燈株式会社（Akari Inc.）
燈株式会社「日本を照らす燈となる」という使命のもと、AIをはじめとする最先端テクノロジーで社会課題の解決を目指す。建設・製造・物流・卸売・小売などの基幹産業を対象に、業界特化型のAI SaaSやDXソリューションを提供する。生産性向上や技術継承、現場業務の効率化を通じて、日本産業のデジタルトランスフォーメーションを推進する。
B2B
成長期
AI・SaaS／産業DX・業界特化型ソフトウェア
ペルソナ
燈株式会社の主な対象は、建設・製造・卸売・小売などの現場業務を担う企業担当者と、全社的なDX・業務改善を推進する責任者です。業界固有の文書作成、熟練者の知見継承、現場データ活用といった課題を抱え、生成AIを業務に定着させたい中堅〜大企業が中心です。
建設会社の業務改善責任者
(施工管理・現場DX推進担当)
ニーズ
現場業務の標準化と生産性向上
施工計画書や報告書などの作成業務を効率化し、現場ごとの属人的な進め方を減らしたい。社内に蓄積された施工ノウハウを活用して、若手でも一定品質の業務を遂行できる状態を実現したい。
悩み
書類作成に時間がかかる
施工計画書、安全書類、報告書などの作成量が多く、現場担当者が本来注力すべき管理業務に時間を割けない。
熟練者への依存が大きい
ベテランの経験や判断基準が暗黙知になっており、若手教育や拠点間の品質平準化が進みにくい。
現場ごとに業務品質がばらつく
担当者や案件によって書類の内容や対応方法が異なり、標準化やコンプライアンス管理が難しい。
製造業の生産技術責任者
(工場改善・技術継承担当)
ニーズ
製造ノウハウの共有と改善速度の向上
熟練技術者の知識を組織の共有資産に変え、設備トラブル対応や作業手順の作成を迅速化したい。現場データや過去の記録を活用し、品質・生産性・安全性を継続的に改善したい。
悩み
熟練者の退職で技術が失われる
ベテランの判断や作業のコツが文書化されておらず、退職や異動によって現場の技術力が低下するリスクがある。
必要な情報を探し出せない
図面、手順書、点検記録、過去トラブルの情報が複数の場所に分散し、問題発生時の調査に時間がかかる。
改善活動が担当者任せになる
工場やラインごとに改善方法が異なり、成功事例を全社へ展開する仕組みが整っていない。
卸売・小売企業の営業企画責任者
(業務効率化・販売支援担当)
ニーズ
営業・店舗業務の効率化と知識活用
商品情報、取引先情報、販売実績などを横断的に活用し、提案準備や問い合わせ対応を迅速化したい。現場担当者が専門知識をすぐに参照でき、販売機会の拡大と業務品質の均一化につながる状態を目指したい。
悩み
商品・取引先情報が分散している
商品マスタ、在庫、価格、商談履歴などが複数システムに分かれ、営業や店舗が必要な情報をすぐ確認できない。
業務知識の習得に時間がかかる
取扱商品や商慣習が多岐にわたり、新人や異動者が独力で適切な提案や問い合わせ対応を行うのが難しい。
人手不足で現場の負担が増えている
問い合わせ対応、資料作成、発注などの定型業務が多く、限られた人員で売上拡大と顧客対応を両立しにくい。
中堅企業のDX推進責任者
(経営企画・情報システム担当)
ニーズ
全社で使われるDX基盤の構築
単発のPoCで終わらず、各部門の実業務に組み込まれるAI活用を実現したい。自社データや業務知識を安全に活用し、現場の生産性向上と経営判断の迅速化を両立したい。
悩み
PoCから本番導入へ進めない
AIの検証は行えても、現場業務への組み込み、利用定着、効果測定まで進まず、投資対効果を説明しにくい。
データ活用の前提が整っていない
文書や業務データの形式が統一されておらず、部門ごとに情報が分断されているため、AI活用の精度や再現性が上がらない。
現場と経営層の期待が合わない
経営層は大きな成果を期待する一方、現場は導入負荷や誤回答のリスクを懸念しており、社内合意形成に時間がかかる。
