# 株式会社Nextremer

> 株式会社Nextremer(ネクストリーマー)は、AIモデル構築と教師データ作成を得意とするAIソリューション企業。機械学習モデルの開発・検証からアノテーションまでをワンストップで提供し、PoCから本番運用まで支援。

株式会社Nextremer(ネクストリーマー)は高知県に本社、石川県金沢市にR&Dセンターを置く日本のAI企業です。
主な事業は AIソリューション(AIモデルの開発・PoC・運用)と、AI学習用データのアノテーション・データ提供です。
記事・事例の本文まで含む全文版は https://nextremer.com/llms-full.txt にあります。

## 会社概要

- 社名: 株式会社Nextremer（ネクストリーマー） / Nextremer Co.,Ltd.
- 事業内容: AIソリューション事業 / データアノテーション事業
- 所在地: Nextremer 本社 〒783-0060 高知県南国市蛍が丘1-1-2 南国オフィスパークセンター別棟 3F / Nextremer R&Dセンター 〒920-0862 石川県金沢市芳斉1-3-3 三谷産業芳斉ビル 1F / Nextremer 高松オフィス 〒760-0071 香川県高松市藤塚町1-10-30 ベストアメニティ高松ビル 2F
- 設立: 2012年10月
- 資本金: 1億円
- 代表取締役社長CEO: 向井 永浩
- 公式サイト: https://nextremer.com(英語版: https://nextremer.com/en)

## サービス

- [AIソリューション](https://nextremer.com/ai-solution): データの価値を最大化するAIソリューションを提供。生成AI、画像認識、自然言語処理、数値解析まで幅広いAI開発に対応し、PoCから本導入・運用まで一貫支援。高品質な教師データ作成と品質管理でAIシステムの精度を担保し、最適なAI活用を実現。課題特定からPoC、実装、運用・保守まで専門チームが伴走します。
- [データアノテーション](https://nextremer.com/data-annotation): AIプロジェクトの8割を占める”データづくり”を変えるアノテーション統合ソリューション。AI × エンジニア × アノテーターが連携し、アノテーションと品質管理を最適化。大量データでもコスト・品質・リードタイムを同時に引き上げる。
- [データ提供](https://nextremer.com/data-supply): 製造・物流・農業・モビリティなどの現場で収集した実環境データを、生データ／共通アノテーション済み／カスタムアノテーションの3種類でご提供します。非独占ライセンスのため低コストで、購入したデータで作成した学習済みモデルやサービスは、ライセンス上の制限なく商用展開いただけます。
- [データ活用パートナーシップ](https://nextremer.com/data-partnership): 製造・物流・農業などの現場に眠る映像・画像・音声データを、Nextremerとの共有データ資産として収益化するパートナーシップです。生データ部分はパートナー90%の分配、加工費用は弊社負担。弊社が作成したアノテーション成果物も、パートナーの共有資産としてご活用いただけます。
- [Ropedia製品](https://nextremer.com/ropedia): 頭部装着型のマルチモーダル記録デバイス HOMIE Gen2 と、一人称視点データセット Xperience Enterprise のご紹介です。株式会社Nextremerは Ropedia社（シンガポール）の国内窓口として、日本語でのご相談と国内サポートを提供します。
- [資料ダウンロード](https://nextremer.com/downloads): データアノテーションの外注・見積りに役立つ資料を無料でダウンロードできます。見積りチェックリスト、サービス紹介資料など。
- [アノテーション外注・見積りチェックリスト](https://nextremer.com/downloads/annotation-outsourcing-checklist): 見積りのぶれと追加費用を防ぐ、依頼前の確認項目40。複数社の見積りを同じ条件で比べる比較表テンプレートと記入例つき。
- [データアノテーション サービス紹介資料](https://nextremer.com/downloads/annotation-service-overview): AI・エンジニア・アノテーターが連携するHuman-in-the-Loopで、データ作成の工数を最大40%削減。対応データ、進め方、品質管理、料金の考え方・ユースケースを16ページで紹介。
- [お問い合わせ](https://nextremer.com/contact): AI導入やデータ整備について、要件が固まっていない段階でもご相談いただけます。

