2 0 2 6 年 更 新 

FastLabelは、AIにおける教師データ作成の難しさを原体験として、2020年 に創業しました。 その当時、仮説としていた「教師データの作成がAIの社会実装におけるボトル ネックになっている」という考えは、私たちが多くの日本を代表する企業のAI開発 をデータ面で支援する中で、徐々に実証されてきました。特に、ここ数年で生成 AIの技術が急速に進展しましたが、教師データの重要性はさらに高まっており、 私たちは、日々、より複雑で高度なデータの課題に取り組んでいます。 我々はすでに産業を支えるお客様と共にAIの社会実装を推進していますが、 真に「AIインフラ」としての地位を確立するための旅はまだ始まったばかりです。 この資料は、FastLabelで働くことに興味を持っていただいた方に向けて、 FastLabelの概要・事業・価値観をお伝えすることを目的としています。この資 料をきっかけに、私たちに興味を持 っていただければ幸いです 

No content

A I イ ン フ ラ を 創 造 し 、 日 本 を 再 び 「 世 界 レ ベ ル 」 へ と い う F a s t L a b e l の パ ー パ ス を 起 点 に 、 私 た ち は 日 本 産 業 を D X す る こ と に 挑 戦 し て い ま す 。 1 9 9 0 年 か ら 現 在 ま で 日 本 は 世 界 と 大 き な 差 を つ け ら れ ま し た 。 名 目 G D P は 全 く と 言 っ て い い ほ ど 伸 び て お ら ず 、 ま さ に 失 わ れ た 3 0 年 を 過 ご し て い ま す 。 で は な ぜ 、 世 界 と こ の よ う な 差 が つ い て し ま っ た の で し ょ う か 。 そ れ は ソ フ ト ウ ェ ア の 進 化 で す 。 G o o g l e や F a c e b o o k な ど に 代 表 さ れ る I T 企 業 が 時 価 総 額 ラ ン キ ン グ に 名 を 連 ね 、 ま さ に ソ フ ト ウ ェ ア が 世 界 を 席 巻 し た 3 0 年 間 で し た 。 日 本 を 再 び 世 界 レ ベ ル へ 押 し 上 げ る に は 、 こ れ か ら の 3 0 年 で 浸 透 す る テ ク ノ ロ ジ ー に 賭 け る 必 要 が あ り ま す 。 私 た ち は そ れ が A I 技 術 だ と 確 信 し て お り 、 A I イ ン フ ラ を 創 造 す る こ と で 、 日 本 企 業 な ら び に 、 日 本 の 産 業 を 改 革 し ま す 。 AIインフラを創 造 し、 日本を再び「世界レベル」へ P u r p o s e （ パ ー パ ス ） 

No content

“ AIは、あくまで道具です。電気と同じように、AI単体では意味がありませんが、 さまざまな製品と組み合わせることで、その製品をよりパワフルなものにできます。 日本には自動車、製造業、エンターテインメントなど、世界に誇れる産業が たくさんあります。そこにAIをかけ合わせれば、十分に勝負できるはずです。 こうした可能性を最大限に引き出すためには、AIを支える基盤が不可欠です。 FastLabelは、AIを開発・運用する上で不可欠な「AIインフラ」としてお客様 に伴走するデータパートナーとなり、お客様がAI開発に集中できる環境を 提供し、AI開発プロセスの高度化・AI精度向上に貢献していきます。 “ 鈴 木 健 史 代 表 取 締 役 C E O 

0 5 10 15 20 25 30 35 40 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016 2018 2024 1 1 3 4 20 21 38 27 23 16 22 27 27 21 26 25 日 本 の 国 際 競 争 力 は 年 々 低 下 傾 向 出典：IMD 

成 長 市 場 で あ る A I 市 場 2023 2024 2025 2026 2027 2028 CAGR 300 % 国 内 A I 市 場 規 模 予 想 

教師データ作成 （データ準備〜アノテーション） 80 % A I 開 発 プ ロ セ ス A I 開 発 の 課 題 A I 開 発 の 8 0 ％ が 教 師 デ ー タ 作 成 に 費 や さ れ て い る が イ ノ ベ ー シ ョ ン の 不 在 に よ り 、 効 率 化 が 進 ん で い な い 課 題 モデル トレーニング 20 % 

