私たちについて
なぜTomoshibiを立ち上げたか
Tomoshibiは2021年、福岡市天神に設立されました。創業者たちは大手製造業・流通業のデータ分析プロジェクトを経て、 一つの問題意識を共有していました。「AIの知識は組織の外に集中しすぎている」という点です。
多くの企業がコンサルタントに頼り切りで、プロジェクト終了と同時に知見が失われる。 データパイプラインは外注されたまま、内部では誰も触れない。そうした状況を変えるために、 「外から持ち込む」ではなく「内部に灯す」支援スタイルを選びました。
社名のTomoshibi（灯し火）には、組織の中にAIの知恵という光を灯し、 それが自立的に燃え続けるよう支援するという意味を込めています。
4+
年間の実績
40+
支援プロジェクト
3
専門サービス領域
全国
対応エリア
ミッションとバリュー
私たちが大切にしていること
実装まで一気通貫
提案書で終わらず、データパイプラインの設計・構築・テストまでチームが直接関与します。
知識の内製化
依存を作らず、クライアントが自立して運用できる状態を支援のゴールとして設定します。
誠実なコミュニケーション
過剰な期待を生む表現は使いません。現実的な見通しと正直な情報提供を基本姿勢とします。
チーム
専門性を持つメンバー
田中 健一
共同創業者 / データエンジニアリング責任者
製造業のサプライチェーン最適化に10年携わった後、AIプロジェクト支援に転向。データパイプライン設計と品質検証を専門とします。
吉田 沙織
共同創業者 / 機械学習エンジニア
金融機関でリスクモデルの開発と運用に従事。予測モデルの選定・評価・再学習フローの設計を得意とします。
中村 博之
AIトレーニング設計 / 教育コーディネーター
企業研修会社でのカリキュラム設計経験をAI人材育成に転用。チームの役割別学習経路の構築を担当します。
品質基準
プロジェクトを支える技術的な基準
すべてのプロジェクトで一貫して適用する品質プロセスとプロトコルです。
バージョン管理とドキュメント化
全コード・設定ファイルをGitで管理。データスキーマ変更はすべてChangelogに記録します。
品質検証サンプリング
データアノテーション・変換処理に対し、定義済みの抽出率でランダムサンプリング検査を実施します。
データセキュリティ管理
機密保持契約締結後に作業開始。処理環境への第三者アクセスを制限し、プロジェクト終了後に確実にデータ消去します。
モデル再学習・監視設計
予測基盤には定期再学習スケジュールと性能劣化アラートを組み込み、長期利用に耐える設計とします。
月次進捗評価
育成プログラムでは月次のスキル評価を実施。数値化された進捗を共有しながらカリキュラムを調整します。
個人情報保護法準拠
日本の個人情報保護法・GDPR要件に沿ったデータ取り扱い手順書を全案件に提供します。
専門性 // Expertise
機械学習の現場で培った判断力
AIプロジェクトの成否を分けるのは、モデルの精度よりもデータの品質と運用設計であることが多い。 Tomoshibiはこの事実を出発点に、データ収集・整理・検証の工程を丁寧に組み立てます。 学術的なアルゴリズムの評価よりも、実際の業務データに対してモデルがどう機能するかを優先します。
予測分析では、モデルの選定と同じくらい、出力結果を現場担当者が理解できる形で提示することに時間をかけます。 「なぜそう予測されたか」を説明できない分析は、意思決定に使われません。 SHAP値や特徴量重要度の可視化を標準的に組み込み、ブラックボックスを最小化します。
チーム育成では、学習内容と日常業務の接点を意識的に設計します。 抽象的な機械学習の概念を自社のデータや業務課題に紐づけることで、研修後の定着率が変わります。 各企業の技術スタック・業務フロー・既存ツールに合わせたカリキュラムを構築します。