## 導入事例

- [人の耳で聴き比べ、AIが生成した対話音声の品質を多角的に採点](https://nextremer.com/case-studies/ai-voice-quality-evaluation): AI音声生成サービスの品質改善に向けて、マルチターンの対話音声を人が聴き比べて評価した事例です。全体的な好みや指示への追従度など複数の指標で比較・採点し、モデル改善に使える評価データを提供しました。(顧客: 海外AI音声生成サービス事業者／業種: IT・金融・サービス／支援: データアノテーション／成果: 評価データ 複数指標による人手評価データを提供、評価のぶれ 評価者間の判断を揃える運用を確立) (2026-10-09)
- [自動運転の安全論証を効率化、蓄積データから必要な情報を引き出す仕組みを支援](https://nextremer.com/case-studies/autonomous-driving-safety-argument): 自動運転や安全装置の開発で求められる安全論証について、シナリオや評価基準などのドキュメント作成を効率化した事例です。蓄積データから論証に必要な情報を抽出するデータ分析を行いました。(顧客: 大手自動車メーカーD社／業種: 製造／支援: AIソリューション／成果: ドキュメント作成 安全論証に必要な文書作成を効率化、データ活用 蓄積データから論証に必要な情報を抽出) (2026-10-09)
- [撮影ブースの設計から被験者募集まで、カメラ開発用の人物データを仕様どおりに収集](https://nextremer.com/case-studies/camera-development-data-collection): 海外大手通信機器メーカーのカメラ開発に向けて、社内に専用の撮影ブースを設け、被験者モデルの募集から仕様書どおりのポーズ・画角での撮影までを一貫して担った事例です。(顧客: 海外大手通信機器メーカー／業種: 製造／支援: AIソリューション／成果: 収集データ 仕様書のポーズ・画角に沿った人物画像を安定して収集、撮影体制 社内の専用ブースで条件をそろえた撮影を継続) (2026-10-09)
- [夜景を中心に、AIによるカメラ画像補正の学習データを現地で撮影・収集](https://nextremer.com/case-studies/camera-image-correction-data-collection): カメラ画像をAIが自動で補正するモデルの開発に向けて、夜景を中心に条件・構図の異なる画像を撮影した事例です。社員が現地で撮影方法を模索しながら、求められる条件を満たすデータを集めました。(顧客: 海外大手通信機器メーカー／業種: 製造／支援: AIソリューション／成果: 収集データ 夜景を中心に条件・構図の異なる画像を網羅的に収集、撮影ノウハウ 条件を満たす撮影方法を現地で確立) (2026-10-09)
- [介護施設の映像から利用者の特定行動を拾い上げ、見守りAIの学習データを整備](https://nextremer.com/case-studies/care-facility-behavior-annotation): 介護施設で撮影された映像に対し、検出が必要な利用者の特定行動へタイムスタンプを付与した事例です。行動の始まりと終わりの判断基準を揃え、見守りAIの開発に使える時系列データを整備しました。(顧客: 国内大手ヘルスケアメーカー／業種: 社会インフラ・ライフサイエンス／支援: データアノテーション／成果: 学習データ 複数の行動を時系列で記録したデータを整備、判断基準 行動の開始・終了の判定を統一) (2026-10-09)
- [介護現場の専門用語に強い音声認識で、口頭記録を構造化データに](https://nextremer.com/case-studies/care-record-speech-recognition): 介護福祉の現場で話された記録から、健康状態などの情報を抽出・構造化するAIモデルを開発した事例です。現場特有の用語を学習させ、音声認識と情報抽出の精度を高めました。(顧客: 国内ヘルスケアメーカー／業種: 社会インフラ・ライフサイエンス／支援: AIソリューション／成果: 記録業務 口頭記録から必要な情報を自動で構造化、認識精度 現場特有の専門用語・固有名詞の誤認識を抑制) (2026-10-09)
- [高齢ドライバーの走行データ収集から分析・アノテーションまで一貫支援](https://nextremer.com/case-studies/cognitive-function-estimation-driving-data): 運転から認知機能を推定するモデルの開発に向けて、被験者募集から走行データの収集、分析、アノテーションまでを一貫して支援した事例です。現地での実験サポートも担いました。(顧客: 大手自動車メーカーA社／業種: 製造／支援: AIソリューション・データアノテーション／成果: データ収集 被験者募集から走行データ収集まで一貫対応、開発基盤 分析・アノテーション済みの学習データを整備) (2026-10-09)
- [プロの色調補正を再現する画像補正モデルの開発を支援](https://nextremer.com/case-studies/color-correction-model): 撮影した画像を、プロのカメラマンが仕上げたような色調へ自動で補正するモデルの開発を支援した事例です。好みの分かれる「色」を学習可能な形に落とし込みました。(顧客: 海外大手通信機器メーカー／業種: 製造／支援: AIソリューション／成果: 画質 プロの仕上がりに近い色調補正を自動化、開発体制 研究開発チームと並走して検証を推進) (2026-10-09)
- [建築現場の画像に手法を使い分けてラベルを付け、施工状況をリアルタイムに推定するAIを支援](https://nextremer.com/case-studies/construction-progress-annotation): 建築現場の状況をリアルタイムで推定するモデルの開発に向けて、多様な対象物にアノテーションを行った事例です。対象物の性質に応じてバウンディングボックスとセマンティックセグメンテーションを使い分け、学習に適したデータを整備しました。(顧客: AI・ロボット技術系企業／業種: 社会インフラ・ライフサイエンス／支援: データアノテーション／成果: アノテーション設計 対象物ごとに最適な手法を選定、学習データ 建築状況推定に適したデータを整備) (2026-10-09)
- [サーモカメラで検温し結果を自動報告する、非接触型検温ロボットを開発](https://nextremer.com/case-studies/contactless-thermometer-robot): 携帯端末とサーモカメラで非接触の検温を行い、結果を担当部署へ自動で報告する検温ロボットのモデル開発を担当した事例です。導入後の遠隔サポートまで対応しました。(顧客: 国内大手産業機器メーカー／業種: 製造／支援: AIソリューション／成果: 検温業務 非接触での検温から報告までを自動化、運用 遠隔サポートで導入後の安定稼働を支援) (2026-10-09)
- [テキストマイニングでCSRレポートの品質を評価するモデルを開発](https://nextremer.com/case-studies/csr-report-quality-evaluation): CSRレポートに含まれるキーワードの出現傾向から、レポートの品質を評価するモデルの開発を支援した事例です。分析の前提となるデータ整形から一貫して担当しました。(顧客: コンサルティング会社／業種: IT・金融・サービス／支援: AIソリューション／成果: 評価業務 レポート品質をデータに基づいて評価できる仕組みを構築、データ基盤 分析しやすい形にレポートデータを整形) (2026-10-09)
