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

アダコテック 採用ピッチ資料 / Adacotech Company Profile

アダコテック 採用ピッチ資料 / Adacotech Company Profile

製造業×AIの株式会社アダコテックの採用ピッチ資料を公開しています。

少しでもご興味をお持ちいただけたら、カジュアルにお会いさせてください!
お気軽にご連絡お待ちしております。

▼募集中の求人一覧
https://herp.careers/v1/adacotech

▼Wantedly
https://www.wantedly.com/companies/company_8396481

▼社員によるnote(週1回更新中)
https://note.com/ryotakawamura9/m/m9657507df58d

Transcript

  1. 製造業 × AI 会社紹介・採用説明資料 2022.04.01

  2. None
  3. | ご挨拶 3 モノづくりの進化と革新を支える。 日本の基幹産業である製造業は大きな転換期を迎えています。 決まったものを大量生産する時代から、変化に対応しながら新し いものを生み出し続けることが求められる時代への転換です。 ただ、モノづくりの現場では検品などのアナログ工程が多く残っ ており、また、現場の経験と勘に頼ったプロセスも多く、変革を 起こすことは容易なことではありません。

    アダコテックは15年の研究開発を経て実用化した唯一無二のAI技 術を通じて、製造業の次の時代を切り拓く挑戦をしています。ア ナログ工程の高度な自動化、及び、生産工程のデジタル化を推し 進め、本来モノづくりで最も大切である「ヒトの創造性」を解き 放つことをミッションとしています。 この志に共感頂ける方とぜひご一緒できればと思います。 代表取締役CEO
  4. 目次 | - アダコテックについて - 事業について - 特許技術について - プロダクトについて

    - 組織・環境について - 採用について 4 4 目次
  5. | 5 5 アダコテックについて 会社名  設立 代表取締役 正社員数 本社     事業内容

    自動車OEM/Tier1メーカー 、電子部品 半導体メーカーで150件以上の検証実績 ㈱東京大学エッジキャピタルパートナーズ (UTEC)、DNX Ventures、リアルテックホー ルディングス株式会社、スパイラルキャピタル、 東京大学協創プラットフォーム開発株式会社(東 大IPC) 他 株式会社アダコテック 2012年3月12日 河邑 亮太 16人 ※2022年4月1日時点 役員含む 東京都千代田区神田小川町3丁目28-5 axle御茶 ノ水 302 産総研特許に基づくAIソフトウェアの開発と販売 取引実績  主要株主 会社概要
  6. | 一橋大学法学部を卒業。 2011年に三井物産株式会社に入社。 南米チリの子会社に社長補佐兼 CFOとして3年間出向後、 東京本店では主に新規 M&A投資に従事。2018年にDMM.comに 入社。経営企画室で新規事業立案及び、投資先の PMI/バリュー アップ実施。2019年7月に参画、2020年4月より現職。米国公認

    会計士。 大学院で遺伝的アルゴリズムの研究で産業技術総合研究所 (AIST)との繋がりを持ち、AISTベンチャーに新卒入社。 半導体設計ツールに研究開発に従事後、 AISTの非常勤職員な どを得て、2012年4月にアダコテック創業メンバーとなる。 2015年 より現職。 アダコテックについて 6 経営メンバー 代表取締役CEO 河邑 亮太 取締役/創業エンジニア 伊藤 桂一
  7. | アダコテックについて 7 沿革 2006 ・産総研の特許を事業化する産総研認定ベンチャーとして設立 ・株式会社アダコテック設立(2012年 上記事業承継) “産総研*発15年の研究開発を積み重ね、その集大成を事業化” ・シリーズ

    A 資金調達(4億円) 2019 2021 ・本田技研工業(株)と共同実証事例を精密機械工学会で発表 ・シリーズ B 資金調達(11億円) 2022 ・『AdaInspector Cloud』をリリース ・ドイツの国際的展示会「VISION」初出展 ※産業技術総合研究所 ・経済産業省所管の国内最大級の公的研究機関 ・予算規模約1000億円、研究員約2300名 2020 ・ICCサミットFUKUOKA スタートアップ・カタパルト 優勝 ・IVS LaunchPad 2020 Summer 優勝
  8. | アダコテックについて 8 8 強力なテクノロジーリーダーシップと専門性 職名   氏名   略歴 最高技術顧問 大津 展之

