Ridge-i Inc. · TSE:5572
Ridge-i — Investor Presentation (October 2026)
72 slides from Ridge-i's investor presentation, Oct 30, 2026
Slide 1: 事業計画及び成長可能性に関する事項
事業計画及び成長可能性に 関する事項 株式会社Ridge-i (証券コード: 5572) 2026年10月
Slide 2: エグゼクティブ・サマリー
全体 エグゼクティブ・サマリー • 4Q実績（5月～7月）も３Qに引き続き、カスタムAI事業の大幅な増収増益。 連結でも増収増益へ • 既存案件の継続拡大、SBIグループの大型プロジェクト、戦略コンサル連携等すべて順調に推移 • 6月12日修正の通期業績予想を上回って着地。関係会社売却益も88百万円へ上振れ ２０２6年 修正後 7月期 通期実績 前年同期比 通期業績予想 予想比 連結業績 売上高 2,993百万円 ＋15.4％ 2,900百万円 ＋ 3.2％ 営業利益 547百万円 ＋93.3％ 500百万円 ＋ 9.4％ 当期純利益 407百万円 ＋191.9％ 370百万円 +10.1％
Slide 3: 目次
目次 創業ミッション及び会社概要 取り巻く市場環境 AIソリューションの実績 競争環境及び比較優位性 中長期の成長戦略及び方針 財務情報 ©2026 Ridge-i All Rights Reserved. 2
Slide 4: 会社概要
創業ミッション及び会社概要 会社概要 経営陣 代表取締役社長 創業者 柳原 尚史 会社名 株式会社Ridge-i (リッジアイ） 常務取締役 市來 和樹 取締役 中井 努 所在地 東京都千代田区大手町 1-6-1 社外取締役 西村 竜彦 社外取締役 木下 祐介 事業内容 カスタムAIソリューション事業 社外取締役 木村 紀義 人工衛星データ解析AIの開発提供 社外取締役（常勤監査等委員） 松本 範平 社外取締役（監査等委員） 櫟本 健夫 社外取締役（監査等委員） 齊藤 友紀 人員数 139名 （連結） 2026年7月時点 技術顧問 玉木 徹 (画像処理） 沿革 2016年7月 当社設立 小野
Slide 5: Ridge-i創業の背景
創業ミッション及び会社概要 Ridge-i創業の背景 技術追求とビジネス活用を両立した最高峰のソリューションを社会に届けたい Mission AI・先端技術を用いたソリューションで ビジネス課題・社会課題を解き、より良い社会を創る。 私たちは、パートナー企業との対話を通じ、 さまざまな技術を組み合わせた最適なシステムを提案し、 作り上げることでDXを実現するソリューションカンパニーです。 技術の高みと、ビジネスインパクトの高みが両立した 最高のソリューション 「Ridge」 を目指し続けます。 ©2026 Ridge-i All Rights Reserved. ©2023 4
Slide 6: 創業の背景
創業ミッション及び会社概要 創業の背景 業界の課題を解決する革新的なAIソリューションを、パートナーと連携して実現する 求められる社会ニーズ コンサルでもSIerでもない。 巻き起こる課題 AIソリューション共創パートナー 技術動向の変化 業界のリーディング 戦略系コンサルファームの提案とシス X カンパニー テム実装とのGAP (戦略策定者の技術知見の不足) IoT、DXトレンドによるデータの莫大 な増加 • 個社だけでなく、業界の課題解決を目指すソリューション SIerと発注者の目標不一致 (システム導入時点で収益最大化) の創造 第3次AI（ディープラーニング）の • 技術専門家とビジネ
Slide 7: 設立からの業績推移
創業ミッション及び会社概要 設立からの業績推移 • 創業から10年。売上高および営業利益が創業来の最高値を更新。営業利益は前期比2倍と大幅増益 • 2025年 SBIホールディングスと資本業務提携を行い、金融領域に参入 • 2026年 デジマ事業を売却した一方、システム開発会社を買収しAI事業にリソースを集中 3,2０0 (業績予想) 2,993 2,593 売上高(百万円) 営業利益(百万円) 968 1,071 790 630 419 547 (業績予想) 276 354 283 178 66 55 218 56 70 152 26 -166 -156 2017年 2018年 2019年
