株式会社Lightblue CompanyDeck

Transcript

1. Lightblueに 興味を持っていただいた方へ 株式会社Lightblue CompanyDeck 2026-08
2. 01 Lightblueについて Lightblue COMPANYDECK 2
3. 事 業 概 要 会社概要 Lightblueは、画像解析・自然言語処理AIを軸にしたソリューションを 成 開発・提供する 東大発の AIスタートアップ です。 略 長 戦 組 織 に つ い て 名称 株式会社Lightblue 代表取締役 所在地 〒101-0062 東京都千代田区神田駿河台2丁目3-6 CIRCLES御茶ノ水 5階 園田 亜斗夢 設立 2018年1月 1993年生まれ。出身は九州・宮崎。東京大学工学部卒、 代表者 代表取締役 園田 亜斗夢 従業員数 33名（業務委託・アルバイトを除く）2026年8月時点 資本金 158,005,637円（資本準備金を含む） サービス内容 • 生成AI・LLMサービス • 画像解析ソリューション • AI研究開発・個別実装 主要株主 清水建設・うるる・dip等 Lightblue COMPANYDECK 同大学院工学系研究科 博士（工学）。 画像解析・自然言語処理を軸にAIの社会実装を研究する 傍ら、修士課程在学中の2018年に株式会社Lightblueを 創業。独自の画像解析AI「Human Sensing」や日本語 LLM「Karasu／Qarasu」を展開し、建設・製造現場の アップデートに挑む。AI関連書籍の執筆多数。 3
4. 事 業 概 要 沿革 成 祖業は画像解析のAI受託開発。自社SaaSをリリースした6期以降、 事業が急拡大中。 長 戦 略 組 織 に つ い 2018 / 1 2021 / 10 BusinessHub創業 Human Sensingパッケージ シリーズをリリース て 2019 / 1 Lightblue Technologyへ 社名変更 HumanSensing開発・提供開始 2022 / 4 第三者割当増資により 約1.5億円の資金調達 2023 / 4 Lightblue Chatをリリース 2023 / 7 Lightblue へ社名変更 LLabを設立し日本語LLMのオープンソースを公開 2023 /9 Lightblue Asssitantをリリース 2020 / 8 NVIDIA Inception Program パートナー企業に認定 年間平均成長率 80% 売上高 Lightblue COMPANYDECK 1期 2期 3期 4期 5期 6期 7期 8期 4
5. 事 業 概 要 サービス 受託開発の「Professional Services」と、SaaSサービスの「Lightblue」の2事業を展開。 成 現場レベルの実務ニーズを研究に還元し、独自価値を高める 事業モデル。 略 長 戦 組 織 に つ い Professional Services（受託開発） AIの実装・定着まで担う Lightblue（SaaS） 実装 プロフェッショナルサービス 実務レベルの課題を 解決する機能を SaaSに実装 画像処理や生成AIを中心とする 研究知見の高度な技術で、現場 の安全管理・工程管理の省人化 を支援 検証 Lightblue COMPANYDECK あらゆる業務を支える、 次世代AIプラットフォーム 業務特化アシスタントやノー コードRAGでのナレッジ活用、 AIエージェントによる自律的な タスク実行の機能を提供 最新技術を PoCで現場検証 現場の実務レベルの ニーズを研究開発へ還元 研究開発 て 還元 技術顧問 鳥海 不二夫 Toriumi Fujio 5
6. 事 業 概 要 SaaS｜サービスが実現すること Lightblueは、法人向けの生成AI環境ツールです。顧客組織内の社内文書からRAGを構築し、対話の 精度を向上。アシスタント機能で個別の実務課題に特化したカスタムAIを簡単に構築できます。 成 長 戦 略 組 織 1 に AIチャット つ 対話形式で業務の中の課題を解決 い て 社内情報に沿った 検索 要約 文書作成 翻訳 画像生成 データ 抽出 社内文書 • マニュアル RAG • 手順書 • カタログ • 仕様書 2 マイアシスタント 実務に沿ったカスタムAIの構築をAIがサポート 社内文書を取り込み • FAQ • 取引データ LLM AIが参照しやすい 連携 形式にしたデータベース カスタムAI アシスタントに 沿って操作 簡単に 構築が可能 カスタムAI ・ ・ ・ Lightblue COMPANYDECK 6