    国立研究開発法人 産業技術総合研究所 元フェロー 東京大学大学院情報理工学系研究科知能機械情報専攻 元教授 筑波大学連携大学院 元教授 警察庁科学警察研究所 技術顧問 技術顧問 村川 正宏 東京大学大学院工学系研究科博士課程 産業技術総合研究所 情報・人間工学領域 人工知能研究センター  副研究センター長(人間協議AI研究担当)、同センター研究企画室長 技術顧問 小林 匠 東京大学大学院情報理工学系研究科知能機械情報専攻 産業技術総合研究所 人間情報インタラクション研究部門 脳数理研究グループ 顧問 論文 AdaFilter: Adaptive Filter Design with Local Image Basis Decomposition for Optimizing Image Recognition Preprocessing 査読付き国際カンファレンス「ICPR 2020」に採択 特許 6903142号 他4件 アダコテックとして申請中
  9. 目次 | - アダコテックについて - 事業について - 特許技術について - プロダクトについて

    - 組織・環境について - 採用について 9 9 目次
  10. | 検品の社会課題 事業について 10 検品の95%が目視 市場規模 30兆円 工場従事者の 5人に1人

  11. | 検品担当者の抱える課題 事業について 11 単調 プレッシャー 熟練が必要

  12. | 事業について 12 AIによる検査とは? 人間が目視検査で行う「異常の発見」作業を、AIによって代替すること 「いつもと違う」 を見つける 検査対象 (ワーク) ワーク表面上の違和感に気づくように意識しながら観察

    視る 脳内処理 異常の発見 画像を撮る 計算処理 異常の発見 人の行動 HLAC
  13. | 事業について 13 アダコテックが選ばれる理由 Deep Learning AI 良品・不良品データ 10,000枚 高価なGPUが必要

    100万円 判断根拠が ブラックボックス 良品データ 100枚のみ 汎用PCで処理可能 10万円 説明可能
  14. | 事業について 14 ビジネスモデル AI学習 検査実行 事業の特徴 • お客様は生産ラインの設計や管理を担うメーカーの生産技術部。 •

    検品はミスが許されない工程のため、導入コストは高いが導入後の継続 率はとても高い。 • 導入時は見逃し0%の高精度が絶対条件。工場の環境は随時変化するた め、再学習の容易さが重要。 • 少量の正常データで高精度が実現できるアダコテックの強みが活きる。 メーカー(生産技術部) AdaInspector Cloud 検査アプリ ライブラリ ¥ ¥ ¥...ライセンス利用料 AI学習アプリと検査実行アプリを検品ラインごとにサブスクで提供
  15. | 事業について 15 中長期構想 自動車/電子部品 半導体への拡販 Phase1 アダコテックの目指す世界 製造業に携わる人々がAIを活用して 業界の課題解決に躍動する世界を作る

    Phase1 グローバル展開 & 検査機への組み込み (ライセンス型の新規事業) Phase2 データ活用 プラットフォーム Phase3 Phase1 Phase2
  16. 目次 | - アダコテックについて - 事業について - 特許技術について - プロダクトについて

    - 組織・環境について - 募集要項 16 16 目次
  17. | 特許技術について 17 産総研特許技術 HLAC(高次局所自己相関特徴)とは? 画像の特徴を認識する 日本発の技術 • 形状や面積等の対象の特徴を瞬時に認識 •

    計算は線形処理: ブラックボックス化しない
  18. | 特許技術について 18 説明可能なシンプルな機械学習による異常検知 対象物を3ピクセル×3ピクセルの マスクパターンでスクリーニング 得られた特徴を主成分分析 正常モデル 正常モデルとの乖離が大きい →NG判定

    正常モデルのしきい値内 →OK判定
  19. 目次 | - アダコテックについて - 事業について - 特許技術について - プロダクトについて

    - 組織・環境について - 採用について 19 19 目次
  20. | AdaInspector Cloud:ご紹介 プロダクトについて 20 少量の正常な製品画像データを読み込み、 正常/異常を判定するモデルを作成・精度検証する 画像データを アップロード 判別モデルの作成

    モデルの精度を検証
  21. | AdaInspector Cloudの解決策 21 21 ターゲットユーザー像 100-200枚の正常データで高い精度が出る 非エンジニアでも使いやすいUI設計 わかりやすいロジックと試行錯誤がしやすいUI 検査自動化における顧客課題