- [お客様相談室にAI対話システムを導入し、問い合わせ対応を支援](https://nextremer.com/case-studies/customer-support-dialogue-system): 電話・メールで受けていたお客様相談窓口に、AI対話システムを導入した事例です。質問文から対象の機能を推定して回答するモデルの開発と、対話シナリオの作成を担当しました。(顧客: 大手自動車メーカーA社／業種: 製造／支援: AIソリューション・データアノテーション／成果: 問い合わせ対応 質問の対象機能を推定し、適切な回答を返す仕組みを構築、学習データ ユーザーの想定発話と対話シナリオを整備) (2026-10-09)
- [英文の顧客アンケートから機能への評価を抽出する、系列ラベリングモデルの開発を支援](https://nextremer.com/case-studies/customer-survey-sequence-labeling): 大手自動車メーカーの海外顧客分析に向けて、英文アンケートから機能に関する評価を抽出する機械学習モデルの開発を支援した事例です。系列ラベリング用のアノテーションから担いました。(顧客: 大手自動車メーカーA社／業種: 製造／支援: データアノテーション・AIソリューション／成果: 分析対象 英文の自由記述から機能ごとの評価を抽出できる状態に、学習データ 系列ラベリングに使える英文アノテーションデータを整備) (2026-10-09)
- [最新の論文手法を実装・検証し、画像と動画から奥行きを推定するモデルの開発を支援](https://nextremer.com/case-studies/depth-estimation-model): 単眼・複眼カメラで撮影した画像や動画から深度を推定するモデルについて、論文の手法を実装して検証した事例です。研究段階の技術を製品で使えるかを見極めるための材料を提供しました。(顧客: 海外大手通信機器メーカー／業種: 製造／支援: AIソリューション／成果: 技術検証 論文手法の実装と有効性の検証、対応カメラ 単眼・複眼の両方で深度推定を検証) (2026-10-09)
- [対話AIとの会話の「没入感」を測るため、データ収集から感情アノテーションまで支援](https://nextremer.com/case-studies/dialogue-immersion-emotion-annotation): ユーザーが対話AIとの会話にどれだけ入り込んでいるかを分析するモデルの開発に向けて、データ収集の設計から文字起こし、感情アノテーション、音声分析までを一気通貫で支援した事例です。(顧客: 大手自動車部品メーカー／業種: 製造／支援: AIソリューション・データアノテーション／成果: データ収集 収集方法の設計から実施まで一気通貫で対応、分析基盤 文字起こし・感情ラベル・音声分析を備えたデータを整備) (2026-10-09)
- [斜めや湾曲で歪んだ紙の画像を、まっすぐ伸ばしたように補正するモデルを開発](https://nextremer.com/case-studies/distortion-correction-model): カメラで撮影した書類などの歪んだ紙の画像を、平らに伸ばしたような画像へ補正するモデルの開発を支援した事例です。撮影時の角度や紙のたわみに左右されず、読みやすい画像を得られるようにしました。(顧客: 海外大手通信機器メーカー／業種: 製造／支援: AIソリューション／成果: モデル 歪んだ紙の画像を補正するモデルを開発、画像品質 撮影条件に左右されにくい補正を追求) (2026-10-09)
- [作図者ごとのクセまで読み解き、製図図面をデータ化するAIの認識精度向上に貢献](https://nextremer.com/case-studies/drawing-digitization-annotation): フォーマットの異なる工業部品の製図図面をデータ化するAIの開発に向けて、図面ごとの書き方やルールを分析しながらアノテーションを行った事例です。顧客と協議を重ねて基準を固め、モデルの認識精度向上に寄与しました。(顧客: AI・DX化を手がける企業／業種: 製造／支援: データアノテーション／成果: モデル精度 認識精度の向上に寄与、アノテーション基準 図面ごとの差異を吸収できる基準を確立) (2026-10-09)
- [運転状況推定モデルのために、道路状況と道路標識を一貫した基準でアノテーション](https://nextremer.com/case-studies/driving-assistance-road-annotation): 大手自動車メーカーの運転支援システム開発に向けて、運転状況を推定するモデルの学習データとして、道路状況や道路標識へのアノテーションを行った事例です。(顧客: 大手自動車メーカーA社／業種: 製造／支援: データアノテーション／成果: 学習データ 道路状況・道路標識を網羅したデータセットを納品、品質 判断の割れやすい場面でも基準をそろえて作業) (2026-10-09)
- [大量の運転データを高速に処理し、運転傾向と事故リスクの関係を分析](https://nextremer.com/case-studies/driving-data-analysis): データプラットフォーム上の自動車の運転データから、運転の傾向と事故の起こしやすさとの関係を分析した事例です。大量データを扱うため処理の高速化もあわせて行い、分析を回せる環境を整えました。(顧客: 大手自動車メーカーA社／業種: 製造／支援: AIソリューション／成果: 分析 運転傾向と事故リスクの関係を可視化、処理性能 大量データの分析処理を高速化) (2026-10-09)
- [シミュレーション上のロボットとの対話データを集め、ランドマークにアノテーション](https://nextremer.com/case-studies/driving-simulation-dialogue-annotation): 音声指示でユーザーの元へ移動するポーターロボットの開発に向けて、シミュレーション環境での対話データ収集とランドマークへのアノテーションを支援した事例です。(顧客: 大手自動車メーカーA社／業種: 製造／支援: AIソリューション・データアノテーション／成果: データ収集 シミュレーションを活用し、安全かつ効率的に対話データを収集、学習データ ランドマークを手がかりにした指示理解のデータを整備) (2026-10-09)
- [設備保全DBの全体構想から情報整理・データ入力まで、一気通貫でDX化を支援](https://nextremer.com/case-studies/equipment-maintenance-database): 大手自動車メーカーの設備保全管理を行うデータベースの構築に向けて、全体構想の策定から情報の整理、データ入力までを一気通貫で支援した事例です。(顧客: 大手自動車メーカーA社／業種: 製造／支援: AIソリューション／成果: データ基盤 設備保全の情報をDBで一元管理できる状態に、進め方 構想から入力まで同じチームが担い、手戻りを抑制) (2026-10-09)
- [FAQ作成に向けて、Webサイトから情報を収集・整形](https://nextremer.com/case-studies/faq-scenario-data-collection): FAQの作成に必要な情報をWebサイトから収集し、使いやすい形に整形した事例です。散らばった情報を、対話シナリオやFAQに使えるデータへまとめ直しました。(顧客: 私立大学／業種: 研究機関／支援: AIソリューション／成果: 情報整理 Webサイトに散在していた情報をFAQ用データに集約、活用 FAQ・対話シナリオづくりにそのまま使えるデータを納品) (2026-10-09)
- [人では思いつかない解決策を生成AIに出させる、プロンプト設計とファインチューニング用データ作成](https://nextremer.com/case-studies/generative-ai-prompt-validation): 生成AIに斬新なアイディアを出させるためのプロンプトエンジニアリングを行い、テーマごとに有効性を検証した事例です。生成したデータにアノテーションを行い、ファインチューニングに使える学習データも作成しました。(顧客: 大手自動車メーカーA社／業種: 製造／支援: AIソリューション・データアノテーション／成果: 検証 テーマ別にアイディア出しの有効性を確認、学習データ ファインチューニング用データを作成) (2026-10-09)