A I 開 発 の 変 化 A I モ デ ル の 普 遍 化 と デ ー タ セ ン ト リ ッ ク な A I 開 発 へ の 移 行 Accuracy(mAP) Number of training examples ノ イ ズ の 入 っ た デ ー タ と 比 べ て ク リ ー ン な デ ー タ を 使 う こ と で 効 率 的 に 高 い 能 力 を 得 ら れ る noise clean デ ー タ セ ン ト リ ッ ク な 開 発 に よ る 効 果 baseline Model-centric Data-centric 鉄の表面検査 ソーラーパネルの検査 76.2% 75.68% +0% +0.04% +16.9% +3.06% 

A I 開 発 に お け る デ ー タ A I 開 発 に お い て デ ー タ の 重 要 度 が 増 し て い る 過 去 の 重 要 度 イ メ ー ジ 今 後 の 重 要 度 イ メ ー ジ モデル作成 モデル検証・評価 実環境検証 データ 収集・作成 モデル作成 モデル検証・評価 実環境検証 データ 収集・作成 

No content

事 業 を 支 え る 思 想 お 客 様 の A I 開 発 の R O I 最 大 化 を 目 指 し 「 サ ー ビ ス 駆 動 開 発 」 の 思 想 の も と 事 業 を 推 進 AIコンサルタント AIエンジニア アノテーター お客様 AI開発の ROI最大化 プ ロ フ ェ ッ シ ョ ナ ル サ ー ビ ス プロダクト開発者 プロダクト 開発・改善 効率化 機能要望 プ ロ ダ ク ト 

提 供 ソ リ ュ ー シ ョ ン 計算資源 最適化 データ コンサルティング ラベリング プラットフォーム データ収集 『データ収集』 テキスト・音声・画像・動画等、 非構造化データを販売・新規制作・収集 (特に、専門性の高いデータに強み) 『ラベリング』 弊社独自品質管理手法に基づき、 高品質かつ大規模なラベリングを実現 (仕様詳細化及び作業書作成まで実施) 『データコンサルティング』 データに関する専門知見に基づいた、 データセット企画、自動アノテーション・ キュレーション技術開発・現場適用を支援 『計算資源最適化』 要求スペック・セキュリティ要件・保証体制 に応じた最適なGPUリソースを調達・提供 『プラットフォーム』 データエンハンスメントを効率的に実現する 自社内製プロダクトを保有 認識AI 生成AI 自動運転 AI ロボティクス デ ー タ セ ン ト リ ッ ク A I 開 発 を 支 援 す る 当 社 ソ リ ュ ー シ ョ ン 支 援 領 域 

No content

事 業 紹 介 事例① 認識AI 事例② 認 識 A I 領 域 認識AI開発をする企業様に向けて、 AIの学習に必要なデータの収集から、アノテーション、モデルの精度向上までを一貫してサポートします。 データ収集・販売 アノテーション代行 モデル精度改善 創業以来培ってきたノウハウに基づき、 高品質なアノテーション代行を実現 人物撮影、音声収録など、 AI開発要件に沿ってデータを収集・販売 課題洗い出しから施策策定、 施策遂行までを一気通貫してサポート 矩形 多角形 セグメンテーション 姿勢推定 OCR キーポイント モデル開発・評価 AIモデル 精度改善 課題整理 データ収集 アノテーション 日本人・外国人 顔画像 スポーツ動画 風景画像 人流解析用動画 感情音声 帳票 生成AI 事例① 事例② 自動運転 事例① 事例② 

事 業 紹 介 作業員の作業内容に対する動画アノテーションを代行支援し、 AIの精度を劇的に向上 工場の作業約30工程の理解が必要な高難度案件において、専任プロジェクトマ ネージャーをアサインし、要件の仕様書への落とし込みやアノテーター教育を徹底し て実施。高品質な教師データの納品により、AIモデル精度の劇的な向上に貢献。 心理的安全性分析のための正確な会議音声アノテーションデータ作成 三菱重工業様では会議における心理的安全性を高めるための取組を行っており、 会議音声の分析のために、複数人の声が混ざった音声データから話者ごと・発話ご とに音声の切り出しを実施しました。 認識AI 生成AI 事例① 事例② 自動運転 事例① 事例② 事例① 事例② 株式会社メディオクリタス様 三菱重工業株式会社様 