企業の人材育成責任者
(教育・ナレッジマネジメント担当)
ニーズ
自律的に学べる人材育成環境
従業員が業務中に必要な知識へアクセスできる環境を整え、教育担当者や熟練社員の負担を抑えたい。研修だけに依存せず、日常業務の中で技能や判断力を身につけられる仕組みを実現したい。
悩み
教育担当者が不足している
新人や異動者への指導を一部の熟練社員が担っており、通常業務との両立が難しい。
研修内容が現場で活用されない
集合研修やマニュアル整備を行っても、実際の案件や設備に即した判断へ結びつかず、定着度を把握しにくい。
人材の習熟度に差がある
拠点、部署、指導者によって教育内容が異なり、必要なスキルを一定水準まで引き上げるのに時間がかかる。
価値
燈株式会社の主要機能は、業界特化型AIによる情報活用、文書作成の効率化、熟練知の継承、現場業務への定着支援です。単なる汎用チャットボットではなく、建設・製造・卸売・小売などの業務データと専門知識を活用し、現場の生産性向上につなげる点に価値があります。
主要機能
課題
導入・活用の主要課題は、業務データの整備と回答品質の担保、現場定着と運用体制の構築、導入効果と費用対効果の可視化です。AIの機能自体よりも、既存業務・データ・権限・教育を企業ごとに接続できるかが成果を左右します。
業務データ整備と回答品質への不安
社内文書や業務データが分散・陳腐化している企業では、導入前の棚卸しや権限整理に負荷がかかる。誤回答が安全・品質・顧客対応に影響する業界のため、実運用前の検証も重要になる。
現場定着と利用習慣の形成
AIを導入しても、現場が使い方を理解できず、既存のメール・紙・表計算中心の業務へ戻る可能性がある。部門ごとの業務フローに組み込み、利用ルールと教育を継続する必要がある。
費用対効果と導入範囲の見極め
AI導入の効果は、削減時間だけでなく品質向上や教育期間短縮にも分散するため、投資対効果を算定しにくい。初期導入の成果を示せなければ、全社展開や追加予算を得にくくなる。
アクション
燈株式会社のAARRR施策では、業界課題に即した集客から、小さく成果を実感できる初回体験、現場定着・部門拡張へつなげることが重要です。B2B AIサービスでは、導入効果の可視化と成功事例の共有を通じて、契約拡大と紹介を生む循環を構築します。
獲得
建設・製造・卸売・小売など、業務課題が明確な法人が主な対象です。業界特化AIという強みはあるものの、導入効果や自社業務への適合性を具体的に理解してもらう必要があります。
推奨アクション
業界課題別コンテンツを拡充する
業界ごとの業務課題を持つ企業を集客するため、文書作成、技術継承、現場検索などの課題別に、導入効果や活用方法を解説する。
業界別の導入成果を発信する
自社業務への適合性を伝えるため、導入前後の工数、品質、利用範囲の変化を業界別の事例として公開する。
業界団体・専門企業と共催する
信頼性の高い法人リードを獲得するため、建設、製造、流通などの業界団体や専門ベンダーと業務改善セミナーを開催する。
活性化
導入検討企業は、AIの精度だけでなく、自社データの取り込みや現場での使いやすさを確認してから本導入を判断します。最初のユースケースで短期間に成果を実感できるオンボーディングが必要です。
推奨アクション
業務課題とデータの無料診断を提供する
導入対象を具体化するため、文書作成、ナレッジ検索、問い合わせ対応などの業務負荷とデータ状態を診断し、優先ユースケースを提案する。
限定業務で短期検証を行う
初回価値を早く実感してもらうため、成果を測定しやすい一部門・一業務から始め、導入前後の工数や品質を比較する。
役割別オンボーディングを設計する
現場担当者の利用開始と管理者の運用設計を両立するため、利用者、現場責任者、情報システム担当者ごとに研修と導入ガイドを用意する。