7. 事 業 概 要 SaaS｜ トラクション 成 業界を問わず、 大手企業 を中心に導入いただいています。 長 戦 略 組 織 に つ い 建設・社会インフラ 輸送・モビリティ 製造・素材 て メディア・ヘルスケア Lightblue COMPANYDECK 7
8. 事 業 概 要 SaaS｜ プロジェクト事例 PoCや一部門で止まっていた生成AI活用を、 成 現場が使い倒せる状態 にして、定着させてきた実績が多数あります。 略 日本製紙株式会社 製紙 250名規模で停滞していた AI活用を V字回復 長 戦 オムロンヘルスケア株式会社 医療 累計 1,300超の AI業務アシスタントを現場で内製 組 織 に つ い て 課題 課題 先行導入した他社AIがRAG活用で行き詰まり、 コスト超過・活用停止の状態に。 PoCで終わらせず、現場が日常的に使うAI活用を 全社で設計する必要があった。 支援 支援 2025年4月にLightblueを全社展開用として導入。 情報システム部と連携し、現場浸透を伴走。 2024年10月にLightblueを導入。 IT部門主導で業務別アシスタントの内製化を支援し、 AIエージェント活用へと拡張。 ナカシャクリエイテブ株式会社 情報サービス 半年で独自アシスタント 600件・利用率 80％超 Lightblue COMPANYDECK 株式会社日水コン 建設コンサル（上下水道） コンサル本部を中心に約 700IDで本格運用を開始 課題 課題 4事業で業務知識が分散しており、 全社共通のAI活用体制がなかった。 汎用生成AIでは水コンサル領域の専門性・ 技術継承要件に対応できなかった。 支援 支援 分科会型のAI推進体制を構築し、現場主導で 独自アシスタントを開発できる運用と文化を設計。 2025年8月よりLightblueを本格導入。ライセンスを 大幅拡大し、部門横断のAI推進体制を構築。 8
9. 事業概要 経営陣 取締役 CFO 執行役員 営業部長 谷口 俊一 紫安 勇成 川俣 彰広 Taniguchi Shunichi Murayasu Yusei Kawamata Akihiro 東京大学大学院工学系研究科修了。Morgan Stanley投資銀行部門にて国内外のM&A・グローバ ルオファリング・国内IPOを多数経験。その後 M&A/PMI専門ファームでPEファンド支援、スター トアップ経営企画・資金調達、上場企業IR支援に従 事。2025年8月よりCFOとして参画。 新卒でワークスアプリケーションズに入社、法人営 業・マネージャーとして個人年間売上No.1、年間目 標3年連続達成。2019年よりWovn Technologiesに て初年度から個人売上No.1。2023年に営業部長と して当社へ参画。 常勤監査役 社外取締役 技術顧問 竹内 知明 渡部 恒郎 鳥海 不二夫 Takeuchi Tomoaki Watanabe Tsuneo Toriumi Fujio 早稲田大学卒業後、有限責任あずさ監査法人におい て、金融、不動産など幅広い業界の監査業務に従事。 日本公認会計士協会において、投資事業有限責任組 合会計規則に関する実務指針の改正に関与するなど、 VC・投資事業組合に関する会計実務および制度面 に通じる。2026年、当社常勤監査役に就任。 Lightblue COMPANYDECK 京都大学在学中に起業を経験後、日本M&Aセン ター入社。中堅・中小企業M&AのNo.1コンサルタ ントとして業界を牽引し、2020年に同社最年少で取 締役就任。バトンズ、日本投資ファンド取締役を歴 任。現在はスピカコンサルティング代表取締役CEO ほか、複数の上場・成長企業で社外取締役・顧問を 務め、企業価値向上に貢献。 組織について 東京大学大学院工学系研究科修了。創業期より参画 し、当社の技術基盤および研究開発を主導。成果を 人工知能学会やNVIDIA主催イベントで発表。2023 年2月よりCTOに就任。 成長戦略 取締役 CTO 東京工業大学大学院博士課程修了。名古屋大学助教、 東京大学大学院工学系研究科准教授を経て現職（東 京大学工学系研究科 教授）。計算社会科学、人工知 能技術の社会応用などの研究に従事。人狼知能プロ ジェクト代表、情報法制研究所理事。 9