事 業 紹 介 データ収集からアノテーション、コンサルティングまでを一気通貫でご提供。 画像解析AIモデルの大幅な精度向上に貢献 ソニーネットワークコミュニケーションズ株式会社は、ヘルスケアプラットフォーム 「X.SINCE」における食事画像解析AIの開発において、食品データの大量収集とア ノテーション作業の効率化が求められていました。FastLabelのデータ収集サービスや アノテーション代行サービスを活用することで、短期間かつ低コストで高精度なAIモデ ルを構築し、食品カテゴリの検出精度を大幅に向上させることができました。 アノテーション〜データコンサルティングまでを一気通貫して対応。 モデル精度を30%引き上げることに成功 本事例では、コンサルティングとアノテーション代行サービスの活用により、AIモデル の精度を大幅に向上させることができました。また、AIデータプラットフォーム 『FastLabel』とヘッドウォータース様の『SyncLect（シンクレクト）』を連携するこ とで、アノテーションデータ管理からモデル再学習までの自動化を実現し、AI開発 の生産性を飛躍的に向上させました。 認識AI 生成AI 事例① 事例② 自動運転 事例① 事例② 事例① 事例② 株式会社ヘッドウォータース様 ソニーネットワークコミュニケーションズ 株式会社様 

事 業 紹 介 事例① 事例② 生 成 A I 領 域 LLM開発・VLM開発のための事前学習用データ収集、チューニングデータ作成、およびRAG用データ作成など、 生成AI開発におけるデータの課題を多方面から支援します。 データ収集・販売 チューニングデータ作成 RAGデータ整備・精度改善 専門人材を含めたプロジェクトで 専門性の高いチューニンデータ作成を実現 メディアパートナー、データパートナーを 通じて、専門領域のデータを収集・販売 RAG用データの作成から 精度を高めるためのデータ最適化まで支援 矩形 生成AI 事例① 事例② 自動運転 事例① 事例② 認識AI 専門情報誌 記事 有料Web記事 学習教材 会話音声 ポッドキャスト 機械図面 アプリケーション 外部データ ユーザー RAG 社内・社外にあるデータ 構造化処理 (テキスト変換&分割) プロジェクト構成イメージ 

事 業 紹 介 × × 株式会社サイバーエージェント様 LINEヤフー株式会社様 2,000,000点のAI開発学習データセットを提供 採択理由 作業内容の性質上、細かな要件定義が難しかったのですが、お伝 えした目標感を踏まえて作成フロー・内容を主体的に提案・調整し ていただけました。作業スピードは迅速で、完成したデータは非常に 高品質でしたので、とても満足しています。早速、研究開発におけ るデータ利用を進めています。 採択理由 創業以来、Data-centric AI開発の支援に注力してきた FastLabelの学習データに対する知見に加え、生成AIの学習デー タとして利用可能な著作権や肖像権などに配慮した権利クリアな 画像・動画のビジュアル素材（約2.4億点）を有していることをご 評価いただき、ご採択に至りました。 NLP（自然言語処理）のデータ作成支援 事例① 事例② 生成AI 事例① 事例② 自動運転 事例① 事例② 認識AI 

事 業 紹 介 株式会社リコー様 NABLAS株式会社様 食品・流通小売業界に特化した VLM（大規模視覚言語モデル）開発用データ作成支援 採択理由 FastLabel社には学習・評価に使えるデータの大量収集と アノテーションを実施いただきました。 これら質の高いデータにより、モデル開発が加速し、ベンチマークの 公開も可能になりました。誠にありがとうございます。 採択理由 多岐にわたるユニークなタスク設定をしていたのでデータのアノテー ションにおける精度に課題がありましたが、綿密な打ち合わせによる 課題感のすり合わせとアノテーション例の複数回の確認により、こち らの想定していた通りの高品質なデータセットを作成することができ て助かりました。 図表を含む日本語のビジネス文書の読み取りに対応した LLM開発用データ作成支援 ◼ 国内企業のIR情報の収集：モデルのベンチマークとして活用するために 国内企業のIR情報を対象にグラフや表を中心に1万件以上のデータを収集。 ◼ 帳票フォームの収集：モデルに取り込むデータとして省庁や市区町村が発 行している帳票フォームを、商用化も対象にした著作権規約を確認した上で 数千件の単位でデータを取集。 ◼ 収集したデータへのアノテーション：収集した多様かつ複雑な帳票に対して 要件定義を行いながらアノテーションの具体的な方法を定めて作業を実行。 ◼ 日本国内で流行した食品の情報をSNSから収集するために収集データの 要件を整理し、要件をもとに大規模データをSNSより収集した上で指示 文と回答文を作成。 ◼ GENIACにおける当社の豊富な採択支援実績に基づいたコンサルティング を提供し、審査基準を満たす生成AIモデル開発の企画を支援。 事例① 事例② 生成AI 事例① 事例② 自動運転 事例① 事例② 認識AI 

