皆様こんにちは。株式会社エレメンツ代表取締役社長の長谷川でございます。これより第二四半期の決算説明を行わせていただきます。よろしくお願いいたします。 まず中期財務目標、中期指針です。中期方針に関しましては大きな方針に変更はございません。財務目標のみ今回変更させていただいてますけれども、こちらは後述させていただきます。

ハイライトで今期第二四半期のハイライトでございます。こちらにつきまして、のれん償却額を含んだ営業利益で本四半期について2,500万円の黒字で着地をしております。次に個人認証の事業の拡大の観点のトピックでございます。一番大きなトピックはですね、プラットフォーム事業者として主務大臣の認定を取得いたしました。我々はこれ以降ですね、今後はJPKIの仕組みの提供を他のプラットフォーム事業者様の力を借りることなく、我々自身で直接エンドユーザークライアント企業様向けにJPKIの仕組みを提供していくことができるようになっております。 またセブン銀行様との業務提供を開始してきております。こちらセブン銀行様のATM上で本人確認を生体認証で行える仕組みを提供を始めております。またですね、公金給付周りの地方自治体様での生体認証の活用ですとか、検察業界での活用など新たな利用拡大が進んでおります。

次にIQパーミッション、サービスステーション向けのAI給与判定サービスでございます。こちらですね、危険物保安技術協会による実証機の技術基準適合確認試験に合格をいたしました。これによってですね、我々のAI給与サービスが改めて試験確認証明書を取得した上で本番販売が可能になっておりますので、日本全国のサービスステーションに向け販売を開始してまいります。 次に計算省参加、ジニアックからですね、製造業の熟練工の暗黙知のデータを学習するデータセットエコシステムの構築に関する研究開発を実施事業者として採択を受けております。これ直近のニュースでございます。こちらも後日後ほど詳しくさせていただきます。

最後業績予想でございます。基礎計画、売上高51億から53億だったもの、営業利益は0から2億だったものが、それぞれですね修正後56から57億円、また営業利益は3億から4億円にレンジの切り上げを行わせていただいております。続けてですね、第二四半期業績ハイライトでございます。こちらに関しましてまず売上高ですけれども、ポラリファイの連結取り込み効果およびリキドエキアシの好調によりまして前年同期比プラス55%の15億700万円と過去最高を記録しております。また営業利益はポラリファイPMIの堅調な推移およびリキドエキアシの好調により前年同期比1億7,700万円プラスの2億7,000万円と黒字で着地となっております。またEBITDAも前年同期比2億3,500万円プラスの3億8,300万円、当期純利益は前年同期比プラス約6億円の1億9,600万円と黒字での着地となっております。また各種トピックです。ポラリファイのPMI進捗に関してです。こちらに関しましてはのれん償却2億2,700万円を含んだ営業利益でプラス2,500万円の黒字着地となっております。PMIは非常に順調に進んでいると認識をしております。 次に累計の部分のご説明に移らせていただきます。全社売上につきましては前年同期比プラス66%である27億9,900万円と過去最高を更新しております。また売上総利益率はポラリファイの連結化の影響により77.8%となっておりますが、本要因を考慮した場合の総利益率は87.6%と高水準で着地をしております。また販管費につきましても前年同期比プラス35%の18億5,000万円で着地をしております。上記の結果営業利益は3億2,700万円EBITDAは6億5,300万円純利益は2億9,700万円といずれも黒字で回復をいたしました。

さらにこちらの売上についてです。こちら同じ話になりますので割愛をさせていただきます。過去最高を更新しております。こちらの売上の補足になります。まず累計契約社数ですけれども前四半期プラス29社となっております。継続してですね極めて低いチャーンレートで推移しておりますのでほぼ顧客の増加数というのが累計顧客数の増加にほぼ2割イコールでヒットしてきているような状況になっております。また第三者機関の市場におけるベンダー別売上金額シェアで7年連続のナンバーワンというところを取らせていただいております。 次に売上総利益率でございます。前期比でプラス59%の約12億で着地をしております。売上総利益率は先ほども言及しましたけれどもポラリファイ取り組みの影響で全体79.4%でそれを除いた場合は88.6%となっておりますけれどもこのポラリファイの影響も今年の8月末9月以降でさらに売上総利益率がポラリファイ社も改善してまいりますので基本的にはもともとの水準に近しい形に収れんしていくというふうに考えております。

