⾃動検査 (配筋 等) 実⾏中 ⼈流・建物 利⽤状況 動線計画 利⽤安全担保 AI Data Process
29. 29 C O N F I D E N T I A L 事 業 に つ い て C A S E S T U D Y ④ 熟練販売員の知⾒をAIアルゴリズムで再現し、顧客接点をデジタル化 のデジタル改⾰を推進 D X × 顧 客 接 点 Phase1：パーソナライズされたサービスを提供 熟練の販売員の接客スキルを再現するために、来店者の⽣活や 嗜好と熟練販売員の接客⼿法を数値化し、購⼊検討時に熟練の 販売員によるアドバイスを提供するアルゴリズムを開発 アルゴリズム・データのデジタル空間とリアルを接続すること で、今まで離散的だったサプライチェーンを連続的につなげ、 顧客価値の最⼤化、経営効率の向上を⽬指す Phase2：⽣活からサプライチェーンまでデジタル接続
30. 30 C O N F I D E N T I A L 短 中 期 戦 略 事 業 に つ い て 積み上がるDXパートナー事業を拡張・深化させつつ、そこで蓄積する技術資産や 事業機会からAIソフトウェア事業を次々⽣み出し、⾮線型に売上総利益を伸ばす 認知・リード獲得 知財戦略による事業機会の ソフトウェア展開 3 ⾼い継続/成功率による デジタル事業の実⾏ 1 独⾃のAI開発パイプラインによる ⼈⽉に制約されないスケーラビリティ 2 時間 𝑡 売上(売上総利益) DX パートナー事業 𝑦 = 𝑎𝑡! AIソフトウェア事業 𝑦 = 𝑏𝑡"
31. 31 C O N F I D E N T I A L 事 業 に つ い て S T R A T E G Y 無形資産が蓄積する３次元的な事業アーキテクチャで、 雪だるま式に ACESの⾮線形成⻑を実現し、「AIアルゴリズム事業会社」を⽬指していく 中 ⻑ 期 戦 略 雪だるま式に、⽴体的(N3)な ⾮線形成⻑を実現するエンジン [Z軸] AIソフトウェアの処理能⼒向上 AI/HCI研究のリーディングカンパニーへ [Y軸]リアルな“業界”のデジタル事業開発 [X軸] “機能”のソフトウェアシェア拡⼤ アルゴリズムとファイナンスを武器にしたAI事業会社へ 「ヒトの知⾒」のデータ・SaaSプラットフォーマーへ
32. 32 C O N F I D E N T I A L 事 業 に つ い て S T R A T E G Y 無形資産が蓄積する３次元的な事業アーキテクチャで、 雪だるま式に ACESの⾮線形成⻑を実現し、「AIアルゴリズム事業会社」を⽬指していく 中 ⻑ 期 戦 略 「ヒトの知⾒」のデータ・SaaSプラットフォーマーへ 成⻑３軸をインテグレートする 無形資産の好循環サイクル アルゴリズムの性能向上 により、 専⾨知・チャネルが増加 データの蓄積 により、 アルゴリズムの性能が向上 専⾨知・チャネルの増加 により、 データが蓄積 AI/HCI研究のリーディングカンパニーへ アルゴリズムとファイナンスを武器にしたAI事業会社へ [Z軸] AIソフトウェアの処理能⼒向上 [Y軸]リアルな“業界”のデジタル事業開発 [X軸] “機能”のソフトウェアシェア拡⼤
33. 33 ACESの独⾃技術 O U R T E C H N O L O G Y
34. 34 A C E S の 独 ⾃ 技 術 単価が⾼く、かつトランザクション数が多い熟練者・プロの知⾒をAI化。 コモディティ化せずかつ顕在化している付加価値が⾼い技術領域に強み 独 ⾃ の 技 術 領 域 ⽬的レベル 技術レベル ⼈ができない もの・こと 創薬 市況 投資・投機 ⾃動運転 ⼈が⾝体活動を 通して⾏うもの ロボット操縦 熟練者・プロなら できる認知処理 ⼈ならできる 認知処理 営業 マーケティング 監督・評価 ⾳声認識 物体検知 まだできない そこそこできる ⼈を超えている 技術機能の実現可能性の戦い => 潜在的な価値、ACESは短中期的にはやらない 技術性能におけるTech企業との戦い => レッドオーシャン 属⼈的な事業/働き⽅との戦い =>顕在化するAI技術価値が存在。ACESの主戦場 U N I Q U E N E S S / A D V A N T A G E
35. 35 A C E S の 強 み と す る 技 術 領 域 の 例 A C E S の 独 ⾃ 技 術 HCIという研究分野を活⽤したヒトの知⾒を数式化する技術を⽤いて、 各現場の「プロフェッショナルの知⾒」をAIアルゴリズム化 Communication intelligence No.1営業マンの知⾒ # ⾳声認識 # 話法解析 # 感情解析 Human Digital Twin 現場監督・マーケターの知⾒ # 姿勢推定 # ⾏動認識 Mobility intelligence モビリティの知⾒ # 損傷認識 # ドラレコ解析 # ⼈物追跡 # 営業 # 接客 # ⼈事 # 建設 # 製造 # ⼩売 # ⾃動⾞ # 損害保険
