場所でつながるSNS「Neeboor ( https://neeboor.com )」の開発と運営。リアルとオンラインの交差点にコミュニティを作ることを基点に、人々の日常生活をより豊かにすることを実現します。

日本の産業に、売上を生み出すインフラを。 株式会社Nanimonoは、ブルーカラー領域に特化した営業支援会社です。 建設業、設備工事業、運送業、物流業、産業廃棄物処理業、清掃業など、 日本を支える現場産業には優れた技術やサービスを持ちながらも、営業ができないという理由だけで成長機会を逃している企業が数多く存在します。 私たちはそうした企業に対し、 新規顧客開拓、営業組織構築、商談創出営業戦略設計、採用ブランディング、M&A仲介などを提供しています。 単なる営業代行ではありません。 現場企業が継続的に売上を生み出せる仕組みをつくり、事業成長を支援することが私たちの役割です。 現在は建設・設備・物流・産廃・清掃業界を中心に支援を行っていますが、 将来的にはブルーカラー産業全体の営業インフラになることを目指しています。

Lypo-Cをはじめとする健康関連商品、美容関連商品、オリジナルブランド商品の開発及び販売

Ceedでは、SNSコンテンツを自律的に生成・運用するAIエージェントを開発しています。 企画、制作、投稿、分析、改善までを一気通貫で行い、AIエージェントと人間が連携しながらSNSアカウントを運用しています。目的は、AIでコンテンツを作ること自体ではなく、実際の事業成果につなげることです。「どんなテーマが伸びるのか」「なぜ再生されたのか」「次に何を改善すべきか」を考え、担当するアカウントのKPIを実際に動かしています。 インターン生にも、単なる制作補助ではなく、実際のSNSアカウントとKPIを担当してもらいます。AIエージェントを事業に組み込み、価値と成果を生み出す経験ができる仕事です。

【AI活用コンサルティング& システム開発】 業務課題の棚卸しから、プロトタイプ開発、本番導入、 現場定着まで一気通貫でサポート。 生成AI、画像解析、音声認識、データ分析基盤など、 最適な技術で課題を解決します。 以下プロジェクト例↓ ・対話型マーケティング分析AI（LLM） 自然言語でデータ分析が可能なAIツールをPoC開発。SQLが書けない非エンジニアでも、誰でも簡単にデータインサイトを得られる環境を構築。キャンペーン効果の分析や市場トレンドの把握を高速化。 クライアント：大手食品・飲料メーカー 主要技術：Vertex AI, Bigquery, python, Deep Learning ・介護記録システム（音声認識AI） 音声入力で介護記録を自動生成するシステムを開発。介護スタッフの事務作業負担を軽減し、ケアに集中できる環境を実現。 クライアント：介護施設 主要技術：音声認識AI, typescript, React, ChatGPT API ・ワンコールAI（自社プロダクト） 自然な会話が可能な音声AIによるテレアポ自動化、お客様対応自動化。応答速度0.3秒を実現し、人間と変わらない対話体験を提供。 クライアント：営業支援企業 主要技術：音声認識AI, RAG, python, Gemini API ・マルチ運送伝票OCR（画像認識AI） 汚れや折れがある伝票でも高精度で読み取り可能なOCR（画像認識）を開発。手入力作業を大幅に削減し、業務効率を向上。 クライアント：物流業界大手 主要技術：画像認識AI, Gemini API, Streamlit

婦人服の企画、製造及び販売を行っている1980年設立のアパレルメーカーです。 全国百貨店を中心に、30～40代向けレディースブランドを約80店舗展開。 時代の変化と共にブランドを刷新し、45年以上にわたって愛され、お客様の人生に彩りを与え続けています。 【ブランド】 INED、DAY by DAY It's international、M Maglie le casetto、Le souk、7-ID concept.、ef-de Black、la veille by SUPERIOR CLOSET、FAVORITE、ADER.bijoux

「深いScienceの知見で未踏の課題に挑む」 私たちは、アカデミックな深いScienceの知見を基盤に、未踏の課題へ挑む東大松尾研発スタートアップです。 IDATENaseのMissionは、「AIで研究開発を高速化し、科学の進歩に直接貢献すること」。 自然科学領域に特化した研究開発型AIスタートアップとして、単なる受託開発会社ではなく、研究の現場に深く入り込みます。問いを構造化し、仮説を立て、検証を回し続ける。そのプロセスそのものを加速させることが、私たちの仕事です。 私たちが向き合う課題の例 ▍細胞画像データを用いた品質予測AI 顕微鏡画像と培養データを活用し、細胞状態や品質を予測するAIの開発に取り組んでいます。 細胞培養の研究では、細胞の状態や品質評価が重要ですが、現状では研究者の経験や目視観察に依存する部分も多く、評価のばらつきや作業負担が課題となっています。 本プロジェクトでは、顕微鏡画像から細胞コロニーの形状や密度、増殖パターンなどの特徴を抽出する画像解析モデルを構築し、培養条件や経時的な変化データと組み合わせて解析を行っています。これにより、細胞の品質や培養状態を定量的に予測するAIモデルの開発を進めています。 こうした技術により、細胞培養プロセスの効率化や品質管理の高度化など、ライフサイエンス研究を支えるデータ解析基盤の構築を目指しています。 ▍化学実験データからの反応条件最適化 化学実験データを活用し、反応条件の最適化を支援するAIの開発に取り組んでいます。 材料開発やプロセス開発では、温度、濃度、触媒量など多数のパラメータを試行錯誤しながら調整する必要があり、最適な条件を見つけるまでに多くの実験と時間が必要になります。 本プロジェクトでは、過去の化学実験データ（反応条件、収率、生成物情報など）を学習した機械学習モデルを構築し、反応結果を予測するとともに、次に試すべき反応条件の候補を提示するシステムの開発を進めています。 これにより、実験の探索空間を効率的に絞り込み、材料開発や化学プロセス研究における試行錯誤の回数を減らし、研究開発の高速化を目指しています。 ▍公開データを用いた地域状況の可視化・予測 政府機関や研究機関が公開している各種統計データを活用し、地域ごとの状況を可視化・分析するデータ解析プロジェクトに取り組んでいます。 公的データには、地域別の統計情報や人口動態など、多様な情報が含まれています。しかし、これらのデータは複数の機関に分散して公開されていることが多く、継続的に収集・整理し、分析に活用することは容易ではありません。 本プロジェクトでは、公開されている統計データを自動的に収集・統合するパイプラインを構築し、地域ごとの状況をヒートマップなどの形で可視化します。さらに、統計モデルや機械学習を用いた解析により、地域ごとの変化傾向の把握や将来予測にも取り組んでいます。 公開データの統合と解析を通じて、複雑な社会データを直感的に理解できる仕組みの構築を目指しています。 ▍診断機器に搭載されたセンサーデータからの構造抽出 産業機械などの診断装置に搭載された多様なセンサーから得られるデータを解析し、状態変化や異常兆候を検出するAIの開発に取り組んでいます。 近年の診断機器には、画像センサー、振動センサー、温度・圧力センサーなど、さまざまなセンサーが組み込まれており、多様なデータが継続的に取得されています。しかし、これらのデータは時系列かつノイズを含む複雑な構造を持つため、人間が直接解釈することは容易ではありません。 本プロジェクトでは、複数のセンサーデータを統合した時系列解析モデルを構築し、診断過程における特徴的なパターンや状態変化を自動的に検出するアルゴリズムの開発を進めています。 こうした解析により、機器の状態診断や異常検知の高度化など、診断機器から得られるデータを活用したAI解析の可能性を広げることを目指しています。