- [車の目的地推定に向けて、GISで施設ポリゴンを作成し自動生成分の検査まで担当](https://nextremer.com/case-studies/gis-facility-polygon-creation): 大手自動車メーカーの目的地推定モデル開発に向けて、GISを用いて施設のポリゴンデータを作成した事例です。自動生成されたポリゴンの検査もあわせて行いました。(顧客: 大手自動車メーカーA社／業種: 製造／支援: データアノテーション／成果: 地理データ 目的地推定に使える施設ポリゴンを整備、品質 自動生成ポリゴンの誤りを人の目で検出・補正) (2026-10-09)
- [車載カメラ向けの多様な映像を、収集方法の設計から集めてアノテーション](https://nextremer.com/case-studies/in-vehicle-camera-data-collection): 車載カメラ向けモデルの開発に使う多様な映像の収集と、収集データへのアノテーションを支援した事例です。収集方法の設計、ガイドライン策定から実作業までを一気通貫で担当しました。(顧客: 大手車載機材メーカー／業種: 製造／支援: AIソリューション・データアノテーション／成果: データ収集 多様な条件の車載カメラ映像を計画的に収集、学習データ 多角的なアノテーションを付与したデータセットを整備) (2026-10-09)
- [日本語ネイティブの目で字幕を校正し、文脈に沿った感情ラベルを付与](https://nextremer.com/case-studies/japanese-subtitle-emotion-annotation): LLMが生成した日本語音声の字幕を日本人作業者が校正し、あわせて喜怒哀楽などの感情アノテーションを付与した事例です。機械では拾いきれない言い回しや文脈の機微を反映し、音声AIの学習に使える高品質なデータを提供しました。(顧客: 海外AI技術系企業／業種: IT・金融・サービス／支援: データアノテーション／成果: 字幕品質 ネイティブ視点で自然な日本語に校正、感情ラベル 文脈を踏まえた一貫性のある付与) (2026-10-09)
- [専門アドバイザーと連携し、化学実験の映像に登場する実験機材をアノテーション](https://nextremer.com/case-studies/lab-equipment-annotation-for-vlm): 国立大学で進む、化学実験中の映像から実験機材を検出するVLMの開発に向けて、アノテーションを行った事例です。専門知識のある外部アドバイザーと連携し、機材の名称や使用用途を整理しながら作業しました。(顧客: 国立大学／業種: 研究機関／支援: データアノテーション／成果: 学習データ 実験機材を名称・用途とひも付けたデータを整備、専門性 外部アドバイザーとの連携で専門的な判断を担保) (2026-10-09)
- [暗所や高感度撮影で生じるノイズを取り除く、画像のノイズ除去モデルを開発](https://nextremer.com/case-studies/noise-reduction-model): ノイズの乗った画像を入力すると、ノイズを取り除いた画像を出力するモデルの開発を支援した事例です。細部の質感を損なわずにノイズだけを抑えることを目指し、カメラの画質向上に貢献しました。(顧客: 海外大手通信機器メーカー／業種: 製造／支援: AIソリューション／成果: モデル 画像のノイズ除去モデルを開発、画質 細部の質感を保ったままノイズを抑制) (2026-10-09)
- [塗装後の傷や異物を見つける欠陥検出モデルを、前処理から開発](https://nextremer.com/case-studies/paint-surface-defect-detection): 自動車の塗装表面にある傷や異物を検出するモデルの開発を支援した事例です。画像の前処理、アノテーション、認識モデルの開発までを一貫して担当しました。(顧客: 大手自動車メーカーA社／業種: 製造／支援: AIソリューション・データアノテーション／成果: 検査の自動化 塗装表面の傷や異物を検出する認識モデルを開発、データ品質 前処理から一貫して担い、学習データの質を確保) (2026-10-09)
- [PDF文書から情報を抽出する自然言語処理モデルを、アノテーションから開発](https://nextremer.com/case-studies/pdf-information-extraction): PDF文書に含まれる情報を抽出する自然言語処理モデルの開発を支援した事例です。文書内の情報同士の関係を捉えるアノテーションから、モデル開発までを担当しました。(顧客: 国立大学／業種: 研究機関／支援: AIソリューション・データアノテーション／成果: モデル PDF文書から情報を抽出する自然言語処理モデルを開発、学習データ 情報同士の関係まで表現したデータセットを整備) (2026-10-09)
- [歩行者がストレスを感じた瞬間を映像から特定し、要因をラベリング](https://nextremer.com/case-studies/pedestrian-stress-event-annotation): 大手自動車メーカーの研究開発に向けて、歩行者がストレスを感じている場面を映像から見つけ出し、そのタイムスタンプにストレス要因をラベリングした事例です。仕様策定の段階からデータエンジニアが支援しました。(顧客: 大手自動車メーカーB社／業種: 製造／支援: データアノテーション／成果: 学習データ ストレスイベントと要因をひも付けたデータを整備、仕様 主観の入りやすい判断を、作業できる基準に言語化) (2026-10-09)
- [向きのばらばらなプランクトンを、回転付きの枠（OBB）で正確にアノテーション](https://nextremer.com/case-studies/plankton-detection-obb-annotation): 国立大学の研究室で進む、特定のプランクトンを検出するモデルの研究開発に向けて、OBB（回転を考慮したバウンディングボックス）でアノテーションを行った事例です。(顧客: 国立大学／業種: 研究機関／支援: データアノテーション／成果: 学習データ 対象の向きまで捉えたOBBデータを整備、研究への貢献 検出モデルの研究開発を学習データ面から後押し) (2026-10-09)
- [カメラ画像から植物を見分けるモデルの研究に向けて、セマンティックセグメンテーションを実施](https://nextremer.com/case-studies/plant-detection-semantic-segmentation): 国立大学で進む、カメラ画像から植物を検出するモデルの研究開発に向けて、セマンティックセグメンテーションを行った事例です。葉や茎の細かな輪郭まで塗り分けた学習データを用意しました。(顧客: 国立大学／業種: 研究機関／支援: データアノテーション／成果: 学習データ 植物の領域を画素単位で塗り分けたデータを整備、研究への貢献 植物検出モデルの研究開発を学習データ面から支援) (2026-10-09)
- [ツールの調査と作業環境の構築から入り、3D点群データのインスタンスセグメンテーションを実施](https://nextremer.com/case-studies/point-cloud-instance-segmentation): 国内大手農機具メーカーの3D点群データを用いたモデル開発に向けて、インスタンスセグメンテーションを行った事例です。点群用アノテーションツールの調査と作業環境の構築からデータエンジニアが支援しました。(顧客: 国内大手農機具メーカー／業種: 社会インフラ・ライフサイエンス／支援: データアノテーション／成果: 学習データ 3D点群の物体を個別に識別したデータを整備、作業環境 点群アノテーションに適したツールと環境を用意) (2026-10-09)