36. 36 A C E S の 独 ⾃ 技 術 N o . 1 営 業 マ ン の 知 ⾒ を 数 式 化 営業・接客・⼈事のプロが無意識に⾏っているコミュニケーションの知⾒を、 複数のアルゴリズムを⽤いて多⾓的・定量的に分析しAI化 Communication Intelligence ⾮⾔語メッセージ分析技術に関する特許 営業の知⾒を再現可能にするSaaS: ACES Meet
37. 37 A C E S の 独 ⾃ 技 術 現 場 監 督 ・ マ ー ケ タ ー の 知 ⾒ 建設業・製造業などの作業現場や⼩売・接客店舗のヒューマン・ デジタルツインを構成し、リアル産業の現場監督やマーケターの知⾒をAI化 Human Digital Twin 3Dの姿勢推定 深層学習を⽤いた複数カメラ間⼈物追跡技術 映像解析による3D⾏動認識・解析技術
38. 38 チームについて T E A M
39. 39 C O N F I D E N T I A L チ ー ム に つ い て V A L U E S 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 ACESのValuesが重んじられる A C E S の V a l u e s B E A C E S I s s u e d r i v e n , s i m p l e s o l u t i o n . 最 重 要 の 課 題 発 ⾒ か ら 、 最 ⾼ の 課 題 解 決 を し よ う 。 F a c t b a s e d , b u i l d t r u s t . 客 観 的 事 実 を ⼤ 切 に し 、 信 頼 関 係 を 構 築 し よ う 。 G e m b a f i r s t , v e r i f y q u i c k l y . ⾃ 分 の ⾜ で 情 報 を 得 て 、 ⾃ 分 の ⼿ で 検 証 し よ う 。
40. 40 C O N F I D E N T I A L チ ー ム に つ い て F O U N D E R S AI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。 AIアルゴリズムという独⾃の視点から事業を創出 創 業 メ ン バ ー 代 表 取 締 役 ⽥ 村 浩 ⼀ 郎 取 締 役 中 川 ⼤ 海 取 締 役 與 島 仙 太 郎 ⻄ 條 真 史 三 ⽥ 村 健 久保 静真 B i z D e v E n g i n e e r E n g i n e e r
41. 41 チ ー ム に つ い て M E M B E R S メ ン バ ー 構 成 … … … A l g o r i t h m E n g i n e e r S o f t w a r e E n g i n e e r B i z D e v （ D X ） C o r p o r a t e B i z D e v （ S a a S ） 9 % 9 % 2 3 % 5 % D e s i g n e r 4 1 % 1 4 % …
42. 42 C O N F I D E N T I A L チ ー ム に つ い て A D V I S O R S 顧 問 A I 研 究 と 社 会 実 装 を 推 進 す る 東 ⼤ 松 尾 研 究 室 メ ン バ ー を 中 ⼼ と し て 創 業 松尾 豊 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 技 術 顧 問 川上 登福 株式会社 経営共創基盤（IGPI） 共同経営者(パート ナー) マネージングディレクター 他 社 外 取 締 役
43. 43 私たちの働き⽅について W E L F A R E / R E C R U I T M E N T
44. 44 C O N F I D E N T I A L 給 与 の 考 え ⽅ 私 た ち の 働 き ⽅ に つ い て 基 本 給 と ボ ー ナ ス の 2 要 素 に よ っ て 構 成 。 正 社 員 / イ ン タ ー ン の 区 別 な く 、 成 果 に 基 づ き 決 定 ＊Algorithm Engineerの給与レンジの例 0 200 400 600 800 1,000 1,200 1,400 1,600 1 2 3 4 給与レンジ ボーナス込みレンジ 基本給レンジ （階級） （万円） 基本給 ボーナス スキルセット(職種と役職階 級)によって決定 Outputと会社全体の業績 によって決定 給与
