AI inside創業者で代表取締役社長CEOを務める渡久地択氏 すべての画像提供:AI inside
  • “AI inside X”の実現へ3つのプロダクトを展開
  • 契約件数の急増とリカーリングモデルへの変貌のカラクリ
  • 好循環サイクルが低コスト構造と低価格化に繋がる
  • 創業者は19歳で「200年分の年表」を作成、AIでの起業を決める
  • 「AIのコモディティ化へ」マーケットプレイスへの進化目指す

「世の中の至る所にAIを入れていきたいんです。AIは人間の役に立つものだと考えていますから、そのAIがさまざまな領域で、たくさんの人の役に立つことで世界もより良くなるだろうと思っています」

そう話すのはAI inside創業者で代表取締役社長CEOを務める渡久地択氏だ。2015年設立の同社はAI-OCR(AIを活用した文字認識技術)を軸とした自社プロダクト「DX Suite」を中心に、AI関連の製品を複数展開。2019年12月には東証マザーズへ上場した。

当初こそ「金融大手などエンタープライズ向けにAI-OCRを提供する会社」という色が強かったものの、近年は初期費用無料・月額3万円から利用できるプランを武器に中堅中小企業への導入が加速している。2019年12月末時点で510件だった契約件数は、1年で1万2942件まで拡大した(2019年12月末時点)。

この所は株式市場での評価も高くマザーズ上場企業の中では常にトップ10に入る状況。ピーク時に比べると落ち着いているものの、時価総額も約1500億円を維持している。

“AI inside X”の実現へ3つのプロダクトを展開

現在AI insideでは「AI inside Cube(以下Cube)」「AI inside Learning Center(以下Learning Center)」「DX Suite」 という3つのプロダクトを手がけている。

AI insideが手掛けるエッジコンピュータ「AI inside Cube」。AIを動かすためのインフラとして重要な役割を担う

Cubeは実際にAIを運用するためのエッジコンピュータ(ハードウェア)だ。AIを至る所で使えるようにするべく、このハードウェアをサブスクリプションモデルで安価に提供している。

2つめのLearning Centerは、渡久地氏の言葉を借りれば「ノンデベロッパーでもAIが簡単に作れるツール」。現在はアルファ版を複数の企業に無償提供している段階だが、今春の製品化を見据えてブラッシュアップを進めている。

詳しくは後述するが、中長期的にはCubeを含む“AIを動かすためのインフラ”とLearning Centerを普及させて「誰でも簡単にAIプロダクトを開発し、安く動かせる環境」を整えていくことがAI insideの目標。同社ではAIがあらゆる領域に溶け込んでいる状態を作るという意味で「AI inside X」をビジョンに掲げ、AI inside カンパニー、AI inside ファクトリーといったように、AIが活用されるシーンを広げていく計画だ。

とはいえ、いきなり全ての企業が1からAIを作るというのは現時点でハードルが高い。まずはAI insideが開発したプロダクトを通じて、“AIを使う人”を増やす必要がある。

そのプロダクトこそが、現在同社の主力事業でもあるDX Suiteというわけだ。DX Suiteの軸となるAI-OCRの「Intelligent OCR」では⼿書き、活字、FAX、書類を撮った写真などあらゆる書類を⾼精度でデジタルデータ化するのが特徴。保険やクレジットカードの申込書から商品の注文書、自治体における給付金の申請書などまでさまざまなシーンで活用が進む。

DX Suiteにはいくつかオプションも用意されていて、これらを用いることで非定型の書類を読み取ったり、書類の仕分けをAIで自動化したり、顔認証による本人確認の仕組みを組み込んだりすることも可能だ。

DX Suiteの利用イメージ。AI-OCRの「Intelligent OCR」では⼿書き、活字、FAX、書類を撮った写真などあらゆる書類を⾼精度でデジタルデータ化するのが特徴
DX Suiteの利用イメージ。AI-OCRの「Intelligent OCR」では⼿書き、活字、FAX、書類を撮った写真などあらゆる書類を⾼精度でデジタルデータ化するのが特徴