Slide 8: カスタムAIソリューション事業
創業ミッション及び会社概要 カスタムAIソリューション事業 企業のニーズに合わせたカスタムメイドのAIソリューションの提供 カスタムAIソリューション事業 AI活用コンサルティング・ 人工衛星データ AI保守運用 AI開発 AI解析 （MLOps） 主な契約 主な契約 主な契約 • 運用保守、追加学習支援 • 衛星活用アドバイザリー契約 • DX、AI活用アドバイザリー • AIの使用量、利用台数に • GRASP EARTH Forest • AIシステム提案 応じたライセンスフィー レポートの提供 • AI PoC、プロトタイプ作成 • パートナー企業の事業収益に • AI解析エンジンの開
Slide 9: 売上構成
創業ミッション及び会社概要 売上構成 2026年7月期の売上構成比は、「AI活用コンサルティング・AI開発サービス」による収益が80%を占めている。 「人工衛星データAI解析サービス」は大型案件の保守フェーズへの移行に伴い、宇宙・生成AIマーケットの長期トレンド を見越した投資活動を強化するため微減。 AI保守運用 (MLOps)サービス 11% 人工衛星データ AI解析サービス 9% AI活用コンサルティング・ 2026年7月期 AI開発サービス 売上高 80% 1,811百万円 ©2026 Ridge-i All Rights Reserved. 8
Slide 10: AI活用コンサルティング・AI開発サービス
創業ミッション及び会社概要 AI活用コンサルティング・AI開発サービス マルチモーダルAIをコア技術とする最先端のAIが組み込まれた、技術とビジネスのバランスが取れた最適なソリューション を提案し、開発。効果を顧客が定性的・定量的に体感できるまで、一気通貫でサービスを提供 データ・AI PoC AI/DXプロジェクト AI/DX 運用保守 の流れ アセスメント AI開発 事業拡大 戦略策定 MLOps1) 要件定義 システム連携 サービス AI活用コンサルティング・AI開発サービス AIライセンス提供サービス （フロー収益） （ストック収益） 特徴 マルチモーダルAIをコア技術に、AIを組み込
Slide 11: 実現するための体制
創業ミッション及び会社概要 実現するための体制 3つの強みに精通したプロフェッショナルが、1つの課題にワンチームとなって挑む 本質的な課題を適切なアプローチで解決する １つの課題にワンチームで挑戦 AI エンジニア • ディープラーニング・機械学習・最適化など幅広い分野に精通 (機械学習エキスパート） • 少ないデータで高精度を実現 • 卓越したエンジニアリングスキル • ラベルなしデータにも対応できる、独自のAIとノウハウを保有 • 幅広いAIの知見と蓄積された実用的な • 特許、国際学会論文多数 AI実装ノウハウ Engineering リサーチ • AIを使いこなし、システムソリューショ
Slide 12: カスタムAIソリューション事業 主要顧客
創業ミッション及び会社概要 カスタムAIソリューション事業 主要顧客 リーディングカンパニーとの共同事業を多数実現 様々な業界に共通するDX/AIの課題をノウハウ・知見を活かして効果的に解決 (一部抜粋 順不同) AI活用コンサルティング・開発サービス 衛星解析AIサービス ■主なDX/AI テーマ実績 ■主な衛星テーマ実績 デジタルプラットフォーム構築、生成AIによる業務改革、広告スケジュール最適化、SCM最適化 新規事業、光学・SAR分析 エネルギー需要予測、予知保全、製品検査、制御自動化、安全支援、動画解析、 職人技の形式知化 車両検出・環境変化 日立製作所 三菱電機 JAXA 国土地理
Slide 13: 経営陣一覧
