第二部【企業情報】

　（注）１．当社は連結財務諸表を作成しておりませんので、連結会計年度に係る主要な経営指標等の推移については記載しておりません。

２．消費税等の会計処理については、第２期より税抜方式を採用しております。第１期については、税込方式を採用しているため、売上高には消費税等が含まれております。

３．「収益認識に関する会計基準」（企業会計基準第29号　2023年３月31日）等を第２期の期首から適用しており、第２期以降に係る主要な経営指標等については、当該会計基準等を適用した後の指標等となっております。

４．2022年10月18日開催の臨時株主総会決議により、決算期を３月31日から12月31日に変更いたしました。これに伴い、決算期変更の経過期間となる第３期は、2022年４月１日から2022年12月31日までの９ヶ月間となっております。

５．第２期、第３期、第４期及び第５期は研究開発費や広告宣伝費等の先行投資や今後の成長に向けた人員増加に伴う給与手当の負担等により、経常損失及び当期純損失を計上しております。

６．持分法を適用した場合の投資利益については、関連会社が存在しないため記載しておりません。

７．１株当たり配当額及び配当性向については、配当を実施していないため、記載しておりません。

８．潜在株式調整後１株当たり当期純利益については、潜在株式は存在するものの、当社株式は非上場であるため、期中平均株価が把握できませんので、また、１株当たり当期純損失であるため記載しておりません。

９．自己資本利益率については、当期純損失であるため記載しておりません。

10．株価収益率については、当社株式は非上場であるため、記載しておりません。

11．第１期、第２期及び第３期については、キャッシュ・フロー計算書を作成しておりませんので、キャッシュ・フローに係る各項目については記載しておりません。

12．従業員数は就業人員であり、臨時雇用者数（アルバイト、パートタイマーを含む。）の年間平均人数を（　）内に外数で記載しております。

13．第４期及び第５期の財務諸表については、「財務諸表等の用語、様式及び作成方法に関する規則」（昭和38年大蔵省令第59号）に基づき作成しており、金融商品取引法第193条の２第１項の規定に基づき、仰星監査法人の監査を受けております。なお、第１期、第２期及び第３期については、「会社計算規則」（平成18年法務省令第13号）の規定に基づき算出した各数値を記載しておりますが、当該各数値については、金融商品取引法第193条の２第１項の規定に基づく仰星監査法人の監査を受けておりません。

14．2025年８月13日開催の取締役会において、A種優先株式及びA2種優先株式のすべてにつき、定款に定める取得条項に基づき取得することを決議し、2025年８月28日付で自己株式として取得し、対価としてA種優先株主及びA2種優先株主にA種優先株式及びA2種優先株式１株につき普通株式１株をそれぞれ交付しております。また、2025年９月30日付ですべてのA種優先株式及びA2種優先株式は、会社法第178条の規定に基づき、消却しております。

15．2025年８月13日開催の取締役会決議に基づき、2025年10月１日付で普通株式１株につき500株の割合で株式分割を行っております。第４期の期首に当該株式分割が行われたと仮定し、１株当たり純資産額及び１株当たり当期純損失を算定しております。

16．2025年８月13日開催の取締役会決議に基づき、2025年10月１日付で普通株式１株につき500株の割合で株式分割を行っております。そこで、東京証券取引所自主規制法人（現　日本取引所自主規制法人）の引受担当者宛通知「『新規上場申請のための有価証券報告書（Ⅰの部）』の作成上の留意点について」（平成24年８月21日付東証上審第133号）に基づき、第１期の期首に当該株式分割が行われたと仮定して算出した場合の１株当たり指標の推移を参考までに掲げると、以下のとおりとなります。なお、第１期、第２期及び第３期の数値については、仰星監査法人の監査を受けておりません。

２【沿革】

３【事業の内容】

当社は、「最新テクノロジーを確かな労働力に」をミッションに掲げ、製造業界を中心に、AI技術及びIoT技術等の新しい技術を活用したサービスを提供しております。当社がサービスを提供している日本の製造業界は少子高齢化に伴う労働人口の減少による「人手不足」が深刻化する中で、競争力を維持・発展させるための製造現場のDX化がなかなか進まないことによる、競争力の低下に直面していると当社ではとらえております。これらの課題に対処すべく製造業界においては生産性向上のためのAIやIoT等の新しい技術を確実に製造現場で使用できるソリューションが強く求められていると判断しております。

