採用デック

日本を盛り上げる/製造業におけるAI活用のハブになる

Transcript

1. RECRUITING EMUNI RECRUITING DECK 日本を盛り上げる FOUNDED MEMBERS PROJECTS 株式会社エム 2023.10 160 180 ニ emuniinc.jp
2. Contents 目次 01 わたしたちについて 02 市場とエムニの強み 03 事業内容 04 各ポジションの募集要項 05 選考案内 会社概要／経営陣／組織の成長／MVV／働き方 なぜ製造業か／技能継承／AI導入のボトルネック／エムニの強み 3階層の価値提供／オーダーメイドAI開発／AI特許ロケット／エムハブ ビジネスサイド・プロダクトサイドのご紹介 選考フローのご案内 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
3. EMUNI RECRUITING DECK PART 01 — ABOUT US 01 わたしたちについて 会社概要／経営陣／組織の成長／組織図／MVV／働き方
4. 01 わたしたちについて MISSION VISION 日本を盛り上げる 製造業における AI活用のハブになる WHY 製造業 GDPの基幹産業であり、「日本の品質」は世界から尊敬さ れる分野。ここをAIで押し上げることが、日本全体を盛り上 げることに直結する。 向こう20年、30年で日本がかつての勢いを失っていくこと が悔しい。世界から尊敬される国であるために、自分たち の時間を使う。 WHY ハブ 製造業に特化して知見を蓄積し、横展開する車輪の軸。 「製造業のAI活用といえばエムニ」と認められる存在を目指 す。 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
5. 01 わたしたちについて 京都大学発・松尾研発の AIスタートアップ 代表下野はForbes 30 Under 30にも選出。東大・京大のアカデミアバックグラウンドの製造業特化のAIスタートアップです。 会社名 株式会社エムニ 設立 2023年10月31日 代表取締役 下野 祐太 従業員数 160名 （インターン・業務委託含む） 拠点 東京（東神田）／京都（吉田）／福岡（天神） 技術顧問 松尾 豊（東京大学大学院 教授） FORBES JAPAN UNDER 30 2025 CEO & FOUNDER 下野 祐太 代表取締役CEO 製造業におけるAI活用を支援 京都大学発・松尾研発 Copyright © All rights reserved by エムニ
6. 01 わたしたちについて 経営陣が全員エンジニア 経営陣はいずれも研究機関や大手メーカーで製造業のAI実装を手がけてきたエンジニア。 「技術力」が源泉となっている組織となっています。 CEO / CO-FOUNDER COO / CO-FOUNDER EXECUTIVE OFFICER 代表取締役CEO 取締役COO 執行役員 下野 祐太 後藤 祐汰 八木 大介 京都大学大学院 エネルギー科学専攻修了 京都大学大学院情報学研究科システム科学専攻 東京大学大学院 広域科学専攻修了 松尾研究所で製造業向けAI社会実装に3年間従 卒。（株）松尾研究所においてチーフAIエンジニアと 日立製作所の研究開発グループで製造プロセスへ 事。異常検知・生産計画最適化・外観検査自動化を して生成AI自体の学習からその応用サービスの構 のAI適用を推進 担当 築まで広く担当した後、エムニを共同創業。エムニで 特許出願・学会表彰の実績多数。現在はマーケから は大規模システム開発からAI PoC開発まで幅広い PMまで横断 プロジェクトをテックリード・PMとして推進。京都大学 情報学同窓会理事を兼任。 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
7. 01 わたしたちについて 松尾研発スタートアップ・技術顧問に松尾豊教授 松尾研発スタートアップとして認定をうけ、技術顧問として松尾豊教授にご支援いただいています。 “ エムニは、製造業における AI活用に特化したスタートアップ です。 代表の下野氏は松尾研究所で3年間、製造業向けAI社会実装に深く携わってき た経験を持ち、その豊富な知識と実績が大きな強みとなっています。 また共同創業者の後藤氏をはじめ、有名ITメガベンチャーでのプロジェクト経験を 持つメンバーが多数在籍しており、技術力と創造性に溢れたチームを形成してい ます。 「日本を盛り上げる」 というミッションのもと、エムニが製造業に革新をもたらし、 未来の産業をリードすることを強く期待しています。 TECHNICAL ADVISOR 松尾 豊 教授 松尾 豊 東京大学大学院工学系研究科 教授 技術顧問 ／ 東京大学大学院 工学系研究科 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