創業ミッション及び会社概要 経営陣一覧 RIDGEを実現するプロフェッショナル集団 柳原 尚史 創業者 代表取締役社長 2016年にAIを中心とした先端技術の可能性を、ビジネス・社会に提案・適用し、新しい社会 阿部 大志 を創ることをミッションとして、Ridge-iを創立、現在に至る。宇宙・衛星開発の公職にも複数携 わり、衛星データへのAI活用の提言を続けている。外資金融機関でアルゴリズム取引・高頻度 執行役員 取引など、先端技術を実用化させる経験が豊富。証券アナリスト検定会員など保有資格多数 事業部 副部長 Lead Technical Solution Architect 主な職歴: NT
Slide 14: 目次
目次 創業ミッション及び会社概要 取り巻く市場環境 AIソリューションの実績 競争環境及び比較優位性 中長期の成長戦略及び方針 財務情報 ©2026 Ridge-i All Rights Reserved. 13
Slide 15: 事業環境① 生成AIの市場拡大
取り巻く市場環境 事業環境① 生成AIの誕生により、参入できるマーケットが急速に拡大 • 全業種でAI・DX活用戦略のアップデートが起きており、コンサルテーションニーズが拡大 • 当社の強みである戦略策定力とマルチモーダルAIの実績により、提案機会が非連続に増加 生成AIの市場規模は年47%で急拡大 当社の生成AI関連プロジェクトは急増中 生成AIの需要額見通し (日本) 2026年7月期の生成AI関連の取り組み 一例 生成AI基盤モデル チャット機能をAIエージェントと最新のUX設計で刷新。 SBI証券様 ユーザーにとって使いやすく分かりやすいサービスの実 生成AI関連アプリケーション 17
Slide 16: 事業環境② 人材不足の解消
取り巻く市場環境 事業環境② 人材不足の解消及び熟練作業員の知見・ノウハウを支援するAI • 日本の人材不足は2035年には1,775万時間/日と見込まれる。中でも、製造業に多い専門的・技術的職業従事者の不足は302万時間/日となり、AI による生産性の向上が期待されている • 投資余力のある業界は限られており、またAIだけで簡単に解けるテーマは少なく、総合的な提案力が重要 職業別に見た人手不足 365万時間 302万時間 (万時間/日) 需要 不足 供給 不足 8,000 供給－需要 154万時間 7,387 7,022 7,440 7,138 専門的・技術的職業従事者の 7,000 266
Slide 17: 事業環境③ 低いAIプロジェクト成功率
取り巻く市場環境 事業環境③ AI市場の課題 低いAIプロジェクト成功率 • 日本のAIプロジェクトの成功率は3%と低く、AI導入が実用まで進まないことが課題 • AIプロジェクトの進め方を熟知し、費用対効果を満たすプロジェクトを設計できるプレーヤーが必要 国内のプロジェクト成功率は3% Ridge-iの考える課題仮説 AI導入相談 国内のプロジェクト成功率が低い理由 100 ▲40% 顧客企業側の課題 目的とAIの AIの使い道が 不一致 わからない • 投資対効果を見据えたAIプロジェクトを 60 設計できる人材不足 スコープ・ 定義の課題 費用対効果が見合わない ▲40% システム開発側
Slide 18: 事業環境④ 人工衛星データ解析AI市場
取り巻く市場環境 事業環境④ 人工衛星データ解析AI市場で、国内のリーディングポジションを狙う • JAXA 宇宙戦略基金１兆円と、宇宙関連会社の上場で市場の関心は急拡大 • 官需を中心としたマーケットで、安全保障と環境テーマでの衛星データ利用ニーズが増えている 当社のマルチバンド対応衛星解析AIに 地球観測市場は2.5兆円と８倍成長が見込まれる 分析依頼および協業提案が急増 (M$) 2040e 30,000 地球観測 内閣府主催 Ridge-iのマルチバンドAI 宇宙開発利用大賞 $25,273M 日本初の 25,000 ３連続受賞 X/C/Lバンド 20,000 バ ン 遠赤外（SWIR
Slide 19: 技術動向: 第3世代から第4世代AIへ
