TECHNOLOGY DECK AI-Native Supply Chain Platform 

01｜なぜ、建設サプライチェーンを変えるのか BALLASが挑む理由、⽬指す世界観 02｜何を、テクノロジーで変えるのか 設計‧調達‧製造‧施⼯をデータとソフトウェアで再設計する WHAT WE’LL TALK ABOUT 03｜どんなプロダクト‧技術課題があるのか AI-Nativeへの移⾏、まだ解けていないチャレンジ 04｜誰と、どんな開発組織をつくるのか 開発体制、技術スタック、意思決定スタイル、そしてメンバー 05｜BALLASの価値 建設部材の調達市場における構造課題と提供価値 

01 なぜ、建設サプライチェーンを 変えるのか BALLASが挑む理由、⽬指す世界観 

CEO Message 建設業を、100年先も進化できる産業に 建設業は⼈々が安⼼‧安全に、豊かに暮らすための社会基盤をつくる産業です。 そのものづくりは⻑い歴史の中で磨かれた技術や経験によって⽀えられてきました。⼀⽅で、担い⼿は 減少し、⼈の経験値に依存した仕組みでは需要に応え続けることが難しくなっています。 私たちが⽬指すのは培われてきた知⾒を単に置き換えることではありません。⼀⼈ひとりの専⾨性を データとして捉え、ソフトウェアやAIが扱える形にすることで、その⼒を産業全体で活かす仕組みづく りを志向しています。 ⼈にしかできない創造や判断と、テクノロジーが担う仕事を組み合わせる。産業が持つ⼒を最⼤限に引 き出し、⽣産性を⾼めていく。 30年、50年、100年先も、建設業が⼈々を幸せにし続けられる産業であるために。 私たちは、建設のものづくりの仕組みそのものを進化させていきます。 株式会社BALLAS 代表取締役 ⽊村 将之 BALLAS 4 

Tech-Manager Message 熟練者の暗黙知を、AI-Nativeに 建設のものづくりには図⾯や仕様書だけでは表現できない知識や判断があります。 「この条件なら、どう設計するか」 「どの⼯場なら製作できるか」 「品質‧コスト‧納期をどう両⽴するか」 こうした意思決定は、熟練者の経験に⽀えられています。 私たちが⽬指すのは暗黙知の単なるデジタル化ではありません。⼈が何を⾒て、どう判断するのかを紐 解き、データとロジックとして構造化し、ソフトウェアやAIが扱える状態をつくることです。 AIが扱える状態になれば、プロダクトの可能性も⼤きく変わります。 ⼈が⼀つひとつ処理してきた業務を効率化するだけでなく、AIが⾃ら情報を読み取り、次に必要な判断 やアクションを⽀援する。そんな前提から、業務そのものを設計し直すことができます。 建設の専⾨性とAIの協働を前提に、仕事とプロダクトのあり⽅をつくり直す。 その先に、BALLASが⽬指すAI-Nativeなものづくりがあると考えています。 プロダクト本部 責任者 濵⽥ 祐希 BALLAS 5 

⽬指す世界観 ⼀品⼀様の創造性と⽣産性が 両⽴する世界 マス カスタマイズ 規格 従来の建設業におけるものづくりは、効率的だが画⼀的な「規格」と ⾃由度は⾼いが⼿間のかかる「特注」の⼆択でした。 ⽣産性 2D カタログ ⼀⽅、BALLASはカスタマイズが可能な3Dデータをもとに、ものづくりを 標準化するアプローチを取っています。 ⽣産性と創造性を両⽴する「マス‧カスタマイズ⽣産」が、実現したい世 特注 従来の建設業 界に向けた⼿法です。 創造性 BALLAS 6 6 