8. 01 わたしたちについて メディア掲載実績 製造業界における「暗黙知」は注力領域となっており、代表下野の見解が日経新聞などに取り上げられました。 製造業AIのエムニ下野CEO「暗黙知は取るべきデータ定めて」 NIKKEI 日本経済新聞・2026.07 PIVOT 映像・YouTube・2025.08 製造業向け AI開発で日経に掲載 新番組「 &POTENTIAL」初回ゲストに出演 製造業は現場の経験と勘に基づく「暗黙知」が多く、人工知能（AI）の活用が難し 「なぜ製造業にAIが効くのか」。カンコツの多い製造業とAIの相性、オーダーメイドAI いとされており、代表下野の考えが取り上げられました。 の爆速開発を語りました。 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
9. 01 わたしたちについて 1年目にして 70名、3年で160名と急拡大 3年で総勢70名から160名へ、正社員4名から40名へ。より大きなことをなせるように組織を拡大しています。 スタートアップのフェイズとしては非常に面白いタイミングです。組織を作り牽引していきたい方にジョインいただきたいです。 140 名 160 名 FULL-TIME HEADCOUNT 70 名 × 3.6 正社員 名 →40 名 （2025.9 → 2026.9） 正社員 40名 1期末 2024.9 総勢（インターン・業務委託を含む） 製造業におけるAI活用を支援 2期末 2025.9 3期 2026.9 正社員（役員含む） Copyright © All rights reserved by エムニ
10. 01 わたしたちについて 継続率82%取引社数 80社。順調に売上を伸ばしている 創業から3年で累計180プロジェクト、継続率は82%。多くの企業様に信頼いただき、高い継続率を維持しています。 売上推移（イメージ／実額は非公開） 単位なし 180 プロジェクト 創業からの累計支援数 80 社 累計取引社数 82 % 継続率 1期 2024.9 製造業におけるAI活用を支援 2期 2025.9 3期 2026.9 Copyright © All rights reserved by エムニ
11. 01 わたしたちについて お取引企業様のご紹介 ※一部を掲載 /50音順 製造業を中心に自動車・電機・素材・インフラまで。 「日本を盛り上げる」ために日本を代表する大企業様のAXを推進してきました。 自動車・モビリティ 製造業におけるAI活用を支援 電機・電子・精密 素材・化学 建築・社会インフラ・ IT Copyright © All rights reserved by エムニ
12. 01 わたしたちについて エンタープライズ製造業を中心とした取引実績 自動車・化学・電機・鉄鋼・食品など幅広い業種とご一緒してきました。 バリューチェーン上のどの工程にもAI活用の余地があり、まだまだ市場が大きくなる余地があります。 取引先企業例 住友電気工 業 東京ガス 明電舎 東京都下水道 局 ほか、大手自動車・自動車部品・化学・電子部品・鉄鋼・食品・製薬メーカー ※一部抜粋 研究・知財 設計 調達 生産 品質管理 物流 保守 自動車・自動車部品 • • • • • • • 化学・素材 • • • • • • • 電子デバイス・電子部品 • • • • • • • 鉄鋼・金属 • • • • • • • 機械・機械部品 • • • • • • • 食品・製薬 • • • • • • • インフラ・公共 • • • • • • • 業種／工程 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
13. 01 わたしたちについて FDE：現場に出て、技術者と同じ目線でつくる エムニのFDE（Forward Deployed Engineer）は、お客様の工場に入り、現場の方と対話しながら、要件を固めていく役割です。 現場の必要であることはわかっているがイメージが湧かない不安を解消し、解決するまで伴走します。 01 製造業の技術者と対等に話せる 製造プロセスと現場の言葉を理解し、技術者と同じ土俵で議論する。翻訳役で はなく、当事者として課題を掘る。 02 御用聞きにならず、現場で使えるものを作る 言われた通りに作るのではなく、本質的な課題を見極める。現場で日々使わ れ、成果が出るものだけを作る。 03 要件が固まる前に、動くデモを見せる 仕様書を待たない。まず動くものを見せ、触ってもらい、そこから要件の解像度 FORWARD DEPLOYED ENGINEER エムニの FDE、3つの要素 製造業におけるAI活用を支援 を高めていく。 Copyright © All rights reserved by エムニ
