Search

新年明けましておめでとうございます。 皆様におかれましては、新春を清々しい気持ちでお迎えのこととお慶び申し上げます。旧年中は多くのお力添えをいただき、誠にありがとうございました。 おかげさまをもって、弊社は設立から10年目を迎えました。これもひとえに皆々様のご支援の賜物と深く感謝しております。   2025年も数多くの企業・団体様と共に、AIエージェント導入による課題解決に取り組みました。そのうちの一部ですが、リリースしたものをご紹介いたします。   2月に 株式会社パロマ・リームホールディングス様と資本業務提携 を結び、株式会社パロマ様のガス給湯器・ガスコンロの製造現場において、業務の効率化、工場の安全性向上、生産性向上に向けArithmerのAIエージェントが導入されました。   4月には 国立大学法人鳴門教育大学様に、スマホアプリ「セルデザ」を提供 、運用を始めました。学生が授業や実習、生活で気付いたことをテキスト情報としてメモに残すと、AIが分析してフィードバックし、セルフデザイン型学修を支援します。   9月には 戸田建設株式会社様に危険検知AIシステムを提供 しました。鉄筋加工機の作業中に危険な領域に手がかかると、AIが即座に検知し機械動作の中止を指示します。反応の速さが特徴で、長時間作業などによる注意力低下が原因で起きる事故を防止することが可能になりました。   CPAエクセレントパートナーズ株式会社様 が運営する簿記や会計ファイナンスを完全無料で学べるeラーニング「CPAラーニング」に、独自開発したAIエージェントを提供しました。経験豊富な講師の思考を組み込み、学習者からの質問に対して、意図を正確に把握して回答することができます。   これらの詳細やその他の新サービスについては、 ニュースリリースページ にてご紹介しております。   また最近ますます注目が集まっているAIエージェントについて、 特集ページ内に10本のコラム を発表し、多くの皆様にご好評いただきました。AIエージェント導入のポイントを詳しくわかりやすく解説しておりますので、ぜひ一度ご覧ください。 2026年は、新たにフィジカルAIもご紹介いたします。   弊社は、ミッション「数学で社会課題を解決する」のもと、10月に ビジョンとバリューを刷新 いたしました。新ビジョンは「最先端数学とAIで、お客様と社会の持続的成長を加速するグローバルイノベーターへ」、新バリューは「顧客価値を最大化する」「世界最先端の数学・AI技術を最速で実装し続ける」「公益性と長期視点で意思決定する」といたしました。 本年も、Arithmerは高度数学を活かしたAIエージェントやフィジカルAIの技術を通じて社会課題の解決に取り組み、皆様にとって価値あるサービスをご提供できるよう努めて参ります。   新たな年の皆様のご健康とご多幸を心からお祈り申し上げます。 2026年も変わらぬご愛顧、ご支援を賜りますようお願い申し上げます。

Arithmer株式会社（本社：東京都文京区、代表取締役社長：大田　佳宏）は、CPAエクセレントパートナーズ株式会社（本社：東京都新宿区、代表取締役社長：国見　健介）が運営する簿記や会計ファイナンスを完全無料で学べるeラーニング「CPAラーニング」に、独自に開発したAIエージェントを提供しました。   ■「CPAラーニング」の課題 質の高い講義や教材が無料で提供されている「CPAラーニング」の数十万人規模の受講者からの個別の質問にリアルタイムで対応することは困難でした。 特に簿記学習を始めたばかりの人は、些細な疑問が学習のつまずきの原因となり、挫折につながるケースが少なくないため、いつでもどこでも気軽に質問できる学習環境を実現することが課題となっていました。   ■提供したAIエージェントについて 　当社が独自に開発して提供したAIエージェントは、学習者からの想定質問に対する想定回答を導き出すという単なる自動応答システムではなく、経験豊富な講師の思考を組み込み、学習者に寄り添うことを可能としたマルチAIエージェントとなっております。 　具体的には、以下の３つのAIエージェントから構成され連携することで成り立っています。 　１．カリスマ講師の思考を搭載 　長年の経験に基づく専門知識や、「教え方のコツ」といった言語化しにくい暗黙知を実装 　２．人間のように対話し、疑問を深堀り 　学習者からの曖昧な質問や複数の論点が混ざった複雑な質問に対してもその意図を正確に把握して対話 　３．簿記の枠を超えたキャリア相談にも対応 　資格取得後の未来を見据えた学習者からのキャリアに関する悩みにもアドバイス提供可能 Arithmer株式会社は、今回「CPAラーニング」に提供したAIエージェントに限らず、お客様の様々な課題解決に、AIエージェントを活用したAIシステムを提供し、お客様と社会の持続的成長を加速してまいります。     ●「CPAラーニング」とは 　2020年10月にサービス開始し、2025年12月現在80万人超が登録している完全無料のe-ラーニングプラットフォームです。日商簿記検定３級～１級の試験対策講座の他、経理実務、管理会計、資金調達、M&A/IPO、会計Excelや内部統制など、主に会計・経理・ファイナンス人材が実務で必要とする知識やスキルが1,700本以上用意されており、公認会計士や税理士・経営者など経験豊富なプロがわかりやすく解説しています。 　※CPAラーニング： https://www.cpa-learning.com/   本件に関するお問い合わせ先 Arithmer株式会社　広報担当 TEL：03-5579-6683 e-maril：press@arithmer.co.jp

