Nishika_テックチーム_ご紹介資料 / Nishika_TechTeam_Introduction

Nishikaテックチームのご紹介資料です。

Transcript

1. 1 © Nishika, Inc テックチームご紹介資料 2026年6月 ◼ 2025年
2. 2 © Nishika, Inc 1. Nishikaについて 2. テックチームについて 3. 働き方
3. 3 © Nishika, Inc Nishikaについて
4. 4 © Nishika, Inc 会社概要 社名 Nishika株式会社（Nishika, Inc） 設立 2019年5月7日 ビジョン テクノロジーですべての人が誇りを持てる社会を 住所 〒141-0022 東京都品川区東五反田1-25-11 役員 代表取締役CEO 山下達朗 代表取締役CTO 松田裕之 主要株主 創業者、サイバーエージェント・キャピタル リヴァンプ、グロービス 他 事業内容 AIプロダクト事業 AIソリューション事業 オンプレミス版 クラウド版 高精度AI議事録ソフトウェア SecureMemoシリーズ
5. 5 © Nishika, Inc ビジョン テクノロジーですべての人が誇りを持てる社会を Nishikaは「テクノロジーですべての人が誇りを持てる社会の実現」をミッションに掲げています。 Nishikaは、すべての人が自分自身の生き方や仕事に誇りを持って日々を過ごしていける社会を実現することが、豊かで幸せな人生を生きる上 での礎になると信じています。 自分がやるべきだと思ったことができる、自分がやったことが評価される、自分だからできると思ったことができることで、人は誇りを持てると考えます‍ 。 社名"Nishika"は、私達のサービスを通じて世界中の人々が「自分”にしか”できないと感じることをして欲しい」、 私達自身も「Nishika”にしか”できない仕事をしていきたい」、 という願いから名付けています。 Nishikaは、誇りを持てる社会を実現するための道具として、AIやデータサイエンスといったテクノロジーは大いに役立つものだと考えています。 しかし、高度なテクノロジーは必ずしも多くの人が当たり前に使うことのできる状態にはなっていません。 Nishikaは、テクノロジーを、普段テクノロジーからは縁の遠い人にとっても当たり前の存在としていき、皆の仕事の付加価値・業務効率を向上さ せることに貢献したいと考え、日々活動しています。
6. 6 © Nishika, Inc 事業内容 AIソリューション ✓ オフライン利用に特化した生成AI開発： 生成AIエージェント開発・自社専用生成AIの チューニングを行う クラフト生成AI ✓ 実務で使える・運用できる 生成AIコンサルティング・開発 Build-in生成AI AIプロダクト ✓ 国内最高水準の認識精度を誇り、クラウド不要 でセキュアな環境で議事録作成が可能な AI議事録ソフトウェア SecureMemo ✓ あなたの会社・事業・会議体のコンテキストを理解 した上での高い精度を実現する 会議AIアシスタント SecureMemoCloud ✓ オフライン利用可能なAIチャット・RAGソフトウェア AIコンシェルジュ for オフライン
7. 7 © Nishika, Inc クライアント（抜粋） 警察 防衛関連国家機関 中央省庁 ガバメントセクターでトップクラスのシェア 高性能のAIを武器に 幅広い業界へ展開
8. 8 © Nishika, Inc 国内最高水準の精度を誇る音声認識AI「shirushi」を開発。低品質音声でも精度を維持 強み：高精度音声認識 ※Fleurs一部データによる自社評価結果。評価は正解テキストから文字単位で誤りがあった割合（CER）を元に算出 ※ファイル全体のバッチ処理結果より算出 高品質な音声 低品質な音声 ✓雑音が少ない ✓明瞭な発生 ✓高性能なマイクを利用 ✓雑音が多い ✓明瞭でない発声 ✓低性能なマイクを利用 ✓マイク志向性との不一致
9. 9 © Nishika, Inc 【特許取得】音声AIと生成AIの組み合わせにより、ユーザーの専門用語・社内用語を認識 強み：LLMによるユーザー指定語認識
10. 10 © Nishika, Inc 【特許取得】ユーザーの修正履歴を利用し音声認識結果を改善する「パーソナライズ校正」 強み：パーソナライズ校正 私たちのプロダクトの隙間メモは高 制度で文字起こしができるんです ね 私たちのプロダクトのセキュアメモ は高精度で文字起こしができます セキアメモを紹介をした後に、社 内制度の紹介をします セキュアメモを紹介した後に、社 内制度の紹介をします ユーザーの修正 前処理 LLMによる自動校正 言語処理により重要情報抽出 LLM指示へ動的追加 単純な置換ではなく、文脈を理解 した判断により過剰修正を防止
