私たち”Spakona”について
こんにちは！Spakona広報担当です。
noteを始めてから1ヶ月が経ち、多くの方にご覧いただき本当にありがとうございます。今後も皆さまに興味を持っていただける記事をお届けしてまいります！
＜これから公開予定の記事＞
・メンバー紹介
・サポート事例紹介
・イベント参加情報 など
最近はビジネスピッチや展示会に参加する機会が増え、「Spakona（スパコナ）」という名前を知っていただける機会も増えました。しかし、実際にどのような会社なのか、どのような事業を展開しているのかをご存じない方も多いと思います。
そこで、Spakonaの設立の想いとともに、私たちの自己紹介をさせていただきます。
私たちについて
Spakonaは、東京大学大学院 鈴木研究室に所属していた河﨑と服部の2人で設立しました。大学院でAIやプロダクト開発の授業を受け、実際にシステム開発の受託なども行っているなかで、「私たちが普通だと思っていることが、実は価値があることだ」という気づきを得たことがきっかけで、企業向けのAIシステム開発を行うSpakona（設立当初は「Daedalus株式会社」）の設立に至りました。
Spakonaのこれまでの歩みと目指す未来について
Spakonaの目的は、労働力不足という日本社会の課題に向き合うことです。
少子高齢化が進む中、製造業や労働集約型産業における就業者は減少しており、労働市場のDX（デジタルトランスフォーメーション）は急務です。特に地方企業では、システム開発やAI技術を担う人材が不足しています。また、エンジニアの現場理解が不十分なことで、「現場で使われないシステム」が生まれるという課題も存在しています。
こうした背景から、私たちは現場で使われるシステム開発に向けて、「現場・現物・現実」を重視する”三限主義”のもと、企業の生産性向上に貢献することを目指しています。
わたしたちが提供する技術について
私たちは、AIやテクノロジーの力を用いて企業の生産性向上や事業効率化に寄与します。
画像処理AI
画像処理AIは、コンピュータが画像や映像を解析し、理解する技術です。カメラから画像を収集し、画像処理AIにより認識することで「人の目」を代替するソリューションを提供しています。
事例：人物検出
人物検出は、画像や映像から人物を特定し、その位置や動きを把握する技術です。例えば、工場内の場合では、人物検出技術を活用して、作業員の安全を確保したり、転倒や異常行動をリアルタイムで検知することが可能です。
例：工場内の人物検出、転倒検出、人物追跡
事例：Vision Language Model (VLM)
画像データとテキストデータを同時に扱い、画像の内容を理解し、その内容をテキストとして生成することができます。画像検索や状況説明の自動化に応用され、データ活用の幅を広げることが可能です。
例：状況説明の自動化、画像検索
事例：異常検知
異常検知は、画像や映像データを解析して、通常とは異なる状態や挙動を自動的に検出する技術です。特に製造業では、目視検査の自動化が重要な応用例であり、製品の欠陥や不具合を検出することができます。
例：目視検査の自動化
事例：セグメンテーション
セグメンテーションは、画像内の対象物をピクセルレベルで分類・分割する技術です。この技術を用いることで、特定の物体や異常部位を正確に抽出することができます。
例：服の抽出、異常部位抽出
3次元処理AI
弊社では、3次元セグメンテーションを含む3次元処理に関するAIを開発しています。3Dスキャン（LiDARやRGBDカメラ）により取得された3次元空間内での情報を処理し、物体の3次元的な自動認識を行います。
事例：3D セグメンテーション
3Dセグメンテーションとは、3次元のデータ（例えば、点群データやボクセルデータ）を個別のオブジェクトや領域に分割する技術です。これにより、対象物の形状や位置、大きさを特定する事が可能になります。
例：体積推定、建築分野における構造物の把握
実用化例
弊社、株式会社アイスリーデザイン、アート引っ越しセンター株式会社と共同で引越し見積もりアプリ「ぐるっとAI見積もり」をリリース
「ぐるっとAI見積り」は引越しの見積りをする際、お客さまご自身が部屋の中をスマートフォンでぐるっと撮影するだけで、AIが自動で見積りを算出してくれる画期的なアプリです。
導入事例紹介：3次元データ×AIで引っ越しの見積り業務を効率化（アート引越センター様「ぐるっとAI見積り」）https://note.com/spakona_ai/n/nf9c4fbc08af8
生成AI
生成AIは近年急速に発展している技術分野で、大規模言語モデル(LLM)、画像生成AI、動画生成AIなどが含まれます。 今回は、その一つであるLLMの実用的な応用例として注目されているRAGについて紹介します。
RAG（Retrieval Augmented Generation）は、最新のAI技術を活用した情報検索・生成システムです。ChatGPTのような大規模言語モデル（LLM）を使用し、既存の資料を検索してその内容に基づいて回答を生成します。
RAGの大きな利点は、 ①既存の資料に基づいて回答を行うため事実と異なる情報の提供が減少すること ②回答の参照元となる資料を確認してエビデンスをとれること が挙げられます。
実用化例
Spakona社ではお客様のクラウド環境上に構築するRAGシステムを提供しております。 開発エンジニアが直接サポートを行い、自社に合わせたRAGを開発できます
例：自社ファイルサーバーとの連携等
ユースケース：製造業の場合
ユースケース：バックオフィスの場合
数理最適化
数理最適化は、様々な条件を考慮しながら目的に対して最適な配置を決定するアルゴリズムです。その主な特徴として、制約条件を厳密に順守し、目的関数を必ず最小化することが挙げられます。また、解が存在しない場合には明確にその旨を表示します。このアルゴリズムの実行時間は比較的短く、数秒から数分で解を得ることができます。
応用例としては、定期修理スケジュールと人員配置の最適化や、化学装置と生産順序の最適化などが挙げられ、様々な分野での活用が期待されています。
事例
定期修理スケジュールと人員配置の最適化を紹介します。
この事例では、
① 最適化された定期修理の全体スケジュール
② 一日の各社の各タスクへの人員配置
の最適化を実現することができました。
私たちSpakonaは、これからもAIとテクノロジーの力で、日本社会の課題解決に挑戦してまいります。AIを初めとしたテクノロジーの活用による事業効率化に興味ある方はぜひご連絡ください。
問い合わせ先リンク：https://spakona.co.jp/contact.html