14. 01 わたしたちについて VALUE 01 バージョンアップ 積極的に変化し、価値を最大化しよう 変化を受け入れるのではなく、自律的に学び、波を起こす側になる。 4つの行動指針 02 圧倒的プロフェッショナル 本質を見極め、常に期待値を超えよう 顧客価値を最優先に、お客様の期待値を圧倒的に超える価値貢献を目指す。 ミッションとビジョンを体現するために、組織として、 個人としてどう行動するか。 03 相手を慮る 徹底的な他者視点でコトに向き合おう 自分の発言が相手にどう届き、どんな影響を生むかを、伝え方まで含めて考える。 04 変革の当事者であれ チームで最大・最高のインパクトを目指そう 1＋1が10になる組織へ。一人では起こせない変革を、当事者として起こす。 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
15. 01 わたしたちについて AI駆動経営 AIを使うのではなく、AIと一緒に働くことを前提とした組織作りを進めています。 AI活用を推進するものとして、まず自分たちが使い倒すことが前提です。 100% AI-DRIVEN WORKING AI駆動ワーキング制度 上限なし ChatGPT・Claude・Cursor など、業務で使うAIツールの費用は 生成AIの利用率 エンジニア・ビジネス職とも全メンバー 営業活動 提案前のサーベイと資料作成をAIで。議事録は自動作成。 開発業務 プロトタイプを爆速で開発。ドキュメントは自動更新。 全般業務 メール・日程調整・分析まで段階的にAI化。改善案は現場からボトム アップ。 社内チャットボット GitHub 200リポジトリ・Slack 300チャンネルを横断検索。実装の大部 分はAI Agentとの対話型コーディング。 会社が負担します。使い倒すことが前提の制度です。 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
16. 01 わたしたちについて フルリモート・フルフレックス ライフワークバランスのためではなく、AI Nativeな組織を考えたときに自宅でAIエージェントに動き続けてもらうということも想定されます。AI活用 のプロ集団としてフルリモート・フルフレックスの制度を取り入れています。 MEMBERS BY AREA 東京・関東 OFFICE 80 名 京都・関西 OFFICE 31 名 福岡・九州 OFFICE 10 名 北海道 5名 中部・北陸 10 名 沖縄 2名 その他（東北・中四国） 6名 100% リモート勤務可 製造業におけるAI活用を支援 3 拠点（東京・京都） 0 コアタイムなし Copyright © All rights reserved by エムニ
17. 01 ABOUT US 東京‧京都‧福岡の3拠点 東京‧京都‧福岡に3つのオフィスがあり、近くに住むメンバーはいつでも出社できます。 2026年9⽉には、九州の拠点として福岡オフィスを開設しました。 NEW 東京オフィス 京都オフィス 福岡オフィス 東神⽥ 吉⽥（京⼤のすぐそば） 天神 ⾸都圏のお客様に近い拠点 創業の地 九州の拠点‧2026年9⽉開設 製造業におけるAI活⽤を⽀援 Copyright © All rights reserved by エムニ ｜ XX
18. 01 ABOUT US フルリモートでも、つながりは濃い 普段は全国からリモートで働きながら、半期の全社会や毎⽉の出社デーで顔を合わせます。オンラインでも週1のエムニカフェや timesで雑談が絶えず、つながりは濃い組織です。 全社会 2026.9 対⾯ オンライン 製造業におけるAI活⽤を⽀援 全社会 出社デー‧歓迎会 半期ごと 毎⽉ エムニカフェ 部活動‧times 週1回 いつでも Copyright © All rights reserved by エムニ ｜ XX
19. 01 わたしたちについて 褒め・改善のフラットな文化 技術者がメインの組織あるので非常にフラットな議論文化。 フルリモートであっても、役職や立場関係なく、お互いを讃え、改善するべきことは提言する。
20. 01 わたしたちについて 福利厚生 社会人博士の時短雇用制度など、研究とキャリアの両立を尊重しています。 他にも学びのための書籍購入費用補助など、AI Nativeな組織ならではの考え方で福利厚生を設計しています。 働き方 福利厚生 WORKING PhD フルリモート（希望に応じて出社可） 書籍購入費 無制限補助 社会人博士の時短制度 フレックスタイム制（コアタイムなし） カンファレンス・現地視察補助 完全週休2日制 資格取得補助 有給付与（入社日より） メンター制度・メンターランチ PC貸与 リファラルランチ・ディナー リモート環境整備費 補助 部活動補助 働きながら博士課程に在籍するメンバーのために、勤務時間 を短縮できます。研究とキャリアを両立する道を用意していま す。 MONTHLY OFFICE DAY 交通費 全額補助 月イチ出社デー 健康診断費用 補助 フルリモートが基本だからこそ、月に一度は全員で顔を合わ 社会保険・労働保険 完備 せます。雑談や相談が生まれる場を意図的に作っています。 産育休制度 完備 出産祝い金 一律10万円 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