取り巻く市場環境 技術動向: AIは第3世代から第4世代に期待が高まっている NEDOによる今後10年間のAIアクションプランでは、取り組むべき第4世代AI技術として 「モダリティの統合」(データ種類をまたぐAI) があげられている AI研究の流れと次なる進化 第4世代AI これまでのプログラミングでは 実装できなかった複雑なアルゴリズムを、 第4世代AIへの期待 データから学ぶことが可能になり ブレークスルーを起こした ディープラーニング • 複数のデータ種類に対応 （モダリティの統合） 最適化 機械学習 深層強化学習 • 生成系AI ダートマス会議 1956年 1960 1970 1980
Slide 20: 目次
目次 創業ミッション及び会社概要 取り巻く市場環境 AIソリューションの実績 競争環境及び比較優位性 中長期の成長戦略及び方針 財務情報 ©2026 Ridge-i All Rights Reserved. 19
Slide 21: ないものを創る。市場にまだないAIソリューション
AIソリューションの実績 ないものを創る。市場にまだないAIソリューションを生み出す力 地上波放送で初めて使われた ごみ焼却運転を完全自動化 白黒映像カラー化AI AIごみクレーン 2017年にNHKスペシャルの戦後特集で、地上波でのAI利用として初利用。 2018年、全国初の公共インフラでのAI利用が認められ、ディープラーニング 話題に。 大賞を受賞。 衛星画像からAIで災害分析 衛星画像から世界差分検出 土砂崩れ解析AI RIDGE DUAL AI RIDGE DUAL AI 大域的変化 を検知 ：建物の変化 広域撮影した があった箇所 時系列画像 マクロ分析AI シームレスに 詳細分析へ
Slide 22: 経営課題を解決する高度なAIソリューション
AIソリューションの実績 経営課題を解決する、高度なAIソリューションを創る企業 ごみの焼却運転 人工衛星画像による 職人の目を再現する 完全自動化AI 全世界 変化検知AI 官能評価AIエージェント 全国 6自治体に導入済み JAXA・国土地理院 自動車製造業 等 導入前 24時間ほぼ人手で運用 地図の更新に6ヶ月 品質評価が属人的・定年問題 導入後 自動化・発電の安定化 更新が2ヶ月で可能＋データコスト削減 再現＋AIエージェント派遣で現場判断 AI • ごみ種別を分析する画像AI • 日本中で地形変化を抽出するAI • 一流評価者のもつ数万軸のAI • 投入タイミングの最適化AI • 航
Slide 23: 生成AI開発プロジェクト実績・進行中一覧
AIソリューションの実績 生成AI開発プロジェクト実績・進行中一覧 活用モダリティ: 文 テキスト 画 画像 表 テーブル フェーズ: 構想・企画 開発/PoC パイロット利用 運用・保守 ・改善 顧客接点・新規事業/サービス創出 設計・エンジニアリング 業務効率化・ナレッジ活用 文 消費者向けスマホチャットアプリの開発・保守運用 文 設計品質向上のための社内技術知見検索ツール 文 ブランド関連社内問合せ対応支援ツール 大手消費財メーカー 運用・保守 ・改善 大手自動車メーカー 開発/PoC 大手電機メーカー 開発/PoC 文 チャットアプリの会話ログ分析ツール 文 表 FMEA自動生成による
Slide 24: ヘルスケアチャットサービス
AIソリューションの実績 カスタムAIソリューション事例 ヘルスケアチャットサービス ヘルスケア用途や、金融向け顧客対応チャットAI等、高品質かつ間違えない生成AIの引き合いが多数。 １０万人以上のユーザーがアクセスするサービスや、基幹システムとの連携の実績。 Ridge-iは高難易度な生成AIニーズに対応 • 業務特有のロジックが強く、SaaSが適さない課題 Ridge-iが手がけるヘルスケアチャットの事例 業務固有のロジック・データ構造に合わせたモデル開発 “親しみやすい自然な会話” とリスクマネジメントを両立したLLM • Fine-tuning / RAG 高度化 ドメイン特化モデルで
Slide 25: AI活用コンサルティング・AI開発事例