次に販管費でございます。販管費ですね前年同期比プラス37%の9億8,800万円で着地をしております。かつ売上高販管費比率は65.6%と前年同期比で比べますと8. 5%減少しておりまして堅調な推移をしております。またポラリファイを除いた販管費、ポラリファイの費用ですけれどもM&A関連費用はですねのれん償却額のみの発生となっております。またポラリファイの販管費も連結化開始時の2億1,500万円からマイナス4,500万円と通信費人件費を中心に低減をしておりましてPMIは順調に進捗をしております。販管費全体では前年同期比プラス37%の9億8,800万円となりましたが先ほど申し上げた通り売上高販管費比率は前年同期比マイナス8.5ポイントという形で売上高に占める割合は減少傾向にございます。続いて営業利益です。営業利益はですね前期比プラス1億7,700万円の2億7,000万円と2四半期連続で黒字に着地をしております。またポラリファイM&A関連費用を除いた営業利益は前期比プラス1億3,100万円の絶対額は2億3,400万円と着地となっております。EBITDAでございます。前期比プラス2億3,500万円の3億8,300万円となっておりましてポラリファイM&A関連費用を除きますと前期比はプラス1億6,200万円絶対額は変わらずして3億8,300万円で着地をしております。次にBSでございます。詳細についてはスライドをご覧になっていただければと思うんですけれども今四半期末で株主資本は35.2億円、純資産は38.7億円自己資本比率は52.0%と健全な水準を維持しております。ここからトピックに移ってまいります。トピック詳細に移ってまいります。まずポラリファイのPMI進捗でございます。

詳細についてはスライドをご覧になっていただければと思うんですけれども、今四半期末で株主資本は35.2億円、純資産は38. 7億円、自己資本比率は52.0%と健全な水準を維持しております。ここからトピックに移ってまいります。トピック詳細に移ってまいります。まずポラリファイのPMI進捗でございます。第2四半期までで、買収直後の四半期を100とした場合の通信費の削減幅は57%まで減少してまいりました。こちらはまだ人件費は60%という形でございます。こちらは順調にPMI進捗していて計画前倒しで進捗をしているんですけれども、まだ減少の余白があると考えておりまして、どちらもだいたい70%程度まで減少できるとこのように考えております。また通信費、人件費だけではなく顔認証エンジンですけれども、当然PMIを行った上で我々グループのリキッド社のエンジンに切り替えをしていってるわけですけれども、ポラリファイ社が以前使っていたアイルランドの会社の顔認証エンジンのライセンス費用がまだ契約が残っておりますので、この契約の金額が8月末でゼロ化いたしますので、それによって売り上げ減価、売上総利益率も向上していくというところも確実な未来として見込んでおります。次にですね、認証ソリューションの利用用途の拡大についてのトピックをお話をさせていただきます。まず冒頭申し上げましたセブン銀行のATM上での本人確認ですけれども、こちらはですね、下の図で見ますとオンライン中心、対面中心というところで、まずオンラインから広がっている勢いですけれども、対面でも利用シーンが拡大していっております。その中でですね、銀行ATMですので、この対面の法令系の金融の利用用途ですね。これはもともとは銀行の店舗窓口で既に活用が始まっている店舗もあるんですけれども、さらにそれが対面の店舗ではなくコンビニエンスストアに中心に展開されているATM上でもさらに使えるようになってきていると、このような拡大用途になってきております。次にですね、自治体が発行するプレミアム商品券の受け付けにおいて二重商品券付与を防ぐための本人確認としてeKYCが採用されております。こちらはもうちょっと広く捉えるとですね、国から見ても地方自治体から見てもさまざま高金給付というものが行われるシーンがあると思います。