02 何を、テクノロジーで変えるのか 設計‧調達‧製造‧施⼯をデータとソフトウェアで再設計する 

対象とする市場 ⽇本76兆円 ‧世界17兆USドルの建設業で3分の1以上を占める *1 建設部材の調達市場 *2 【需要】建設⼯事 JAPAN 26兆 JPY GLOBAL 7兆 USD 設備部材 [*1] ⽇本建設業連合会「建設業デジタルハンドブック」 [*2] 国⼟交通省「建設⼯事施⼯統計調査報告（令和5年度実績）」から係数を掛けた推計値 建築部材 ⼟⽊部材 【供給】製作⼯場 BALLAS 8 

従来との⽐較 属⼈的な多重請負から、データを使い持続的に改善できるフラット構造へ As-Is 直近10年 32%コスト増 *2 直近10年 44%企業等減 *3 多重請負構造 仲介業者 *1 需 要 供 給 To-Be 30%以上コスト低減 40%前後稼働率向上 フラット構造 取引 データ 需 要 AI Custom AI-Native Supply Chain Platform 構造化 データ Module [*1] 1,000社を対象にした取引ルートの第三者調査：商社 40%、⼯場（⼯場から更に再委託も含む）36%、両ケース 19%、その他 5% [*2] 国⼟交通省「建設⼯事費デフレーター2025年度」 [*3] 総務省‧経済産業省「2025年経済構造実態調査（産業横断調査‧⼆次集計）」における建設⽤‧建築⽤⾦属製品製造業（製⽸板⾦業を含む） 供 給 BALLAS 9 

ビジネスモデル 繰り返し利⽤可能なモジュールを使って建設部材を供給 Demand-side BALLAS 部材発注 Supply-side 量産対応 AI-Native Supply Chain Platform 部材納品 図⾯共有 建設⼯事 製作⼯場 複数の⼀次請け - 市場規模 約15万社 複数の協⼒会社 - 市場規模 約1万社 BALLAS 10 

競争優位性 AIオペレーションを前提に設計した取引毎に蓄積‧連携されるデータアセット AIオペレーション AIエージェント x ⼈が共創 [積算‧⾒積エージェント] [設計‧作図エージェント] [⼿配‧⼯程管理エージェント] 基盤プロダクト コンテキストレイヤーで最適化され続ける形式知を組み込んだプラットフォーム AI-Native Data Layer [BALLAS LINKS] [BALLAS SCM] コンテキスト 業務ゴールから逆算した意味‧関連づけのモデル (モジュール化) [ドメインナレッジ (Biz)] [データモデリング (Tech)] データ基盤 実取引を通じて蓄積され続ける業界固有のデータ [3D設計モデリングデータ] [受発注データ] [製作⼯場データ] BALLAS 11 

⽬指す姿 建設業界全体でモジュールを活⽤したオーケストレーション フィードバック 開発 Development 設計 Design 製造 Manufacture ♦ BIMオブジェクト ♦ 部材モジュール ♦ ⽣産モジュール 商品企画 設計者 ⽣産管理 施⼯ Build / Assembly ♦ 施⼯図 施⼯管理 ⼯業化建築 Platform BALLAS 12 

03 どんなプロダクト‧ 技術課題があるのか AI-Nativeへの移⾏、まだ解けていないチャレンジ 

データ基盤‧コンテキスト 建設業をAI-Readyな産業へ リアル産業の業務判断は、単⼀のデータだけでは成⽴しません。 2D図⾯などの⾮構造データ、部材や⼨法の構造データ、明⽂化されていないドメインナレッジが複雑に絡み合っています。 これらを統合し、AIが認識できる状態にすることがAI-Native化の難しさであり、社会的な意義でもあります。 01 02 03 ⾮構造データ 構造データ ドメインナレッジ 2D図⾯‧画像‧注記‧⼿書き情報 ⼨法‧部材‧属性‧幾何情報 規格‧読図ルール‧検算式 線の意味や注記の位置まで含む 数値や部材の関係を整理した 熟練者が暗黙に参照する 視覚情報とレイアウト 機械が扱える中間表現 制約と判断の根拠 異なる形式のデータとドメインナレッジを統合し AIが業務で使える判断を導き出す BALLAS 14 