11. 11 © Nishika, Inc 音声認識AI「shirushi」の開発とLLMとの組み合わせによる展望 発信 進化するヒトと機械の音声コミュニケーション Vol.2 〜AIの活用と感情に寄り添う音声認識・合成の新展開〜 ◆人工知能の発展に伴い、飛躍的に進歩している音声認識・合成技術 ◆聴覚・発声のメカニズムから音声の認識・合成の最新技術、今後の展望まで 網羅＆詳解 ◆娯楽・情報・福祉等、実用化事例も満載。より豊かな生活に向けたコミュニ ケーションの実現へ 【担当箇所】 ⚫ 第2編 音声認識・合成・コミュニケーションの応用技術 第1章 音声認識の応用技術 第4節 世界最高水準の高精度音声認識AI「shirushi」の開発 松田 裕之／渡辺 光太朗 1. はじめに 2. 音声認識の課題と昨今の技術発展 3. Whisper実用化のための取り組み 4. 大規模言語モデル (LLM) との組み合わせによるさらなる性能向上 5. 今後の展望
12. 12 © Nishika, Inc 【特許申請中】業界随一の高精度・高速を両立した半教師あり話者認識 強み：ハイブリッド話者認識 開始 終了 入力1： 発話テキスト 入力2： 会議音声ファイル 入力3： 会議参加者数 入力4: 既知の話者の 声紋リスト 半教師あり 話者認識 出力： 話者付き 文字起こし結果 Inputs Teacher Data
13. 13 © Nishika, Inc LLMのコンテキストエンジニアリングにより高度に整理・構造化された議事録を自動生成 強み：ほぼ完議事録
14. 14 © Nishika, Inc 研究開発 経済産業省・NEDOが推進する国内生成AI開発力強化プロジェクト「GENIAC」に採択
15. 15 © Nishika, Inc AIの主戦場は「モデルの賢さ」から「使うほど自社向けに育つループを持てるか」へ移る ◼コーディングエージェントがこれだけ進化したのは「テストという硬い正解で、使うほど良くなる閉じたループを回せたから」 ◼会議にも同じ閉じたループがある。しかも組織固有のデータで「自社専用」に育つ 目指す姿 会議が生むループの例 実装済み 文字起こし・校正の修正ループ ユーザーの修正差分が、組織固有の専門用語・社内用語・人名に対する確 定ラベルになる。 テストの合否と同じ硬い正解で回る、短サイクル・高頻度の閉じたループ。 → 使うほど、その組織だけの精度が育つ 構想 「この問いにはこう返す」の蓄積 会議を通じて、ある課題や状況にどう回答・対応するかについて、その企業な らではの回答・対応を蓄積・再利用できる。 商談録が溜まれば、新規顧客の類似質問に、過去に有効だった回答を即提 示できる。 → トップセールスの「型」が組織の記憶として残り、再利用される
16. 16 © Nishika, Inc 会議という意思決定の「一次入力地点」を押さえ、企業の世界モデルを自動構築する ◼議事録SaaSにとどまらない。精度の複利と組織知の複利、2つの複利で育つ「企業コンテキスト層」を作る 目指す姿 目指すもの 企業の世界モデル 「誰が・どの状態で・何を決めたか」を自動構築 データ x 校正/蓄積ループ の複利 データ x 校正/蓄積ループの複利を回すことで、AIが賢い だけでは到達できないモデルを構築 1. 会議データが増える 2. 校正・Q&A・ 状況判断の検証信号 がたまる 3. 抽出精度が上がる・ 世界モデルが実世界に 近づく 4. 会議支援/商談支 援の価値↑・利用増
17. 17 © Nishika, Inc テックチームについて
18. 18 © Nishika, Inc テックチーム CTO AIエンジニアリングチーム アプリエンジニアリングチーム •モデル実装・最適化 •ML/LLM基盤・パイプライン構築 •CI/CD・デプロイメント •AIカスタム開発プロジェクト推進 6名 •SecureMemoの開発 •SecureMemo AIモジュールを用い たカスタム開発プロジェクト推進（新 AIプロダクト候補） 4名 SecureMemo SecureMemoCloud •SecureMemoCloudの開発 •SecureMemoCloud AIモジュー ルを用いたカスタム開発プロジェクト推 進（新AIプロダクト候補） 4名