定着
継続利用は、回答品質だけでなく、業務フローへの組み込みやデータ更新、利用状況に応じた支援によって左右されます。利用部門を増やし、日常業務で使われる状態を維持することが課題です。
推奨アクション
利用状況に応じた定期支援を行う
利用停滞や活用不足を防ぐため、利用率、質問内容、成果指標を定期的に確認し、部門ごとに改善提案を行う。
社内の活用事例を横展開する
同一企業内の利用部門を増やすため、効果の高かった質問例、業務テンプレート、運用方法を社内事例として共有する。
ナレッジ更新の運用を定着させる
回答品質と信頼性を維持するため、情報の更新責任者、承認フロー、古い資料の扱いを定め、定期的にナレッジを更新する。
収益
B2Bの業界特化AIでは、単一業務の導入から複数部門・複数拠点への拡張が売上成長の中心になります。導入成果を定量化し、追加契約の根拠を明確にする必要があります。
推奨アクション
利用部門・拠点を段階的に広げる
顧客単価を高めるため、初期導入で成果が確認できた業務を起点に、他部門、他拠点、関連業務へ利用範囲を拡張する。
導入効果レポートを定期提供する
追加予算の承認を得やすくするため、削減時間、処理件数、回答修正率、教育期間などを導入前後で比較して報告する。
規模別・用途別の契約プランを整備する
企業規模や導入範囲に応じた契約を選びやすくするため、部門単位の開始プランと全社展開プランを用意する。
紹介
業界特化型の法人サービスでは、既存顧客の成果や担当者間の信頼が新規商談につながりやすいです。紹介を偶発的な口コミに任せず、成功事例と紹介導線を整備することが重要です。
推奨アクション
顧客紹介プログラムを設計する
既存顧客から同業他社の紹介を得るため、紹介条件、紹介後の商談対応、双方への提供価値を明確にした制度を整備する。
業界別ユーザー会を開催する
顧客同士の知見共有と信頼形成を促すため、業界別に活用事例や運用課題を共有するユーザー会を定期開催する。
顧客と成果事例を共同発信する
紹介につながる社会的証明を増やすため、顧客と共同で導入背景、活用方法、定量成果を整理し、講演や記事で発信する。
KARTEは、法人サイトやサービスサイトにおける訪問者理解、問い合わせ前後の体験改善、導入検討者への適切な情報提供に価値を発揮します。獲得からオンボーディング、継続利用までの顧客接点をデータで可視化し、施策の検証と改善を支援する位置付けです。
グロースモデル
燈株式会社の成長は、業界特化データの蓄積とAI活用成果の拡大が相互に強化するデータネットワーク型です。顧客企業の業務データ・利用知見・成功事例が増えるほど、導入精度と提案力が高まり、より多くの業界・企業へ展開しやすくなります。
業界特化AIの導入企業が増えるほど、業務データ・利用パターン・成功事例が蓄積され、回答品質と導入支援の標準化が進む。その結果、顧客成果と導入効率が高まり、契約拡大と新規顧客獲得がさらに加速する。
業界企業への導入基盤が拡大
建設・製造・卸売・小売などの企業で、業界特化AIの導入対象部門と利用拠点が増える。
業務データと利用知見が蓄積
顧客企業の文書、業務知識、質問内容、利用パターンが蓄積され、業界別の知識基盤が充実する。
AI回答品質と業務適合性が向上
蓄積されたデータと利用フィードバックにより、業界固有の質問への回答精度や文書作成支援の適合性が高まる。
導入成果と現場定着率が向上
業務時間の短縮、知識継承、問い合わせ対応の効率化が進み、顧客企業内での利用継続と部門展開が増える。
成功事例と業界別提案力が増加
導入成果や活用パターンが事例・テンプレートとして体系化され、新規顧客への提案精度と導入スピードが高まる。
導入成果と現場定着率が向上→業務データと利用知見が蓄積
利用継続や部門展開が増えるほど、より多様な業務データとフィードバックが追加され、知識基盤の網羅性が高まる。