基盤プロダクト 設計‧調達プロセスの分断を解消するプロダクト 仕様協議 (要件定義) 積算⾒積 作図 外注⼿配 BALLAS LINKS BALLAS SCM 需要側プロジェクトマネジメントシステム 供給側モジュールマネジメントシステム Input 【データ】 Output 【モジュール】 BALLAS 15 

基盤プロダクト間の関係性 LINKSがデータの⼊⼝となり、SCMの競争優位性を確⽴ 顧客 関連資料 仕様等 価格データ 設計/作図 積算/⾒積 BALLAS LINKS BALLAS SCM 個別 データ 構造化 データ 設計‧調達 プロセス⾃動化 BALLASデータ基盤 BALLAS 16 

AIオペレーション具体例 積算‧⾒積業務をAIで⾃動化し、⽉50時間以上を削減 図⾯の読み取り‧価格テーブルへの⼊⼒をAIで⾃動化し、⽉50時間以上の作業⼯数を削減。 2027年には前⼯程まで⾃動化の範囲を広げ、担当者が確認‧フィードバックに集中できる業務プロセスへ移⾏します。 過去 設計推進 業務推進 業務推進 業務推進 図⾯承認 図⾯保存‧⼿配 図⾯読込 → 価格テーブル⼊⼒ 確認‧フィードバック ▲50h/⽉~ 26年 設計推進 業務推進 AI 業務推進 図⾯承認 図⾯保存‧⼿配 ⾃動⼊⼒ 確認‧フィードバック 消滅 27年 設計推進 AI 業務推進 図⾯承認 ⾃動⼊⼒ 確認‧フィードバック BALLAS 17 

AIオペレーション データアセットをもとに全⼯程で⾃律型エージェントが稼働 AI-Native “End-to-End” Supply Chain Platform ①案件⼊⼿ INPUT ⑧⼯程管理 ②要件定義 ⾒積⽀援 2nd LINKS 要求定義 参考図⾯ 関連情報 3rd BIM OUTPUT ⑦⼿配 1st SCM ⑥作図 作図⽀援 進捗管理 ③積算 品質検査 ④⾒積 AI Agent化 AI Agent化 ⑤設計 BALLAS 18 

04-1｜開発体制 04 誰と、どんな開発組織をつくるのか 開発体制、技術スタック、意思決定スタイル、そしてメンバー プロダクトを⽀える組織と意思決定 04-2｜開発組織の現在地と今後 開発課題、技術環境、これからの組織 04-3｜⼀緒に働くメンバー 経歴、価値観、BALLASで働く理由 04-4｜カルチャー‧働く環境 MVV、働く環境、キャリア制度、条件 

04-1 | 開発体制 部分最適ではなく、開発プロセス全体をEnd-to-Endで⾃動化 AIに任せる⼯程と、⼈が確認すべきポイントを開発プロセス全体で設計。 コンテキストとリスクガードレールを共通基盤とし、End-to-Endの⾃動化を推進中。 起票 AI ⼈ 共通基盤 AIコミュニケーション AI⾃動起票（要望DB） 難案件のみ⼈へ∕起票前裁き 整理‧要求定義 設計‧実装 レビュー‧マージ リリース‧周知 重複検知‧影響材料収集 設計⽅針案 ⼀次レビュー デプロイ判断材料 AI要求叩き 実装可否の判断材料 マージ可否の判断材料 本番判断材料準備 概算SP‧統合候補 ⾃律実装（PR＋テスト） 低リスク⾃動マージ リリース周知下書き Go/No‧要求定義の確定 設計確定‧AI任せ可否 Techレビュー‧⾼リスクは⼈ 完了基準‧公開/周知の確定 コンテキスト整備（context engineering） リスク分類＋⾃律度ガードレール BALLAS 20 