事 業 紹 介 事例① 事例② 自 動 運 転 領 域 自動運転におけるデータ作成業務への一気通貫なソリューションを提供します。 データ収集 アノテーション代行 データコンサルティング 大規模な走行データの 2D/3Dアノテーションを支援 走行データ収集、シーン別撮り下ろし、 運転者撮影などに対応 データ収集ための構想策定・要件定義、 データキュレーションなど 生成AI 事例① 事例② 自動運転 事例① 事例② 認識AI プラットフォーム 大量かつ高品質な教師データの作成・ 管理・活用が可能なツールの提供 走行データ 人物顔画像 自動アノテーション機能 データバージョン管理・差分管理機能 2Dデータアノテーション 3Dデータアノテーション 収集された大量データ フィルタリング処理 重複排除 有効な学習データ 

事 業 紹 介 事例① 事例② 生成AI 事例① 事例② 自動運転 事例① 事例② 認識AI 走行計画やアノテーション要件の策定が十分でない状態で、短期間で教師データを 作成する必要があった企業様に対して、モデル開発に必要な要件整理を含めた伴 走支援を提供しました。 ヒヤリハット事象に加えて事故リスクが高いシチュエーションを定義し、それに対応する データを収集できる走行計画を策定。収集した動画をクリップし、異常ラベルを付与 しました。 自動車業界 A社様 自動車業界 B社様 大量のデータセットを高品質で希望通りの納期に仕上げられるパートナーを探してい た企業様に、当社の徹底した品質管理と大規模プロジェクトを成功に導くリソース マネジメント力をご評価いただき、プロジェクトを全面的にご支援しました。 ■ アノテーション種別：2D/3Dデータ・領域検出/ 物体検出 ■ データ数量：約20万フレーム ■ クラス数：最大約40クラス ■ プロジェクト期間：10ヶ月 ※中長期プロジェクトとして継続予定 PROJECT ■ アノテーション種別：異常ラベル付与（0,1） ■ データ数量：動画クリップ 2,000件 ■ プロジェクト期間：数週間 PROJECT 2D/3Dの走行データに対する 大規模アノテーションプロジェクト 走行車両データ収集とヒヤリハット事象への アノテーションプロジェクト 

事 業 紹 介 事例① 事例② 生成AI 事例① 事例② 自動運転 事例① 事例② 認識AI オープンソースツールをカスタマイズし、自社エンジニアが環境構築していたものの、 パフォーマンスやセキュリティ面での課題に直面していた企業様に、 画像DataOps基盤として「FastLabel Data Factory」を導入いただきました。 当社ツールは、ノーカスタマイズで大規模なデータ運用に対応できるうえ、高いセキュ リティ性を備えたデータマネジメントシステムです。 運用を考慮した柔軟なバージョン管理・メタデータ管理機能や、アノテーションツール とシームレスに連携できるワークフローも評価されています。 自動車業界 C社様 自動車業界 D社様 ・オープンソースのツールでは大規模なデータ作成・運用に対応できない ・コストや時間を踏まえ自動化による効率化が必須 という課題があった企業様に、教師データワークフロー全体をカバーできるツールと して「FastLabel Data Factory」を導入いただきました。 ツールに搭載された自動アノテーション技術により、データ作成の効率が向上し、 手作業と比較して作業時間をが40%短縮できました。 自動運転向け教師データワークフローを実現するための アノテーションツール提供 ADAS開発を加速させる 画像DataOps基盤構築 作業にかかった時間 

メイン ターゲット エンタープライズ SMB 売上高500億円以上 1,479社 売上高100億円未満の企業 3,490,816社 売上高100億以上の企業 14,823社 導入実績 自動車 製造 IT・SIer 建設・インフラ 各 業 界 へ の リ ー デ ィ ン グ カ ン パ ニ ー へ の 豊 富 な 支 援 実 績 