21. PART 02 — MARKET & CHALLENGES 02 市場とエムニの強み なぜ製造業か／技能継承／LLMが変えたこと／AI導入のボトルネック／ケイパビリティ EMUNI RECRUITING DECK
22. 02 市場とエムニの強み 日本の基幹産業である製造業 GDPの約2割、就業者は約1,000万人、市場規模は400兆円。衣食住から医療・通信・移動まで、生活に必要なあらゆるものに製造業が関わっ ています。まさに日本の基幹産業といえる業界になります。 約 20 % 名目GDP構成比 約 1,000 万人 就業者数 約 400 兆円 市場規模 産業別の名目GDP構成比（%） ※各種公表統計より 製造業 20.0 卸売・小売 13.6 不動産 11.6 専門・科学技術・業務支援 8.0 保健衛生・社会事業 7.9 建設 5.5 情報通信 5.0 運輸・郵便 4.7 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
23. 02 市場とエムニの強み 20年で112万人減り、熟練の技が失われていく 人が減るだけでなく、熟練工の退職で技能そのものが継承されずに消えていきます。 従来のカイゼン活動だけでは追いつかない未来が見えている状況になっています。 WORKFORCE / 20 YEARS − 112 万 人 この20年で減った製造業就業者数。現役世代の引退 慢性的な人材不足 技能継承の難しさ 外部環境の悪化 はこれから本格化します。 引退／他業界への流出／新規雇 勘がデータ化されず、育てる時間 原材料高／サプライチェーンの不 用の減少 もない 安定化 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
24. 02 市場とエムニの強み LLMの登場で、暗黙知に手が届くように これまでの製造業DXはシステム開発とハードウェアの進化が中心で、技能継承は解けませんでした。 言語を扱えるLLMが出てきて、はじめてカンコツ・暗黙知にリーチできるようになり、技術革新の兆しが見え始めました。 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
25. 03 事業 AIコーディングの技術パラダイムの変化によって⽣まれた市場 AIコーディングで開発コストが⼤幅に下がり、SIerに頼むには⼩さく、VBA‧GASでは⼿に負えない案件が事業として成り⽴つように なった。エムニはこの新しく⽣まれた市場を主戦場とする。 1案件あたりの予算 従来の採算ライン ⼤⼿‧従来 SIer AI活⽤後の採算ライン エムニの主戦場 AIコーディングで扱えるようになった領域 VBA‧GAS‧Excel（現場で内製） 案件の数
26. 02 市場とエムニの強み 現場理解と AI実装力、両方を持つ会社は少ない コンサルは現場に強くても実装ができず、AI ベンダーは実装できても製造業特有のデータを扱えません。 この2軸の右上に立てていることが、お客様に選ばれる理由となっています。 エムニ AIベンダー 技術は強いが、現場の制約を織り込めな AI実装力 → い HERE 製造業特有のデータまで扱える 現場に入って課題を決め、そのまま実装 CADやPLCや電子回路図など、汎用的なAIベンダーでは扱えない製 まで持つ 造業特有のデータまで扱える。 検証ノウハウの蓄積 180プロジェクトで、どこまで精度が出るかの相場観を持っています。 SIer・システム開発会社 コンサルティングファーム 実装はできても、AIの精度検証ノウハウ 現場に強くても、動くものをつくれない 本番運用まで担う開発力 が薄い オンプレ・基幹システム連携を含め、PoCで終わらせません。 製造現場への理解 → 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
27. 02 市場とエムニの強み 現場理解 ✖技術理解がエムニのユニークな強みとなっている アカデミアバックグラウンドの高い技術力を持ちながら、「三現主義」のもと現場へのリスペクト/理解を備えていることがエムニのユニークな強み となっている。 現場理解 技術理解 （Field Operations） （AI technology） • 現場のリアリティ・泥臭さ • 複雑かつ多様なデータ • 深いドメイン知識 • 松尾研DNA／先端技術 • 堅牢なシステム構築 • 技術的な翻訳力 「現場」と「技術」 双方の橋渡し役（ハブ） となり、複雑な課題を共に 解いていくパートナー 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
