『スモールビジネスを世界の主役に』を実現するための、 freeeにおける機械学習エンジニアの役割と貢献 

　 2 経歴 MLエンジニアとして⼊社 AIラボヨットの Engineering Manager AIラボ船 部⻑ ● データベースエンジニア：3年 ● AI/MLエンジニア：5年 ○ レコメンデーションエンジン‧パーソ ナライズ‧マーケティングメール （Push通知）最適化‧時系列予測 ● Engineering Manager：6年 その他あえ共 ● 趣味/Hobby ○ 落語（⽴川談志、古今亭志ん朝、桂枝雀） naosuke AIラボ船　部長 Naoyuki KIYOTA 

3 freee ブランドムービー 

4
 freee Movement Deck
 10年前からスモールビジネスの
 生産性は上がっていない
 スモールビジネスの生産性の低さは、日本社会における大きな課 題です。freeeが創業された約10年前から、スモールビジネスの状 況は徐々に変わりつつありますが、依然として大企業との差は歴然 であり、まだまだ進化が必要です。 
 
 
 大企業
 中小企業
 523万
 533万
 1123万
 1383万
 2011
 2021
 2011
 2021
 従業員一人当たり付加価値額（生産性） 
 freeeが目指す世界 　スモールビジネスの課題
 2023年版「小規模企業白書」 第3節 生産性の現況
 

5
 freee Movement Deck
 スモールビジネスは
 人手不足が深刻
 大企業に比べ、規模の小さい企業ほど人材の未充足率が高い。 
 製造業と非製造業を比較すると、特に非製造業の人手不足が深刻。 
 0.4％
 0.8~3.2％
 2.1~3.5％
 5~999人
 1000人以上
 5~999人
 1000人以上
 1.6％
 freeeが目指す世界 　スモールビジネスの課題　
 資料：厚生労働省「平成28年上半期雇用動向調査」再編加工
 2018年版 中小企業白書 2部「深刻化する人手不足と 中小企業の生産性革命」
 従業員規模別にみた、人材の未充足率 
 製造業
 非製造業
 

6 2010年代後半からSaaSが台頭 source: フリー株式会社の各年度の決算発表資料・成長可能性資料より。算出方法は International Data Corporation(IDC)における従業員 1,000人未満の法人又は個 人事業主におけるクラウド会計ソフトウェアの浸透率として、クラウド会計ソフトウェア市場規模を会計ソフトウェア市場規模で除している 例えば、会計ソフトに占めるクラウド浸透率は右肩上がり (財務関連ソフトウェア市場におけるクラウド⽀出額⽐率より) 

7 ところが、⼈⼿不⾜はそれ以上のスピードで進んでいく 15~64歳⼈⼝の減少は加速 source: 社会保障審議会の資料 8,638 万人 7,170 万人 2000年 2025年(予測) 5,978 万人 2040年(予測) 25年で▲17% 15年で▲17% 

　 freeeは「スモールビジネスを、世界の主役に。」をミッションに掲げ、 統合型経営プラットフォームを開発‧提供し、 だれもが⾃由に⾃然体で経営できる環境をつくっていきます。 起業やビジネスを育てていくことを、もっと魅⼒的で気軽な⾏為に。 個⼈事業や中⼩企業などのスモールビジネスに携わるすべての⼈が、 じぶんらしく⾃信をもって経営できるように。 ⼤胆にスピード感をもってアイデアを具現化できるスモールビジネスは、 今までにない多様な価値観や⽣き⽅、 新しいイノベーションを⽣み出す起爆剤だと私たちは考えています。 スモールビジネスが⼤企業を刺激し、社会をさらにオモシロク、 世の中全体をより良くする流れを後押ししていきます。 Mission スモールビジネスを、世界の主役に。 

  だれもが⾃由に経営できる 統合型経営プラットフォーム。 だれもが⾃由に⾃然体で経営できる環境をつくるために、「統合型経営プラットフォーム」を開発‧提供します。 バックオフィス業務を統合することで、⾃動化と業務全体の効率化。さらに経営全体を可視化することで、 これまでにないスマートかつ最適なアクションまで実⾏できるプラットフォームへと進化させていきます。 また外部サービスとも連携したオープンプラットフォームとして、多様なビジネスニーズに対応。 ユーザーネットワークの中における相互取引の活性化も強化していきます。 プラットフォームの提供のみならず、スモールビジネスに携わる⼈の環境そのものを より良くしていく取り組みを⾏うことで、世の中の変化を促します。 Vision 

10 　 電子稟議
 経費精算
 債権債務
 管理
 人事労務
 電子契約
 固定資産
 請求管理
 会計
 工数管理
 販売管理 会計・人事労務・販売管理を核とした統合型経営プラットフォーム 

11 ミッション 🎯 Mission AI/MLで、まだここにない価値を創造し、ユーザーに届ける。 Purpose Results 「統合flow」を実感するユーザー を拡⼤し、期待を超える「マジ価 値」を探求‧実現する 「開発⽣産性2倍」と 「全社のAI活⽤」を牽引する AI/MLを活⽤した新しい機能‧ サービスを爆速で開発する 全社のAI活⽤を⽀え、安定性と 拡張性を両⽴したAI/ML基盤を 構築‧運⽤する 

12 最先端の技術動向を調 査‧研究し、将来的な プロダクトへの応⽤可 能性を探索する研究開 発チーム freeeのプロダクトへ のAI機能開発を担う。 ユーザーの業務効率化 とマジ価値に貢献する チーム freee全体で活⽤する 基盤構築を担う。 安定した基盤提供と、 基盤の機能構築、導⼊ を推進するチーム AIラボのチーム紹介 Function Squad：機能開発 Innovation Hub：研究 Platform Pioneers：基盤 AI-PdM：keii 開発エンジニア マネージャー：naosuke マネージャー：naosuke マネージャー：delta 

