AIサービス

LTS Japan AIサービス 1

LTS Group概要 2016年に設立されたLTS Groupは、ベトナムで急成長を遂 げているITアウトソーシングサービスプロバイダーである 。ベトナムの一流テスト会社であるLQAを前身とし、現在 はAIや次世代技術を中核に据えた強固なエコシステムを構 築してきた。、常に最新技術をいち早く取り入 れ、グローバルスタンダードの品質で以下 のようなエンドツーエンドのITサービスを提供している。 •• ソフトウェアテスト・品質保証 • デジタルBPO AIソリューション導入支援 • AI駆動型ソフトウェア開発（次世代ソフトウェア開 発） 創業以来、お客様の事業成長を最大限に支援すべく、業界 に特化した専門的なノウハウを蓄積してきた。熱意 あふれる優秀なチームの尽力により、日本、アメリカ、韓 国といった、品質に最も厳しい市場のお客様からも厚い信 頼を獲得し、お客様のDXを強力に推進する。 2

LTS Japanについて ソフトウェア開発 ソフトウェアテスト デジタルBPO IT教育 人事ソリューション 米国支社 日本支社 韓国支社 AI研修及び開発 AIサービス 3

LTS Japanについて 会社名​ LTS Japan株式会社 LTS Japanは、日本のお客様の成功を最優先に考 え 、 高 品 質 な サ ー ビ ス を 提 供 事業内容​ ソフトウェアテスト・品質保証|デジタルBPO | AIソリューション導入支援｜AI駆動型ソフトウェア開発 するITパートナーです。卓越したベトナムのIT人材 と、長年の経験に裏打ちされた日本基準の品質管理 設立年月日​ 2020年4月 体 制 を 融 合 し ま す 。 円 滑 なコミュニケーションときめ細 日本所在地​ 東京都港区芝浦3丁目20−10 | 岩本ビル5F やかなサポートを徹底することで、お客様 のプロジェクトを確実に成功へと導きます。 ホームページ ltsgroup.tech/jp/ 代表者​ Nguyen Hoang Hai｜LTS Japan CEO 単なるアウトソーシングを超え、お客様に深く寄り 添う長期的なパートナーとして、費用対効果の Eメール​ contact@ltsgroup.tech | contact.jpsales@ltsgroup.tech 最大化、持続的な成長、そしてグローバルな競争 力の向上を共に実現いたします。 電話番号​ 03-4500-9892 4

主要取引先​ 5

導入企業​ 自動車 金融 ゲーム 教育 製造業 6

サービスと 導入事例 7

4つの統合サービスライン​ 戦略 実行 AXコンサルティング AI受託開発 アドバイザリー AI戦略、ガバナンス、コンプライアンス、 カスタムAIソリューション:モデル学習、 チェンジマネジメント、組織の準備状況 ファインチューニング、統合、デプロイ 統合的なデリバリー データ&アナリティクス MVP AI開発 デリバリー データエンジニアリング、データ基盤構築、 迅速なAIプロトタイピング、コンセプト ETL/ELT、BI、データガバナンス 検証、AI支援コーディング 8

サービス１：AI受託開発​ 01 発見 02 データエンジ ニアリング 03 モデル開発 04 統合 05 引き渡し • 課題の検証 • パイプライン構築 • 学習・チューニング • API開発 • 検証 • データ監査 • 特徴量エンジニアリング • バイアス検証 • セキュリティ監査 • チームトレーニング • ソリューション設計 • 品質検証 • 性能ベンチマーク • 本番デプロイ • サポート契約 業界別専門性 3市場対応デリバリー ヘルスケア、法務、金融、製造業。業界特化のモデル設計 米国・韓国・日本にて現地コンプライアンス対応(AI基本法、 とコンプライアンス対応。 経産省ガイドライン、HIPAA)。 9