- [音声指示で荷物を運ぶポーターロボットの対話システム研究を支援](https://nextremer.com/case-studies/porter-robot-dialogue-research): 音声で指示を受けて荷物を運ぶポーターロボットの開発に向けて、対話データの収集・分析・アノテーションを支援した事例です。被験者募集から一貫して担当しました。(顧客: 大手自動車メーカーA社／業種: 製造／支援: AIソリューション・データアノテーション／成果: 研究基盤 ロボットとの対話データを収集・整備、分析 人がロボットに出す指示の傾向を可視化) (2026-10-09)
- [骨格トラッキングのデータ作りから専用モデルの開発まで、現場特有の課題に一貫して対応](https://nextremer.com/case-studies/pose-estimation-model-development): 姿勢推定モデルの開発に向けて、骨格トラッキングのためのアノテーションを行い、現場特有の課題を解決する専用モデルまで開発した事例です。データとモデルの両面から支援しました。(顧客: 大手自動車メーカーA社／業種: 製造／支援: AIソリューション・データアノテーション／成果: 現場課題 汎用モデルで対応できない課題を専用モデルで解決、支援範囲 データ作成からモデル開発まで一貫) (2026-10-09)
- [列車前方の物体検出に向けて、対象物ごとに手法を使い分けて鉄道画像をアノテーション](https://nextremer.com/case-studies/railway-image-annotation): 鉄道事業者の、列車前方に見える物体を検出するモデル開発に向けて、多様な対象物にアノテーションを行った事例です。対象に応じてバウンディングボックスとセマンティックセグメンテーションを使い分けました。(顧客: 鉄道事業者／業種: 製造／支援: データアノテーション／成果: 学習データ 列車前方の多様な対象物を網羅したデータを整備、設計 対象物の性質に合わせてアノテーション手法を最適化) (2026-10-09)
- [専用カメラでの撮影から、既存の領域検出モデルの精度向上を支援](https://nextremer.com/case-studies/region-detection-accuracy-improvement): 既存の領域検出モデルの精度を高めるため、専用カメラでの対象物の撮影とセマンティックセグメンテーションを行った事例です。足りないデータを撮るところから支援しました。(顧客: 国内大手電子機器メーカー／業種: 製造／支援: AIソリューション・データアノテーション／成果: モデル精度 既存の領域検出モデルの精度向上に貢献、学習データ 不足していた条件のデータを撮影から補完) (2026-10-09)
- [カーナビと連動し、レンタカーの車内で観光案内をする対話システムを開発](https://nextremer.com/case-studies/rental-car-tourist-guide-dialogue): 車載カーナビと連動する観光ガイド用の対話システムアプリを開発した事例です。被験者を募集して対話データを集め、分析までを一貫して担当しました。(顧客: 大手自動車メーカーA社／業種: 製造／支援: AIソリューション・データアノテーション／成果: システム カーナビと連動する観光ガイド対話アプリを開発、データ 実際の利用を想定した対話データを収集・分析) (2026-10-09)
- [GISツールと衛星画像を使い分け、屋根上の太陽光パネルを一つずつ切り出す](https://nextremer.com/case-studies/rooftop-object-instance-annotation): 屋根の上にあるソーラーパネルや太陽熱温水器を検出するモデルの研究に向けて、GISデータ上でインスタンスセグメンテーションを行った事例です。判別が難しい対象は別の画像で裏付けを取り、精度の高いデータを納品しました。(顧客: 私立大学／業種: 研究機関／支援: データアノテーション／成果: データ品質 判別困難な対象も裏付けを取って付与、作業環境 GISデータ上で直接アノテーションできる体制を構築) (2026-10-09)
- [自撮り画像から人物をきれいに切り抜く、セグメンテーションモデルの開発を支援](https://nextremer.com/case-studies/selfie-person-segmentation-model): 自撮り画像に写る人物を背景から切り分けるセグメンテーションモデルの開発を支援した事例です。髪の毛や輪郭の細部まで自然に切り抜けるよう、カメラ機能に求められる品質を目指してモデルを開発しました。(顧客: 海外大手通信機器メーカー／業種: 製造／支援: AIソリューション／成果: モデル 人物セグメンテーションモデルを開発、品質 輪郭の細部まで自然な切り抜きを追求) (2026-10-09)
- [手術動画から特定部位を描き出し、変わり続ける研究要件に合わせてデータを納品](https://nextremer.com/case-studies/surgical-image-annotation): 手術中の動画から画像を切り出し、特定部位へのアノテーションを行った事例です。研究者と定期的に協議しながら仕様変更に柔軟に対応し、多様な研究用途に合わせたデータを納品しました。(顧客: 国立大学／業種: 研究機関／支援: データアノテーション／成果: 仕様変更への対応 研究の進捗に合わせて柔軟に対応、納品データ 複数の研究用途に合わせた形式で納品) (2026-10-09)
- [大量の監視カメラ映像へのアノテーションを、作業の自動化で効率化](https://nextremer.com/case-studies/surveillance-camera-annotation-automation): 大手自動車メーカーの案件で、監視カメラに映った人物へバウンディングボックスとメタデータを付与した事例です。大量のデータに対応するため、アノテーションの自動化を取り入れて作業を効率化しました。(顧客: 大手自動車メーカーC社／業種: 製造／支援: データアノテーション／成果: 作業効率 自動化の導入で大量データの処理を効率化、学習データ 人物のバウンディングボックスとメタデータを整備) (2026-10-09)
- [意外性のあるアイデアを生む文章生成モデルを、人の評価で育てる](https://nextremer.com/case-studies/text-generation-model-evaluation): AIが生成した文章の自然さや意外性を人の感覚で評価し、そのデータで言語モデルをファインチューニングした事例です。評価と学習を繰り返し、アイデア出しに使えるかを検証しました。(顧客: 大手自動車メーカーA社／業種: 製造／支援: AIソリューション・データアノテーション／成果: モデル改善 人の評価を取り込んだ学習サイクルを確立、検証 意外性のあるアイデア出しへの活用可能性を確認) (2026-10-09)
- [車の破損箇所を検出するAIのために、外装・内部パーツをセマンティックセグメンテーション](https://nextremer.com/case-studies/vehicle-damage-semantic-segmentation): 大手保険会社の、自動車の破損箇所を検出するモデル開発に向けて、車の外装パーツや内部パーツにセマンティックセグメンテーションを行った事例です。(顧客: 大手保険会社／業種: IT・金融・サービス／支援: データアノテーション／成果: 学習データ 外装・内部パーツを塗り分けたデータを整備、活用先 破損箇所の検出モデル開発を学習データ面で支援) (2026-10-09)
- [生成AIが書いた英語の説明文を映像と照合して修正し、VLMの学習データを作成](https://nextremer.com/case-studies/vlm-training-data-creation): 大手自動車メーカーのVLM（視覚言語モデル）開発に向けて、学習データを作成した事例です。画像や動画とプロンプトから生成AIが出力した英語の文章を、映像の内容に合わせて修正しました。(顧客: 大手自動車メーカーC社／業種: 製造／支援: データアノテーション／成果: 学習データ 映像の内容と一致した英語の説明文を整備、進め方 生成AIの出力を下書きに使い、作成の手間を抑制) (2026-10-09)