AIソリューションの実績 カスタムAIソリューション事例 AI活用コンサルティング・AI開発 SBIグループの全体AX戦略の策定から推進までトータルで支援 概要 概要 SBIホールディングス株式会社様と連携し、グループ全体のAX戦略の策定 株式会社SBI証券様と連携し、チャット機能をAIエージェントと最新のUX設 から実行支援までを一体で推進。 計で刷新。ユーザーにとって使いやすく分かりやすいサービスの実現を目指す AIネイティブ組織変革により、意思決定の質とスピードを高め、全社的なAX 推進体制の構築を支援。 取り組み内容 取り組み内容 ✔ AX戦略策定 ✓生成AIとユーザー接点を組み合わせ
Slide 26: 数理最適化技術の開発・導入
AIソリューションの実績 カスタムAIソリューション事例 数理最適化技術の開発・導入 Ⅰ. 製造・サプライチェーン Ⅱ. 施設・空間設計 Ⅲ. 計画・組織オペレーション 荷積み計画の自動立案 物流倉庫レイアウトの自動生成 保全・工事スケジューリング ▸ 物流倉庫運営企業 ▸ 倉庫建設・設計会社 ▸ プラント設備保全部門 3D Bin-Packing × 自動出荷システム連携で自動化 敷地から倉庫の柱割・通路等を自動設計 作業者割当と優先度を踏まえた日常保全の計画生成 期待効果: 積載効率 向上 / 輸送回数・燃料費 削減 期待効果: 設計工期 短縮 / 資材コスト 削減 期待効果: 処理工事件
Slide 27: Ridge SAT Image Analyzer
AIソリューションの実績 カスタムAIソリューション事例 「Ridge SAT Image Analyzer」 ユーザー自身でAIモデルの学習・推論が行える 衛星画像解析AI（官公庁利用実績多数） Ridge SAT Image Analyzerとは？ ▽ソーラーパネル検知 衛星画像から、任意の対象物の検知・分類が可能なAI。 AIアルゴリズムは複数の最先端モデルから高精度なものを選択。 Imagery©Maxar Technologies. ユーザー自身で追加学習、推論も可能で、秘匿データでも利用できます。 Processed by Ridge-i 衛星画像 （光学・SAR) AI解析 ▽船
Slide 28: カスタムAIソリューション事例 人工衛星データ解析AI
AIソリューションの実績 カスタムAIソリューション事例 人工衛星データ解析AI ©2026 Ridge-i All Rights Reserved. 27
Slide 29: 電子顕微鏡画像から画角外パーツ位置を推定するAI
AIソリューションの実績 カスタムAIソリューション事例 電子顕微鏡画像から画角に写っていないパーツの位置を推定するAI技術 概要 活用シーン 電子顕微鏡を利用した半導体製造工程における外観検査では、高精 ✔ 半導体製造・研究開発における外観検査 度かつ効率的な位置合わせと検査の自動化が求められる。 画角外パーツの位置推定により、検査対象の特定を効率化 日本電子株式会社様との共同プロジェクトにより、画角内に写っていな いパーツの位置を周辺情報から高精度に推定するAI技術を開発。 ✔ 製造ラインにおける高精度位置合わせ（アライメント） 従来、熟練技術者の経験に頼っていた位置合わせ工程を自動化し、
Slide 30: 目次
目次 創業ミッション及び会社概要 取り巻く市場環境 AIソリューションの実績 競争環境及び比較優位性 中長期の成長戦略及び方針 財務情報 ©2026 Ridge-i All Rights Reserved. 29
Slide 31: 当社の競争優位性
競争環境及び比較優位性 当社の競争優位性 ① 高度な要求に応えるAI技術力 • 日本有数のAI技術水準 • 4つのコア技術 ② 豊富な使えるAIエンジン ③ AIプロジェクトの要は ソリューション アーキテクトの存在 ④ 事業共創と先行投資によるシナジー効果 ⑤ ESG・SDGs活動への積極参加による社会発信 ©2026 Ridge-i All Rights Reserved. 30
Slide 32: 高度な要求に応えるAI技術力