28. EMUNI RECRUITING DECK PART 03 — BUSINESS 03 事業内容 3階層の価値提供／開発の流れ／FDEという働き方／ユースケース／競合との違い／エムハブ
29. 03 事業 受託→パッケージ →プロダクトの 3層構造 受託でクライアント企業の現場の課題の解決をしつつ、共通化できるものはパッケージへ。 さらに共通的に解決できるものはプロダクトにしていくという3層構造で事業展開をしている。 優れた投資対効果 と迅速な実装 機能特化型ソリューション 強いニーズへ 汎用的な仕組みで幅広い ユーザーへ価値提供 AIプロダクト 事業 型を活かしたセミオーダー パッケージ AIソリューション 課題の共通項へ 独自のガイドラインを もとにアプローチ 深い個社課題 事業 オーダーメイド AI 事業 個社特有の課題へ フルカスタムによる 垂直統合型開発 戦 研 設 調 生 品 物 マ 販 保 略 究 計 達 産 管 流 ケ 売 守 ー 製造業におけるAI活用を支援 エムニの基盤事業 Copyright © All rights reserved by エムニ
30. 03 事業 AI特許ロケット 知財におけるう特許戦略立案をサポートする「AI特許ロケット」。製造業において特許は競合優位性を作るための武器であり、技術トレンドを策 定し開発するための道標でもある。そのハイサイクル化をサポートする。 知財における特許戦略立案を実現させ、 『経営に知財を』もたらすプロダクト ※研究開発における特許調査も対応予定 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
31. 03 事業 課題を見つけるところから、運用が定着するまで 開発だけを請け負うことはしません。ワークショップや工場見学から入り、本開発を経て、現場が自走できる勉強会までを一本の道としていま す。生涯伴走するパートナーであることと要件が固まる前の爆速デモを武器に推進しています。 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
32. 03 事業 大規模システムの開発や基幹システムとの連携も 2000人が利用するような大規模システムの開発や、既存の基幹システムとの繋ぎ込みといった実装まで幅広く手がけることができます。 AIロープレシステム 基幹システムとの繋ぎ込み 全国の営業マン2000人が利用するシステムを ユーザー様のクラウド上に構築して運用 PoCで開発した生産計画最適化システムと 工場内の基幹システムとの繋ぎこみを実施 AIモデル作成 会社の 基幹システム AI連携・実行 （PoC） （本番） 完成した AIモデルを 配置 AIモデル （頭脳） データ送信 （質問） AIエンジン （推論実行） AIの答えを 受け取る （結果） 基幹システム 業務データ＆ システム 学習用データ （次の学習へ） 様 製造業におけるAI活用を支援 某製造メーカー 様 Copyright © All rights reserved by エムニ
33. 03 事業 研究から保守まで、あらゆる工程に事例あり 工程が違えばデータも制約も違うため、横展開では解けません。だからこそ、工程ごとに現場へ入るアプローチをとっています。 研究・知財 設計 生産 保守 パテントマップ×生成AI 設計書の標準化 AIインタビュアー 保守対応チャットボット 特許重要度予測 検図・転記の自動化 製造業向けチャットボット 修理原因の特定 翻訳特化型独自LLMの開発 社内文書の標準化 生産計画最適化 オンプレチャットボット 化学構造式の読み取り 回路図の電子化 基幹システムとのAI連携 リスク評価AI 大量論文からの動向推論 図面読み取り（画像認識AI） 時系列異常検知 仕様書の自動レビュー 被特許侵害有無の自動判定 図面ベースの見積効率化 FMEA・DRBFM作成支援 暗黙知チャットボット 特許検索式の自動生成 3D CADの口頭編集 疑似異常生成・異音検知 OCRによる文書電子化 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