10. 事 業 概 要 Lightblueの提供価値 Lightblueは、言語化・デジタル化されていない リアル世界の情報をデジタル世界に引き込み、 成 アルゴリズム化することで企業の課題解決を実現します。 略 長 戦 組 織 に つ い て リアル世界 人の動き デジタル世界 … 暗黙知 設備の状況 熟練者の 判断 画像/動画 解析処理 言語処理 コンテンツの デジタル化 暗黙知の 言語化 アルゴリズム化 経験と勘 研究と実践による独自技術 Lightblue COMPANYDECK 10
11. 事 業 概 要 メディア実績 画像解析・自然言語処理の専門家として、 多数のメディアやイベントに出演。 成 書籍の監修にも携わっています。 略 長 戦 組 織 に つ い て 新R25 MEDIA 『とくダネ！』 「情報の流通をなめらかに」 東大発のAIスタートアップが 日本の全ての業種、 業態でAI導入率100%にします！ 手がける生成AIアプリケーション （2023/10） （2020/04） 共著 Pythonによる 動画解析・ヒュー マンセンシング AI オーム社（2025年11月） 共著 技術監修 人狼知能で学ぶ AIプログラミング AIエージェントの 教科書 マイナビ出版（2017年5月） ワン・パブリッシング （2025年8月） GovTech Bridge Conference 2025 NTTPC Innovation LAB 自治体DXの課題を官民で議論する INTERVIEW｜NTTPCの 共創パートナープログラム （2025/10） （2022/11） Lightblue COMPANYDECK 11
12. 受託開発 SaaSサービス 事 業 概 要 受託開発｜サービス概要 成 長 AIの実装・定着まで担う プロフェッショナルサービス 戦 略 組 織 に つ AI導入・活用設計・教育・定着支援に加 え、業務特化の開発やHuman-Sensingな どの映像解析まで。 い セル生産方式における 作業の分類・計測 AIは、導入するだけでは組織は変わらな 姿勢推定と物体検出を時系列解析し、高度な判定を実現。作業員への指導 内容改善、マニュアル改善、リコール費用削減などの効果。 い。企業ごとの変革を、実装で終わらせ ず定着までサポート。 常時大量解析の超軽量化 て たった1台のエッジで100台以上の防犯カメラ映像を営業時間中・毎日解析。 圧倒的な投資対効果の底上げを実現します。店舗や大規模空間の、人流、 人数カウント、特徴分析、購買行動分析などのデータ蓄積を現実にします。 アルゴリズム の実証実験 Lightblue COMPANYDECK ソフトウェア 開発 ハンドサイン /手の骨格検出 指の骨格を検出、複雑な手の動きをリアルタイムで認識。ジェスチャーに よる機械・設備機器の遠隔操作や、手作業現場の工程管理を実現します。 12
13. 受託開発 SaaSサービス 事 業 概 要 受託開発｜プロジェクト事例 熟練者の勘や判断といった、これまでAIが届かなかった現場の暗黙知 を、 成 プロダクトとして実装してきた実績が多数あります。 略 長 戦 清水建設株式会社 JFEスチール株式会社 組 単眼カメラ1台で、人と重機の距離をリアルタイム推定 画像解析AIで作業者の不安全行動をリアルタイム検知 に 課題 織 課題 重機接近や作業者の状態把握が人の目頼みで、 危険の早期検知が難しかった。 支援 支援 株式会社うるる コンクリートひび割れ診断AIの教師データ収集システム開発 入札情報速報の業種検索精度を従来比178％以上に引き上げ 支援 画像収集〜アノテーションを効率化する基盤を 構築し、学習データ生成プロセスを標準化。 Lightblue COMPANYDECK て カメラ映像から姿勢・動作を解析する動作検知 AIを共同開発。現場主導で改善サイクルを回せ る体制へ移行。 株式会社大林組 ひび割れ画像のアノテーションが人手作業で、 学習データ確保に膨大な工数がかかっていた。 い 危険動作の監視が熟練者の目視頼りで、労災リ スクを定量的に把握できなかった。 距離推定・姿勢推定・行動認識を組み合わせた AIを開発。危険検知時は現場へ即アラートを通 知。 課題 つ 課題 膨大な入札情報を業種分類する既存ロジックで は精度に限界があった。 支援 NLPベースの業種分類AIを設計・開発し、うる るの入札データと組み合わせて精度を大幅改善。 13