それは直接的な銀行口座へのお金の払い込みもあれば、このような商品券付与もあると思うんですけれども、こういったものをですね、なるべく郵便ではなくデジタルでやっていけるような仕組み作りというのが当然行政でも進んできている中、こういったところでも全体的にKYCのニーズというのが国家庁、自治体周りから出てきているとこのように考えております。またですね、建設業界でも利用が始まっております。こちらはですね、労働者管理の観点で外国人の労働者向けですとか製造業とかで既に使われている部分があるんですけれども、建設業界でもですね、入退場管理を手ぶらでできる顔認証という形で進んできておりまして、こちらで利用が開始されております。ここからですね、今年の2月に成長可能性の資料のところでもお話をさせていただいた話をもう一度ですね、簡単におさらいをさせていただきながら直近の事業トピックに触れていければと思っております。触れるトピックとしては、AI給与判定のIQパーミッションおよびGNIAX関連で製造業向けの熟練工の暗号口のデータセットモデルのエコシステム構築について、この辺りがですね、直近我々が見込んでいる、これまで我々が培ってきたもの、そして我々が未来を見据えている戦略の延長上に乗っかっているものになりますので、こちらの戦略の説明を改めてさせていただきます。もともとですね、我々はeKYCをフラグシッププロダクトとして上場させていただいておりますけれども、このeKYCがなぜ市場で大きなシェアを取れているか。背景としましては、この左の下にあるですね、自社のデータベース、自社のAIモデル、自社のアプリケーションというものを三位一体で運用しているというところが大きな強みとして自覚をしております。多くのeKYCの競合企業はですね、例えば先ほどの買収したポラリファイで言えば自社AIモデルが自社のものではなくて競合のライセンスに頼っていたりとか、自社のモデルを使っている会社であっても自社データベースではなかったりとか、何かが欠けている部分があると。で、我々はですね、徹底して特定の業務領域、特定の業界や領域に特化した独自のデータというものを収集をする。で、それを自社のデータベースに保管をする。そしてそれを自社のAIモデルで学習をさせる。学習させる際にもそのデータを自社で加工して学習効率の良いものにしっかり効率化を上げられるノウハウも持っている。それによって自社のAIモデルの学習速度が高く、他者よりも早く成長し、そのモデルの性能が高まることで利便性と安全性の両立が進み、自社アプリケーションの差別化につながっていく。このようなモデルを回しているわけでございます。で、この中でですね、副次的な部分としてこの自社のAIモデルを当然利用するにあたり、ただAIモデルの性能を高めるだけではなく、その裏で動かすそのインフラ、GPUの利用効率を高めるという工夫もしてまいりました。このノウハウもしっかり蓄積ができているがゆえに、先ほどポラリファイ社の通信費の削減というものが実に最終的に70%削減ができるほど見込めているのはこの強みがあるからでございます。で、この強みもですね、この後の戦略に活かしていけるものというふうに理解をしております。これらの強みを統合しまして、今我々が描いている戦略としてはインフラレイヤー、AI時代を担ういわゆるGPUを中心としたGPU特化型のインフラ提供ですね。これはエレメンツクラウド事業として提供していく。で、かたや当然AI、自分たちでもAIモデルも作っているわけですから、そういったAIの知見、AIのデータを収集し加工し学習させるという知見を活かしたAIアプリケーション、AIエージェントの提供と。この両方を垂直的に行っていくというところに取り組んでおります。このアプリケーションとインフラストラクチャーのハイブリッド展開で提供価値を増幅していけると考えており、もっと踏み込んで言うとですね、昨今ですね、いわゆるフロンティアモデル、LLMのフロンティアモデルですね。アンソロピック社やオープンAI社、もしくはグーグル社などの提供するフェーブル、オーパス、もしくはGPTといったLLMモデルがあるわけですけれども、こういったものがですね、だんだん一部の言語化できる業務というものをどんどん商力化自動化していくことが各社世界中で行われていくわけですけれども。この中でですね、いわゆるトークン破産ですとか、いわゆるトークン経という言葉がだんだん世の中をですね、メディアを賑わし始めて ですけれども、その中で、とはいえ、エネルギーの高騰ですとか、NVIDIAを中心とする半導体チップセットの高騰によって、そういった先ほど申し上げたビッグテックたちのフロンティアモデルのAPIの従量課金の料金というものも基本的には右肩上がりになっていっている。