直近では紙以外のインプット方式(デジタルインプット)への対応にも取り組む。企業内で紙情報のデジタル化と最初からデジタルで入力されている情報の処理が並行すると、かえって別々の業務が発生してコストがかさむ可能性がある。DX Suiteでは双方を一元管理し、同じ業務フローの中で扱える仕組みを強化しているという。

たとえば保険の申込書に必要な情報をもとにウェブフォームを自動生成し、そのURLを介して申し込みがされたものについてはOCRなしでDX Suite上に蓄積され、OCRで読み込んだ紙情報とマージされるといった具合。昨年11月にはこの取り組みの一環として、入力フォーム最適化ツール「Form Assist」などを展開するショーケースに出資もした。

DX Suiteの利用イメージ
DX SuiteではAI-OCR以外にも複数のオプションを提供。顔認証による本人確認APIなども用意している
DX SuiteではAI-OCR以外にも複数のオプションを提供。顔認証による本人確認APIなども用意している

契約件数の急増とリカーリングモデルへの変貌のカラクリ

DX Suiteにおいて特筆すべきは、ここ1〜2年の契約件数の増加とビジネスモデルの変化だ。冒頭で触れた通り2019年末からわずか1年で契約件数は約500件から1万3000件近くまで跳ね上がった(DX SuiteとIntelligent OCRのみの数字。オプションは別)。

同時に売上の56%を占めていたセリング型(初期費用など単発のビジネス)の収益が2020年12月時点で14%まで減少し、リカーリング型(月額固定費用や月額従量費用など継続的な収益が見込める)の収益の割合が86%まで上がっている。

2019年9月以降のセリング型、リカーリング型の売上比率。この期間でもリカーリング型の割合が一気に増えていることがわかる
2019年9月以降のセリング型、リカーリング型の売上比率。この期間でもリカーリング型の割合が一気に増えていることがわかる

直接的な要因としてはプライシング変更の影響が大きい。筆者は2018年に一度渡久地氏に取材をしたことがあるが、その当時のDX Suiteの初期費用は150万円。大手金融機関などエンタープライズ向けの価格帯となっていて、必然的に顧客はそのような企業が中心だった。

現在は機能面が改良されているにも関わらず、初期費用は20万円へと大幅に減額。2020年6月に追加されたライトプランは初期費用が無料、月額3万円からAI-OCRを使えるようになった。

結果として従来は対象になりにくかった中小企業のクライアントが大幅に増加。合わせてキャンペーンや政府の給付⾦事業などの一時需要が重なったこともあり、契約件数が大きく伸びた。

2021年3月期の下半期はキャンペーンを実施しなかったこともあり、第2四半期から第3四半期にかけては約200件の伸びに止まったものの、2020年1⽉から同12⽉までのチャーンレート(解約率)は⽉平均で0.28%。着実に顧客が積み上がってきている状況だ。

「最初は開発の原資も必要ですし、黒字化をさせたい考えもあって初期費用を高めに設定していました。ただ、価格を下げたいというのは当初からの方針。SaaSの王道に従えば成長に伴ってアップセル(値上げ)をするのが普通かもしれませんが、反対に当社では機能を追加しながらどんどん値下げをしています。なんならLTV(顧客生涯価値)も下げたいんです。本来はその方が顧客のためになりますし、その分多くの人に使ってもらえればいい」(渡久地氏)

プライシングの変更に加えて取り組んだのがパートナーとの連携だ。現在AI insideにはNTTデータやDNPを始め95社の販売パートナーが存在し、彼らが“敏腕セールスパーソン”として機能している。パートナーの販売比率は年々増えており、今期は9割を超える見込み。営業に強みを持つパートナーの力が、DX Suiteの急成長にも一役買ったわけだ。