平素は格別のご高配を賜り厚く御礼申し上げます。 弊社では、誠に勝手ながら2025年12月27日(土)から2026年1月4日(日)まで年末年始休業とさせていただきます。 なお、2026年1月5日(月)から営業いたします。 ご不便をお掛けし申し訳ございませんが、何卒ご理解賜りますようお願い申し上げます。 今後ともお引き立てのほど、よろしくお願い申し上げます。 【休業期間】2025年12月27日(土)〜2026年1月4日(日)

Arithmer（アリスマー）株式会社は、数学で社会課題を解決することをミッションとし、顧客とパートナーのDX化に寄り添うAI開発会社です。AIエージェント、浸水AI、予兆AIなどさまざまなソリューションを提供します。 ARITHMETICS FOCUSES ON SOCIAL CHALLENGES. ARITHMETICS FOCUSES ON SOCIAL CHALLENGES. ARITHMETICS FOCUSES ON SOCIAL CHALLENGES. ARITHMETICS FOCUSES ON SOCIAL CHALLENGES. 数学で社会課題を解決す る。 News 新年のご挨拶 4 日前 CPAラーニングにAIエージェントを提供 ニュースリリース 2025年12月24日 年末年始の休業に関するお知らせ 2025年12月23日 戸田建設に危険検知AIシステムを提供 ニュースリリース 2025年10月27日 当社の新ビジョン・新バリューを制定しました ニュースリリース 2025年10月15日 お知らせ ニュース一覧へ 事業内容 Solutions AIエージェント ボタン 製造AI ボタン インフラAI ボタン リテールAI ボタン 風力AI ボタン 物流AI ボタン ボタン バイオAI ボタン 浸水AI ボタン 主な取引先 ※正式にロゴ掲載許可をいただいたお取引先様のみアルファベット順に掲載しております。

AI技術×シミュレーションで圧倒的に速い解析時間を実現します。シミュレーションを行うには、知識や膨大な試行回数が必要になり、結果が出るまで数ヶ月を要することがあります。 私たちの流体予測AIシステムでは、これら課題を解決し、活用場面を広げていきます。 バイオAI Bio AI 熟練技術者の技術の継承や 後継者の育成をロボットで再現 新薬開発の現場は、熟練者への依存度が高く、技術の継承や後継者の育成などに課題を抱えています。高度数学技術をロボット技術に掛け合わせることで、職人技の動作を再現します。また、この技術を農業や水産業にも展開しています。 お問い合わせはこちら こんなお悩みありませんか？ 複雑で不定形な作業工程を 自動化することができないか 新薬開発における技術継承、 後継者育成が進まない 高齢化が進み、野菜の収穫作業の 省力化や軽労化が急務 バイオAIはそんなあなたの課題を解決します バイオAIの特長 人が行うしかなかった作業を 自動化することで業務負荷を軽減 これまで困難とされていた不定形で軟体物なものに対しても、コンパクトな多関節ロボットを用いることで正確な繰り返し作業を行えます。 ”神の手”の動きをロボットで再現 これまでロボットでは再現が不可能とされていた熟練技術者の動きを、動作解析技術と3Dデータ処理技術で再現ができるようになりました。 AI画像解析や3D点群処理技術を 活用した自動収穫ロボを研究 さまざまなサイズの農作物を自動で収穫するため、収穫対象物の画像解析や3D点群処理技術を活用して、繊細な作業をロボットに代替します。 ※画像はイメージです 3Dピッキングロボットの活用で人とロボットの協働が可能に さまざまな器具を取り扱う研究現場において、複数作業を実施可能なハンドを装着した3Dピッキングロボットを使用。画像認識技術を活用して対象物の位置情報を認識することで正確な作業を繰り返し行うことが可能となります。 INPUT 対象物の画像 デプス画像 AIシステム AI画像解析 3Dデータ処理 OUTPUT アームによる吸着・把持 ティーチングでは難しい職人技を高度数学技術で実装 他の誰にも再現できない技を持つ方、いわゆる「神の手」の技術をArithmer Roboの再現力で実装できることが実証されています。 INPUT 人の動作をモーションセンサーで取得 AIシステム 動作解析 3Dデータ処理 OUTPUT 動作をロボットで再現 ※画像はイメージです 導入事例 ※画像はイメージです 株式会社デンソーウェーブ様 人が行っていた細かな繰り返し作業をロボットで自動化し、人の負荷を軽減 より詳しく Arithmerではさまざまな業種の課題を解決できるソリューションがあります。 紹介事例以外でも、お気軽にお問い合わせください。 お問い合わせはこちら