そうなるとですね、特に日本の大企業の皆さんがより大規模にAIを用いた生産性向上を図る中で、こういったAPIを叩いて従量課金でトークン消費をしていく中で、もっとよりですね、こういった費用対効果が不透明であったり、意外と結構コストの方がかかってしまうんではないかという懸念を持つ先端企業というのが出始めてきていると。このように我々自身のお客様ともディスカッションしている中で認識をしております。で、我々その中でですね、昨年の10月より、先ほどトピックで説明したの人間学の製造業の話とはまた別でございます。これは去年の10月ですけれども、経産省傘下の産業技術総合研究所と共同プロジェクトを5年のプロジェクトで既に開始をしております。で、このプロジェクトが一つ重要になってくると考えております。で、このプロジェクトとは何かですけれども、AIの活用というのを我々も我々自身の自社のプロダクトでもしておりますし、我々のクライアント企業様も、例えばイーキャシーの大きな大規模顧客基盤に金融業とかもいますけれども、金融業の皆様もですね、自社の事業の業務の中でAI活用されるわけですが、その中でですね、やはり先ほど申し上げたトークン消費コストというのが意外とバカにならないという課題認識を、AIに取り組む速度が早い会社ほどその課題認識を持ち始めています。で、こちらについて我々はですね、サース研と一緒に日本の日本語で行うLLMの活用のユースケースにおいて、各社のモデルですね、OpenAI、Anthropicもそうですし、オープンソース系のモデルも含めていますし、国産モデルなどもあると思ってるんですけれども、こういったモデルのどのモデルがどのぐらいの性能を出すかというのをリーダーボードという形で評価をしていく。で、それを公に発表していくというプロジェクトを請け負わせていただいております。で、このプロジェクトを行うと何ができるか。先ほど懸念があったそのトークン消費でそれがコストとしてどのぐらい跳ね返ってくるかっていうところが、ただ性能を評価するだけではなくて、コストパフォーマンスで見れるようになっているわけですね。かつその際にモデルの評価だけではなくて、モデルとどの半導体とそのモデルを組み合わせた場合にどういった性能になるか。半導体サイドの評価も行います。そうするとですね、例えばNVIDIA社だけで見ても、古めのチップと最新のモデルで当然価格は大きく異なりますし、Google様のTPUですとか新たなチップセットの開発を始めておりますし、Grokなどもありますし、いろんな会社のですね、AMD、Intelなどもある中で、いろんな会社のチップセットがモデルとの相性によってどのような性能を出すかっていうものをユースケースごとに評価していきます。なので例えばですけれども、ウェブのQ&A。よくあるウェブのチャット方式でAIがですね、エンドユーザーの何か問い合わせに回答していくようなQ&Aの性能評価も行っていきますし、我々が当然顧客層として持っている金融機関様の様々なユースケースを評価していくことも今後やってまいります。こういったものはですね、日本の各大手企業さんからすると、AIを大規模に使う大手さんであればあるほど、自分たちがそういったユースケースでAIを活用する際に性能最優先ってわけにもいかなくてですね。性能で言うと一番はこのモデルとこの半導体なんだけれども、絶対基準で見れば例えば5位のランクのモデルと半導体の組み合わせでも十分生産性が高いと。コストは例えばそれで10分の1になると。こういうことがあった場合ですね、当然その組み合わせを構築することを試行すると思われます。こういったものをするために我々は日本のJTCの皆様の評価につながるようなユースケースの選定と組み合わせっていうのを一社で全部やってるのは大変ですから。これは全部ですね、我々が統合して評価して差し上げます。こういう仕組みを去年の10月から準備をしてきたわけです。で、このノウハウ、この評価の結果を活かしたですね、クラウドの提供と。かつこの評価をするためには何をしなければいけないかというと、そのLLMの性能を最大限引き出すための、いわゆるAIの性能を最大限引き出すための、ちょっと最近の専門用語でハーネスなどと呼ばれておりますけれども。いわゆるその業務の暗黙知ですとか、法令などの知見ですとか、その業務を行うために必要な様々な知識、過去行ってきた成功と失敗の体験、こういったいろいろなコンテキスト、暗黙知、ナレッジというものが様々あるわけですね。