19. 19 © Nishika, Inc テックチームメンバー 髙山 雄貴 | AIエンジニア 早稲田大学卒業後、システムインテグレーターにてサーバー運用やアプリケーション開 発に従事。ソフトウェアベンダーにて、主にデータベースの設計、運用に従事する傍ら、 データ利活用案件にも参画。Nishika参画後は、生成AI活用プロジェクトの推進・ AIプロダクト機能開発の両方を担うデータサイエンティストとして活躍。 Kaggle Expert。趣味はボードゲーム。 渡辺 光太朗 | AIエンジニア 中央大学卒業後、製造業の情報システム部にて、販売システムの刷新などに従事。 その後、データサイエンス関連企業にてSNSデータの解析、アプリケーションや機械学 習モデルの開発に従事。Nishika参画後は、AIプロダクトのモデル性能向上・アルゴリ ズム考案を中心的に担うデータサイエンティストとして活躍。 Kaggle Master。趣味は料理。 山口 史晃 | AIエンジニア 九州工業大学大学院修了後、医療機器分野のソフトウェア設計、データ分析業務 に従事した後にNishikaに参画。データの分析、可視化業務を得意とする。 統計検定準一級、Kaggle Expert。趣味はソフトバンクホークスの応援。 松田 裕之 | 代表取締役CTO 東京大学大学院卒業後、野村総合研究所を経て、日本アイ・ビー・エムにてデータサ イエンティストとして人工知能Watson・機械学習搭載システムの技術検証を主導。 2019年にNishikaを創業、代表取締役CTOを務める。SecureMemo事業の立ち 上げを牽引、現在はAIプロダクト全般の開発およびR&Dを統括。 趣味は囲碁。
20. 20 © Nishika, Inc テックチームメンバー 冨野 恭兵 | アプリエンジニア 熊本大学大学院卒業後、システムインテグレーターにおけるシステムエンジニア・インフ ラエンジニアとしての勤務経験を経て、創業4ヶ月目に第一号社員としてNishikaに参 画。オンプレ・Web、アプリ・AI問わず、Nishikaのエンジニアリング全般をリードする。 猫を2匹飼っている。 岸本 光司 | アプリエンジニア 高知工業高等専門学校卒業後、RPAプロダクト開発エンジニアとしての勤務経験を 経て、Nishikaに参画。 最も得意とするのはフロントエンド開発だが、フルスタックの開発も担うNishikaプロダク ト開発の中心的存在。 お昼休みはいつも散歩している。 室本 国人 | アプリエンジニア 九州工業大学卒業後、SESエンジニアとして複数プロジェクトでの開発経験を経て、 Nishikaに参画。フロントエンドからバックエンドまで幅広く対応し、全体最適な解決策 の提案を得意とする。 休日は基本的にインドア派。
21. 21 © Nishika, Inc 私たちが大切にしている姿勢 常にユーザー目線の機能開発 「まずは互いの意見を求める」コミュニケーション １ 2 「面白い」「他にない」を忘れない ３ •この機能に「熱量を向けてくれる」「お金を払ってくれる」ユー ザーの顔が見えるかを常に頭の片隅で意識しながら、開発アイ デア出し・優先順位決めを行なっています •「自分が作った機能がユーザーに使われない」が極力発生しな い意思決定を行なっています •Nishikaは総勢30名満たないチームですが、その分テックチー ム・ビジネスチームの距離が非常に近いことが特徴です •単に距離が近いだけでなく、コミュニケーションにおいては「まずあ なたの考えは何なのか」を出発点にする文化があります。どのよ うな立場であっても意見表明することを当たり前と捉えています •Nishikaで仕事をする時間は、人生の中で決して短い時間で はありません。貴重な時間を費やすのであれば、やはり「面白 い」「他にない」ことに時間を費やしたいものです •仕事の自由度が少しでもあるなら、より「面白い」「他にない」の はどっちだ、と考えて指針を決めています •毎週開催の「AIよもやま研究定例」では、その時々で関心のあ るテーマを自由に議論したりしています
22. 22 © Nishika, Inc ①常にユーザー目線の機能開発 ユーザーへの提供価値を最大化するための開発サイクル バイアスを入れないユーザーの生の声 を共有 適宜技術陣から解決手段を提示 CS主催ユースケース共有会 営業・CS・エンジニア・デザイナー・ PdMが集まり、事前に作成した Backlogをもとに機能開発の優先度 付けを実施 BizDevミーティング 前スプリントをKPTで振り返り 次スプリントで取り組む内容を決定 機能開発を重視しつつも、技術負債 返済に一定工数を必ず充てる スクラム開発