## お役立ち記事

### アノテーション

- [画像アノテーションの種類6手法｜工数と精度で選ぶ使い分け](https://nextremer.com/blog/data-annotation/image-annotation-types): 画像アノテーションの種類を、バウンディングボックス・ポリゴン・セグメンテーション・キーポイント・画像分類など6手法で比較。1枚5円から500円まで30倍以上開く工数と単価の差、タスクから手法を決める順序、矩形と輪郭を組み合わせて費用を抑える方法を解説します。 (2026-10-21)
- [データラベリングとアノテーションの違い｜意味の整理と発注時の言葉選び](https://nextremer.com/blog/data-annotation/labeling-vs-annotation): データラベリングとデータアノテーションの違いを、定義・粒度・対象・工程の観点で整理。国内外での呼称の実態、隣接する「教師データ作成」「タグ付け」との関係、発注時にどちらの言葉を使うべきか、呼び名の食い違いで見積もりがずれる事例と伝えておくべき5項目を解説します。 (2026-10-08)
- [アノテーションと教師あり学習の関係｜ラベル品質がモデル精度を決める仕組み](https://nextremer.com/blog/data-annotation/annotation-and-supervised-learning): アノテーションの正解ラベルが教師あり学習でどう使われ、ラベルの誤りがモデル精度と評価にどう影響するかを解説。学習データとテストデータのノイズを分けて整理し、公開研究の数値を引きながら、発注担当者とAI開発者が品質要件を決める際の考え方をまとめます。 (2026-10-05)
- [自動運転のアノテーション事例｜LiDAR・カメラ・センサーフュージョンの実務要件](https://nextremer.com/blog/data-annotation/annotation-case-autonomous-driving): 自動運転向けアノテーションの実務を解説。カメラ・LiDAR・レーダーの役割、3D直方体やトラッキングなどの作業、ISO 21448やISO/PAS 8800に基づく品質要件、公開データセットの仕様を参考に決めておきたい3D・センサーフュージョンのルールを整理します。 (2026-10-01)
- [アノテーターの教育・トレーニング方法｜増員しても品質を落とさない育成設計](https://nextremer.com/blog/data-annotation/annotator-training): アノテーターの教育・トレーニング方法を、オンボーディングの3段階、トレーニング用データと合格テストの作り方、評価とフィードバックの回し方、増員時に品質を保つ体制の順に解説。属人化を防ぎ、スケールしても判断のばらつきを抑える実務手順が分かります。 (2026-09-14)
- [アノテーションのクラウドソーシング活用法｜向き不向きと品質設計](https://nextremer.com/blog/data-annotation/annotation-crowdsourcing): アノテーションをクラウドソーシングに出す判断を整理。向くタスクの条件、ゴールデンデータと冗長付与による品質担保、単価×冗長度で見る実効コスト、作業者がLLMで代行するリスクと個人データの制約まで解説します。 (2026-08-27)
- [アノテーションガイドラインの作り方｜必須10項目とテンプレート](https://nextremer.com/blog/data-annotation/annotation-guideline-creation): アノテーションガイドラインの作り方を、必須10項目、曖昧な指示の改善例、エッジケースの整理方法、パイロット後の改訂フロー、コピーして使えるテンプレートと公開前チェックリストで解説。品質・納期・手戻りを安定させる実務の要点が分かります。 (2026-08-21)
- [アノテーションの費用はどう決まる？内訳と相場、見積もりの立て方](https://nextremer.com/blog/data-annotation/annotation-cost-estimation): アノテーションの費用相場と内訳を解説。バウンディングボックス10円、セグメンテーション100〜300円などデータ種別ごとの単価目安、プロジェクト管理費は契約金額の1〜2割という配分、数量×単価×工程で積み上げる手順、差し戻しや仕様変更で膨らむ隠れコストの見極め方をまとめました。 (2026-08-17)
- [アノテーションの外注と内製はどう選ぶ？判断基準と進め方を解説](https://nextremer.com/blog/data-annotation/annotation-outsourcing-vs-inhouse): アノテーションの外注・内製・分担を選ぶ手順を、3ステップと5つの判断軸で整理。必要人日の試算式、内製と外注の費目比較、分担のパターン、外注先を選ぶ5つの確認項目とパイロット評価など、発注前に確認したいポイントをまとめました。 (2026-08-07)
- [データアノテーションとは？基礎から種類・ツール・外注まで完全ガイド](https://nextremer.com/blog/data-annotation/what-is-data-annotation-guide): データアノテーションの定義から、画像・テキスト・音声・3Dの種類、ツール選定、品質管理、外注と費用の考え方までを発注担当者とAI開発者向けに解説します。 (2026-08-04)
- [VLM（視覚言語モデル）とは？LLMとの違いと選び方を自社検証で解説](https://nextremer.com/blog/data-annotation/vlm): VLM（視覚言語モデル）は画像とテキストを統合処理するAIです。LLMとの違い、VQAやOCRなどの活用例、知覚・知識・推論の3観点による評価基準、自動運転VQA150問の自社検証で正解率が0.1〜0.7に開いた結果まで実務視点で解説します。 (2026-07-30)
- [NLU・NLGとは？自然言語処理での意義・違い・応用分野を解説！](https://nextremer.com/blog/data-annotation/what-is-nlu-nlg): 自然言語処理における「NLU(自然言語理解)」と「NLG(自然言語生成)」の違いや応用分野を解説します。 (2026-01-22)
- [AI開発でのPoCとは？概念実証の進め方や実施事例、課題を解説！](https://nextremer.com/blog/data-annotation/what-is-ai-poc): AI開発におけるPoC(概念実証)の目的や進め方、実施時に押さえておきたい課題を解説します。 (2026-01-22)
