アディッシュでは、AI・機械学習を自社活用する企業や受託開発企業を対象に、教師データ作成のアノテーション業務を代行いたします。 サービスの特徴や対応事例をおまとめしております。 詳細・お問い合わせ：https://monitor.adish.co.jp/service/annotation/

1. アノテーション代行サービス
のご紹介
アディッシュ株式会社

2. 社名 アディッシュ株式会社
（adish Co., Ltd. ）
設立 2014年10月1日
資本金 231百万円（2020年4月）
代表取締役 江戸 浩樹
事業内容
カスタマーリレーション事業
● インターネットモニタリング
● ソーシャルアプリカスタマーサポート
● 学校非公式サイト・ネットいじめ対策
コンサルティング
● SNS運用代行
● チャットボット の開発・運用
従業員数 742名
( 2020年6月、連結）
本社所在地 東京都品川区西五反田1-21-8
ヒューリック五反田山手通ビル 8F
電話 03-5759-0334
URL http://www.adish.co.jp
仙台センター
東京本社
adish
福岡センター
adish plus
（沖縄）
adish
international
（フィリピン）
札幌センター
2020年3月26日
東京証券取引所
マザーズ上場
会社概要

3. つながりを常によろこびに
Delight in Every Connection
As in Your Hometown
健全で心地よい”居場所”づくりに貢献する。
一番最初につくったのはモニタリングサービスでした。
SNSで出会い犯罪被害にあってしまうような青少年やネットいじめにあう青少年が増え、
自分たちが何かできないか、モニタリングして対策することで解決につながるのではないか、
という思いでサービスを開始したことがきっかけでした。
インターネット社会あるいはインターネットを通じた社会に、
健全で心地よい”居場所”をつくる。それが創業の想いであり、
私たちのミッションそしてビジョンです。
ミッション・ビジョン

4. カスタマーリレーション事業
インターネット上で行われるコミュニケーションが、
健全で心地よいものとなるよう
カスタマーリレーション向上のためのサービスを提供しています。
ネットいじめや個人情
報流出をモニタリング
し、生徒指導に活かし
ていくコンサルティン
グサービス
企業のソーシャルメ
ディアの運用を代行
し、ファンコミュニティ
の形成を支援
利用者からのお問い
合わせを、顧客企業
に代わって対応するカ
スタマーサポートサー
ビス
インターネットサービス
で生じるリスクを監視
するサービス
事業概要

5. SNS運用・投稿モニタリング
600社以上
インターネットモニタリングにおける実績

6. アノテーション代行
サービスのご紹介

7. アノテーション代行
AI・機械学習を活用する企業を対象に、データ整備の設計、分類（ラベリング）、
コンテンツのモデレーション等のアノテーション業務、クレンジング作業を代行します。
対応可能データ形式と作業内容
画像
■分類・ラベル付
■物体検出
■領域抽出
音声
■分類・ラベル付
■書き起こし
■テープ起こし
動画
■分類・ラベル付
■物体検出
■領域抽出
テキスト
■分類・ラベル付
■書き起こし
■自然言語処理

8. アディッシュの強み
「スタッフが目で見て判断する」というのがアディッシュの最大の特徴です。
データを1件1件、目視して自身で判断をするという作業に長けており、その精度も高いと多くのお客様から
ご好評いただいております。
熟練スタッフによる精度の高い作業
アノテーション作業は弊社のスーパーバイザー及びアノテーターが国内センターで行います。
国内に複数のセンターを保有しており、円滑にコミュニケーションが可能で、
細かなニュアンスの汲み取りができるなど、痒いところに手が届く対応もアディッシュの特徴です。
国内センターの活用
SNS運用や投稿モニタリングを 600社以上に提供してきた豊富な経験を通じて、データ抽出・分類に関する
キーワード設定のノウハウを蓄積しています。また、将来的な利用用途を踏まえた細やかなラベリングの設
計も特徴の一つです。
モニタリング600社の経験をアノテーションに活用
国内センターで常勤直雇用のアノテーター

9. 運用開始までの流れ
お客様のデータ活用の目的に沿った最適なデータ分類設計・基準策定を実施し、
アノテーション業務を遂行します。ツールやデータ形式は柔軟な対応が可能です。
ご発注
ご納品
作業準備
・サンプルデータ受領
・データ分類設計/基準策定
運用準備（〜3週間）
体制構築
・アノテーターへの研修 /教育
アノテーション作業開始
※作業内容及びデータ件数により運用準備期間は増減する可能性があります。

10. 導入事例（動画分類）
カメラ映像 AIによる判定
リスク検知
(AI判断可能)
不確定
(AI判断不可)
目視による
判定
リスクなし
リスクあり
学習 教師データ
クライアント
【お客様のご要望】
● AIにて判断不可となった動画を再教育のデータとして活用するため、目視で分類をしてほしい
● リアルタイム性が必要なため休日を含む24時間体制で対応可能な委託先を求めていた
【作業内容】
● クライアント提供のツール上にて動画を目視チェック、分類判定し結果を入力
【ポイント】
● AIではリスクと判定しきれないグレーゾーンを目視にて分類し、
AIの精度をさらに高めるためのご支援を行っている
● ご要望に合わせて休日を含む24時間対応可能な体制をご用意

11. 導入事例（テキスト抽出とラベリング）
【お客様のご要望】
● 運営サイトに掲載される投稿内容を自動的に検閲するAIモデルの導入のため、
不適切な表現を含むデータから該当ワードを抽出し、教師データを作成してほしい
【作業内容】
● お客様指定の投稿データ約1万件を目視にてチェック
● 「不適切な表現」の抽出と指定分類項目のラベリング
【ポイント】
● 膨大に蓄積されたデータを目視にてチェックし、分類とラベリングを実施
「不適切な表現」を集めた教師データを作成し、AIを運用開始するためのご支援を行っている
不適切な表現とラベル不適切な表現が含まれた投稿データ
自分の住所はこれです
××県▲▲市123-456
××県▲▲市123-456
個人情報の掲載
表現抽出
と
ラベリング

12. 導入事例（テキスト分類）
【お客様のご要望】
● 新商品を発売した際にTwitter上でどのような話題が投稿されているかを気にしている
● 話題の傾向から今後のマーケティング活動を検討する材料が欲しい
【作業内容】
● お客様指定の投稿データ数千件を目視にてチェックし、
「ポジティブ」と「ネガティブ」の感情にて分類
【ポイント】
● システムでは判定できない前後の文章やニュアンスを汲み取ったデータ分類を実施
● 実際に投稿されたユーザーの声を分類、今後の企業方針の判断材料となる重要なデータを作成
〇〇の新商品
美味しかった！
新しくでた〇〇
いまいちだな
新商品の〇〇
また食べよう
〇〇がどこも売り
切れで買えない
ポジティブ ネガティブ
新しくでた〇〇
いまいちだな
〇〇の新商品
美味しかった！
新発売の〇〇
また食べよう
〇〇がどこも売り
切れで買えない
Twitter上の投稿群
分類
分類データ

13. アディッシュ株式会社