で、これをLLMに与える場合と、何も与えないで真っさらな状態のLLMに問題を解かせる場合で性能の結果というのは大きく著しく変わってしまいます。これはイメージ的にですね、天才児が1人いて、何も知見がない天才児にさらで問題を解かせる場合と、その天才児にしっかりその業務の知見をちゃんと渡してあげた上で考えさせる場合で結果が異なることは誰でも皆さん容易に想像がつくと思うんですけれども。その違いというイメージしていただければわかりやすいとは思っております。で、そういったコンテキストやナレッジのコントロールというものをしっかりやった上で評価を行っていくので、このコントロールをする仕組み自体も我々はサービスにできると考えていて、それもアプリケーションサイドのプロダクトとして提供していくことを考えています。これによってですね、我々はこの評価というものも一つ強みとして、その評価の結果に合わせたこのワークフローのこの処理をするときはこのモデルとこの半導体のチップセットを動かす。そういった固定費環境下、1回1回毎回使うたびにトークン消費であっといういくらかかるのではなくて、ある程度固定環境下でかつコストを抑制したモデル、抑制した形のインフラ提供ができるとこのように考えており、その上に先ほど申し上げたアプリケーションの提供もしていけるとこう考えております。で、これ自体ですね、我々としては産業構造としては今、現状はですね、半導体チップセットのところが一番市場がでかくて、インフラがあって、モデルがあって、アプリケーションが一番ちっちゃいっていう状況ですけれども。これはいつか来た道でですね、オンプレからSaaSにクラウドに移行してたときも産業構造は逆三角形化していったと思っておりまして、最後アプリケーションで差別化を図っていくわけですけれども。今目の前この橋渡しをする中でインフラの部分にもトークンの課題、LLM利用やインフラレイヤーでのトークンコスト課題っていうのもあるのでここも解決しに行きたいと考えており。で 日本人の本人確認書類やお顔の情報を持っていらっしゃるかというと持っておりません。例えば我々がこれから提供しようとしているAI給油サービス、これはですね、ガソリンスタンドの給油の映像データが当然必要になるわけですけれども、この映像データというのも当然彼らは一ミリも知識されておりません。こういった業界や産業に特化した独自なデータというものを蓄積していく。そしてそのデータを自分たちで保管し、自分たちのモデルを学習させ、モデルの学習効率を上げ、インフラの費用割合を下げ、そしてそれをアプリケーションに展開し、ディスラプトができないアプリケーションを提供していく。こういった戦い方を我々はまた別の観点としてしております。こういった取り組みの延長上にさらに描き得ることとしてですね、我々は先ほどのeKYCでもAI給油サービスでもですね、基本的にはマルチモーダルな取り組みであり、いわゆる今巷を騒がせているLLMだけだとテキスト中心になるんですけれども、もうちょっと画像とか映像という情報を使ったマルチモーダルなAIの利活用というのを進めている会社でございます。その中でも我々が得意としている一つの要素っていうのはやはり目でございます。要するに状況をどうAIが正しく認識できるかということでございます。状況を正しくできるから給油の判定が出せるわけですし、顔の認証もできているわけですし、顔の偽造検知とも戦っているわけでございます。こういった目の技術というものを磨き上げていく先には、やはりフィジカルAI、この国の製造業ですとか建設業、介護、物流、こういった物理的な空間において取り組んでいかなければいけないさまざまな、例えば人手不足への課題解決などがある中で、この中でですね、我々はAI給油もですね、その一歩目として現実空間でのAI判定、ここに関しては目と頭脳の部分までをやっておりますけれども、手足は別にまだないんですが、将来的には手足についてもそれが得意とする企業様とのご連携ですとか、そういったことも視野にフィジカルなところに取り組んでおり、その一環として先ほど冒頭トピックでお話しさせていただいた製造業における熟練工の暗黙知の学習というところも取り組み始めているというところでございます。ここについてはですね、我々の事業戦略と日本国、日本が国家として内閣官房で発表をしている日本の成長戦略会議のフレームでですね、ちょっとどのようなところに我々がアプローチしているかというのを対比的にここでは図示をさせていただいております。