AI Agent Column 9 2025.11.10 AI Agent導入step3 “設計” AI Agent導入の4ステップ「理解」「選定」「設計」「計画」。前回（第8回）はステップ2「選定」について、3つの評価軸に基づき、的確に適用業務を見極めることの重要性をお話ししました。 さて、今回はステップ3「（3）設計 (Design)」です。選定した業務に対し、AI Agentをどのように業務プロセスに組み込みむのかの to-be を描きます。 ―――― AI Agentの業務への組み込みにおける3つの課題 第6回のコラムでも触れましたが、AI Agentの実業務への組み込みには、特有の課題が伴います。それは、AI Agentが持つ本質的な特性に起因します。実業務にAI Agentを組み込む際には、特に以下の3つの課題に正面から向き合い、対処していく必要があります。 1. 不確実な挙動 AI Agentの中核となるLLMは、その仕組み上、確率的(stochastic)に動作します。これは多様な応答を生む源泉ですが、常に予測通りの結果が得られるとは限らない、ということを意味します。従来のAI活用では最終判断を人が担うことが多かったですが、AI Agentには自律的な「判断」まで期待される場面が増えます。そのため、どこまでAIの柔軟性（確率性）を活かし、どこで確実性（決定論）を担保し、どのタイミングで人間が介入するのか、そのバランスを慎重に設計する必要が出てきます。 2. 知識の不足 LLMは膨大な公開情報を学習しており、一見すると非常に博識に見えます。しかし、特定の業務を適切に遂行するために真に必要な、現場固有の専門知識や、経験に裏打ちされた「暗黙知」（例えば、顧客対応の細かなニュアンスや、特定の状況下での最適な判断など）は、学習データに含まれていないことがほとんどです。AI Agentが人間の「判断」や「調整」といった領域に踏み込む際、この知識不足がしばしばボトルネックとなります。これは単純なデータ追加で短期的に解決できるものではなく、運用を通じて知識を獲得し続ける「長期的な仕組み」の設計が求められます。 3. 要件・環境の変化 ビジネスを取り巻く環境や、業務の要件、利用するデータ、連携する外部システムの仕様などは、常に変化し続けます。導入時に完璧と思える設計をしたとしても、時間経過と共にそのパフォーマンスが劣化したり、現状の業務との間にズレが生じたりするのは避けられません。そのため、AI Agentを業務で継続的に利用するには、これらの変化を検知し、迅速に適応・改善していくための仕組み（例えば、継続的な評価プロセスやフィードバックループなど）を、あらかじめ設計に組み込んでおく必要があります。 課題に対処する設計アプローチ AI Agentの核心的課題（不確実性、知識不足、変化）に立ち向かう設計アプローチとして、「フィードバック」に着目することが鍵となると考えています。つまり、AI Agentを運用する中で得られる様々な情報（フィードバック）を、いかに効果的に「取得」し、そして「活用」してシステムを進化させていくか、という観点です。 1. フィードバックの「取得」 まず重要なのは、どのようなフィードバックを、どうやって取得するかです。これには、タスクの「クリティカルさ」に応じた設計が有効です。 ● クリティカルなタスク (更新系の処理や外部とのインタラクションなど） 人間による確認・修正をプロセスに組み込みます。ここで人間が行った判断や修正そのものが、AIに不足している知識を示す質の高いフィードバック（Human Feedback: HF）となります。 ● ノンクリティカルなタスク（間違いの影響が小さい処理） AIに自律的な実行とエラー対処を試みさせます。この過程でシステムが検知・記録したエラー情報や、その対処結果が、改善のためのフィードバックとなります。 2. フィードバックの「活用」 次に、取得したフィードバック（人間の修正やエラー情報）を、AI Agentの改善にどう繋げるかです。一回のフィードバックから以下の二通りの活用するのが効果的です。 ● Deterministic 機構による同一事象への「確実な対応」 一度フィードバックが得られた事象（特定の指示や状況）に対しては、同じ失敗を繰り返さないことが重要です。得られた知見をシステムに登録・蓄積し、次回以降、同一事象が発生した際には、決定論的(Deterministic)機構がその知見に基づいて対応します。これにより、システムの信頼性・再現性が向上します 。 ● tochastic 機構による類似事象への「柔軟な対応力向上」 過去のフィードバックが得られた事象とは完全には一致しない場合でも、類似の事象から学ぶことが期待されます。フィードバックから得られた知見を登録・蓄積し、LLMなどの確率的(Stochastic)機構に学習させることで、より適切な判断や応答ができるように進化させることができます。これによりAIの汎化能力が高まり、対応範囲が広がります 。 このように運用の中で自然にHumanフィードバックや Systemフィードバックを取得し、 Deterministic機構とStochastic機構に知見を取り込めるようなサイクルを設計することで、AI Agentは運用を通じて知識を蓄積し、不確実性を低減させ、変化にも適応していくことができると考えています。 ―――― 今回は、AI Agent導入のステップ3「設計」について、その核心的課題（不確実性、知識不足、変化）に対処するための重要な考え方として、「フィードバック」の取得と活用を中心とした設計アプローチをご紹介しました。 さて、次回（第10回）は、いよいよ最終ステップ「計画」です。これまで設計してきたAI Agentのto-beを実現するために、具体的な導入計画をどのように立てていくべきか、そのポイントを解説します。ぜひご期待ください。 前の記事へ AIエージェントページへ 次の記事へ