事例1：発電機マニュアルAIアシスタント(Microsoft Teams対応)​ 事業課題 概要 現場技術者は、Microsoft Teamsを離れることなく、 プロダクト 発電機マニュアルからより速く正確な回答と部品情報 発電機マニュアルAIアシスタント。Microsoft Teams を得る必要がありました。セマンティック検索と構造 内で動作するエージェント型RAG 化された部品データを組み合わせ、根拠が確認できる 引用付きの回答を返すシステムが求められました。 業界 産業機器サービス 対応範囲 スコープ エンジン・発電機・部品マニュアルの取り込 マニュアル・部品情報の取り込み、エージェント型 みパイプライン RAGオーケストレーション、Teams統合 ページ単位のベクトルインデックス+正規化 AX専門領域 されたSQL部品テーブル エージェント型 引用元付きの対話型Q&A ハイブリッドRAG・ツールコーリング・LL M・ベクトル+SQL検索 成果 モデル間互換性を備えた構造化部品検索 エンゲージメント エンドツーエンドのプロダクト開発+ Teamsアドイン RAGとSQLツールを振り分けるエージェント型 技術者の回答速度向上 マニュアル検索が対話型クエリに置き換わりました。 オーケストレーション 業務フローに組み込まれたMicrosoft Teams統合 引用の必須化 すべての回答が出典文書[1][2][3]に基づいています。 4 6 ハイブリッド検索 クエリの種類に応じてセマンティック・SQLツールを使い分け。 名 ヶ月 Teams上で完結 新規ツールの習得は不要です。既存のチャットにアシスタントが参加 します。 手法・技術 エージェント型ハイブリッドRAG ツールコーリング OpenAI LLM FastAPI TypeScript Azure SQL DB CosmosDB Azure VM Kubernetes 10

事例2：建築パターン認識​ 事業課題 概要 建築設計事務所は、デザイン参考資料から木材パターンを識 プロダクト 別し、カタログ内の類似する在庫パターンを見つける必要 木材パターン認識。建築カタログ全体を対 がありました。従来はデザイナーがプロジェクトごとに数時 象とした画像検索 間を要する手作業でした。 業界 建築・インテリアデザイン 対応範囲 スコープ 木材パターン領域を分離する画像 画像セグメンテーションパイプライン、ViT セグメンテーションパイプライン 埋め込み、類似検索ダッシュボード 構造・ヒストグラム比較による特徴量抽出 AX専門領域 ビジョントランスフォーマー埋め込み+類似検索 コンピュータビジョン・画像類似検索 インデックス ・ビジョントランスフォーマー・セグメン テーション 成果 アップロード・検索・厳選結果表示 エンゲージメント のためのフロントエンドギャラリーUI 作業時間45%削減 エンドツーエンドのプロダクト構築 デザイナーが一致する木材パターンを検索する際の時間。 (MLパイプライン+ Vueフロントエンド) 在庫木材パターンのカタログ取り込みとインデックス化 一致精度95% 従来の手作業による識別と比較。 6 8 9 廃棄削減35% 上流での素材選定精度向上により実現。 名 ヶ月 機能数 カタログ規模200%拡大 リリースから6ヶ月でインデックス化された木材パターン数。 手法・技術 ビジョントランスフォーマー Python C++ VueJS Azure OpenCV 画像セグメンテーション 11 3

サービス2：データアナリティクス​ アナリティクスとBI エンゲージメントモデル ダッシュボード |指標管理 |セルフサービス分析 フルビルド データ品質&ガバナンス エンドツーエンドのデリバリー テスト |リネージ |カタログ |アクセス制御 10〜14週間 変換処理(dbt / SQL) モジュラービルド データモデリング |特徴量エンジニアリング |セマンティックレイヤー 特定レイヤーのみ対応 モジュールごとに3〜8週間 ETL/ELTパイプライン 取り込み |オーケストレーション | CDC | ステージング チーム増強 ウェアハウス /レイクハウス エンジニアの常駐支援 Snowflake | BigQuery | Databricks | PostgreSQL 3ヶ月以上のリテイナー契約 すべてのAI施策に必要な基盤。多くのAIプロジェクトはモデルではなくデータが原因で失敗します。 12

LTS Japanが生データをAI活用可能な基盤へと変える仕組み​ 財務 オペレーション 営業 マーケティング プロダクト 1 日々のツールから ▲ データソース データが生まれています。 ERP / SAP CRM / HubSpot Stripe / 決済 API・SaaS レガシーDB それらすべてを連携させます。 抽出・取り込み ▼ モジュラービルド 特定のパイプラインやレイヤーのみ データウェアハウス&ガバナンス 取り込み&ステージング ETLパイプライン CDCストリーム APIコネクタ ファイル取り 込み イベントキュー 2 フルビルド エンドツーエンドの タスク 変換&モデリング 取り込み・変換・ガバナンスを データ基盤構築 実行 データ スキーマ スター マッピング スキーマ dbtモデル セマンティック クレンジング レイヤー 各段階に組み込んだ 3層構造のウェアハウス。 ガバナンス&品質 データカタログ アクセス制御 リネージ追跡 品質ルール コンプライアンス チーム増強 AIエージェントがインサイトを抽出 統合データ品質管理&モニタリング し、タスクを実行します。データを LTSエンジニアを 貴社チームに常駐 自動的に意思決定へとつなげます。 インサイト抽出 ▼ A Iエージェント&B Iレイヤー 3 ダッシュボード& 予測モデル AIエージェント(L BI LM) 自動レポート 財務 オペレーション 営業 マーケティング プロダクト 13