    不良品率が低い中、大量の不良画像データを収集するのが大変 高い精度(見逃し0%)が必須のため、モデルを作りこみたいが、 ブラックボックスなAIではPDCAが回りにくい 生産現場に複雑なツールを使いこなせる人が少ない • メーカー(大企業)の生産技術部のユーザー • 画像解析などの経験はあるが、機械学習の経験はない • 社内で設備開発やソフトウェア開発を行う事ができる プロダクトについて AdaInspector Cloud:顧客の課題
  22. | 22 22 機械学習用のデータセットの作成 良品/不良品の判別モデル作成 判別モデルのテスト • 機械学習に必要なOK/NGを定義する製品画像をアップロードして、データセットを作成する プロダクトについて AdaInspector

    Cloud:使い方 1/3
  23. | 23 23 機械学習用のデータセットの作成 良品/不良品の判別モデル作成 判別モデルのテスト • ワンクリックの自動学習で、数分で精度の高い機械学習モデルを作成できる • 手動学習の細かなチューニングで、グラフやマップを確認しながら試行錯誤して精度を向上できる

    プロダクトについて AdaInspector Cloud:使い方 2/3
  24. | 24 24 • NGと判定した画像のヒートマップが表示される →判定理由が明確にわかる 機械学習用のデータセットの作成 良品/不良品の判別モデル作成 判別モデルのテスト •

    作成した判別モデルで実際に画像データをテスト検査する プロダクトについて AdaInspector Cloud:使い方 3/3
  25. | プロダクトについて 25 AI検査をとりまくプロダクト群 検査モデルの管理ソフト (オンライン利用:事務所など) 検知モデル作成 検知モデルの改善 異常検知の実行ソフト (オフライン利用:製造現場など)

    製造ラインを監視 想定外の見逃しや 過剰検出 🏢 🏭 ユーザーが PDCAを回せる • AdaInspector Cloud • モデル作成サポート • Windows アプリケーション • API、検査機への組み込み etc
  26. 目次 | - アダコテックについて - 事業について - 特許技術について - プロダクトについて

    - 組織・環境について - 採用について 26 26 目次
  27. | 組織・環境について 27 メンバー

  28. | 組織・環境について 28 メンバー 中村康佑 事業開発 高萩圭太 事業開発 井上耕太朗 エンジニア

    出塚杏沙 コーポレート 渡辺悠人 事業開発 武政成彦 プロダクト責任者 髙橋哲平 人事責任者 伊部卓秀 主任エンジニア 柿崎貴也 テックリード 井上真嘉 エンジニア
  29. | 組織・環境について 29 メンバー 谷口俊博 エンジニア 小松慎吾 事業開発 粟野友貴 エンジニア

    萬田暁 エンジニア NEXT
  30. | 組織・環境について 30 社員出身企業 アクセンチュア株式会社 株式会社IHI 株式会社アカツキ 株式会社アンドパッド 株式会社エヌ・ティ・ティ・データ 株式会社カブク

    株式会社キーエンス 株式会社サイバーエージェント 株式会社識学 株式会社ティアフォー 株式会社ニコン 株式会社ビズリーチ 極東貿易株式会社 合同会社DMM.com コクヨ株式会社 本田技研工業株式会社 三井物産株式会社 ヤマハ株式会社 ラクスル株式会社 楽天グループ株式会社 etc..
  31. | 組織・環境について 31 私たちが大切にしていること ユーザーのリアルに向き合い続ける ユーザーが何を求めているのかを見つめること。リアルな課題をと ことん追求し、解像度を上げるための行動を怠らないこと。 フィードバックを歓迎する 仲間やユーザーの言葉に耳を傾け、自らを省みる素直さを持つこと。 常に良いものを探し取り入れていく柔軟性。

    むずかしい、を面白がれる 難しいミッションを仲間とともに楽しむチカラ。 自分にストイックにミッションをやり切るプロ意識。 遊ぶように学ぶ ハングリーに新しい知識を吸収し続ける貪欲さ。 多方面にわたって好奇心を絶やさず、学ぶことを楽しむ。
  32. | 組織・環境について 32 カルチャー 情報発信 多くの方に私たちの取り組みや技術のことを知っていただくため に、積極的な登壇や情報発信を推奨しています。 展示会への出展 製造業のお客様と出会うために展示会は非常に重要なイベントです。 エンジニアもスタッフとして参加しお客様と対話を重ねています。