14. 受託開発 SaaSサービス 事 業 概 要 SaaS｜サービス概要 成 長 あらゆる業務を支える、次世代AIプラットフォーム 戦 略 組 Lightblueは、検索・要約・生成にとどまらず、業務ノウハウや社内ナレッジを活かし、 誰もが使えるAIアシスタントを構築・運用が可能に。 組織の中で機能し、使われ、価値になるまでをプロデュース。 織 に つ い て 汎用 AIチャット チャットツール連携 検索・要約・文書作成・翻訳・画像生成 までを統合 ブラウザに加え、Slack⁄Teamsから直接 利用可 マイアシスタント 法人向けセキュリティ ノーコードで業務特化型 チャットボットを誰でも構築 外部AIへの学習データ流出を防止。HENNGE One連携にも対応 RAG機能 Box・Google Drive・SharePoint等と連携し、 社内文書を参照した高精度な回答を生成 Lightblue COMPANYDECK 14
15. 受託開発 SaaSサービス 事 業 概 要 SaaS｜選ばれる理由 Lightblueは、競合プロダクトと比べても「精度の高さ」「UIの使いやすさ」の点で優位。 成 選ばれるだけでなく、 組織の中で自然と広がっていきます。 略 長 戦 組 織 に つ い て 買われる理由 精度が高い 広がる理由 UIが使いやすい 東大発・博士号集団が 研究ベースで開発する、確かな技術 「言えば作ってくれる」 自然言語ベースのノーコードUI 汎用AIが苦手な専門領域（一級建築士 試験）で98%の正答率を記録 AI知識の低い社員でも短時間で 自分専用AIを内製 業界特化の国産サービスと比較しても 上回る精度 現場で内製できた感動と体験が、 すぐに広がる・再現できる よくある課題 精度が低く、思うようなアウトプットが出ない Lightblue COMPANYDECK 自然と 広がる よくある課題 UIがわかりづらく、導入しても広がらない 15
16. 受託開発 SaaSサービス 事 業 概 要 SaaS｜ 市民開発の事例 AIを「使える」ではなく、現場で「作れる」状態へ。 成 現場が社内開発できる仕組み を提供することで、組織全体のAI活用が活発になります。 略 長 戦 組 織 日立建機様の事例 清水建設様の事例 に つ い 課題 Copilot Studioを導入。全社研修を実施するも、 受けた 20名中、ワークを完遂できたのは半数以下 。 他社の生成AIを全社導入。 しかし 「使い方がわからない」「安全性が不安」などの 声で停滞 し、現場主導の活用にはほど遠い状態。 導入 Lightblueへシフト。 「 AIに言えば作ってくれる感」が あるとの声多数。実際に使い始める社員が続出。 Lightblueによる支援のもと、 技術文書アシスタント（ RAG）を開発 。 ある社員が議事録アシスタントを作成。 「業務が本当に変わった」という感動 をその場で上司・部下へ 共有。 「こんなことができるのか」と驚きが広がる 。 トライアルを実施した結果、 検索精度が 35%→93%へと一気に上昇。 全社に展開できる手ごたえをつかむ。 て 感動 Lightblue COMPANYDECK 口コミで社内に拡散し、アシスタントが 全社へ展開。現場へ一気に浸透し、半年で 他部署やチームへ次々と普及・浸透 利用者が2,000名→4,000名超へ倍増 16
17. 受託開発 SaaSサービス 事 業 概 要 SaaS｜サービス概要 SNS上でも多くのユーザーボイスが投稿されています。 成 長 戦 略 組 織 に つ い て Lightblue COMPANYDECK 17
18. Mission テクノロジーの恩恵を、 すべての人へ Vision AIでビジネスと 働き方を再定義する Lightblueは、先端テクノロジーをすべての人の当たり前へと変え、 AIによる実装力と発想力でビジネスと働き方を再定義し、 イノベーションが日常に溶け込む未来を創造します。 Lightblue COMPANYDECK Feature① 個人だけでなく、 組織を変える Feature② 暗黙知をロジック化 し、組織の資産へ Feature③ 人を「使う側」から 「創る側」へ進化させる 18
19. 02 事業環境と成長戦略 Lightblue COMPANYDECK 19