04-1 | 開発体制 AI-Native化によって、⽣産性が半年間で約1.6倍に 2025年から本格的にAI-Nativeな開発体制への移⾏に着⼿し、半年で1案件あたりの開発⼯数を約38%削減。 要件定義‧設計からレビューまで、開発プロセス全体の⽣産性が約1.6倍に向上しています。 ⼯程 主な施策 要件定義‧設計 PRD‧設計書の叩きを⾃動⽣成し、Notion起票まで 実装 実装プロンプト⽣成＋Devinで⾃律実装 動作確認 テストケース⾃動⽣成＋ブラウザ操作の⾃動化 レビュー ⼈レビュー前にAIで⾃⼰‧PRレビュー 1案件あたり Before After 削減率 1.79h 47% 0.95h 2.68h 1.95h 1.06h 0.55h 0.74h 0.43h 27% 49% 42% 6.27 → 3.87 h BALLAS 21 

04-1 | 開発体制 AI-Nativeを、開発組織のカルチャーへ 個⼈のAI活⽤レベルから組織で改善するレベルへ、ゴールに対する仕組みを共有し、試⾏錯誤とフィードバックを重ねる。 この当たり前のサイクルを⾃然体でやり切るカルチャーがあります。 STEP 4 STEP 3 フィードバックで進化 より良い⽅法を模索 AIの仕組みは前提で 思考と⾏動変化が勝負 ドメインナレッジとの 融合がキーファクター STEP 2 作った仕組みを共有 STEP 1 ゴール設計 BALLAS 22 

04-1｜開発体制 04 誰と、どんな開発組織をつくるのか 開発体制、技術スタック、意思決定スタイル、そしてメンバー プロダクトを⽀える組織と意思決定 04-2｜開発組織の現在地と今後 開発課題、技術環境、これからの組織 04-3｜⼀緒に働くメンバー 経歴、価値観、BALLASで働く理由 04-4｜カルチャー‧働く環境 MVV、働く環境、キャリア制度、条件 

04-2 | 開発組織の現在地と今後 ⼈が担う役割 AIが実装を担うほど、⼈には「何をつくるか」「何を正解とするか」を決める⼒が求められるようになります。 開発者の役割は、実装することから、課題‧品質‧AIとの役割分担を設計することへ拡張しています。 課題を⾒つける 何をゴールとするかを決める 品質を判断する AIに任せる範囲そのものを決める 何をつくらないか、どこを標準化し、どこにリスクを置くか。 AI活⽤が進むほど、時間軸と優先順位の重要性が⾼まります。 顧客課題に対して、何をつくり、どの状態をゴールとするかを定義。 AIは情報収集や整理を⽀援し、最終的な判断は⼈が担います。 求める品質⽔準を定め、基準に照らして結果を評価。 最終判断と結果責任、フィードバックは⼈が担います。 AIに任せる⼯程と、⼈が確認‧判断するポイントを設計します。 リスクに応じた基準をつくり、運⽤しながら改善を続けます。 実装をAIが担う分、デザイナー‧PdM‧エンジニアは、この4つの役割を共に担います。 職種ごとの専⾨性と責任を保ちながら、実装だけでなく、課題設定や品質判断まで⾃ら意思決定できる範囲を広げていきます。 BALLAS 24 

04-2 | 開発組織の現在地と今後 技術スタック 中⻑期からの逆算を前提に、事業‧プロダクトのフェーズに応じて最適なアーキテクチャを継続的に⾒直し。 現在はHasura∕Chakra UIから段階的に移⾏し、権限制御やパフォーマンスの課題を解消。 ⼀度選んだ技術に固執せず、プロダクトの成⻑に合わせて技術基盤を更新しています。 React Application Infrastructure / AI DevOps & Collaboration Frontend Cloud Development Next.js TypeScript Google Cloud Backend NestJS Python FastAPI GitHub GraphQL Vertex AI Cloud Vision API Gemini Docker Claude Figma Data / IaC PostgreSQL Devin Design / Docs AI Testing Jest Firebase Notion Monitoring Terraform Sentry Cloud Monitoring BALLAS 25 