    勉強会の主催 各メンバーが業務を通して得た学びやお客様の声は、誰でも参加で きる勉強会として共有する文化があります。 懇親会&ランチ会 新しいメンバーが増えた時、会社にとって大きな区切りのタイミング にはみんなで集まってチームワークを醸成しています。
  33. | 組織・環境について 33 組織構成 ※正社員14名。業務委託・アルバイト等含まず。 事業開発 コーポレート プロダクト企画 プロダクト開発 ・事業開発

    ・営業 ・カスタマーサクセス ・人事、総務 ・経理 ・広報 ・プロダクト企画 ・UI/UXデザイン ・プロダクト開発 ・R&D
  34. | 組織・環境について 34 制度・環境について - 入社後に有給休暇3日付与 - 社会保険完備 - リモートワークOK

    (週2日出社) - フレックス制 (コアタイム:11時~16時) - 私服勤務OK - PC及び周辺機器の選択可能 - 自己研鑽補助(書籍購入、セミナー参加等) - 育児休暇制度(男性取得実績あり) Axle御茶ノ水(最寄駅:御茶ノ水駅 5分、神保町駅 8分)
  35. 目次 | - アダコテックについて - 事業について - 特許技術について - プロダクトについて

    - 組織・環境について - 採用について 35 35 目次
  36. | 採用について 36 採用フロー • オンライン面談も可能です。ご内定までに1度は直接お会いさせてください。 • ポジションによって二次面談時にワークサンプル(技術面談)をお願いする場合があります。 カジュアル面談 書類選考

    一次面談 二次面談 最終面談 内定 QR コード 面談・選考について
  37. | 採用について 37 募集ポジション:COO候補 業務内容 以下のいずれかを満たす方 • 戦略コンサルティングファームでの経験3年以上 • 事業会社/ベンチャー企業の事業開発・経営企画での

    経験3年以上 • 起業や新規事業立ち上げの経験 • 製造分野での事業/コンサルタント経験 事業の成長責任を担い経営企画全般に携わります。事業を非連続に成長させるための中長期のロードマッ プをCEOと同じ目線で描き、各部署と連携・協同しながらハンズオンで事業経営にあたるポジションです。 • 中長期の事業計画の立案及び、具体的な計画策定 • 目標達成のために必要な経営資源を構造化して、現場と実 現してくためのプロセス業務前半 • 経営課題に合わせ事業成長のボトルネックの解消をハンズ オンで実施する(直近では、事業開発や組織開発(採用)・組 織設計等のテーマを想定) 必須スキル 歓迎スキル
  38. | 採用について 38 募集ポジション:事業開発 / BizDev 業務内容 • 法人営業経験3年以上 •

    ソリューション営業・提案営業など 課題解決型の営業のご経験 • 製造業界についての知見 • 事業会社/ベンチャー企業での事業開発の経験 • SaaSプロダクトの事業開発の経験 • 起業経験や事業立ち上げの経験 「AdaInspector Cloud」など当社製品を多くのお客様に導入いただく事業開発をご担当いただきます。 事業を非連続に成長させるための勝ち筋と仕組み化を担っていただくチャレンジングなポジションです。 • 製造業向けの提案営業及び、営業の仕組み化 • 事業開発のための仮説立案→実行までの一連の業務 • パートナー開拓、業務提携 • 海外展開など事業拡大に伴うプロジェクトマネジメント 必須スキル 歓迎スキル
  39. | 採用について 39 募集ポジション:AIエンジニア 業務内容 • 統計学、機械学習に関する知識を利用した実務経験 • データ分析の実務経験(Python/Perl/Rなどの経験) •

    画像処理、画像認識についての知識 • scikit-learnおよび自社プロダクトを利用した AIフローの実装経験 • 画像のフィルタ処理などの実装経験 • 並列処理プログラムの実装経験 • BtoBプロジェクトに関する経験 ミッションはAI関連のプロダクト開発と、お客様からお預かりした検査データ解析の2つです。 HLACの力で、製造業の現場を目に見える形で大幅に効率化・改善できるところがポジションの魅力です! コア技術の開発、プロダクト化 • PoC成果の汎用化 • 要素技術開発 PoC(概念実証)プロジェクトの技術面におけるリード • クライアントの課題に対する適切な技術的解決策の提案 • 画像認識(各種画像処理、最適化、統計モデルの設計等) • 国際会議、論文などによる技術調査 • アルゴリズム・ロジックの実装・精度性能評価 • 弊社プロダクトへの運用ロジックの実装 必須スキル 歓迎スキル
  40. | 採用について 40 募集ポジション:MLOpsエンジニア 業務内容 • AWSを利用したインフラ/SaaS運用経験 • PythonまたはGo を利用したWebサービス開発経験

