コストの削減
エンジニアが調整を加えた学習済モデルで事前アノテーションを実施。ゼロベースのラベル付け工程を自動化することで、データ量に比例した費用の増加を抑制します。

CHALLENGES
ラベル付けのコストが2〜3倍に膨らみ、予算の圧迫が深刻化している
データ量を増やしても性能が上がらず、精度の頭打ちに直面している
品質への不安から再検品が必要となり、開発計画の遅延が生じている
「人」と「AI」が協働し、アノテーションと品質管理を効率化
継続的なプロジェクトの最適化により3つの課題を同時に解決
SOLUTION
ネクストリーマーでは、AI・エンジニア・アノテーターが緊密に連携する「Human-in-the-Loop」のアプローチを採用しています。アノテーションの工程をAIに丸投げするのではなく、人とAIが互いにフィードバックを与え合うサイクルを形成することにより、データ作成の工数を最大40%削減できるため、高い品質水準を満たす大規模なデータセットも迅速に構築可能です。
工数削減率最大40%
エンジニアが調整を加えた学習済モデルで事前アノテーションを実施。ゼロベースのラベル付け工程を自動化することで、データ量に比例した費用の増加を抑制します。
AIがラベル付データの不整合やノイズを検知し、リスクを数値化。アノテーターが高リスク箇所の修正に重点的にあたることで、精度の向上とばらつきの抑制を実現します。
AI・エンジニア・アノテーターの協働でデータ作成とモデル改善のサイクルを高速化。プロジェクトの立ち上げから目標精度への到達期間を大幅に短縮します。
※工数削減率はプロジェクトの規模や環境により変動します。

REASONS

アノテーション作業の信頼性向上を目的に、筑波大学との共同研究を実施。手法の標準化・ガイドラインの策定・再現性の担保といった品質保証に関わる検証結果を基に、学術的知見と現場の実務を融合した品質管理体制を構築しています。

単なるラベル付けの代行にとどまらず、仕様策定や環境・ツールの整備といった上流工程から参画。各工程を段階的かつ体系的に進める一貫したプロセス管理によって、お客様のビジネス課題に最適化されたソリューションを提供しています。

アノテーション作業が進行する中で発生する想定外のケースにも柔軟に対応。当初の方針や進め方をそのまま採用し続けるのではなく、仕様書およびガイドラインの継続的な更新を行うことによって、特殊なデータも有効に活用する体制を整えています。
お預かりしたデータや成果物は、当該プロジェクトにおいてのみ利用し、自社の製品・サービスへの転用はいたしません。
最小限の関係者に対するアクセス権の限定、ログの記録・監視によって、安全にデータを保管し、情報の漏洩を防ぎます。
当該データで学習したモデル、中間生成物、不要となったデータは、プロジェクトが完了し次第、速やかに破棄します。
PROCESS
CASE STUDIES

画像認識AIの精度向上に向けて、大規模なセグメンテーションを短納期で実施したプロジェクト。複雑で難解な大量の画像データを、技術的なプロセス刷新と盤石な運用体制で迅速かつ高い精度で処理し、品質・規模・スピードを高い基準で両立することに成功しました。

農作物の検出精度向上に向けて、仕様策定からアノテーションまで一貫して支援したプロジェクト。顧客企業と密に連携しながら、農作物の各種器官(花弁、果実、がくなど)の状態を基準として生育段階を厳密に定義し、専門知を取り入れた仕様書の策定から参画したことで、検出精度を大幅に改善することに成功しました。

アノテーションツールの調査や環境構築、カスタマイズ等を含めてAI開発を支援したプロジェクト。「複数の仕様書に従って多角的な視点でアノテーションをしてほしい」という要望に応えるため、エンジニアが設定や仕様に調整を加えた独自のツールを実装し、大幅な工数削減と情報密度の高いデータセットの納品に成功しました。
画像・動画・音声・テキスト・3D点群のアノテーションに対応しています。画像ではバウンディングボックス、ポリゴン、セグメンテーション、骨格のキーポイント、動画では行動やイベントの区間指定、音声では文字起こしや感情の付与、テキストではタグ付けや関係の付与を行います。VLM(視覚言語モデル)の学習に使う画像・映像の説明文の作成と修正、生成AIの出力の評価にも対応しています。
はい。COCO、YOLO、Pascal VOCといったデータセットの形式や、CSV・JSONなど、学習に使うフレームワークが読み込める形式に合わせて納品します。形式は作業を始める前に決めて仕様書に記載し、途中で変換が必要にならないようにします。
データの種類とアノテーションの手法、件数、1件あたりの対象物の数、求める品質(チェック体制)で決まります。作業単価に、仕様策定・プロジェクト管理・検品の費用を積み上げてお見積もりします。一般的な目安は、画像のバウンディングボックスが対象物1つ15円程度、セグメンテーションが1枚300〜500円程度で、難易度や対象物の数によって変わります。
はい。少量のデータで行うパイロットから始められます。パイロットで仕様書と作業環境が妥当かを確かめ、1件あたりの作業時間と品質を測ったうえで、本作業の見積もりと体制をご提案します。
データの量と仕様の難しさによって変わります。パイロットで測った作業時間をもとに、必要な体制と納期をご提案します。数万枚規模の高難度な画像のセグメンテーションを数か月で完了した実績があります。短納期をご希望の場合は体制を前倒しで立ち上げて対応しますが、単価が上がることがあります。
はい。AIの用途と判断基準をヒアリングし、仕様書とアノテーションガイドラインの策定から支援します。作業の途中で想定外のケースが出てきた場合も、仕様書とガイドラインを更新しながら進めます。
お預かりしたデータと成果物は当該プロジェクトにのみ利用し、自社の製品・サービスには転用しません。アクセス権を最小限の関係者に限定してログを記録・監視し、学習したモデル・中間生成物・不要になったデータはプロジェクトの完了後に速やかに破棄します。