学習データ作成の導入実績1,000件以上。
企業・大学・研究機関のAI開発を、
データ側から支えてきました。
学習データ作成（アノテーション）でご利用いただいている企業・機関の一部
※ 導入実績はサービス開始(2021年)からの累計対応案件数。品質一貫性は2025年の全教師データ納品における品質一貫性(歩留まり率)の実績
こんなことで、
止まっていませんか
現場では半分しか当たらない
AIは「実用化の一歩手前」で止まりがち。
その一歩を、データとモデルの両側から埋めます。
アノサポのAIモデル開発が
選ばれる理由
モデルだけ、データだけ、ではなく、
現場で使えるところまで一緒に進めます。
データ整備とモデル開発を
同チームが行うから手戻りが少ない
正解データを作る人と学習させる人が同じなので、データの往復が速く、精度が落ちた条件だけを狙ってデータを足せます。
AI担当がいない会社の
開発チームに入り込む
社内にAIエンジニアがいない、または少ない。そんな体制でも、現場調査から一緒に進め、チームの一員として動きます。
判定基準を初期に
現場とすり合わせる
「どこからを不良とするか」を初期に決め、迷うデータを洗い出します。また全量検品で、判断ブレを抑えます。
PMと作業者を自社で抱え
急な検証も着手可能
1,500名以上の作業体制があるので、人集めから始める必要がありません。短期検証にも、体制を組んですぐに動けます。
PoCのAIは、
なぜ現場で当たらないのか？
ラボと現場では、データの条件が違うからです。
照明、カメラの角度、対象の個体差。PoCで使ったデータと、現場で毎日流れてくるデータは、思った以上に違います。モデルを作り直す前に、まず運用と同じ条件で測ることから始めます。
- 運用と同じ条件の評価データを持つ正解が確定した場所から集め、固定して使い続けます。
- 数え過ぎと見逃しを分けて見る全体の数が合っていても、両方が打ち消し合っているだけのことがあります。
- 足りない条件だけデータを足す闇雲に枚数を増やさず、外れた条件を狙って追加します。
お任せいただける範囲
一部だけでも、まとめてでも。
今の体制に足りないところから引き受けます。
こんな課題にゴール設定PoCの目的や合格ラインが、あいまいなまま進んでいる
要件定義
何を検知すれば現場が助かるのか。判定の基準と、どこまで当たれば合格かを一緒に決めます。
こんな課題に精度不足PoCで作ったモデルが、現場では精度が足りない
追加学習・ファインチューニング
既存のモデルを引き継ぎ、現場の条件で精度を上げます。
こんな課題に精度のズレ報告された精度と、現場での当たり方が違う
評価データの設計と精度評価
運用と同じ条件の評価データを作り、数え過ぎと見逃しを分けて測ります。
こんな課題に人手不足正解付けを技術者が兼務していて、手が回らない
学習データ作成
矩形・セグメンテーション・キーポイント・3D点群。全量検品で納品します。
こんな課題に運用・保守部品や現場が増えても、直せる人がいない
運用開始後の再学習
作り直さずに、足りない条件のデータだけを追加して学び直させます。
こんな課題に進め方の判断今のモデルや進め方が妥当なのか、判断できない
セカンドオピニオン
今のモデルや進め方を、外部の目で点検します。
進め方
最初に合格ラインを決め、今のモデルを測るところから。
作って終わりではなく、運用しながら育てます。
要件を決める
何を判定するか、どこまで当たれば合格か、運用の条件を現場とすり合わせます。既存のモデルとデータも確認します。
評価データを作る
運用と同じ条件で、正解が確定したテスト用のデータを作り、固定して使い続けます。
今のモデルを測る
夜・雨・新しい部品など、条件ごとに採点して弱点を特定します。
足りないデータで学習する
弱点の条件だけデータを作って追加学習し、STEP 3 で測り直します。
現場で試す
人の判断と並べて使い、判定が合っているかを確かめてから本番へ移します。
運用しながら育てる
部品や現場が増えたら、その条件のデータを足して再学習します。
STEP 3 と STEP 4 は、合格ラインに届くまで繰り返します
アノテーションの会社に、
モデル開発まで任せて大丈夫？
データを作るチームだからこそ、
精度が落ちる理由が見えます。
