FOOMA JAPAN 2026 スタートアップゾーンで上位入賞しました。現場の「困った」を解決するAIを、もっと多くの製造現場へ。

なぜ、私たちは展示会に出るのかFOOMA JAPANで改めて感じたこと上位入賞という評価についてここから、さらに多くの現場へ先日、東京ビッグサイトで開催された「FOOMA JAPAN 2026」に出展しました。そして今回、スタートアップゾーンにて上位入賞という評価をいただくことができました。ブースへ足を運んでくださった皆様、プレゼンテーションを聞いてくださった皆様、そして応援してくださった皆様、本当にありがとうございました。なぜ、私たちは展示会に出るのかOUENが向き合っているのは、製造現場にある「ちょっとした困りごと」です。例えば、「検査をAI化したいけれど、大量のデータ準備が大変」「...

「面倒くさい」を、その日のうちに無くす会社

きっかけは些細な気付きから使うからこそ課題に気づき、そして改善できるきっかけは些細な気付きから「ちょっと面倒だな。」先日、自社のソフトウェアを使っていたときにあった出来事です。私たちは日々、お客様からお預かりした画像データを使って、当社のAI外観検査ソフトウェアでどの程度の検出精度が出るのかを検証しています。その日扱っていたデータは、少し特殊な形式でした。ソフトウェアとしては問題なく処理できるものの、設定や操作の手順がいつもより少し多い。決して不可能ではないけれど、正直なところ「もう少し楽になったらいいのに」と感じるような内容でした。しかも、そのケースは今回だけの話ではありません。今後の...

FOOMA Japan2026に出展しました〜「ゼロ学習AI」は現場でどう受け止められたのか〜

2026年に開催された世界最大級の食品製造技術展示会「FOOMA Japan2026」に出展しました。4日間で延べ7万人近い来場者が訪れるこの展示会において、当社はスタートアップブースとしての出展という形でしたが、会期を通じて非常に多くの方にブースへお立ち寄りいただく機会となりました。終始人が途切れないブースで見えたもの会期中、当社ブースの前には常に来訪者の方がいらっしゃる状態が続きました。ブース自体は決して大規模ではありませんが、それにもかかわらず足を止めていただく方が多く、想定以上の関心の高さを感じる結果となりました。特に多かった質問は、「AIなのに、なぜ学習しなくても使えるのか？」...

「フルリモートだけど、現場から離れない。」OUENの働き方について

OUENが、フルリモートで働く理由東京R&Dセンターの設立日常の働き方リモートワークならではの難しさOUENが、フルリモートで働く理由当社は、原則としてはフルリモートで働いています。そう話すと、「製造業向けの会社なのに？」と驚かれることがあります。実際、私たちが向き合っているのは、工場や生産ラインなど“現場”のある仕事です。カメラ、照明、ワーク、搬送条件――AIのソフトウェアだけでは完結しない世界だからこそ、なおさらそう感じられるのかもしれません。それでも、私たちがフルリモートという働き方を採用している理由はシンプルです。「優秀な人と、時間や場所に縛られずに働きたい。」その思いが、根っこ...

「え、夢だよね？」（悪い意味で）から始まったキャリアでした。

これまでの経歴と、改めて自己紹介。慌てて選んだ学校推薦とその後の不安従業員規模が1000分の1以下の会社に転職OUENへの入社のきっかけこれまでの経歴と、改めて自己紹介。今回は、改めてOUEN株式会社でどんな人が働いているのか知っていただこう、ということで中の人の自己紹介第一弾として柴田の自己紹介をさせていただきます。正直に言うと、自分のキャリアは最初から計画通りだったわけではありません。大学院受験の合格発表の日、掲示板を見に行ったときのことを今でも覚えています。自分の番号がありませんでした。最初に思ったのは、「落ちた」ではなくて、「え、夢だよね？」でした。本当に実感がなくて、その日は「...

【創業エピソード】技術と人に誠実でありたい

いまでこそAIのエンジニアをメインとした仕事をしていますが、私はもともとは大学時代から機械系であり、機械系エンジニアとして大企業のキャリアを始めました。すごく整っていてかつ成長できる環境ではありましたが、大学時代から研究が好きで、理論が好きだった私は、AI（といっても古典的な機械学習含む）が世間で話題になり始めてから、ベンチャー企業でAIエンジニアとしてのキャリアチェンジをしました。自分の手で、世の中に影響を与えるのが手に取るようにわかるこの仕事は、とても合っていると当時から感じていました。そこからは一度ベンチャー企業創業にかかわり、その中でお客様に喜んでいただくのを目の前にして、技術や...

「その課題、本当に解けるんですか？」

正直、何度も言われてきました。少量多品種。頻繁な品種切替。不良品がほとんど出ない高品質な現場。日本の製造業の現場には、AI外観検査にとって“難しい条件”がたくさんあります。実際、多くのAI外観検査は、大量の不良データを学習する前提で作られています。でも現場では、そもそも不良がほとんど発生しない。しかも、扱う製品が頻繁に変わる。つまり、「AIを導入したい。でも、AIを成立させる条件がそろわない」という矛盾が起きていました。だからこそ、「それ、本当に現場で使えるんですか？」と言われることも少なくありませんでした。でも僕たちは、むしろそこにこそ、日本の製造業向けAIの本質的な難しさと面白さがあ...

「AIを入れたいのに、不良品が集まらないんです。」

これは、製造業のお客様と話していると、本当によく聞く言葉です。AI外観検査という言葉自体は、ここ数年でかなり広がりました。実際、工場の現場でもAI導入への期待は大きくなっています。でも、現場で話を聞けば聞くほど、理想と現実のギャップも見えてきました。たとえば、多くのAI外観検査は「不良品を学習させる」必要があります。傷、異物、欠け、変形。AIに「これが不良です」と覚えさせるためには、大量の不良画像が必要になる。でも、現場からすると、そもそも不良って“たくさんあってほしくない”ものなんです。品質改善を積み重ねた結果、不良発生率がppmレベル（100万個に数個）まで減っている現場も珍しくあり...

「AIなら何でもできます」とは、どうしても言えません。

AIが大きな注目を集め始めた頃、外観検査の世界でも「AIで検査を自動化できる」という話が一気に広がりました。展示会では華やかなデモが並び、導入事例も次々と出てきました。実際、AIには大きな可能性があります。僕達も、2016年頃のディープラーニング黎明期から製造業向けのAI開発に携わり、「これは日本の製造業を変えられる技術かもしれない」と本気で感じていました。でも、現場でお客様と向き合っていると、少しずつ違和感も感じるようになったんです。「AIならどんな検査でもできます」「すぐ高精度が出ます」「人の代わりになります」そんな言葉が、業界の中で当たり前のように使われていました。もちろん、悪意が...