    • 機械学習の基礎知識/モデル開発/運用経験 • SRE(Site Reliability Engineering)の経験 • Kubernetesクラスタの運用経験 • Airflow、Kubeflowなどのワークフローツールを使っ た機械学習向けバッチ開発/運用経験 HLAC技術をより効率的・効果的に顧客に届けるため機械学習基盤の構築・運用をリードしていただきま す。最適なオペレーションを構築し業界の変革に関わることができるエキサイティングなポジションです。 • 機械学習基盤の設計/構築/運用 • 画像処理基盤の設計/構築/運用 • データ分析基盤の設計/構築/運用 • Infrastructure as CodeおよびCI/CDによる構築、 デプロイ自動化 必須スキル 歓迎スキル
  41. | 採用について 41 募集ポジション:プロダクトデザイナー 業務内容 • デジタルプロダクトのデザイン経験3年以上 • Figmaなどでのワイヤーフレーム、プロトタイプの制 作経験

    • ユーザーインタビューやテストの企画実行経験 • 社内外の関係者とチームで課題解決を進めた経験 • 製造業界に対する知見 今後のさらなるプロダクト成長に向けて、UI/UXデザインを担う一人目のデザイナー募集です。プロダクト で人材不足が深刻な製造業の課題を解決をしていくチャレンジングなポジションです。 • 課題解決のため事実を基にした顧客体験とUIの設計 • 顧客の事実を発見するためのヒアリングやテストの実行 • プロトタイピングを通じたUIデザインの磨き込み • デザインガイドラインの策定/運用 • 将来的にデザインチームのマネジメント (採用/育成/評価) 必須スキル 歓迎スキル
  42. | 採用について 42 募集ポジション:広報・PR担当 業務内容 • PR,広報戦略を企画実行したことがある方 • 事業を理解し、論理的な思考で数値やデータに基づく 定量的な検討ができる方(定量面がある前提で)

    • 社内外コミュニケーション力が高い方 (メディアコ ミュニケーション、営業など外回りの経験) • 製造業界に対する知見 • 日英でのコーポレートブログ等の執筆経験 • toBプロダクトを扱う会社での広報やPR経験 • 急成長企業での広報やPR経験 認知・関心度向上のための広報戦略策定から実行までをお任せします。潜在顧客のリード獲得、会社規模 を大きくさせる潜在採用候補者へ両面でアプローチ頂ける、非常にインパクトの大きなポジションです。 必須スキル 歓迎スキル • PL,事業戦略から広報戦略とロードマップの策定 • 広報メッセージの策定 • コミュニケーションプランの立案 • メディアリレーションの構築 • ソーシャルアカウントの運営やコーポレートブログの執筆 • 記者向けイベントの企画と実施 • 顧客エンゲージメント向上の為のコミュニティの企画運営 • 広報資料作成
  43. | 採用について 43 募集ポジション:画像処理エンジニア(長期インターン) 業務内容 • 機械学習についての基本的な知識 • C++ or

    Pythonでの実装経験 (C#/Windowsアプリケーションの知識があれば歓迎 ) • アプリケーションの実装経験 (C++に限らずWeb言語でもOK) • 短期間で成長したい方 • 新しいチャレンジを楽しめる方 実際の画像データを機械学習し、正常/異常を判別するモデルを作成いただきます。結果がすぐ目に見え、 お客様にも評価されるパートのため、短い期間でも自身の開発に対するフィードバックを得られます! PoC(概念実証)プロジェクトを進めるためのタスク • 画像処理 • データ分析、検証 • 顧客へのレポート作成 研究開発 • 新たな機械学習モデルや分析アルゴリズムの 実装および検証 • 深層学習モデルとの比較実験 Windowsアプリケーションの開発 必須スキル 歓迎スキル
  44. 未来の仲間を募集しております! カジュアル面談はこちら 少しでも気になったら、QRコードからお気軽にお声がけください。 採用職種一覧はこちら