20. 事 業 概 要 マーケットシェア LightblueはホリゾンタルSaaSのAIエージェントソリューションサービスの 市場シェア 2位 。 成 まだ小規模のスタートアップながら、マーケットのポジションを確立しています。 略 長 戦 組 織 に つ い て 1位 AI上場企業 A社 売上シェア 47% 社員数 14% 社員数 587名 ホリゾンタル SaaS 市場シェア 2位 Lightblue 売上シェア 32名 （2026年5月現在 業務委託・アルバイトを除く） 出典：デロイト トーマツ ミック経済研究所「LLM（大規模言語モ デル）を自律的に連携させ非定型業務を自動化するAIエージェント ソリューションサービスの市場動向」、発刊日2025年5月30日 2 少数精鋭でAI業界 位のポジションを確立 20
21. 事 業 概 要 成長戦略 AIプラットフォームを面で押さえ業務フローに入り込むことで粘着性を高めながら、 成 業界固有の課題にもアプローチしていく2軸の成長モデル をとっています。 略 長 戦 組 織 に 事業モデル つ 戦略上の役割 業界 建設・社会インフラ 製造・モビリティ 情報サービス AIプラットフォーム 課 題 の 深 化 業界固有の課題 … 新規 Horizontal Growth 業界横断で 市場を開拓する 役割 い て アップセル 業界固有の課題 Vertical Growth 導入が広がり より深い課題に 踏み込む役割 業界固有の課題 Lightblue COMPANYDECK 21
22. 事 業 概 要 ロングテール業務へのアプローチ 日本企業の業務の現場には、大きくヘッド領域とロングテール領域が存在。 成 Lightblueは内部人材を育成することで、 ロングテール業務 へのアプローチが可能に。 略 長 戦 組 担 当 者 数 ヘッド領域 ロングテール領域 多数が関わる少数の業務 少数が関わる多数の業務 外部コンサル ×システム で解ける 織 に つ い て 従来型のシステム開発では費用対効果が見合わないため 内部人材×AIプラットフォームでしか解けない 市民開発の巨大な拡大余地 業務 Lightblue COMPANYDECK 22
23. 事 業 概 要 独自の価値提供モデル Lightblueは、「開発の代行」ではなく「 顧客組織内での人材育成 」を提供。 成 組織内に開発人材が育つ仕組みを構築する独自のモデルをとっています。 略 長 戦 組 織 に AIを作る つ い て ビルダー AIアーキテクト 指示に基づくプロンプトの テンプレートやワークフローを構築 自らのノウハウ・ロジックを AIに落とし込み、業務を仕組み化 Lightblue が支援 ② 型の提供 パフォーマンス パフォーマンス 低い ① 生成 AI教育 ユーザー 業務プロフェッショナル AIを活用した定型業務 業務知識を活かしてAIを駆使 （AIの能力は最大限生かせていない） ③ 人材の成長 高い （仕組み化までは担えない） AIを使う 23
24. 03 組織について Lightblue COMPANYDECK 24
25. 事 業 概 要 バリュー 自分の仕事に 成 長 戦 略 誰よりも詳しくなる 組 織 それは、知識を増やすことだけじゃない。 に つ い この技術が、誰にどう使われるのか。 て この提案が、顧客の現場をどう変えるのか。 この意思決定が、社会にどんな影響を生むのか。 自分の仕事のひとつ先を想像し、 価値に関わる細部まで責任を持つこと。 たとえ専門外であっても、必要なら学ぶ。踏み込む。 考え抜く。エンジニアもビジネス職も、関係ない。 年齢も職歴も、関係ない。 自分の領域を、自分で狭めない。 それが、Lightblueの考えるプロフェッショナルです。 Lightblue COMPANYDECK 25