34. 03 事業 「エムニさんは圧倒的に早いのと、本気ですよね」 住友電気工業株式会社 高桑様 生成AIを社内でゼロから立ち上げると、調査と準備だけで時間が溶ける。要件が固まりきる前から二人三脚で作れることが、大手に頼むのとの 違いだった。 01 「⼆⼈三脚で、しかも爆速で進めてくれるところが他社との違い」 ⼤⼿SIerに頼むと お客様 営業 マージンとなる⼈ 材 エンジニア 提案が⼆転三転し、 論点がぼやける エムニだと お客様 02 固まっている部分から すぐ作る 論⽂からの抽出を「定義」と「抽出」の2段階に分けた 住友電⼯が⾃社で エムニの案 製造業におけるAI活⽤を⽀援 CEOと距離の近いメンバーが PMとして⼊る 書式ルールの統⼀ 定義と抽出を分ける ✕ ルールを強いても、⽂化として広 がらない 「数⼗倍ではなく、数百倍早くなっ ている」 Copyright Copyright © All©rights All rights reserved reserved by エムニ by エムニ ｜
35. 03 事業 「15年分の5,000ファイルが一気に動き出した」 株式会社サンケイマニュファテック 加堂様 研修→汎用AIの導入→専用AIの開発まで、3段階すべてをエムニが担った事例。暗黙知の継承を「新人でも熟練者と同じアウトプットが出せるこ と」と定義したことで15年分の積み重ねてきたデータが意味をもった。 01 研修→チャットbotなど汎⽤AIで留まらず専⽤AIまで⼀気通貫で対応 ここまで作り切る AIリテラシー研修 専⽤AIの開発 汎⽤AIの導⼊ チャットボット∕FMEA エムニ ｜ 3段階すべてを担当 02 暗黙知の継承を 「新⼈が熟練⼯と同じアウトプットが出せること」と定義し、実現 最初の4ヶ⽉ エムニ 製造業におけるAI活⽤を⽀援 ⽬的が曖昧なまま ✕ 実⽤レベルの精度に届かず ゴールを定義し直す 「若⼿が調べた答えが、私の答えと 全く同じだった」 Copyright Copyright © All©rights All rights reserved reserved by エムニ by エムニ ｜
36. 03 事業 「”ノウハウを残してくれ ”では、現場は動かない」 東京ガス株式会社 吉田様 東京ガスの新規サービス「保全ノウハウ継承サービス」で、AI開発をエムニが担っている。 項目のフォームは埋まらなかったところエムニの音声で入力するというアイディアで、現場が動いた。 01 開発パートナーとして連携 東京ガス様の新規事業 「保全ノウハウ継承サービス」 事業構想 現場への提供 AI開発 東京ガス 東京ガス エムニ ｜ 開発パートナー 写真 02 ⾳声⼊⼒により、熟練⼯が動いた 東京ガスが⾃社で エムニの案 製造業におけるAI活⽤を⽀援 7項⽬のフォーム 話すだけで記録 ✕ 5、6項⽬で⼊⼒が⽌まる 「これほど詳細に記録できるのか」 と熟練者が驚いた Copyright Copyright © All©rights All rights reserved reserved by エムニ by エムニ ｜
37. 03 事業 「エムニさんは「伴走」がぴったりです」 エステー株式会社 藤原様 既存のMMMサービスでは、新商品カテゴリの分析も任意タイミングの分析もできなかった。 OSSを土台に作り替え、意思決定に耐える分析を内製化した。 01 内製化の⼟台をつくる エステーの広告投資の最適化（ROAS改善） データの前処理 モデル構築と チューニング 分析結果で意思決定 エステー エムニ ｜ 内製化の⼟台をつくる 02 OSSをそのまま使わず、業務に合わせて作り替えた 既存パッケージ エムニの案 製造業におけるAI活⽤を⽀援 決まった⼊⼒形式 OSSを⼟台に作る ✕ 新商品や任意タイミングの分析 ができない 変数上限を超える独⾃の前処理で、 意思決定に耐える形に Copyright Copyright © All©rights All rights reserved reserved by エムニ by エムニ ｜
38. EMUNI RECRUITING DECK PART 04 — BUSINESS SIDE 04 ビジネスサイドのポジション 営業組織／セールスの仕事／新規開拓とABM深耕／ロールモデル／マーケティング／インサイドセールス
39. 03 事業 AI受託 成長二重ループ エムニの事業成長を示したループモデルです。ABMとして1社を深耕し、ブランドやコンテンツにしてリード獲得に生かしていくという成長モデル です。 FS・FDE 新規 アカウント 案件数 事業部長 成長 リード数 GROWTH Account based marketing ABM体制による成長モデル 継続率83％・累計80社。深耕した実績が、そのまま次の獲得になり ます。 マーケ・ IS NRR LTV 継続率 QCD AM・PM PM・ENG ブランド / 紹介 全社・マーケ 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