まず戦略分野として大きな分野が17分野あるんですけれども、特に我々がその中で注力しているのが2分野でございます。AI半導体分野とデジタルサイバーセキュリティ分野でございます。AI半導体分野はさらにフィジカルAIという部分と、あとバーティカルAI、領域特化型AIですね。この2つについて我々としては事業戦略上コミットしていっているという理解でございます。こちらについてはですね、まずバーティカルAIを先に申し上げると、さっきのリキドeKYCやAI給油、IQパーミッションですね。これらはまさにバーティカルAIとして、バーティカルAIアプリケーションとして我々取り組んでいる認識でおります。さらにですね、フィジカルAIの分野になってくると、そのIQパーミッションはそのフィジカルAIの分野にも引っかかる一歩目としてやり始めておりますし、この後ちょっと詳細をお話しさせていただく経産省さん下でやっている先ほどの製造業のですね、熟練工暗黙知データセットのシステム構築というところもこのフィジカルAIにもろにミートしていく取り組みだと理解をしております。またですね、デジタルサイバーセキュリティ文脈でいきますと、このデータプラットフォームというものを非常に国家戦略上重視をしていっているわけでございます。これはですね、まさに上のAI時代、アフターAIを見据えたときに、ここがそのAIのですね、AI自体の成長のための源泉はデータでございますので、このデータの取り組みに関しても先ほどのデータエコシステム構築というのがこの戦略にマッチした形で取り組んでいるものとなっております。あとですね、AI時代に対応したクラウドデータセンターですとかセキュリティなどに関しましても、このエレメンツクラウドや三相研との協働プロジェクトなどがこの丸3丸4の下の部分に当たると。このような形で我々は戦略マッピングを捉えて、やはりこの日本という国がですね、改めてグローバルで競争力を再度つけていくためにどこが重要分野なのかの中でも、このやっぱりAIということはもう切っても切り離せない分野なので、ここにですね、我々としては今言った文脈でしっかりコミットしていきたいと考えております。その上でですね、フィジカルAIのお話でございます。今熟練工のまさに暗黙知の話をさせていただきましたが、ちょっとここを詳しくご説明させていただきます。基本的にですね、今製造業においてウェブ上に公開されているデータというのは、あんまりやっぱりないわけでして。ほとんどのデータというのは企業や組織が保有する独自データでございますし、場合によっては企業や組織自体も構造的なデータとしては保有ができていないものが多いと考えています。例えばですね、まさに今回プロジェクト採択されました製造業における熟練工の暗黙知というものは、普通にライン上ですとか製造現場で熟練工の皆さんが手作業しているものっていうのは、特にやっぱりデータ化されておりませんので。これがですね、やはり人口構造上、若手がどんどん、若年層が減っていく人口動態にあり、高年齢層がいずれ引退していかなければならない中で、事業承継も問題に認識されますけれども、こういった各業界のですね、人のスキルとしての承継という観点でも非常に課題が大きいと考えています。ここをですね、我々は先ほどの目の技術の力を持っておりますので、この製造業の皆さんの業務の取り組みっていうものを映像データでしたり音声データを収集したり、あとは物理特性データなども収集することで、そういったデータをマルチモーダルに集約をして、かつですね、この熟練工の方がなぜ今この作業を行ったのか、この細かい1個の処理を行ったのかを理由とともに、どういう自分の判断でそのアクションを取ったのかっていうことと合わせてこのデータを蓄えていきます。当然我々は先ほどちらみでお話をさせていただいた通り、eKYCのAIモデルでも学習効率の高い集めたデータの加工、学習に即う教師データの作成などが行える会社ですので、これを製造業の皆さんがAIに学習させやすいようにデータセットっていうのを加工してまいります。これらが資産となって日本の製造業を支えることになると期待をしておりますし、そういったプロジェクトに経産省様にも評価をいただいて補助をいただけているというふうに理解をして えっと、ステップ1.5というまだ最終像に向けた途上の法改正、省令改正になっております。この途上はどういうものかというと、AIが給油許可をAI自身で特定の条件を満たされた場合に行ってよいシステムになりますので。