当社は製造業界向けに、外観検査自動化AI「メキキバイト」をはじめとする画像認識AIサービス、顧客の保有するビッグデータのAIによる分析サービスである「カスタムHutzperAI」等の分析AIサービス、その他スキルに応じたAIによる人材配置最適化システム「スキルパズル」及びインターネット接続不要の生成AIソリューション「ラクラグ」を提供しております。各サービスは、以下に記載する特徴があると考えておりますが、それらは当社がこれまで製造業に特化し、常に顧客の要望・ニーズをとらえ、より高品質なソリューションの提供が可能となるように努めてきたことによるものであると考えております。

また、当社では製造業出身のエンジニアが多く在籍していると共に、社内教育及び設計物の十分なレビューを行うことで、経験の浅いエンジニアでも十分なパフォーマンスを発揮できる体制を整えていると考えております。

当社では以下のとおりエンジニアリング部門を組織化しております。

・AIエンジニアリング部：主として「メキキバイト」をはじめとした画像認識AIサービスにおける光学設計等の技術開発、顧客へのサービス提供を行う。

・プロダクト開発部：クラウドシステムである「Hutzper Insight」や「スキルパズル」の開発、顧客向けWebサービスの提供を行う。

・データサイエンス部：全社的なAI技術を統括すると共に、カスタムHutzperAI等のAIサービスの提供を行う。

各部門におけるエンジニアの在籍状況は以下のとおりであります。

　事業の内容及び特徴については以下のとおりであります。なお、当社は製造業向けAIサービス事業の単一セグメントであり、セグメント情報を記載していないため、サービス別に記載しております。

①　画像認識AIサービス

(特徴)

メインサービスである「メキキバイト」は、製造業の顧客に対して、製造ライン、検査対象に適した照明・カメラ等の選定から設置までの光学設計をはじめ、検査対象の不良検出のための最適なAIモデル構築並びに不良品の排除機構連携、導入後の運用管理までを一気通貫で提供しております。また、AI判定は現場にある産業用PCに搭載したエッジAI（注１）として提供し、安定稼働の実現かつ高速処理を可能とすることに加えて、当該システムの運用フェーズにおいてはクラウドシステム「Hutzper Insight（フツパーインサイト）」を管理アプリケーションとして提供することにより、顧客自身によるAIモデルの精度の向上、品質管理を可能としており、継続的な運用を支援しております。

ハードウェアのスポット販売に加えて、初年度はAI構築（200,000円/月）及び「Hutzper Insight」のライセンス（98,000円/月）をサブスクリプションで月額利用料にて提供しており、２年目以降は「Hutzper Insight」のライセンスを提供しております。一部、クラウド管理機能である「Hutzper Insight」を伴わないソフトウェアのスポット販売での提供もございます。サブスクリプション契約の解約率（注２）は創業以来低い水準を維持しており、2025年12月期第３四半期の解約率は0.76％となりました。

また、当社は、「メキキバイト」で培った画像認識AIの技術を活用し、製造現場に設営されたカメラを活用した作業員の行動分析、機械への巻き込み防止等の安全対策等の外観検査以外のサービスの提供を行っております。

サービス提供に係る原価として、画像認識AIサービスでは現場に設置するハードウェアやエッジデバイスに関する材料費や、エンジニアの人件費等が発生いたします。

(注）１．エッジAI：ネットワークの端末機器（エッジデバイス）に直接搭載したAIのこと。

２．解約率＝当月の解約により減少したライセンス収入÷前月末のライセンス収入の総額×100％の12ヵ月平均

(当社の強み)

ａ　製造業に対する豊富な知識

当社は創業時より製造業界向けに特化したサービスを提供しており、製造ラインや検査における豊富な知見を有していると考えております。製造業の顧客が取り扱う品目は金属製品や食品等様々であり、製造物毎に製造ラインの特徴を理解し、検査対象を確実にとらえるための高度な撮像・画像処理技術等の光学設計の技術が必要となります。

ｂ　運用開始までの一気通貫したサービスの提供

当社は顧客に対して、光学機器や搬送・排除機構等のハードウェアの選定・設置からAIモデル構築までを一気通貫で提供しております。具体的には、当社で光学設計を行った照明・カメラ・治具を顧客の製造ラインに設置した上で、本番環境でのデータ収集に努めております。AIモデル構築に当たっては、本番環境で撮影したデータを学習させることにより、効率的にAIのモデル構築を進め、高い実装力を有していると考えております。

