分類：企業事例 › ITサービス・BPO
この事例の要点
- Innodataは、AIシステムの開発・学習・後工程の調整・評価・導入を支えるデータエンジニアリングとAIシステム関連のサービスを提供しています（Form 10-K、2025年12月期）。
- 2025年12月期の売上高は251.7百万ドルで、前年の170.5百万ドルから約48％増えました。主力のDDSセグメントが220.9百万ドルを占めています（Form 10-K、2025年12月期）。
- DDSセグメントの1顧客が総売上高の約58％を占めており、成長の裏側に顧客集中という設計上の論点があります（Form 10-K、2025年12月期）。
どんな事業か
Innodata Inc.は、米国ニュージャージー州リッジフィールドパークに本社を置くNasdaq上場企業で、1988年に設立されました（Form 10-K、2025年12月期）。同社は自らを、AIシステムの開発、学習、後工程の調整、評価、導入を支えるデータエンジニアリングとAIシステムのサービス会社と説明しています。
顧客として、大手テクノロジー企業、先端のAI研究所、一般企業を挙げています。提供内容は、学習・後工程のデータ開発、人の好みに合わせる調整、能力・安全性の評価、エージェント型システムなどの導入支援です。事業はDigital Data Solutions（DDS）、Synodex、Agilityの3セグメントで報告されています（Form 10-K、2025年12月期）。
収益の仕組み
同社の収益認識の説明によれば、DDSは主に、サービスを実施した期間に、提供量に応じて売上を計上します。時間・工数ベースの契約は、作業の進行に応じて計上されます。固定報酬の契約は全体に占める割合が大きくないと説明されています（Form 10-K、2025年12月期）。
- 入り口：AI開発企業や一般企業の案件ごとに、データの設計・作成・評価を請け負います。
- 課金：提供した量や投入した工数に応じて売上が立つ、案件型の構造です。
- 継続：Agilityセグメントは、AIを使った業界向けプラットフォームの購読（サブスクリプション）から売上を得ています。
同社は、DDSの契約が主に任意の解約が可能な性質を持つこと、顧客が案件を縮小・延期・中止できることをリスク要因に挙げています（Form 10-K、2025年12月期）。
数字で確かめる
- 総売上高は251.7百万ドルで、前年の170.5百万ドルから81.2百万ドル（約48％）増えました（Form 10-K、2025年12月期）。AI向けデータ需要の伸びが、売上に直接表れていることが読み取れます。
- DDSの売上高は220.9百万ドルで、前年の141.1百万ドルから約57％増えました。増加の主因は、データエンジニアリングとAIシステム関連サービスの量の増加と説明されています（Form 10-K、2025年12月期）。売上の伸びが量の増加に支えられていることが読み取れます。
- 売上総利益は99.5百万ドルで売上高比39.5％、営業利益は39.9百万ドル、当期純利益は32.2百万ドルでした（Form 10-K、2025年12月期）。人手を多く使うサービスでも、規模が増えると利益が確保されていることが読み取れます。
- DDSの1顧客が総売上高の約58％を占めました。前年は約48％でした（Form 10-K、2025年12月期）。特定顧客への依存が高まっていることが読み取れます。
- Synodexは7.3百万ドル（約8％減）、Agilityは23.5百万ドル（約9％増）でした（Form 10-K、2025年12月期）。案件型とは別に、購読型の事業も並行して持っていることが読み取れます。
Otsumuの読み解き：なぜ成り立つのか
ここからはOtsumuの考察です。この事例は、時間・工数課金と業務受託（BPO）の型に近く、AI開発に必要な「質の高い人手の作業」を、専門性と仕組みで束ねて売る設計だと読めます。AIの性能は学習データの質に左右されるため、データの品質管理や評価の手順を持つことが、単なる作業の代行との差になると考えられます。
一方で、案件型の収益は、顧客の計画が変わると量が増減します。1顧客への集中度が上がっているという数字は、強みであると同時に、重要な経営課題でもあると読めます。購読型のAgilityのような事業を横に持つことは、収益の波を和らげる一つの手と考えられます。
日本の中小企業にとっての示唆は、AI活用の周辺に、人の判断や専門知識を必要とする作業が生まれる点です。AIそのものを作らなくても、AIが必要とするデータ整備や確認の工程を、品質を管理する形で提供する余地があるかもしれません。
自社事業に持ち帰る問い
- 自社の業務のうち、AIの精度や安全性を高めるために、人の専門的な判断が必要になる工程はどこでしょうか。
- 案件型の売上に偏っている場合、特定の顧客への依存度は何割で、どこまでなら許容できるでしょうか。
- 案件型の収益と、継続的な購読型の収益を、どのような比率で組み合わせるのが自社に合うでしょうか。
小さく試すなら
- 自社が扱っている文書・画像・問い合わせなどのデータから、AIに学習させたい、または確認させたい業務を一つ選び、現在の人手の作業を書き出します。
- その業務について、「正しい」と判断する基準を、3〜5項目の確認表にまとめます。
- 少量のサンプル（数十件）で、確認表に沿って人が評価し、AIの出力との差がどこにあるかを記録します。
- 2〜4週間で、差の大きい箇所を整理し、その確認作業を外部に頼みたいと感じる相手がいるかを、数名に聞いて確かめます。
関連するビジネスモデル
資料の位置づけ
企業・サービス：Innodata Inc. / AI向けデータ開発・評価サービス。参照資料：Form 10-K（2025年12月期）。このページは公開情報にもとづく学習用の分析です。Otsumuの支援実績や当該企業との取引関係を示すものではありません。示唆と検証案はOtsumuの考察であり、企業自身の見解とは区別しています。
参考資料と編集について
上記の公開資料（目論見書・年次報告書・企業の公式発表など）をもとに、Otsumuが執筆しました。数値と企業の説明は資料の記載の範囲にとどめ、Otsumuの考察とは分けています。数値は資料の表記のままで、最新の情報は各社の開示をご確認ください。
執筆：Otsumu株式会社 ／ 編集日 2026.10.25