04-2 | 開発組織の現在地と今後 Biz x Techを融合したチーム形成 営業‧⽣産‧設計などのドメインメンバーと、デザイナー‧PdM‧エンジニアが⼀体となって開発。 現場に蓄積されたナレッジをプロダクトへ落とし込み、テクノロジーの⼒で標準化‧再現可能な仕組みに変える。 BizとTechの協働により、リアル産業における新たな付加価値を創出しています。 リアルビジネスを通じ付加価値のベースを構築 Techにより更なる付加価値創出 ビジネス プロダクト 本部 本部 プロダクト マーケティング室 営業 ⽣産 設計 推進部 推進部 推進部 デザイン部 プロダクト テクノロジー マネジメント部 開発部 BALLAS 26 

04-2 | 開発組織の現在地と今後 5つのテーマを実⾏し、「繋ぐ」基盤でAI-Nativeを加速 01 SCM｜BIM連携 川下から川上へサプライチェーンデータを繋ぐ 02 SCM｜⾃動化を加速 業務モジュールからAgentへ。設計‧調達‧製造‧施⼯をデータで繋ぐ 03 LINKS｜SCM連携 建設部材の購買体験を変⾰ 04 組織｜体制 部⾨ x プロダクトのマトリクス型体制へ移⾏し、AI-Nativeな組織へ 05 組織｜AI活⽤ E2E開発プロセスを⾃動化し、⽣産性2倍を⽬指す ⽬指す姿 …… 顧客とパートナーがフラットにつながるプラットフォームへ。QCD‧稼働率を上げ、業界構造を変える。 BALLAS 27 

04-1｜開発体制 04 誰と、どんな開発組織をつくるのか 開発体制、技術スタック、意思決定スタイル、そしてメンバー プロダクトを⽀える組織と意思決定 04-2｜開発組織の現在地と今後 開発課題、技術環境、これからの組織 04-3｜⼀緒に働くメンバー 経歴、価値観、BALLASで働く理由 04-4｜カルチャー‧働く環境 MVV、働く環境、キャリア制度、条件 

04-3 | ⼀緒に働くメンバー（⼀部の紹介） Domain Experts 設計データモデル開発 BALLAS SCM BALLAS LINKS 建築設計 ドメインPdM ドメインPdM ⼤関 隆太郎 益⽥ 琢也 ⼩林 誠治 設計事務所 → ゼネコン → BALLAS BALLAS 経理 → データアナリスト → PdM 市役所 → 建設SaaS → BALLAS ■ 挑んでいる技術‧事業課題 ■ 挑んでいる技術‧事業課題 ■ 挑んでいる技術‧事業課題 ‧設計‧製造データの接続‧統合 ‧複雑な調達業務の標準化 ‧SaaSの要望の本質を捉えた優先判断 ‧AIによる設計‧作図の⾃動化 ‧操作性とデータ整合性の両⽴ ‧開発の意思決定プロセスの可視化 ■ BALLASの⾯⽩さ 設計現場の⼩さな⾮効率から産業全体の構 造的な課題まで、設計とソフトウェアの専 ⾨家が⼀体となって挑める。構想を技術で 実現し、業界の当たり前を変えていく⾯⽩ ■ BALLASの⾯⽩さ 単なる機能開発にとどまらず、事業戦略や 業務プロセスそのものを再設計できる。営 業‧⽣産‧設計の現場を巻き込み、プロダ クトを通じて事業の仕組みを変えられる。 ■ BALLASの⾯⽩さ 属⼈的な判断や暗黙知を、AIが活⽤できる 仕組みへ変えていく。⾃分たちの開発プロ セスで実践した技術を、建設業界全体の⽣ 産性向上につなげられる⾯⽩さがある。 さがある。 BALLAS 29 