- [「AIミナライ」開発の裏側──汎用AIをホテル接客に適用するための徹底テスト](https://nextremer.com/blog/data-annotation/ai-minarai-evaluation): 汎用AIをホテル接客業務に適用するにあたり、「AIミナライ」開発チームが実施した評価・検証プロセスを紹介します。 (2025-10-20)
- [画像生成AIとは？基盤技術4種と導入方法・著作権の注意点を解説](https://nextremer.com/blog/data-annotation/image-generation-ai-overview): テキストから画像を生成する仕組みを、VAE・GAN・拡散モデル・Transformerの4つの基盤技術から解説します。既存サービス・クラウド・オープンソースという3つの導入方法の選び方、著作権侵害の判断基準、教師データ生成への応用まで整理します。 (2025-09-05)
- [動画生成AIとは？主要5ツールの比較と導入方法・課題を解説](https://nextremer.com/blog/data-annotation/video-generation-ai): テキストや画像から映像を自動生成する動画生成AIについて、Sora・Veoなど主要5ツールの違いと選定軸、SaaS・API・自社構築という3つの導入方法、肖像権や品質・学習データの課題と対策まで、企業が導入を判断できる形で整理します。 (2025-08-22)
- [プロンプトエンジニアリングとは？基本・応用手法や例、コツを解説](https://nextremer.com/blog/data-annotation/prompt-engineering): プロンプトエンジニアリングの基本、Zero-shotやFew-shotなどの手法、品質を高めるコツ、注意点を解説します。 (2025-05-20)
- [生成AIのプロンプトの書き方｜5つの型と業務別の実例を解説](https://nextremer.com/blog/data-annotation/generative-ai-prompts): 生成AIから狙った出力を引き出すプロンプトの書き方を、コンテキスト・具体性・出力例・条件・制約条件という5つの型で解説します。ビジネスメール、文章要約、名刺画像からのデータ抽出という業務別の組み立て方と注意点まで整理します。 (2025-05-09)
- [3Dアノテーションとは？種類や方法、活用例・課題を解説](https://nextremer.com/blog/data-annotation/3d-annotation): 3Dアノテーションの基本、代表的な種類、作業方法、活用例、導入時の課題を解説します。 (2025-03-18)
- [パノプティックセグメンテーションとは？仕組みや他の手法との違い、活用例を解説](https://nextremer.com/blog/data-annotation/panoptic-segmentation): パノプティックセグメンテーションの概要、セマンティック・インスタンスセグメンテーションとの違い、活用例、アノテーションの重要性を解説します。 (2024-10-16)
- [インスタンスセグメンテーションとは？セマンティックとの違いや代表モデル、手法、利点を解説](https://nextremer.com/blog/data-annotation/instance-segmentation): インスタンスセグメンテーションの概要、セマンティックセグメンテーションとの違い、代表的なモデル、アノテーションで押さえるべきポイントを解説します。 (2024-10-16)
- [画像分類とは？AIモデルや作成フロー、活用例、注意点を解説](https://nextremer.com/blog/data-annotation/image-classification): 画像分類の基本、代表的なAIモデル、モデル作成の流れ、活用例、導入時に注意すべきポイントを解説します。 (2024-10-16)
- [動画解析（映像解析）とは？AIの仕組みと活用事例6選・注意点](https://nextremer.com/blog/data-annotation/video-analysis): 動画解析（映像解析・映像分析）は、映像から物体や人物の動作をAIで検出し、情報として取り出す技術です。物体検出・動作認識・トラッキングなどの手法、導入メリット、製造ラインの不良品検知や防犯など6つの活用事例、実用化の注意点を解説します。 (2024-08-27)
- [画像アノテーションのやり方は？手法や手順・注意点・外注か内製かを解説](https://nextremer.com/blog/data-annotation/image-annotation-process): 画像アノテーションの代表的な手法、進め方、品質を保つための注意点、外注と内製の判断基準を解説します。 (2024-08-27)
- [アノテーションツール主要6製品比較｜用途別の選び方](https://nextremer.com/blog/data-annotation/annotation-tool-comparison): Labelbox、Label Studio、CVAT、SageMaker Ground Truth、SuperAnnotate、Scale AIを6つの軸で比較。用途別の選び方と導入前の検証手順を解説します。 (2024-08-27)
- [セマンティックセグメンテーションとは？3種類の違いと手法を解説](https://nextremer.com/blog/data-annotation/semantic-segmentation-overview): 画像を1ピクセル単位で分類するセマンティックセグメンテーションを、インスタンス・パノプティックとの違い、FCNからSAMまでの代表的な手法、自動運転・医療・インフラ点検での活用事例、アノテーションにかかる工数の実際まで整理して解説します。 (2023-08-01)
- [バウンディングボックスとは？物体検出の座標形式とYOLOでの使い方](https://nextremer.com/blog/data-annotation/bounding-box-overview): 物体検出で対象を長方形で囲むバウンディングボックスを、対角2点・中心座標・3Dの表現方法、YOLOでの使われ方、ポリゴンやセグメンテーションとの費用比較（1対象物あたり10円前後）、精度が落ちるケースまで、アノテーション受託の実務視点で解説します。 (2023-08-01)