26. 事 業 概 要 2026年8月時点 数字でわかるLightblue 成 長 戦 NUMBER OF EMPLOYEES GENDER RATIO 社員数 33名 18.5h 2026年8月時点 業務委託・アルバイトを除く 全体では 男性がやや多め。 プロフェッショナルが集まっています。 一方で、 女性比率が高い部門も 従業員数はこの4年間で175%の増加を達成。 毎年着実に成長を続けています。 あります。 AGE DISTRIBUTION 年齢構成 20代～30代の 36% メンバーが全体の 81% 月平均 55 : 45 % AVARAGE AGE 平均年齢 18% 45% 32.0歳 若手のエネルギーと ベテランの知恵が融合する、 20代 30代 Lightblue COMPANYDECK 40代～ 略 残業時間 男女比率 多様なバックグラウンドを持つ 約8割を 占めています。 STYLE AT WORK 組 織 に つ い て ワークライフバランスを 重視し、効率的な働き方を % 推進しています。 STYLE ATTPOに沿った服装であればOK。 WORK 服装 会社オフィシャルTシャツや パーカーの販売もあります。 オフィス カジュアル 40% 私服・ 会社ロゴ T/パーカー 60% 活気ある環境です。 26
27. 事 業 概 要 Lightblueで得られるもの 成 長 戦 略 現在32名の ベンチャーから 急速成長の経験 成長市場の 生成AI領域での ビジネス経験 日本を代表する 大企業との プロジェクト 推進経験 市場の最前線での実務を通じ、 少数精鋭の組織が急拡大する 国内大手企業との共創を通じ、 将来の武器となる希少な知見を 養える環境です。 フェーズでゼロから事業を創る 経験は、判断力や実行力を育みます。 社会的影響力が大きく難易度の高い 課題に挑戦できます。 市場の成長 × 自社の成長 × 組 織 に つ い て プロジェクトの成果 3つが揃う環境で成長できるのはLightblueならではです。 Lightblue COMPANYDECK 27
28. 事 業 概 私たちについて About Lightblue 時にテクノロジーは、使う人を選ぶことがあります。 便利なはずの技術が、難しすぎたり、複雑すぎることで、 使いこなせる人を限ってしまう。 その瞬間、テクノロジーは 人を支える道具ではなく、 壁になってしまいます。 要 成 長 戦 略 組 織 に つ い て だからこそ私たちは、使う人と真剣に向き合います。 「本当に必要なものは何か？」「逆に不要なものは何か？」。 その問いを繰り返し、 使う人にとって最も大切な価値を見極めます。 Lightblueが目指すのは、誰もが自然に使えるサービス。 技術の先にいる人を思い描きながら、磨き上げ、研ぎ澄まし、 時代を超えて役立つ存在に育てていく。 それが、私たちの使命であり、挑戦です。 Lightblue COMPANYDECK 28
29. 事 業 概 要 募集ポジション カテゴリー 職種名 中途 新卒 インターン エンジニアリング • データサイエンティスト ◯ ◯ • フロントエンドエンジニア ◯ ◯ ◯ ◯ ◯ 成 長 戦 略 • ソフトウェアエンジニア • バックエンドエンジニア マーケティング・PR セールス・事業開発 コーポレート つ い • 広報 ◯ • Webマーケティング ◯ • 法人営業 ◯ ◯ て ◯ ◯ • カスタマーサクセス ◯ ◯ ◯ • 経理・財務 ◯ ◯ ◯ ◯ ◯ • 人事 Lightblue COMPANYDECK 織 に • マーケティング • マーケティング サポート 組 • 経営企画 ◯ ◯ ◯ • 社長室 ◯ ◯ ◯ コンサルティング • AIコンサルタント ◯ ◯ ◯ その他 • オープンポジション ◯ 29
30. 事 業 概 要 選考フロー エンジニア職 営業職 成 長 実際に手を動かす時間を通じ、 お互いの 相性や価値観を 理解できるプロセス を とっています。 戦 略 面談会 組 織 に つ コーディングテスト 筆記試験 い て 選考は一方的に評価する場ではなく、候補者の 方と会社の双方が自然体で相性を確かめ合うプ ロセスだと考えています。 1時間の面談を設定させていただき、 当日にバイブコーディングで当日指定する 簡単なアプリを作成していただきます。 コーディングテスト その一環として、AIツールを活用しながら短時 間でものづくりに取り組む「コーディング面 談」を実施しています。 スキルや完成度だけ 社員面談 でなく、考え方・進め方・カルチャーとの フィットを確認するためです。 役員面談 内定・オファー Lightblue COMPANYDECK 30
31. 事 業 概 要 オフィス オフィスは 御茶ノ水駅から徒歩 1分 。拡大に伴い、大手町（東京駅）に移転予定です。 成 長 戦 略 組 織 に つ い て Lightblue COMPANYDECK 31
32. テクノロジーの恩恵を、全ての人へ 最先端の技術を世の中に広げる仕事に、私たちと一緒に取り組みませんか？