事例1：金融ポートフォリオ管理プラットフォーム​ 事業課題 概要 あるスイスの資産運用会社は、世界8行以上の銀行から財務 データを統合し、週40時間以上を要する手動照合を解消 プロダクト し、1,200社以上のクライアントに対 エンタープライズデータ統合 するリアルタイムモニタリングを実現 &ポートフォリオ分析プラットフォーム するエンタープライズプラットフォームを必要 としていました。かつ、スイス国内データ保管に完全準拠する 業界 必要がありました。 金融サービス(資産運用 ・アセットサービス) 対応範囲 スコープ Swissquote AMI v2、b.link Open 複数銀行データの統合、財務計 Banking、FMP、Ariva.de市場データによる複数銀行連携 算、リアルタイムモニタリング TWR/MWR、リスク指標、ボラティリティを算出する財務 AX専門領域 計算エンジン。TimescaleDBで日次100万件以上処理 データエンジニアリング・金融 API・Azureクラウド 完全なデータ保管とジオフェンス型監査証跡を備 成果 えたスイス国内Azureデプロイ エンゲージメント プラットフォーム稼働率SLA 99.95% エンジニア6名、6ヶ月。スイス国内 全ポートフォリオで100ミリ秒未満 5分未満での障害検知を実現するエンタープライズ級の信頼性。 Azureデプロイ のレスポンスと99.95%の可用性を実現する分散処理 日次計算件数15万件以上 TWR/MWR、リスク指標、ボラティリティ計算を自動化。 レスポンスタイム100ミリ秒未満 1,200社以上のクライアントポートフォリオを分散処理。 6 6 8+ 8行以上の銀行と連携 Swissquote、b.link、FMP、Ariva.deによるデータ統合。 名 ヶ月 銀行数 スイス国内データ保管 ジオフェンス型スイスAzure。100%準拠、改ざん不可能な監査証跡。 手法・技術 Azure Data Factory Azure Databricks TimescaleDB Swissquote AMI v2 React + TypeScript QuantLib Azure Functions b.link Open Banking 14

サービス3：MVP AI開発​ スプリントMVP 検証済みプロトタイプ 本番環境対応パス 2週間 エンジニア2名 4週間 エンジニア2〜3名 6週間 エンジニア3名 単一のコアAI機能 複数機能のMVP 機能完全なMVP 基本UI +デプロイ テストスイート+ セキュリティスキャン CI/CD +モニタリング+負荷テスト 技術概要書+ウォークスルー ユーザーテストガイド+ ロードマップ 完全な引き渡しパッケージ 84% 41% +21% 48% の開発者 のコードがAIによ がAIツールを利用 って書かれている タスク完了数の増加 に脆弱性が存在 すべての成果物に人によるコードレビュー+セキュリティスキャンを含みます。LTS Japanは最先端の必須QA体制により、48%の脆弱性発生率に対応します 15 15

LTS Japanは、ソフトウェア開発ライフサイクルのあらゆる領域 にAIネイティブで取り組む先駆者の一社です。​ 16

事例1：リコーAI営業エージェント​ 事業課題 概要 グローバル企業のリコーは、リード選定、見込み客 プロダクト エンゲージメント、パイプライン管理を自動化するAI営業 対話型AI営業エージェント。リード選定 エージェントを必要としていました。NLPによる対話とCRM &パイプライン管理 統合を通じて、営業サイクル時間の40%短縮と適格 パイプラインの3倍成長を目指しました。 業界 対応範囲 B2B SaaS / エンタープライズ営業 対話型AIエンジン:反論対応と自動ミーティング調整を スコープ 備えたNLP対話 対話型AIエンジン、CRM統 Salesforce SDKによるCRM統合 合、リードスコアリング、営業分析 レイヤー。リードデータ、活動履歴、パイプライン段 階をリアルタイム同期 AX専門領域 成果 LLM・NLP・MLパイプライン・CRM統合 リードスコアリングMLパイプライン:ペルソナ別 アプローチ、複数チャネル対応、成約確率 スコアリング 営業サイクル40%短縮 エンゲージメント 選定・エンゲージメントの自動化により手作業の見込み客対応時間 エンジニア5名、4ヶ 月。リコー(グローバルエンタープライズ、オー 営業分析ダッシュボード:売上予測、コンバージョン を削減。 ストラリア) 指標、パイプライン実績の可視化 適格パイプライン3倍 ペルソナ別 アプローチとインテリジェントなリードスコアリングがコンバージョン を牽引。 5 4 複数チャネル対応 メール、LinkedIn、CRM連携チャネルを横断した自動アプローチ。 リアルタイムリードスコアリング エンジニア ヶ月 成約確率を常時更新し、正確なパイプライン予測を維持。 手法・技術 LangChain OpenAI GPT Pinecone RAG Pipeline Salesforce SDK AWS Bedrock Kubernetes AWS Lambda HuggingFace 17