成功事例と業界別提案力が増加→AI回答品質と業務適合性が向上
業界別の成功事例やテンプレートが増えるほど、新規顧客への初期設定と回答品質の立ち上がりが速くなる。
業界企業への導入基盤が拡大
建設・製造・卸売・小売などの企業で、業界特化AIの導入対象部門と利用拠点が増える。
業務データと利用知見が蓄積
顧客企業の文書、業務知識、質問内容、利用パターンが蓄積され、業界別の知識基盤が充実する。
AI回答品質と業務適合性が向上
蓄積されたデータと利用フィードバックにより、業界固有の質問への回答精度や文書作成支援の適合性が高まる。
導入成果と現場定着率が向上
業務時間の短縮、知識継承、問い合わせ対応の効率化が進み、顧客企業内での利用継続と部門展開が増える。
成功事例と業界別提案力が増加
導入成果や活用パターンが事例・テンプレートとして体系化され、新規顧客への提案精度と導入スピードが高まる。
導入成果と現場定着率が向上→業務データと利用知見が蓄積
利用継続や部門展開が増えるほど、より多様な業務データとフィードバックが追加され、知識基盤の網羅性が高まる。
成功事例と業界別提案力が増加→AI回答品質と業務適合性が向上
業界別の成功事例やテンプレートが増えるほど、新規顧客への初期設定と回答品質の立ち上がりが速くなる。
競合
燈株式会社は、業界特化型AIを軸に建設・製造などの基幹産業向けDXを推進する企業であり、競合は 建設業向け生成AI, 製造業向け生成AI, 建設業務SaaS, 大企業向けAI導入支援 の4領域に分かれる。
市場ポジショニング
自社の立ち位置
- 建設・製造・卸売・小売など、現場業務や専門知識の比重が高い産業向けのAIエージェント提供企業
- 汎用的な生成AIではなく、業界データ・社内ナレッジ・業務プロセスに対応した業界特化型DXを志向
- 東京大学・松尾研究室発のAI技術と、業界課題を起点としたプロダクト開発を組み合わせるポジション
他社との差別化ポイント
- 建設業向け「光/Hikari」、製造業向け「工/Takumi」、卸売・小売業向け「商/Akinai」など、複数業界へ横展開できるプロダクト群を持つ
- 業務文書作成、技術継承、社内データ検索、現場判断支援など、専門性の高い実務領域に踏み込んでいる
- 単なるチャットボット提供ではなく、業界ごとの業務知識やデータ活用を前提にしたAI導入・業務変革を目指している
JAPAN AI株式会社（JAPAN AI 建設）
https://japan-ai.co.jp/construction/建設業界の施工管理における検索・書類作成・日報整理をAIで支援する業界特化型AIサービス。
燈の「光/Hikari」と最も直接的に競合する建設業向け生成AIサービス。JAPAN AI 建設は工程表、施工計画書、KY活動、日報、現場写真など施工管理の個別業務に焦点を当て、既存のExcel帳票や業務フローを維持した導入を訴求している。(japan-ai.co.jp)
強み
施工管理の具体的な業務単位に機能を分解しており、導入効果を説明しやすい点が強み。既存帳票やシステムを活用し、大規模なデータ移行を避けて段階導入できる点も、建設会社の導入障壁を下げやすい。
弱み
現時点の訴求は施工管理領域が中心で、建設以外の産業や、より広範な企業内AI活用への展開力は燈より限定される可能性がある。また、業務単位のAIツール群として導入した場合、全社的なナレッジ基盤や複数部門横断の活用では追加設計が必要になりやすい。
自社の優位性
燈は建設業だけでなく製造・卸売・小売などにも業界特化AIを展開しており、複数業界の知見を蓄積しながらプロダクトを横展開できる点で優位性を持つ。建設業向けでも、書類作成に加えて若手教育や技術継承まで含む広い業務課題を訴求しやすい。