これまでですね、セルフ給油であっても実は裏でですね、建物の中で人間が必ず給油の許可のOKを押さなければいけなかったものが、AIに取って代わることができることで、サービスステーションのスタッフの人手不足を解消していき、日本全国のサービスステーションの減少に歯止めをかけ、かつサービスステーションのスタッフの皆様、オイル交換、窓拭き、洗車、タイヤ交換などですね、さまざまなより付加価値の高いサービスに人間は向き合っていけるようにしていくと。このようなサービスを提供することがもう、ここがですね、KHKという機関から認定の認証を得て、いよいよ我々サービスが開始できるようになってきているという状況です。ただし将来的にはさらに消防庁や資源エネルギー庁、経産省と一緒に、このステップ2というものも視野には入れておりまして。こちらまだ何がどこまで省令改正されるかは未確定なものですけれども。よりですね、そのサービスステーションの中で有人対応を減らしていけるような仕組み作りというのを想起しているような状況でございます。この中でですね、ちょっとAI給油のサービスに関しましては、進展状況をちょっと詳しくお話ができればと思うんですけれども。まずですね、戦略上、我々にとってはですね、このマーケットに参入している背景としては、リキデー給油CとAI給油パーミッションですね。戦略的にはもうかなり同じ戦略を取って、我々の勝ちパターンであると仮説を立て参入をしております。もともと2018年から準備をしてきているので、7、8年越しにリリースできるんですけれども。その時からそういった思いでサービスの準備をしてまいりました。具体的にどういうことか。何が同じ構造かということをこの後説明させていただきます。まずですね、端的に言うとですね、大手提供のLLMのようなサービスにも侵食がされない事業領域だと思っておりますし、またですね、その他競合後発企業の参入障壁が極めて高い事業領域で、市場シェアを大きく獲得していくことができるマーケットであり、我々はそこでしっかりポジションを取れるというふうに考えています。具体的にどういうことか。戦略としては4点ございます。事業構造としてですね、まず規制変更に連動した市場開拓であるということが1点目でございます。EKYCはですね、犯罪収益移転防止法が2018年11月に規制変更されました。AI給油パーミッションはですね、まさに今年の2月ですね。ホヤホヤですけれども、総務省の省令改正という形で2026年2月に省令が変更されております。どちらもですね、我々は変更前からインサイダーとして省庁と連携をしながら。特にAI給油に関してはですね、正式に見ても5、6年の年月をかけて、毎年毎年実証実験をしながら安全性を引き上げながらですね、ついにこの省令改正に至ったと自負をしております。2点目です。独自データの自前収集、活用、補完ができるモデルであること。例えばリキデー給油Cであれば本人確認処理、顔の用法、端末の情報、不正攻撃の内容。それは逆に攻撃を受けたときの内容ですね。これも学習できるわけです。こういったものがすべて学習データになっている。AI給油パーミッションで言えば当然ですけれども、こんなものはウェブには一ミリも持っていなくって、現場のハードディスクに入っているような一般の企業が取得不能な物理空間上の独自データでございます。これは当然給油映像データもそうですし、非常にレアではあるんですけれども、何か事故が起きたりとかですね。そういったことが、ハプニングが起きたとき、こういったときのデータって映像データというのももちろん入っているわけですね。3番です。独自データを学習した特化型モデルで偏質の最大化を行えること。これもですね、EKYCであれば当然顔認証不正検知モデルを自社構築をしてまいりました。これはこのような独自データの蓄積に伴い、我々自社のモデルの精度。精度の向上はそのままですね、アプリケーション側の利便性と安全性の両立に寄与しますので、アプリケーションが結果的には差別化が図れると。これ全く同じ構造です。AI給油パーミッションに関しても給油判定モデルを自社構築をしており。こんな給油判定モデルはAnthropicは提供できません。非常にまれな、レアな独自データを我々が収集しているからこそできるものであるとこのように考えております。当然我々はですね、この仕組みもある程度共通化しておりますので。例えばAI給油パーミッションであれば給油の判定自体は1秒とかでできてしまうので、サービスステーションの中にエッジコンピューターを置いてその中でもう処理をしてしまうんですけれども、学習はクラウドに上げます。