04-3 | ⼀緒に働くメンバー（⼀部の紹介） AI Engineer AI Tech Lead AI Tech Lead AI スペシャリスト LINKS開発 データ基盤開発 図⾯解析技術の開発 ⽚岡 駿介 安井 顕誠 ⽥林 伸⼀郎 製造業系専⾨商社 → スタートアップ → 機械学習エンジニア(広告‧メディア ⼤学研究員 → ITエンジニア(製造‧⾦融‧⼈ BALLAS ‧SaaS) → BALLAS 材) → BALLAS ■ 挑んでいる技術‧事業課題 ■ 挑んでいる技術‧事業課題 ■ 挑んでいる技術‧事業課題 ‧図⾯に潜む⾮構造データの構造化 ‧図⾯を起点とした⾮構造データのAI活⽤ ‧AIによる複雑な図⾯の解析 ‧熟練者の暗黙知のAI活⽤ ‧分散した業務データ活⽤の基盤開発 ‧AI⽣成物の品質検証の効率化 ■ BALLASの⾯⽩さ ■ BALLASの⾯⽩さ ■ BALLASの⾯⽩さ 正解のない産業課題に、現場の⽅々と⼀緒 利⽤者の顔が⾒える距離でAIを開発し、現 AI活⽤において巨⼤なホワイトスペースが に答えをつくっていく。技術検証で終わら 場の知⾒を仕組みに変えていく。⼀つの技 広がる建設業。既存業務の効率化にとどま ず、AIが実際の仕事を変えるところまで関 術的成果をプラットフォーマーとして建設 らず、データのあり⽅や⼈とAIの役割分担 わり、技術と事業の両⾯から挑戦できる⾯ ⼯事会社‧協⼒会社双⽅へ広げ、産業その そのものを再設計できる⾯⽩さがある。 ⽩さがある。 ものをアップグレードできる。 BALLAS 30 

04-3 | ⼀緒に働くメンバー_フェロー AIフロンティアとしての建設業 AIはテキストを読み、コードを書けるようになりました。 次のフロンティアは物理世界。そして建設は、その最前線にあります。 図⾯の2Dの線から3D構造を⽴ち上げ、⼨法や仕様から耐久性、製造⼯程、設置の可否を判断する。空間の 理解、制約の推論、現実との整合。汎⽤AIがまだ実現できていない技術課題が、ここにあります。 BALLASには、AIのための⼤量のマルチモーダルデータと、実証可能な現場があります。 図⾯に描かれたモノを⼯場で製作し、現場に届け、建設の⼀部となる。その結果がフィードバックされ、 AIの進化を加速させます。 さらに、建設⼯事会社とパートナー⼯場をつなぐプラットフォーマーとして、現場の知識や判断を顧客‧ 製品を越えて再利⽤できる仕組みへと進化させる。⼀つの技術的成果が、次の技術的進化を⽣み、産業全 体へと波及していく⾯⽩さがあります。 建設業の担い⼿不⾜という社会課題と、物理世界の理解という技術課題。 その⼆つが交わる場所にこそ、私たちの存在意義があると考えます。 BALLAS AIフェロー 貞光 九⽉ BALLAS 31 

04-3 | ⼀緒に働くメンバー_マネジメント 取締役 CEO ⽊村 将之 企業理念を遵守した経営責任を担い、全社の⽅針決定を⾏う。 経歴：双⽇、Catallaxy 執⾏役員 ビジネス本部責任者 松本 浩志 営業、⽣産、設計領域を統括し、主に事業戦略観点から全社の成果 最⼤化を図る。 経歴：Panasonic、ミスミ 取締役 COO プロダクト本部 責任者 中⻄ 佑介 濵⽥ 祐希 BALLAS全体の業務執⾏を統括し、全社の事業成⻑及び組織成⻑を プロダクト領域を統括し、主にソフトウェアエンジニアリングの観 牽引。 点からプロダクト開発を主導。 経歴：AGC、BCG、アクセルスペース等 経歴：アクティブ‧ワーク 取締役 フェロー UI/UXデザイン部 責任者 牧野 秀樹 篁 ⽞太 建設業におけるオペレーション改善、及び従業員のスキル育成‧ 経歴：LIXIL 企画とUIの分業に潜む壁を越え、職能を横断したプロダクト開発を 推進。 経歴：freee、Willbox 顧問 執⾏役員 コーポレート本部責任者 井岡 隆雄 益⽥ 直輝 建設業における経営経験、及び専⾨的観点から助⾔‧サポートを コーポレート領域を統括し、主にHR‧バックオフィス観点で全社 ⾏う。 の組織成⻑を牽引。 経歴：オリエンタル⽩⽯ 経歴：NEC サポートを担当。 BALLAS 32 