モデルの精度が上がらない原因の多くは、データの側にあります。判定の基準がそろっていない、評価の条件が運用と違う、足りない条件が分かっていない。1,000件以上の学習データ作成を担ってきたチームが、その原因を見つけて、学習・評価まで続けて担当します。
- データとモデルの窓口がひとつ発注先を分けたときに起きる、往復の遅さと責任の切れ目がありません。
- アノテーションだけのご依頼も、これまでどおりデータ作成から始めて、必要になった段階でモデル開発まで広げられます。
AIモデル開発の事例
造船所のカメラ映像から、
工程の開始・終了を検知
- モデルの方針づくりから、学習データ作成・評価までを一括で担当
- まず物体検出で捉え、難しい箇所は位置の情報で補う設計に
- 対象の工程を月ごとに広げていく計画。
現場の「第二の目」として
工程は変えずに、確認や記録の側からAIを入れます。
錆・塗膜劣化の検知
船舶・鉄塔・配管などの点検写真から、劣化の範囲を見つけます。
商品・特定物体の認識
店舗の棚や物流の仕分けで、特定の商品や物を見分けます。
配筋・コンクリート・外壁
配筋検査やひび割れの検知。現場が増えても再学習で対応します。
点群・車載データ
LiDAR点群の人検知や、ドライブレコーダー映像の危険行動の判定。
料金の考え方
AIモデル開発は、人月（体制単位）でのお見積もりが基本です。
どこから始めるかで、体制と期間が変わります。
要件定義・セカンドオピニオンから始める
何を検知すれば現場が助かるのか、今のモデルで足りるのかを整理するところから。少人数で始め、必要に応じて体制を広げます。
既存モデルの追加学習から始める
評価データの作成から追加学習・運用後の再学習まで、エンジニアと作業者の体制を組んで進めます。
PoCの結果やデータを拝見して、体制と期間を無料でお見積もりします。
学習データ作成（アノテーション）だけのご依頼は、アノテーションの料金をご覧ください。
アノテーションサービス
モデル開発の土台になる学習データ作成（アノテーション）も、これまでどおりお引き受けしています。データ作成だけのご依頼も歓迎です。
画像・動画アノテーション
物体検出、セグメンテーション、骨格推定、動画トラッキング。Computer Visionの正解データをピクセル単位で作成します。
3D点群・LiDARアノテーション
3D Cuboid、センサーフュージョン、3Dセグメンテーション。自動運転・ロボティクスの空間認識に貢献します。
LLM・テキスト・音声データ
RLHF・DPO用の選好データ、指示応答ペア(SFT)、LLM評価。音声文字起こしやNLPアノテーションにも対応します。
データ収集・前処理
データ収集・撮影から、クレンジング・整形、匿名化まで。AIが学習できる状態までデータをゼロから整えます。
AIを、研究から現場へ。
人手が足りない現場ほど、AIに期待が集まっています。けれど、ベンダーや大学と作ったAIが、PoCの報告書のところで止まってしまうことは少なくありません。足りないのは技術そのものより、現場の条件でデータを作り、測り、学び直し続ける担い手です。
アノサポは、1,000件以上の学習データ作成を担ってきたチームとして、その役割を引き受けます。研究の成果を、現場で毎日使われる道具に。
技術者の皆さんが、本来の仕事に集中できるように。
エンタープライズ基準のセキュリティ体制
最先端のAI研究を支えるデータパートナーとして、ISMS(ISO/IEC 27001)に基づく情報セキュリティ体制を構築しています。
ISMS認証取得
情報セキュリティマネジメントシステム
組織・人的対策
- 全スタッフとNDAを100%締結
- ISMS(ISO/IEC 27001)準拠の内部規定
- 研修＋理解度テスト合格者のみ参画
端末・データの取扱い
- 「非保持・非ローカル」の徹底
- 会社貸与PC・認定デバイスのみ使用
- SSL/TLSによる通信の暗号化
運用・緊急時対応
- 案件ごとにチームを完全分離
- 常時接続による作業モニタリング
- 紛失・漏えいは24時間365日で即報
※ お預かりしたデータを当社AIの学習に流用することは一切ありません。作成データの権利はすべてお客様に帰属し、プロジェクト完了後はご指示に基づき当社管理下のデータを速やかに物理削除します。
