三十年に及ぶデータ整備の業歴と、専門人材を大規模に束ねる管理の仕組みが最大の強み。生成人工知能の品質競争が、人の判断による教材と評価の需要を押し上げている。モデルを作る側ではなく教える側という、軍拡競争の弾薬商の立ち位置にいる。
人工知能モデルの学習に使うデータの収集と整理、正解付け、回答の品質評価といった作業の受託が収益の柱。世界に抱える数千人の専門作業者と管理の仕組みで、巨大テック企業の大規模な発注をこなす。医療や法律など専門分野の教材づくりや、安全性の検証まで請け負う。モデル開発の投資に乗って稼ぐ構造になっている。
収益の大半が一握りの巨大テックに依存し、一社の方針転換が業績を急変させる。学習データの内製化や自動化が進めば、人手の受託という商売の土台が痩せる。モデル開発の投資が一服すれば発注は急減する。急伸した株価は期待の剥落に極めて敏感になる。
配当を出さず、資金を作業者の採用と専門分野の能力構築に投じる成長優先の経営。大口顧客の中で作業の幅を広げ、一件あたりの単価を引き上げる。評価と安全性の検証という上流の仕事へ移る方針が特徴になっている。
自己資本・流動性ともに安定し、黒字を維持しながら財務の安全性も高い水準にあります。
前年比。3年の年平均は 47.1%
売上から原価を引いた、商品そのものの儲けの厚さ
本業でどれだけ稼げているか。マイナスは本業赤字
株主のお金をどれだけ効率よく利益に変えたか
本業で実際に生まれた現金。利益と違い会計の調整を含まない
営業CFから設備投資を引いた、自由に使える現金
フリーCFがプラスで、現金を生み出せている状態
無配
配当を出さず、稼いだお金を成長のための投資や借入の返済に充てる段階です。利益を会社の中で再投資して価値を伸ばすことを優先しています。
Innodata は、人工知能の学習に使うデータの整備を巨大テック企業から請け負う会社だ。
最大の強みは、三十年に及ぶデータ整備の業歴と、専門人材を大規模に束ねる管理の仕組みにある。生成人工知能の品質競争が人の判断による教材と評価の需要を押し上げ、モデルを作る側ではなく教える側という弾薬商の位置で急伸した。一方で収益の大半が一握りの巨大テックに依存し、一社の方針転換が業績を急変させる。学習データの内製化や自動化が進めば人手の受託という土台が痩せ、急伸した株価は期待の剥落に極めて敏感だ。INOD を読むときは、大口顧客の発注と顧客の広がり、単価の推移を軸に見るとよい。
読み込み中…