40. 04 ビジネスサイド FS／AM 日本を代表する製造業の大企業様を相手にFDEと連携しながらAX提案をします。現場へのリスペクトを持ち”生涯伴走”のパートナーとなるべく 開拓/深耕するポジションです 仕事の中身 ヒアリングによる課題抽出／簡易デモを使った提案／開発チームと連携し たPoC検証／受注後の深耕と次テーマの創出 求める経験 ソフトウェア・SaaS等IT商材の営業経験と、AI技術の基礎知識。 AI領域の実務経験は不問です。 Sales AXを推進するパートナー 製造業におけるAI活用を支援 このポジションの 面白さ 巨大市場の課題解決に、社会的インパクトの大きい事業として取り組めま す。 Copyright © All rights reserved by エムニ
41. 04 ビジネスサイド インサイドセールス The ModelをプロダクトではなくAI受託に活用する体制をとっています。 対象となる大手製造業企業様とのリードを獲得・商談化し、AXの入り口を創出します。 仕事の中身 架電・メールでのアプローチ／ヒアリングによる課題抽出／HubSpotの登 録と活用／マーケ・フィールドセールスとの連携 求める経験 法人営業・インサイドセールスの経験。AIの知識は不問です。 このポジションの 面白さ 新規事業の立ち上げに近いフェーズ。自分の実績がそのまま組織の標準 Inside Sales AXの入り口を作る 製造業におけるAI活用を支援 になります。 Copyright © All rights reserved by エムニ
42. 04 ビジネスサイド マーケティング 約4000社の限られた市場の中で「第一想起」をとるべくオンライン・オフライン両方の手段をもってリード獲得を担います。 コンテンツマーケや展示会のみならずラウンドテーブルのような手段も駆使します。 仕事の中身 業種×工程での優先アカウント設計／ウェビナー・展示会・ホワイトペー パーの企画運営／事例と登壇のコンテンツ化 求める経験 BtoBマーケティングの経験。リード獲得を設計から実行まで担った経験。 このポジションの 面白さ 新設のポジションであり、エムニの180プロジェクトの実績をアセットに変え Marketing 「第一想起」をつくる 製造業におけるAI活用を支援 ていくところから携われます。 Copyright © All rights reserved by エムニ
43. EMUNI RECRUITING DECK PART 05 — PRODUCT SIDE 05 エンジニアサイドのポジション 開発組織／AI・LLMエンジニア／Webエンジニア・テックリード／PM／AI駆動経営
44. 05 エンジニアサイド PMとエンジニアの小さなチームが、各社のプロジェクトを持ちます 案件ごとに2〜5名のチームを組み、課題設定から実装、現場への定着まで同じ人が持ちます。専属チームではなく複数のプロジェクトにまた がってアサインされるため様々な課題/技術に携われます。 大手自動車部品メーカー FMEA・DRBFM作成支援 PM ENG ENG PM AI Web PM ENG ENG PM AI AI PM ENG ENG ENG PM AI Web Web PM ENG PM AI 本番導入 大手化学メーカー 図面読み取り・見積効率化 本開発 大手電子部品メーカー 生産計画最適化 × 基幹連携 要件・デモ 大手インフラ企業 保守対応チャットボット 課題設定 製造業におけるAI活用を支援 Copyright © All rights reserved by エムニ
45. 05 エンジニアサイド AIもWebも触る、フルスタックの T字型エンジニア 2〜5名のチームで課題設定から本番まで同じ人が持つため、AIエンジニアもWebを書き、WebエンジニアもLLMを実装します。専門を軸に、自 然とフルスタックになれる環境です。 AIエンジニア Webエンジニア Webも書く データ処理 Web LLMも実装する 幅→ AI / LLM API‧DB インフラ データ処理 AI / LLM 幅→ Web 深さ ↓ インフラ 深さ ↓ 専⾨ 専⾨ 共通の⼟台 製造業におけるAI活⽤を⽀援 API‧DB 製造業のドメイン知識（CAD‧図⾯‧PLC‧現場の⾔葉） Copyright © All rights reserved by エムニ ｜
46. 05 エンジニアサイド エンジニアのキャリアパス エムニの環境を使って、エキスパート職のテックリード、AMと連携しながら案件を推進するPM、技術力を武器にクライアントにAXを提案する FDEと3つのキャリアパスが想定されます。他にも新規事業へのアサインなどの機会もあります。 テックリード 案件の品質と技術選定に責任を持つ エンジニア PM つくる⼒で価値を出す 案件のQCDと採算に責任を持つ FDE 技術を持って顧客に提案する 製造業におけるAI活⽤を⽀援 Copyright © All rights reserved by エムニ