光学設計からAIモデル構築まで一気通貫した技術をもたないベンダーでは、テスト環境で撮影したデータによる学習によりAIモデルを構築するものの、製造現場に設置されている照明・カメラ等で撮影した本番環境でのデータとの差異が発生し、効果的かつ効率的な製造現場での実装が難しく、当社のように低コストかつ迅速な実装は難しいものと考えております。

ｃ　エッジAIとクラウドシステムのハイブリッドによる運用支援

一般的な検査サービスにおいては、製造現場に実装した検査システムについての良否判定データは一定期間製造現場に蓄積されるのみであり、その後の利活用は進んでいないものと当社では考えております。

このような課題に対し、当社では、エッジデバイスに実装されたAIにより外観検査を行うことで、ネットワークが不要で、即時・大量の検査を行うことを可能とし、また、エッジ側で良否判定基準を設定することで、現場での柔軟な運用を可能としております。一方で、エッジ側でのAIによる外観検査の結果については、現場で不良と判定された画像データのみについてクラウド環境にアップロードする特許技術を有しております。当社は当該技術を用いた外観検査支援アプリケーションである「Hutzper Insight」を提供しており、顧客は自身で画像データの再分類、再学習を行うことでノーコードにてAIモデルの精度を向上させることができるとともに、「Hutzper Insight」上で品質管理を行うことができます。

ｄ　排除機構連携

当社では「メキキバイト」にて不良と判定された検査物について、エアジェット（注１）連携等による排除機構の設置までを行っております。これにより、製造現場における人員をより減らすことができるため、顧客のより効率的な生産に資することが可能となります。

(導入実績)

2024年12月期の導入実績は、72社であります。また、売上高は367,671千円であります。また、「メキキバイト」のサブスクリプション契約における１ラインのあたりの平均単価（注２）はハードウェア5,932千円、初年度のAI構築及びライセンス利用料3,819千円、２年目以降のライセンス利用料（注３）10,604千円となり、合計は20,356千円となりました。

(注）１．エアジェット：品質検査で不良品と判定された製品を高速のエアージェット（圧縮空気）で吹き飛ばし、選別すること。

２．平均単価＝ハードウェアの平均単価＋初年度のAI構築及びライセンス利用料の平均単価＋２年目以降のライセンス利用料

３．２年目以降のライセンス利用料＝ライセンス利用料の年間平均単価÷（解約率×12）－ライセンス利用料の年間平均単価

②　分析AIサービス

(特徴)

　当社では、顧客が保有するビッグデータを活用し顧客のAI構築を支援する「カスタムHutzperAI」等の分析AIサービスを提供しております。具体的には、現場データをもとにした在庫予測や故障予測等の分析サービスをスポット販売で提供しております。サービス提供に係る原価として、エンジニアの人件費等が発生いたします。

(当社の強み)

業界問わず、一定の規模を有する企業においては画像データやその他のデータの蓄積が進んでおり、IoT化に向けた準備は整いつつあると当社では考えております。しかしながら、データの特徴及び企業の事業内容が複雑に関係する中で、当該データを用いた分析や解析により新たな示唆を得るには高度な分析能力が必要となります。

当社では製造業についての豊富な知見と分析案件の実績をもとに、適切な分析設計からAIモデル構築まで、企業の潜在的なニーズに根ざしたサービスを提供しております。顧客の課題特定の段階から当社が関与することで、顧客の課題に十分に対応したAI導入を提案し、コンサルティング、設計、開発、運用までの幅広いプロセスにおける導入及びMLOps（注１）全体の構築等の支援を行っております。

また当社では、生成AIを顧客の労働生産性を向上させるための技術として活用し、ナレッジの社内での共有、アイデア生成、市場調査や予測分析等の高度なタスクへの応用を支援しております。これらのタスクにおいては、単純にLLM（注２）を適用しても課題解決が難しく、様々なカスタマイズ、チューニングを行うことで、最適な出力を実装する必要がありますが、当社ではLLMに対して外部情報の検索を組み合わせるRAG（注３）技術によって、より専門性が高く正確性の高いAIとのやり取りを実現可能にし、高度な機能を持つ生成AIアプリケーション構築を可能としております。

(導入実績)

　2024年12月期の導入実績は、22社であります。また、売上高は225,442千円であります。

(注）１．MLOps（Machine Learning Operations）：機械学習モデルをビジネス適用するための開発から運用、管理までのライフサイクルを効率化するための手法のこと。