クラウドのところでモデルの学習をしてより精度をどんどん上げていき、サービス提供後もですね、1年2年と経つうちにどんどんさらに精度向上していき、それが利便性の向上につながっていきます。安全性の向上につながっていきます。そのような仕組み自体がEKYCとAI給油パーミッションである程度共通化できるものがあるので、そこも我々としてはノウハウでありアセットだと考えており、これらが使い回せるとこのように考えております。結果的にはですね、EKYCは実際7年連続シェアナンバーワンを取れておりますし、当然AI給油パーミッションでもこの競争力を生かしてナンバーワンを目指していきたいと考えております。あと4点目ですね。LLMにも侵食されるというところですけれども。ここについてもさらに2軸ありまして。1つはですね、最初の丸1番と絡んでいて、規制とか法令に絡んでいるので。結構ですね、こういった法令変わってまいります。実は反収法もここ直近2年でも3回ほど変わっておりますし。あとはですね、ニストといったグローバルで共通化されている標準化されているガイドラインにもちゃんと目を向けて、そこにもしっかりミートしていくことが重要です。こういったものはですね、ある程度やっぱり独自データでバーティカルAIでやってないとなかなかできない。これはAI給油でも同様です。さっきステップ1.5というお話をさせていただきました。これは途上であるというお話をさせていただきました。2に向けてさらに動いていきます。ここにずっとミートするプロダクトを作り続けます。モデルもそれに対して合わせてアジャストしていきます。こういったことを学習しながらクラウドとエッジで連携しながらずっとやっていける仕組みを持っていること自体が我々の強みであると考えています。で、それが収集困難な独自データを収集、加工、学習し続けて、精度も向上させ続ける必要性が から40億5千万の期初に対しまして、約4億増の43億5千万から44億5千万円。販管費に関しましては期初38億5千万から39億円に対しまして約2億増の40億5千万から41億円。EBITDAに関しましては8億から10億期初に対しまして2、3億増の11億から12億円。営業利益は0から2億円に対して2、3億増の3、4億円。当期純利益はマイナス1億から1億に対しまして2、3億増の2億から3億円と。このような情報修正を実施させていただきたいと思っております。はい。で、それに合わせまして通期業績予想のアップデートで下期の営業利益の増減イメージについても最後触れさせていただけたらと思っております。上期においてですね、上期の業績予想、期初時に行った上期の業績予想から上期の実績に関する差分としまして、上期の事業貢献の上振れ分と投資戦略の変更に伴う金額の変更、つまり減少ですね。投資の減少ですね。の両方が寄与し、上期の実績は期初の業績予想よりも大きく上振れをいたしました。この業績貢献の上振れ分は純粋な上振れでございますけれども、投資戦略の変更に伴う金額の変更に関しましては、こちらにつきましてはですね、下期にこの投資戦略の変更に伴う金額の変更は回したいと考えております。で、この上期の実績からですね、この通期修正業績予想の部分のご説明になるんですけれども、上期の事業貢献の上振れ分は同じようにですね、期初業績予想したものに対して、上期事業貢献がこのぐらいであれば下期もこのぐらい事業貢献伸びるだろうというものを載せさせて、下期の事業貢献もそのまま載せさせていただいております。そこに対しまして特殊要因といたしまして株式報酬費用がございます。この株式報酬費用は今回ですね、今期の業績の着地によって目標達成ができているので社内向けにですねSOの発行が確定いたしますのでそこで発生する株式報酬費用ですので、これが発生するということはいいことですね。業績予想を超える結果が出せたので発生する費用と理解をいただければと思うんですけれども、これが発生しますと。さらにですね、先ほど申し上げた投資戦略の変更に伴う上から下への費用の使い方の移行の部分が乗っかってきますので、それを含めてですね通期業績予想としてこのぐらいの着地であるという形で見立てをさせていただいております。はい。以上でですね今四半期、第2四半期のエレメンツの決算発表を終えさせていただきます。冒頭ですね画面の共有ができておらず口頭だけの説明が続いてしまいまして大変ご迷惑をおかけいたしました。改めてお詫びを申し上げます。はい。では以上で第2四半期決算発表を終えさせていただきます。ありがとうございました。