47. 05 エンジニアサイド AI／LLMエンジニア LLM・RAGで製造業の課題を解く実装者です。プロンプト設計から精度評価、本番運用までを一気通貫で持ちます。 仕事の中身 LLM APIを使った機能開発／RAGの実装と精度改善／PDF・帳票・図面 のデータ処理／本番運用後の改善 求める経験 PythonでのアプリケーションまたはAI・機械学習の開発経験。 LLM・RAG・エージェント・NLPのいずれかの知識または実装経験。 AI / LLM engineer 顧客課題を技術で解く 製造業におけるAI活用を支援 このポジションの 面白さ まだ解き方が決まっていない課題に、最先端のモデルで挑めます。実際 の製造現場で試せる環境です。 Copyright © All rights reserved by エムニ
48. 05 エンジニアサイド Webエンジニア／テックリード 顧客企業に実際に使われるAI機能を載せたWebアプリをつくるポジションです。Webの経験を活かしてAIに挑戦したり、テックリードとして設計 判断を引き受けることもできます。 仕事の中身 Next.js・React・FastAPIでの開発／LLM・画像認識を使った機能開発／ 顧客業務に合わせた画面設計とDB・API設計／テックリードとしての技術 選定と設計レビュー 求める経験 開発経験。AI開発の実務経験は必要ありません。 Web engineer PoCで終わらせず 本番運用まで届ける 製造業におけるAI活用を支援 Webアプリケーション開発の経験と、Python／TypeScript等いずれかの このポジションの 面白さ Webの延長線上で自然にAI実装に入れます。全国2,000人が使うシステ ムのような規模も扱えます。 Copyright © All rights reserved by エムニ
49. 05 エンジニアサイド プロジェクトマネージャー 課題設定から現場への定着まで、1案件のQCDと採算を持ちます。2〜5名のチームを牽引し、AMと連携しながら顧客に価値を届けるところに 責任を持ちます。 仕事の中身 エンタープライズ顧客へのAI活用コンサル／開発チームと連携した全体 マネジメント／工場見学からの課題設定／業務の仕組み化 求める経験 問）。IT業界でのPMの経験や折衝経験。 Project manager 顧客に 価値が届くところまで担う 製造業におけるAI活用を支援 AI領域の社会実装への関心と機械学習の基礎知識（AI実務経験は不 このポジションの 面白さ 組織化・仕組み化を通して、事業をリードする経験が積めます。 Copyright © All rights reserved by エムニ
50. 05 エンジニアサイド FDE 製造業の現場で活躍する技術者と対等に議論し、必要だけどイメージが湧かないという不安を取り除き、AXの実現に向けた技術的な提案をFS と連携しながら推進するポジションです。 仕事の中身 現場に入っての課題の構造化／動くデモの高速開発／商談への技術同 席／本開発への引き渡しと定着支援 求める経験 問）。IT業界でのPMの経験や法人営業および折衝経験。 Forward Deployed Engineer 顧客の不安を取り除き AXへの挑戦を支える伴走者 製造業におけるAI活用を支援 AI領域の社会実装への関心と機械学習の基礎知識（AI実務経験は不 このポジションの 面白さ 日本を代表する企業様に対峙し、現場で使われるAXをイメージしてもら う。AXを実現するための重要ポジションです。 Copyright © All rights reserved by エムニ
51. EMUNI RECRUITING DECK PART 05 — PRODUCT SIDE 06 選考フロー 3週間程度でご負担にならないようスピード感のある選考を想定しています。
52. 06 選考フロー 2〜3週間で完結するスピード感のある選考 書類選考から面接、リファレンスチェックまで、すべてオンラインで対応します。 ご負担にならないよう、2〜3週間程度でお返事するスピード感を意識しています。 ※ポジションや候補者様によって内容が変わることがあります カジュアル⾯談 書類選考 ⾯接 2〜3回 リファレンスチェック 内定 00 01 02 03 04 任意。話を聞くだけでも可 職務経歴書をご提出ください 現場のメンバーと経営陣が同席します 前職の⽅にご経験を伺います 試⽤期間は6ヶ⽉です 書類選考から内定まで 2〜3週間程度 書類選考からリファレンスチェックまで、すべて 居住地は問いません。全国どこからでも応募 オンラインで対応します できます 製造業におけるAI活用を支援 まずは話を聞きたい、という段階でも歓迎です Copyright © All rights reserved by エムニ
53. THANK YOU JOIN EMUNI 一緒に、 日本を盛り上げませんか。 まずはカジュアル面談からでも構いません。 気になったポジションがあれば、お 気軽にご連絡ください。 WEB CONTACT emuniinc.jp info@emuniinc.jp 株式会社エムニ 製造業におけるAI活用を支 援