### データ提供

- [AI学習データは自社で集めるべきか、購入すべきか — 判断基準](https://nextremer.com/blog/data-supply/collect-vs-buy-training-data): AI学習データを自社で集めるか購入するかを、必要量・期間・権利要件・コスト・再現性の5軸で比較。検証段階と本番運用で有利なルートが入れ替わる理由をフェーズ別の判断表で示し、購入で立ち上げて自社収集で広げる進め方とチェックリストをまとめました。 (2026-10-19)
- [AI学習データの著作権とライセンス — 買う前に確認する条件](https://nextremer.com/blog/data-supply/training-data-copyright-license): AI学習データの著作権・ライセンスを購入前に確認する条件として整理。「商用利用可」の範囲、独占と非独占の費用差、契約終了後の学習済みモデルの扱い、再販禁止条項の実務まで、契約書のどこを読むかを条項ごとに解説します。 (2026-09-17)
- [学習データを自社で揃えるといくらかかるか — コストの内訳](https://nextremer.com/blog/data-supply/cost-of-collecting-training-data): AI学習データを自社で揃える費用を、現場調整・撮影許諾／収集／前処理／アノテーション／失敗コストの5工程で積み上げて整理。見積書に載らない社内工数、期間に比例する費用と固定費の分け方、検証段階で自社収集を選ぶ判断材料をまとめました。 (2026-09-07)
- [AI学習データはどう調達するか｜自社収集・公開データセット・購入の比較と選び方](https://nextremer.com/blog/data-supply/how-to-source-ai-training-data): AI学習データの調達は自社収集・公開データセット・購入の3ルートに整理できます。費用・期間・権利・品質の4つの観点で比較し、自社で集める場合の工数の積み上げ、ライセンスと個人情報の実務、業種別の難所、判断フローまでをまとめました。 (2026-09-01)

## 最新ニュース

- [矢野経済研究所主催ワッツセミナー「AI活用の成否を分ける『データ作り』の実践戦略」登壇のお知らせ](https://nextremer.com/news/whats-seminar-2026): 株式会社矢野経済研究所主催のワッツセミナーに、株式会社Nextremerが登壇いたします。 (2026-06-04)
- [経営体制（取締役）の変更および新任取締役就任に関するお知らせ](https://nextremer.com/news/changes-in-board-of-directors): 株式会社Nextremerは、2026年4月1日付で新たな経営体制に移行し、取締役COO 今西智将、取締役CTO 喜多俊之が新任することをお知らせいたします。 (2026-04-01)
- [経済産業省とNEDOが主催する懸賞金活用型プログラム「GENIAC-PRIZE」で「特別賞 持続実装賞」と「協力団体特別賞 HDI-Japan賞」を受賞](https://nextremer.com/news/geniac-prize-award): 株式会社Nextremerは「GENIAC-PRIZE」において「特別賞 持続実装賞」および「協力団体特別賞 HDI-Japan賞」を受賞しました。 (2026-03-26)

## Optional

- [会社情報](https://nextremer.com/company)
- [代表挨拶](https://nextremer.com/company/message-from-the-ceo)
- [ニュース](https://nextremer.com/news/all)
- [お役立ち記事](https://nextremer.com/blog)
- [導入事例](https://nextremer.com/case-studies)
- [採用情報](https://nextremer.com/recruit)
- [オフィス紹介](https://nextremer.com/office)
- [各種制度](https://nextremer.com/work-style)
- [プライバシーポリシー](https://nextremer.com/privacy-policy)
- [情報セキュリティ基本方針](https://nextremer.com/information-security-policy)
- [RSS](https://nextremer.com/rss.xml)