株式会社日立システムズ（製造業向けアシスタントAI）
https://www.hitachi-systems.com/dx/generative-ai/assistant-ai-manufacturing/日立グループの製造業ノウハウと企業データを活用し、製造現場の業務効率化・高度化を支援する生成AIサービス。
製造業向け「工/Takumi」と競合する、大企業向けの製造業生成AIサービス。日立システムズは製造業固有の業務支援、社内文書検索、直接業務のカスタマイズ、導入後の伴走支援を提供している。(hitachi-systems.com)
強み
日立グループの製造業に関する実績、企業向けセキュリティ、既存システムとの連携力、大規模企業への導入支援体制が強み。PoCから本番運用、利用状況の分析、個別開発まで一貫して支援できるため、大企業の調達要件に対応しやすい。
弱み
大企業向けの個別開発や伴走支援を前提とするため、導入期間や費用が大きくなりやすい可能性がある。標準化された業界特化SaaSとして迅速に導入したい中堅企業に対しては、燈の方が柔軟かつスピーディーに提案できる余地がある。
自社の優位性
燈はAI技術を中核に、業界課題を起点としてプロダクトを開発するスタートアップであり、製造業向けAIを比較的軽量に導入しやすい形で提供できる可能性がある。大手SIerよりも意思決定やプロダクト改善が速く、現場起点のユースケース開発で差別化できる。
株式会社アンドパッド（ANDPAD）
https://andpad.jp/建設・建築業界の施工管理、情報共有、進捗管理をクラウドで一元化する業務プラットフォーム。
ANDPADは生成AI専業ではないが、建設会社の現場データと日常業務を押さえるため、燈の建設AIにとって重要な隣接競合となる。燈がAIによる書類作成・知識活用・判断支援を担うのに対し、ANDPADは施工管理の基幹業務基盤として利用される。
強み
建設業界における認知度、導入実績、現場コミュニケーションや工程・写真・帳票管理を含む幅広い業務カバレッジが強み。日常的に蓄積される現場データを持つため、今後AI機能を強化した場合には高い競争力を発揮し得る。
弱み
中心価値は施工管理の業務基盤であり、専門文書の自動生成や熟練者の暗黙知の形式知化など、生成AIを活用した高度な知識支援では専業AI企業に差がある可能性がある。既存プラットフォームに依存するため、特定業務だけを短期間でAI化したい企業には過剰導入となる場合もある。
自社の優位性
燈は既存の施工管理基盤を置き換えるのではなく、社内マニュアル・過去事例・専門知識を活用したAIレイヤーとして提案できる。ANDPADなど既存SaaSとの連携を前提にすれば、基幹システムとAI活用を補完関係にできる。
その他の競合（4社）
| 企業名 | 特徴と違い |
|---|---|
| 建設・土木業界向けに写真管理、図面管理、書類作成などを提供する現場DXプラットフォームで、燈の建設AIと顧客課題・導入部門が重なり得る。 | |
| 製造業の見積・受発注・生産管理をカバーするクラウドERPで、燈の製造業向けAIと業務データ活用・生産性向上の領域で隣接する。(synapse-i.jp) | |
| 企業向けAI・自然言語処理・AIエージェントの導入支援を幅広く行い、業界特化AIの基盤技術・大企業向け提案で競合し得る。 | |
| 企業の業務変革や生成AI活用を支援するAIソリューション企業で、業界特化型のDXコンサルティングや大企業向けAI導入案件で競合し得る。 |
業界特化型AIサービスの導入検討から利用定着まで、顧客企業や現場ユーザー一人ひとりに合わせたCX施策を強化してみませんか？
例えば、
無料のWicleから始めることもできます
KARTEと共通の計測基盤を採用
無料で始められ、事業の成長に合わせてKARTEへの段階的な移行も可能です