AI insideには90社を超える販売パートナーを始め、複数のパートナーが存在する
AI insideには90社を超える販売パートナーを始め、複数のパートナーが存在する

好循環サイクルが低コスト構造と低価格化に繋がる

競合との戦いという観点ではいち早くAI-OCRの可能性に目をつけ、入念に準備を進めてきた。2017年のサービスローンチまでに約2年間の研究開発期間を設け、約500社もの企業を回り泥臭く帳票などのデータを集めながら、学習モデルを作り込んだ。

「さまざまな企業からデータを集めることでデータの偏りなどを避け、汎用的なものを作れたことが大きなアドバンテージになりました。多くのデータが集まると、その分だけ課題にも早く気付けるのでアーキテクチャの改善も進むんです。データを読み込む回数が数億回規模になれば、検証やフィードバックの数も数億回分に及ぶ。その積み重ねが大きな差に繋がっていったと思います」(渡久地氏)

蓄積したデータは文字認識の精度にはもちろん、他の機能にも活かされている。たとえばDX SuiteではOCRで読み取った項目の中から「どの項目を人がチェックするべきか」をAIが判断してくれる機能がある。

この精度も文字認識の精度と同レベルの水準なのだそう。仮に1万個の項目が存在する場合、全てを人が目視で確認するのは負担が大きいが、DX Suiteであればその候補自体も最小限に減らせるため業務効率化が一層進む。こうした細かい機能も顧客から選ばれるポイントになっている。

データがたまり、アーキテクチャが改善され、精度も上がれば顧客は増える。顧客が増えればその分だけ集まるデータはさらに増加し好循環が生まれる。言葉にすれば単純にも思えるが、このサイクルを作れたことがAI insideの成長の秘訣だ。

大量のデータを読み込むことで、あらゆる文字フォーマットに対応したOCRをいち早く開発できたという
大量のデータを読み込むことで、あらゆる文字フォーマットに対応したOCRをいち早く開発できたという

「契約社数が1万社規模になってくると簡単には覆せない差になってきます。私たちはそれを見越して、3000社ぐらいのタイミングで『プライバシーコントロール』という機能を入れました。この機能によってDX Suiteではユーザーが明示的に設定をオンにしない限り、デフォルトではデータの学習をしない仕様になっているんです」

「文字認識の分野で我々を超えるAIが出てくるとすれば、我々よりも良いアーキテクチャで大量のデータを読み込んでいることになる。だからこそ早い段階から『汎用性が高く精度が良い上に、どんどん安くなるし、顧客のデータも取らない』という状態を作り、他の企業が入って来にくくしました」(渡久地氏)

低価格化を実現できるのは“低コスト構造”を築けているからでもある。一例をあげると、AI insideでは自社のデータセンターに自分たちで作ったサーバーを備え、そこに自ら開発したアーキテクチャを入れている。その方がAWSなどの外部の仕組みを使うよりも安いからだ。

こうした工夫の積み重ねによって、今期の原価率は6.5%ほど。サービスの価格を下げても営業利益率は50%近くを保てているという。

創業者は19歳で「200年分の年表」を作成、AIでの起業を決める

2015年の創業から進化を続けてきたAI insideだが、渡久地氏がAIの領域で事業を立ち上げることを志したのは2004年まで遡る。

当時渡久地氏は19歳、高校を卒業した翌年だった。起業するにあたり、「世の中がどのように動くかを分かっていた方がビジネスで勝ちやすい」と考え、歴史を勉強した上で、過去100年分の年表を細かく書き出し、“今後200年分の年表”を作った。

その際に人類にインパクトが大きい領域として挙がったのが「AI」と「宇宙」だったという。宇宙ビジネスをやるのは資金的にも難しい。そこで渡久地氏はAIの道へ進むことを決める。