サービス4：AXコンサルティング​ AI成熟度の段階的発展 AIレディネス AI戦略 ガバナンス& チェンジマネジメン コンプライアンス アセスメント 策定 責任あるAI ト &アップスキリング アクセラレーター 2〜4週間 3〜6週間 4〜8週間 4〜12週間 4〜8週間 データ、技術、人材、 6〜18ヶ月のロードマップ ポリシー、リスクフレー ワークショップ、AIチャ プロセス、組織文化の監査 KPIフレームワーク ムワーク、コンプライア ンピオン制度 AI基本法(韓国) ンスマッピング チームトレーニング 経産省ガイドライン(日本) A X が 全 体 を つ な ぐ 結 節 点 AX コンサルティング データ&アナリティクス 基盤レイヤー ▶ MVP AI開発 検証レイヤー ▶ AI受託開発 スケールレイヤー 戦略 ガバナンス コンプライアンス チェンジマネジメント アップスキリング 18 18

AX測定フレームワーク​ ▲ 最重要指標 複雑度別に正規化した AI新規機能への再投資比率 (ノーススター) ライフサイクル全体のAIユースケース単価 (維持コストとの対比) 経済的 AI投資回収までの期間 本番導入AIユースケース チーム別コスト削減率 成果 (黒字化までの月数) 1件あたりの削減額 (AI導入前後の比較) ↑ 成果 価値創出 ↑ 意思決定 ↑ リスク ↑ プロセス ↑ イノベーション スピード 品質 低減 効率 創出率 アウトプット 事業部門全体における AI人材として育成・認定された ステークホルダー満足度と AI導入の広さと深さ 従業員数 AI信頼指数 インプット AIツール、プラットフォーム、 研修・チェンジマネジメントへの AI変革に割く経営層の インフラへの投資額 投資額と時間 時間とスポンサーシップ LTSの役割 アセスメントワークショップ • ロードマップ設計 • KPIフレームワーク • 四半期ビジネスレビュー • 経営層アライメント 19

AX変革エンジン​ 成功の定義ができたら、次はそれをどう実現していくかです。 01 アセス 02 構築 03 トレーニング 04 定着 LTSフレームワークによるAI 成熟度監査 データ基盤 経営層向けAI戦略 フラクショナルCAO 5つの柱でスコアリング ウェアハウス、パイプライン、ガバナンス リーダーシップアライメントセッション 継続的なAIリーダーシップ 技術スタックレビュー AIワークフロー エンジニアリングアップスキ ル パフォーマンスレビュー インフラ、ツール、データ準備状況 自動化された業務プロセス AIネイティブな開発手法 ROI追跡&最適化 チームスキルマップ エージェントアーキテクチャ 運用チームトレーニング 新規ユースケース 現状と必要な能力のギャップ LLMエージェント&オーケストレーション AIツールの習熟&ワークフロー AI活用の全社的な拡張 ユースケース発掘 開発ツールチェーン プロンプトエンジニアリング モデルガバナンス 優先順位付けされた機会一覧 AIネイティブなCI/CD&テスト 自社特化型プレイブック ドリフト監視&再学習 コンプライアンススキャン ガバナンスレイヤー チェンジマネジメント 文化の定着 規制ギャップ(韓国/日本/米国) ガードレール、モニタリング、監査 導入指標&フィードバック AIファーストな意思決定習慣 成熟度スコアカード 本番運用可能なAI 組織全体で自走可能な 継続的に進化する と変革ロードマップ 基盤&ワークフロー AIネイティブチーム AIネイティブ組織 ↺ 継続的なループ。サイクルを重ねるごとにAI成熟度が深まり ・ 新たなユースケースが生まれ ・ 部門横断で拡大し ・ ROIが積み重なります 20