04-1｜開発体制 04 誰と、どんな開発組織をつくるのか 開発体制、技術スタック、意思決定スタイル、そしてメンバー プロダクトを⽀える組織と意思決定 04-2｜開発組織の現在地と今後 開発課題、技術環境、これからの組織 04-3｜⼀緒に働くメンバー 経歴、価値観、BALLASで働く理由 04-4｜カルチャー‧働く環境 MVV、働く環境、キャリア制度、条件 

企業理念 MISSION 建設業を最適化し、⼈々を幸せに。 VISION 建設部材の最適な調達を実現する VALUE すぐやる、必ずやる、最後までやりきる BALLAS 34 

04-4 | カルチャー・働く環境 建設業をアップグレードする。プロダクト開発を楽しむ、4つの環境 場所‧役割‧ツールの制約を最⼩化し、⼈としてリスペクトし合えるメンバー同⼠が集中して課題解決に向かう環境があります。 Remote First / Weekly Office Day 裁量の⼤きい開発環境 ⼀次情報がすぐそこにある AI-Nativeな開発環境 場所に縛られず、最⾼のパフォーマンスを ⼤きな課題にオーナーシップを持って挑む 「リアル x テクノロジー」唯⼀無⼆の環境 AIを前提に、開発プロセスそのものを進化 ✓ リモート+フレックスの柔軟な働き⽅ ✓ 課題定義から実装‧運⽤まで⼀気通貫 ✓ 調達‧製造の現場に直接アクセス ✓ 希望スペックのPC⽀給、⽬的に応じた最適 ✓ ⼦育てと仕事を両⽴するメンバー多数 ✓ ⼩さく試し、素早く改善するスタイル ✓ リアルな課題起点にプロダクト開発 ✓ 集中とチームコラボレーション、どちらも ✓ 職種を超えてプロダクトの価値を追求 ✓ ドメイン理解を深めながら、社会インパク ⼤切に トの⼤きいプロダクトをつくる なツール選択が可能 ✓ AI-Nativeな開発プロセスを継続改善 ✓ 資格取得、書籍‧セミナーなどの学習⽀援 (⾃⼰研鑽費) BALLAS 35 

04-4 | カルチャー・働く環境 ⾃らの強みを最⼤化するキャリアパスを設計し、 個⼈の成⻑とBALLASの発展をつなげる 1. マトリクス型キャリアモデル 3. 挑戦を推奨する⽬標設定 キャリアモデルに基づいて 組織⼒ 技 術 ⼒ 2. キャリアロードマップ作成 【Will】 3〜5年のありたい姿を設計 期待 役割 期待 役割 期待 役割 期待 役割 期待 役割 期待 役割 【Can】 現在地を把握 期待 役割 期待 役割 期待 役割 【Must】 ギャップを埋めるロードマップ OKR ベース 挑戦を推奨 BALLAS 36 

04-4 | カルチャー・働く環境 責任範囲に基づく報酬設計 グレード ビジネス職 専⾨職 エンジニア職 責任範囲 G5 936万円〜 1,029万円〜 1,152万円〜 本部‧拠点横断 G4 744万円〜 818万円〜 915万円〜 部⾨ G3 607万円〜 668万円〜 747万円〜 チーム G2 516万円〜 662万円〜 741万円〜 チーム⽀援 G1 408万円〜 408万円〜 408万円〜 個⼈ BALLAS 37 