２．LLM（Large Language Model）：巨大なデータセットとディープラーニング技術を用いて構築された大規模言語モデルのこと。

３．RAG（Retrieval Augmented Generation）：LLMにプロンプトを入力すると、そのプロンプトをもとに外部データから関連する部分を取り出し、それを元に回答を生成する方法のこと。

③　その他AIサービス

(スキルパズル)

当社は、製造工程における各人のスキルに応じたAIによる最適なシフト配置を提供する「スキルパズル」を利用人数に応じた従量課金によるサブスクリプションにて提供しております。「スキルパズル」は人手・人材不足の課題が激しい製造業において、人に依存しすぎない効率的な業務や人材管理の手法を提供することで、現場の業務負担を減らし、さらには人員配置の最適化やスキルマネジメントによる適切な評価、職場満足度と定着率の向上を推進していくことにより、持続可能な産業成長に貢献しております。

「スキルパズル」では、生産計画に基づき、社員のスキルや資格、出退勤情報等のリアルタイムの状況を考慮して最適なシフト配置を１クリックで瞬時に提案し、顧客の業務負担を大幅に軽減し、多能工化やスキルアップを促進できるサービスです。社員一人ひとりの能力や勤怠情報だけでなく、作業負荷や相性等も考慮した最適な人員配置をAIアルゴリズムが導き出すことができ、急な欠員にも対応できる体制を整えます。これによりシフト作成業務の省力化だけでなく、ベテラン社員の業務負担を減らし、作業そのものの質と効率を向上させることができます。

サービス提供に係る原価として、サーバー等のインフラ維持費が発生いたします。

(ラクラグ）

　当社は、蓄積された社内ナレッジをインターネット接続不要で活用できるローカル生成AIソリューション「ラクラグ（らくらくRAG）」を販売しております。「ラクラグ」は、人手不足や世代交代に伴う暗黙知の喪失という製造業共通の課題に対し、完全オンプレミス環境で安全にナレッジを循環させる仕組みを提供することで、ベテランの知見を組織全体の力へ変換し、生産性と品質の両立を後押ししております。「ラクラグ」は、PDFやエクセル、画像データ等をまたいで、独自の情報抽出エンジンにより、図面や写真の内容までも構造化データとして取り込み、質問と根拠資料を紐づけたまま自然言語回答を提示します。さらに、ユーザーの質問を意味解析して不足語を自動補完するクエリ補強アルゴリズムが検索精度を底上げし、専門用語が入り混じる現場でも「欲しい情報に最短距離で辿り着ける」体験を実現しております。導入時はハード・ソフト一体型で納品するため、設置後すぐに稼働開始ができ、専門スタッフによる伴走支援も行っております。これらの総合支援により、ファイル検索にかかる時間やヒューマンエラーを大幅に削減し、“人”に依存しすぎない知識伝承と持続可能な現場力向上を実現しております。

　サービス提供に係る原価として、ローカル環境に設置するサーバー代などの材料費が発生いたします。

(その他）

　上記のサービスには分類されないAIモデルの構築やライセンス供与等であります。

(導入実績）

　2024年12月期の導入実績は、27社であります。また、売上高は9,682千円であります。ただし、「ラクラグ」は2025年６月にリリースされたため、取引社数及び売上高に含まれておりません。

サービス別の収益構造をまとめると、以下のとおりであります。なお、販売にあたっては、直販がメインではありますが、一部販売代理店を経由して販売しております。

［事業系統図］

５【従業員の状況】

(1）提出会社の状況

　（注）１．従業員数は就業人員であり、臨時雇用者数（アルバイト、パートタイマーを含む。）は、最近１年間の平均人員を（　）外数で記載しております。

２．平均年間給与は、賞与及び基準外賃金を含んでおります。

３．当社は製造業向けAIサービス事業の単一セグメントであるため、セグメント毎の記載はしておりません。

４．最近日までの１年間において従業員数が15名増加しております。主な理由は、事業の拡大に伴い期中採用が増加したことによるものであります。

(2）労働組合の状況

　当社において労働組合は結成されておりませんが、労使関係は円満に推移しております。

(3）管理職に占める女性労働者の割合、男性労働者の育児休業取得率及び労働者の男女の賃金の差異

当社は、「女性の職業生活における活躍の推進に関する法律」（平成27年法律第64号）及び「育児休業、介護休業等育児又は家族介護を行う労働者の福祉に関する法律」（平成３年法律第76号）の規定による公表義務の対象ではないため、記載を省略しております。