　 13 サービス例：証憑や領収書を電⼦取り込み（OCR） 撮影するとOCRで合計⾦額‧税率別⾦額‧⽇付‧勘定科⽬‧証憑の種類‧適格請求書発⾏事業者登録番号を⾃動推測 

　 14 サービス例：まほう経費精算 チャット内容を⾃動解析し、AIが事前申請！ 申請者には経費の利⽤予定⽇に通知が届き、領収書を撮影するだけで 事前申請と連携した経費申請が実現 

　 15 サービス例：推測した仕訳をチェック（⾃動で経理） 明細の内容から仕訳を⾃動推測 

　 16 業務で取り組んだ内容に追加の研究を⾏い国際学会への発表 Two-Stage Classification of Bank Transaction with Decision Trees and MLP-Mixer https://developers.freee.co.jp/entry/bank-transaction-classification Enhancing Cost-Effective Large Language Models with Reinforcement Learning for Multi-Turn Text-based Environments https://www.graco.c.u-tokyo.ac.jp/~kaneko/papers/ Innovation Hub研究成果 

　 17 サービス例：AIチャットサポート ユーザーの聞きたいことにいつでも答えてくれるAIチャットサポート 

　 18 サービス例（社内向け）：全社員が使うLLM基盤 全社員が業務に合わせた⾃作LLMアプリをノーコード & セキュアに作れるPF 

　 19 サービス例（社内向け）：つばめAUTO セールスの⽣産性向上 顧客管理情報のサマリーを作成 

© 2025 freee K.K. All Rights Reserved. freeeのBizオペレーションの基盤である『Salesforce』『Zoom』『LLM基盤』を連携したシステム基盤全般 のことをつばめAUTOとしています より具体的には、『Zoom』で⾏われた架電‧商談の⽂字起こしデータをもとに『LLM基盤』で処理を⾏い、 ⽇々のオペレーションを実⾏する『Salesforce』に反映されます ZoomMeeting LLM基盤 ZoomPhone Zoomでの架電‧商談後にSF上に ⾃動的に活動レコードが作成 （SF活動とZoomが紐づけされている状態） Salesforce内にLLMの 処理結果が更新 （サブプロジェクト参照） Salesforce つばめAUTOとは 

　 21 サービス例（社内向け）：つばめNAVI 社内/プロダクトの疑問に答えてくれる社内プロダクト 

　 22 全社AIネイティブのための評価駆動開発を⽀援するプロジェクトチーム発⾜ “評価”を（AI）プロダクト開発のライフサイクル全体において継続的かつ適応的なプロセスとして組み込 む。作った後に改善する事が前提の活動を⾏う ⇨ 従来のソフトウェアテストや要件定義とは⼤きく異なる開発スタイルが必要 評価駆動開発 

　 23 評価とメトリクス/KPIの定義 (Define Evaluation Plan) 何が「良い」状態なのかを定義すること ビジネス⽬標、品質基準、主要なメトリクスを確⽴することを含む 評価テストケースの開発 (Develop Evaluation Test Cases) 質の⾼いテストデータを作ること 単純な単体テストを超え、エッジケース、複数ターンにわたるプロンプト、特定のシステムコンポーネン トのテストなど、現実世界の利⽤を反映した多様なシナリオを考える 評価駆動開発 

　 24 オフラインおよびオンライン評価の実施 (Conduct Offline and Online Evaluations) オフライン評価：管理された条件（開発環境）で事前に実施される オンライン評価：本番環境でのリアルタイム監視とランタイム分析を含み、創発的な振る舞いや現実世界 での障害を捉える 分析と改善 (Analyze and Improve) オフラインとオンライン両⽅の評価結果から改善ループを回すこと このフィードバックループはプロンプトの調整やモデルのファインチューニングだけでなく、アーキテク チャの改良、ツールの更新、パイプラインの変更など、広範な開発に寄与する 評価駆動開発 

　 25 ⼤規模分散学習に耐えられる開発環境をAIラボメンバー⾃ら構築 開発環境 ⼤規模学習基盤 

26 Culture of Developers 開発⽂化 freeeの開発⽂化は、開発をする上で実際に 全員が意識している判断基準です 何でもやれる、何でもやる チームで扱う課題について、特定の技術や領域に固執せずオールラウンドに取り組めているか。 アプリもインフラも、サーバサイドもフロントエンドも、早さも正確さも。 世話を焼いていくスタイル チーム内外問わず周囲を⾃分の知⾒で助けられているか。 レビューしているか、システムor⼈間のアラートに疾⾵迅雷のごとく反応しているか。 必殺技 チームの中で⾃分が貢献できる特徴を理解して発揮しているか。 また、その特徴を増やしていけるか。 カッとしてシュッとやる 最低限はここまで、に満⾜せず⾃分がやりたいことを載せていけるか。 システムのボトルネック、負債に対する怒りをプラスの⽅向に関⼼を持ち、解決できるか。 失敗して攻めよう 学びのある失敗をして最速で成⻑しよう。 学びのある失敗とはチームやプロダクトの成⻑につながる失敗。 学びのある失敗をしていないのは挑戦が⾜りない。 

27 freeeのAIネイティブカンパニーを⼀緒に⽬指す仲間を募集中！！ カジュアル⾯談専⽤応募フォーム 機械学習エンジニア募集中 Platform Pioneers Function Squad We're hiring!