AIはインターネットやプログラミングの延長線上にあるため、まずはインターネット関連の事業から始めてみよう。そのような考えから英語のサイトを参考に独学でプログラミングを学び、2004年に渡久地氏にとって最初のプロダクトとなるグルメサイトを開発した。

同サイトにはお店の検索機能として今でいうところの“チャットボット”に近い仕組みが組み込まれていたのが1つの特徴。「今日●●でデートなのだけど、おすすめのお店はどこ」と入力すればお店のリストが表示されるような仕掛けを施した。

最終的にはこのサイトを2007年に売却。そこから渡久地氏は2015年にAI insideを創業するまで、複数回にわたって起業と売却を経験する。

2010年に設立したsocialwaveではスマホが普及し始め位置情報なども取得しやすくなったため、再度チャットボットの事業化にチャレンジするとともに電子書籍事業も立ち上げた。

当時はまだチャットボットをビジネスにするのには難しく苦戦したが、それでも諦めきれなかった渡久地氏は2011年にIQUEを創業。ここでは「Facebookログイン」のような仕組みを作り、他のアプリケーションと連携させることでユーザーの趣味趣向に合わせてやりとりができるチャットボットの開発に取り組んだ。

その結果FacebookからPreferred Marketing Developerとして認定され注目を集めるも、受託開発の依頼が殺到し瞬く間にIQUEは受託開発の会社になってしまう。売上自体は増えていたものの、「目指していた方向から逸れてきてしまっている」。渡久地氏が今後の方向性を試行錯誤していた2012年、大きな転機が訪れた。ディープラーニングの本格的な台頭だ。

「このタイミングでAIの研究をしなかったらチャンスを取り逃すと感じたんです。もともと年表を作った段階で、ムーアの法則の限界点なども踏まえて2018年から2020年までにはAIビジネスのスタートラインに立っていたいと思い描いていました。そこに向けて2012年からAI insideを立ち上げる2015年までは、AIの研究開発に時間を注ぎました。そこで生まれた技術の1つが、文字認識だったんです」(渡久地氏)

上述した通り、会社設立後もDX suiteのローンチまでには2年間の時間をかけた。渡久地氏は当時「AI-OCRを軌道に乗せるためには2つのハードルを乗り越える必要がある」と考えていたという。

1つは技術の側面。数十年前から文字認識という概念自体はあるものの、手書き文字の認識をするのが困難で実現できなかったという歴史がある。だからこそ多くの人ができないと考えていて、その壁を超える必要があった。

そしてもう1つはデータの側面。文字認識エンジンの精度を高めていく上では学習データが必要だが、そのデータをどのように集めるのか。実績や知名度のある大手企業ならまだしも、創業直後のスタートアップにデータを提供してくれる企業があるのか。その課題もクリアしなければならない。

「1つ目の課題に関してはディープラーニングが生まれた後の世界であれば、チャレンジすれば実現できる可能性があった。だからシンプルですが、やればできるというだけでした。2つ目の課題は、一見導入のハードルが高そうに見える大企業ほど、実は夢のような技術が実現した場合の費用対効果がものすごく大きいんですね。効果が大きいからこそ、取れるリスクも大きいのではないか。そう考えてあえて大企業だけに絞ってアプローチをしたところ、実証実験に協力してくれる企業がいくつも出てきました」(渡久地氏)

大企業は保有しているデータの種類が豊富で、なおかつ量も多い。大企業に絞ったことは、最短距離で汎用的な文字認識エンジンを作る上でもプラスに働いた。

正式導入に至るまでは何度も実証実験を重ね、思い通りにいかず苦しい期間もあったが、最終的には大手の保険会社への導入が決まったことで「その会社が導入するなら」と利用企業が一気に増加。その後は次第にNTTデータなど実績のある大手企業が販売パートナーとして参画するようにもなり、成長スピードも加速した。