23. 23 © Nishika, Inc ②「まずは互いの意見を求める」コミュニケーション • BizDevミーティングにエンジニアが参加、開発方針決定に関与 • ビジネス判断の背景を理解した上での技術的な提案 • エンジニアが担当した開発カードは自身でカード起案者と仕様調整 • R&Dテーマは持ち寄り • トップダウンは「決めなければいけない」ときのみ • スプリントレビューでの気づきを即座に反映 • 「わからなければやってみる」 BizDev相互理解 気づきは即反映 全員が当事者
24. 24 © Nishika, Inc ③「面白い」「他にない」を忘れない • R&Dの検証内容 • 音声認識モデルのファインチューニング • 新しい話者認識アルゴリズム • 輪読会 • 音声処理とは • Pythonの型ヒント • パフォーマンスエンジニアリング • 日々の開発で気になっていること • 「技術的負債」の誤解 「AIよもやま定例」で R&D・エンジニアリングナレッジ共有 AIエージェントを開発業務以外にも利用 • OSS更新を監視し、自社実装・プロダクト課題と称号し てAIエージェントがR&Dチケットを自動起票するワークフ ローを作成
25. 25 © Nishika, Inc 弊社が直面する技術課題 • 音声認識AIの精度は飛躍的に 高まっているが、それでもユーザー が求める水準には達していない。 • ユーザーが求めるのはただの精度 ではなく、その会社・事業・会議体 のコンテキストを理解した上での高 い精度。 • 一方でユーザーごとのAIファイン チューニングはROI的に厳しく、セ キュリティ上学習目的でデータ利 用が難しい場合もある。 • このような条件の中で、”国内最 高精度”を如何に達成するか。 顧客が求める”精度”の理解と ROIの高い精度改善方法 • 特にオンプレミス環境では、利用で きる推論計算資源に限りがある。 • 当社でのAI学習のためにデータ提 供いただくのはまず不可能、顧客 側でのAI学習環境の準備も困難。 • 生成AIだけでなく識別AIなど従 来技術を活用し、さらにAIに限ら ず人と協働する前提でUXを作り 込むことで、顧客課題の解決を図 る必要がある。 AIだけで顧客要望に達しない場 合のUX作り • 生成AIの進化により、コード生 成・テスト作成・ドキュメント化は 自動化可能になりつつある。 • しかし、AIによる生成を開発プロセ スにどう組み込むかは道半ばであ る。 - コード生成を前提にした設計粒 度の再定義 - AIによるレビュー補助と人間によ る設計レビューの分離 - ナレッジの構造化と検索性向上 AIを活用した開発プロセスの最 適化
26. 26 © Nishika, Inc 技術スタック 常に課題起点で技術を評価し、チームで意思決定します Programming Application Framework ML/LLM Tool MLOps DevOps Infrastructure Monitoring API Python TypeScript Dart Flutter FastAPI Next.js LangChain PyTorch vLLM Llama.cpp SageMaker (AWS) Wandb Langfuse Docker CodeBuild (AWS) Github Actions AWS Azure Vercel GCP Terraform Sentry CloudWatch (AWS) Sendgrid Auth0 Stripe
27. 27 © Nishika, Inc ツール 自動化・標準化の促進を常に目指しつつ、AIが扱いやすいことも考慮しツールを選定します AI Coding Documentation Design Communication Project Management AI Chat Cursor ClaudeCode Notion Figma Canva Trello Gemini Claude ChatGPT NotebookLM Slack oVice Zoom Devin
28. 28 © Nishika, Inc 働き方
29. 29 © Nishika, Inc 働き方 働き方 フレックス ハイブリッドワーク PC貸与（Mac/Windows） AWS/GCP/Azure利用可 Claude Code (Max), Cursor (Pro+)利用可 必要に応じて高性能GPU環境を利用可 社内勉強会（AIよもやま研究） 制度 健康診断補助 結婚祝い金・出産祝い金 インフルエンザワクチン補助 休日出勤手当・出張手当 技術書購入補助 副業可
30. 30 © Nishika, Inc ご応募お待ちしております！ We are hiring!
31. 31 © Nishika, Inc