05 BALLASの価値 建設部材の調達市場における構造課題と提供価値 

Service Site 顧客向けサービス紹介サイト BALLASの主要顧客である⼯事会社に向けて サービス内容を紹介しています。 https://www.ballas.biz/service/mc BALLAS 39 

Customer Stories 調達サプライチェーンで⽣まれている変化 事例紹介ページ：https://www.ballas.biz/service/mc#case 構造的な “分断 ”を越える ──サプライチェーンデータで 海外需要 55%増にも対応 ──柔軟な供給体制で乗り越えた 設計の標準化で出荷台数が 20倍に 進化する調達 DX 創業 80年企業の次なる挑戦 サプライチェーン改革 ──深刻な経営課題だった「作図人材不足」を解消 株式会社三晃空調 株式会社酉島製作所 ジャパンエレベーターパーツ株式会社 563名 1,921名（グループ連結） 1,997名（グループ連結） 空調・衛生設備 ポンプ設計・製造業 機械器具設置業 BALLAS 40 

業界課題の背景 建設業特有の「特注性」が取引コストを増幅させて改善を阻んでいる 情報の⾮対称性 建設⼯事のペイン ❏ 分散する約1万社の製作⼯場から最適な⼯ 製作⼯場のペイン ❶ 探索コスト ❏ 場を選定するデータがない ❏ 相⾒積もり価格差は20%にもなり最適な リソース‧データがない ❷ 協議コスト ❏ 価格がわからない ❏ 現場での追加⼯含む不良率は50%にもな ⾃社設備に合う得意部材を獲得する営業 BIM*導⼊率は業界全体の約50%で各顧客 の条件提⽰⽅法が異なる ❸ 履⾏コスト ❏ 特注⽣産でQCD改善がしづらい り⽣産性が上がらない *BIM（Building Information Modeling）= 3次元の上流設計ソフトウェア BALLAS 41 

ユーザー属性 約75%がリピートユーザーでコアリピーターが61%を占める BALLASのお客様内訳 FY2025 取引 61% 13% コアリピート * リピート = FY2024‧FY2025いずれも納品実績のある⼝座 リピート 26% 新規 BALLAS 42 

定量⾯の提供価値 ボトルネックの取引コスト解消と原価コスト低減 原価コスト【価格】 取引コスト【時間】 15 ⼯場探索 (1-2週間) 30 % 低減 作図原価 (10) ⾒積り (1-2週間) 図⾯作成 (1-2週間) 50 81 - 95 % 削減 ⾒積 (1-2⽇) 製造原価 (40) 35 業務原価 (20) 図⾯作成 (1-2⽇) 従来 BALLAS 従来 BALLAS BALLAS 43 

定性⾯の提供価値 建設‧製作に集中できる仕組みによって、業界の、⼈類の、歴史を紡ぐ QCD*競争⼒↑ 機械稼働率↑ AI-Native Supply Chain Platform 建設⼯事 *QCD：建設部材のQuality（品質）、Cost（コスト）、Delivery（納期） 製作⼯場 BALLAS 44 

Series B 資⾦調達特設サイト 投資家コメントや数字で⾒るBALLASも掲載。 シリーズB資⾦調達の特設サイトはこちら。 https://www.ballas.biz/series-b BALLAS 45 

“産業創造” 持続可能な 地場サプライチェーンへ ｜SMBC Edge YouTube BALLAS, Inc. 公式アカウント 506 views • 6 months ago 投資家対談をはじめ、BALLASの未来や 業務モジュールについて話しています。 https://www.youtube.com/@ballas_inc BALLAS 46 

⼩さな船で早く遠くへ。 創造性と⽣産性が両⽴す るAI時代のプロダクト開 note 発（プロダクト本部 責任 者‧濵⽥） 公式アカウント 社員インタビューではメンバーのBALLAS参画経緯や 現在の業務内容などを聞いています。 https://note.com/ballas BALLAS 47 

No content