No content

Customer Geek お 客 様 の 成 功 が 我 々 の 成 功 で あ る 。 誰 よ り も お 客 様 の こ と を 理 解 し 、 信 頼 に 足 る 存 在 で あ り 続 け る 。 Issue Driven 世 界 レ ベ ル に 追 い つ く た め に は 、 最 速 最 短 で 成 果 を 出 す 必 要 が あ る 。 テ ク ノ ロ ジ ー の 可 能 性 を 信 じ 、 本 質 的 な 課 題 の み を 解 決 し て い く 。 No Buts 前 人 未 到 の 挑 戦 に 困 難 は つ き も の だ 。 で き な い 理 由 を 考 え る の で は な く 、 で き る 理 由 を 考 え 続 け る 。 価値観 パ ー パ ス を 実 現 す る た め に 、 私 た ち は 3 つ の V a l u e を 大 切 に し て い ま す 。 

トップマネジメント 早稲田大学大学院創造理工研究科 修了 在学中、機械学習の研究に従事し、国内外4つの学会にて研究発 表、査読付き論文採択を経験。 株式会社ワークスアプリケーションズで、会計ERPパッケージシステムの 開発、会計SaaS立ち上げや複数のAIプロジェクトに従事した後、法 人向けフードデリバリー企業を共同創業。 その後、独立しFastLabelを創業。 代表取締役CEO 鈴木 健史 早稲田大学大学院 会計研究科修了 University of Kent Master degree of International Accounting and Finance 修了 株式会社ナックにてキャリアをスタートし、社長室所属としてBtoC営 業、加盟店運営、人事、法務、経理、財務、IR業務に従事。その 後、Corning Japan株式会社・SB C&S株式会社を経て、2023 年5月にFastLabelに参画。 管理本部の立ち上げを担い、2024年3月に取締役に就任。 取締役 村中 崇 横浜国立大学 工学府物理情報工学専攻 修了 日産自動車株式会社、株式会社ワークスアプリケーションズで、その 後の起業を経て、スタートアップにおいてプロダクトマネージャー・事業 開発を担当。 2023年2月よりFastLabelへ参画し、カスタマーエンジニアリング改革、 新規プロダクト設計を担当。 2024年2月からVP of Productとして、 新規プロダクトの企画・事業推進・開発組織のマネジメントに従事。 2024年7月、弊社執行役員CPOに就任。 執行役員CPO 内田 修平 九州大学 経済学部 経済・経営学科 卒業 三菱電機株式会社、日本アイ・ビー・エム株式会社を経て、2021年 6月にビジネス部門1人目としてFastLabel株式会社へ入社、アノ テーション事業およびデータセット事業の立ち上げを担当。 2022年7月よりVP of BizDevとして、サービス事業開発およびアラ イアンス構築を管掌するとともに、中期経営戦略の策定に従事。 2024年7月、弊社執行役員COOに就任。 執行役員COO 藤原 宏貴 

働く環境 数 字 で 見 る F a s t L a b e l ※2026年3月時点での在籍データ 

働く環境 安 心 し て 働 い て い た だ け る 環 境 を ご 用 意 し て い ま す 。 • フレックスタイム制度（コアタイム10:00-14:00） • 年間休日125日（2026年予定） ※一部職種を除く • 土日および祝日（完全週休2日制）、年末年始（12月29日から1月3日）休み • 入社日に有給付与 • 通勤手当支給、その他各種手当 • 産休育休取得実績あり、育児・介護時短勤務実績あり 基本情報 ヘルスサポート スキルアップ・成長支援 福利厚生 • 健康診断 • インフルエンザワクチン接種補助 • 卵子凍結費用支援・サポート 休暇制度 • 社内のドリンク無料 • オフィスコンビニ設置 • 慶弔見舞金制度 • 社内図書館制度 • 資格取得支援制度 

選 考 フ ロ ー お 互 い フ ィ ッ ト す る か の マ ッ チ ン グ を 図 り ま す STEP1 STEP2 STEP2 STEP4 書 類 選 考 部 門 責 任 者 面 接 （ 課 題 あ り ） 役 員 面 接 オ フ ァ ー 2 〜 3 週 間 程 度 

社名 FastLabel株式会社 / FastLabel Inc. 代表者 鈴木 健史 設立日 2020年1月23日 従業員 112名（うち役員9名・正社員54名/2025年11月時点） 本社 〒163-0224 東京都新宿区西新宿2-6-1 新宿住友ビル24階 資本金 1億円 事業 AI開発プロセス全体を包括的に支援するソリューション （AIデータプラットフォーム、プロフェッショナルサービス） URL https://fastlabel.ai/ 株主 

We are Hiring!! QR コ ー ド 自 動 的 に 生 成 さ れ た 説 明 https://herp.careers/v1/fastlabel 募 集 職 種 一 覧 最 新 情 報 https://x.gd/yXV0g