「AIのコモディティ化へ」マーケットプレイスへの進化目指す

現時点ではDX Suiteが主力サービスで、さらにリカーリング型への移行が進んでいることもあり、外からは「SaaS銘柄」として捉えられることも少なくない。だがAI insideが目指すのはSaaS企業ではなく、AIのマーケットプレイスを手掛けるプラットフォーマーだ。

「あくまでAI inside Xを達成するために事業をやっているので、そのためにはAIの数自体も増やす必要があるし、多くの場所で使われるようにもしなければいけません。AIを動かすためのインフラとAIを生み出すための仕組みをなるべく安く提供し、そこで誕生したものをマーケットプレイスを通じて必要な人に届けていく。私たち自身は本当に『届ける』という部分に注力したいと思っていますし、その事業で世界一を目指せると本気で考えています」(渡久地氏)

AI insideのプラットフォーム構想。AIを動かすためのインフラや誰もが簡単にAIを作れるツールなどを整備しながら、AIアプリを売買できるマーケットプレイスを育てていく計画だ
AI insideのプラットフォーム構想。AIを動かすためのインフラや誰もが簡単にAIを作れるツールなどを整備しながら、AIアプリを売買できるマーケットプレイスを育てていく計画だ
プラットフォームに向けた今後のロードマップ
プラットフォームに向けた今後のロードマップ

AIを動かすために必要となるインフラをサブスクモデルのサービスとして安く提供し、誰もがAIアプリの作り手になれるツールとしてLearning Centerを用意する。各ユーザーが作ったアプリは自分で使うだけでなく、マーケットプレイスを介して他のユーザーに販売してもいい。

中長期的にはこのマーケットプレイスを「AIアプリ版のApp Store」のような場所に成長させ、さまざまなAIアプリが流通するとともに、そこからの手数料をビジネスの源泉にするというのが渡久地氏の思い描くプランだ。

すでにそのための準備も着々と進めている。Learning Centerのアルファ版は1年以上検証中で、開発スキルのないノンデベロッパーの手によって作られたAIアプリが少しずつ増えてきた。

あるゴミ処理場ではLearning Centerを用いてベルトコンベアーで流れてくるゴミの中から危険物を自動で特定するAIを開発した
あるゴミ処理場ではLearning Centerを用いてベルトコンベアーで流れてくるゴミの中から危険物を自動で特定するAIを開発した

たとえばゴミ処理場の事例では、ベルトコンベアーで流れてくるゴミの中からガスボンベなどの危険物を自動で特定するAIを開発した。面白いのは、これをゴミ処理場で働く“現場のプロフェッショナルたち”が作っているということだ。

あらかじめベルトコンベアーを流れるゴミの様子を動画に撮影しておき、そのデータをシステム上にアップロードする。その後でどれが危険物に当たるのかを担当者がチェックしていき(=アノテーション)、AIのモデルを作っていく。コーディングなどは一切不要だ。下記の動画は実際のアプリケーションの様子とアプリ作成時のフローになる。

「何が危険物なのかは、現場の人たちにしかわかりません。彼ら彼女らが自らAIを作った方がより高い精度のものを作れますし、余計なコミュニケーションの手間などもかからず、コストも抑えられます。ただ、その人たちはデベロッパーじゃないので自分で作るハードルが高かった。ノンデベロッパーの人たちがAIを作れる世界にしなければならないと以前から感じていました」(渡久地氏)

まずは画像認識のAIを開発できる仕組みからスタートするが、中長期的には自然言語系のAIやデータ分析系のAIなどラインナップを拡充していく計画もある。松下幸之助の水道哲学に近しい考え方で、良質なAIを安価で提供することで、世の中にAIを行き渡らせ身近なものにしていきたいという。

「AIを活用して世の中を良くしていきたいという人がいろいろなところにいます。その人たちのクリエイティビティをサポートするのが自分たちの価値であり、役割です。そうやって生まれたAIが、他の誰かのためになる。そんな循環を作っていきたいです」(渡久地氏)