45. 45 C O N F I D E N T I A L ス ト ッ ク オ プ シ ョ ン の 考 え ⽅ 私 た ち の 働 き ⽅ に つ い て 社 会 課 題 に チ ャ レ ン ジ す る ア ン ト レ プ レ ナ ー シ ッ プ を 歓 迎 。 リ ス ク や 貢 献 に 対 す る イ ン セ ン テ ィ ブ と し て 信 託 S O 制 度 を 導 ⼊ ACESは早期に信託SO制度を導⼊しているため、相対的に⼤きなキャピタルゲインが期待できます。 社会課題にチャレンジし、リスクをとる⽅を歓迎します。 現在 株価 時期 従来型SO 上場 売却 SO⾏使価格 売買差益 売却時 株価 信託SO 現在 株価 時期 上場 売却 売買差益 売却時 株価
46. 46 C O N F I D E N T I A L 私 た ち の 働 き ⽅ に つ い て A C E S は ア カ デ ミ ア と 社 会 を 橋 渡 し す る 存 在 に な る べ く 、 研 究 を 社 会 に 実 装 で き る 環 境 を 提 供 社 会 ⼈ 博 ⼠ ⽀ 援 制 度 … 京都⼤学情報学研究学科社会情報学専攻の修⼠課程に在籍中。学部 では災害モニタリングのためのドローン群の制御戦略、⼤学院では GANを⽤いた災害データの拡張の研究に従事。ACESでは⾏動認識 アルゴリズムの開発やプロジェクト向けのエンジニアリングに従事。 よりリアル産業に近い場で⾃分の専⾨性を活かしたいとの思いから、 Algorithm Engineerとしてインターンの就業を経て、ACESに⼊社。 東京⼤学⼤学院 総合⽂化研究科の博⼠課程に在籍中。専⾨は計算論 的神経科学。アルゴリズム開発およびプロジェクトエンジニアリン グに関わる業務を担当。⾃⾝の専⾨を活かしつつ、アルゴリズムで ⼈の可能性を広げる社会変⾰を起こしたいとの思いからAlgorithm EngineerとしてACESに⼊社。 … ⽇本のアカデミアの待遇・状況は世界的にも後進している。 SDGs「産業と技術⾰新の基盤をつくろう」の枠組みにおいて、ACESがアカデミアの活躍の場を創造していく ① 勤務時間は120h/⽉ ② リモート勤務や就労時間を柔軟に対応 ③ ボーナス、SO、社会保険等フルタイム正社員と同等の権利を付与
47. 47 C O N F I D E N T I A L A C E S メ ン バ ー の 働 き ⽅ 私 た ち の 働 き ⽅ に つ い て 勤務時間 1 0 : 0 0 - 1 9 : 0 0 ( 休 憩 1 時 間 ) リモート/フレックス 相 談 可 休⽇・休暇 完 全 週 休 2 ⽇ 制 （ ⼟ ⽇ 祝 ） 有給 ⼊ 社 即 ⽇ 1 3 ⽇ 間 付 与 社会保険 健 康 保 険 / 厚 ⽣ 年 ⾦ 保 険 / 雇 ⽤ 保 険 / 労 災 保 険 完 備 交通費 全 額 ⽀ 給 その他 時 短 正 社 員 制 度 あ り （ 主 に 博 ⼠ 課 程 の ⽅ 向 け 。 1 2 0 h ~ / ⽉ ） 福利厚⽣ 健 康 診 断 / イ ン フ ル エ ン ザ 予 防 接 種 等 ボーナス 業 績 と パ フ ォ ー マ ン ス に 応 じ て ⽀ 給
48. 48 C O N F I D E N T I A L 選 考 フ ロ ー 私 た ち の 働 き ⽅ に つ い て 皆 様 の ご 応 募 を お 待 ち し て お り ま す 履歴書・職務経歴書のご提出をいただきます ① 選 考 開 始 | 書 類 選 考 実務に近い形のワークサンプルテストにお取り組みいただきます。 ② ワ ー ク サ ン プ ル テ ス ト | 課 題 を ⽤ い た ス キ ル チ ェ ッ ク ワークサンプルテストを元にしたディスカッションを⾏います。 ③ 1 次 ⾯ 接 | デ ィ ス カ ッ シ ョ ン ① 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。 ④ 2 次 ⾯ 接 | デ ィ ス カ ッ シ ョ ン ② 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。 ⑥ 選 考 結 果 に つ い て https://acesinc.co.jp/recruit.html 代表取締役 ⽥村との最終⾯接となります。 ⑤ 3 次 ⾯ 接 | デ ィ ス カ ッ シ ョ ン ③
49. 49 C O N F I D E N T I A L W e a r e H i r i n g ! 私 た ち の 働 き ⽅ に つ い て 本資料を読んでご興味を持っていただいた⽅は、 ぜひ以下のリンクもご覧ください！ カジュアル⾯談をご希望の⽅へ note：https://note.acesinc.co.jp Podcast：https://anchor.fm/acesinc メンバーやカルチャーを知りたい⽅へ https://tech.acesinc.co.jp https://meety.net/articles/t2--3c-20rqmqn ACESの技術/開発にご興味がある⽅へ
50. 50