競争環境及び比較優位性 ① 高度な要求に応えるAI技術力 : 日本有数のAI技術水準 他のAIベンチャーでは解けない課題に挑む高度な技術人材 経営トップが技術エキスパート さまざまなAIに精通した技術顧問 柳原 尚史 CEO • 名古屋大学にて博士(工学) • 外資金融機関でアルゴリズム取引・ • コンピュータビジョンや映像理解の専門家で、膨大な研究 高頻度取引などの開発経験 玉木 徹 業績を持つ • 経済産業省 政府衛星データのオープン＆ 名古屋工業大学 • ベイズ推論やスパースモデリング、コンピュータビジョンなど フリー化及びデータ利用環境整備事業 教授 の著名英文書籍を翻訳し、Udemy
Slide 33: 4つのコア技術
競争環境及び比較優位性 ① 高度な要求に応えるAI技術力 : 4つのコア技術 通常のディープラーニングに加えて、独自のアルゴリズム・コア技術で、「使える」 AIを作成 AIプロジェクトで起きる主な課題 Ridge-iのコアAI技術 概要 画像・音声・数値・文字など、様々なデータ種類に対応 1つのデータでは判断できない したAIを組み合わせ、センシング方法からAIの出力に ① マルチモーダルAI 基づく人の行動も踏まえた上で、1つのAIソリューション (画像と音の両方が必要) システムとして提供 事前学習、学習データの加工、独自のディープラーニン 学習用データが足りない ② 少ないデータで精度を
Slide 34: 第4世代AI「マルチモーダルAI」
競争環境及び比較優位性 ②Ridge-iのコアAI技術 第4世代AI「マルチモーダルAI 」 AI・データ・技術を正しく組み合わせて、人間の判断・作業を再現する 1つのAIでは解けない課題を、解決した実績が豊富にあります ２０を超える AI技術 感性評価 外観検査 ３D点群 放送品質 動画AI 静止画AI 広告配信 AI AI 解析 画像加工 生成AI 文章生成 変化検知 ルート 異音検知 少数データ RAG AI AI 最適化 等 X X X データ センシング技術 計算環境 振動 API ロボット 画像 動画 音声 文字 数値 照明 カメラ LiDAR エッジ クラウド サーバ センサ 接
Slide 35: 代表的なAI
競争環境及び比較優位性 ②代表的なAI 目的に応じて組み合わせてユニークなソリューションを実現 画像系AI 生成系AI ① ② ③ ⑦ 物体検出AI 変化検知AI 画像加工AI マルチモーダル 動画解析AI 感性評価AI 生成AI 車・飛行機等、 正常状態と比べて、 傷をなくす、カラーにする 学習したものを見つける 違いを見つける 影を消す 等 RAG・ガードレール・ LLMファインチューニング 等 予測・最適化・スケジューリング系AI 実用水準の 生成AIサービス ④ ⑤ ⑥ 最適化AI 強化学習AI 需要予測AI 数億〜数１０億の組み合わせ シミュレーションによる 最新の確率モデルを から
Slide 36: ソリューションアーキテクトの存在
競争環境及び比較優位性 ③AIプロジェクトの要は ソリューション アーキテクトの存在 経営層や戦略コンサルファームと伴走し、インパクトの大きいAI変革（AX）・AI活用を実現 AX AIシステム設計 AI開発 運用保守 AI/DXプロジェクト 戦略策定 データ基盤設計 UI・システム開発 ・ の流れ ・ POC システム連携 MLOps1) 課題特定 投資対効果検証 戦略コンサル 経営企画層 特にRidge-iが注力する領域 AIシステム デザイン AI Solution Architect フェーズごとの 主なプレーヤー PO・PM・PMO AI Engineer Data Scientis
Slide 37: 事業共創と先行投資によるシナジー効果
競争環境及び比較優位性 ④ 事業共創と先行投資によるシナジー効果 事業を通じて業界の動向を先読みし、AIの活用余地の大きい領域へ先行投資。 すでに、衛星解析AIとデジタルツインAIはサービス化が実現 (1) 発見したAIポテンシャルの (2) 先行して獲得した知見から、リーディング 大きい市場機会に積極的に取り組む ポジション同士で新しい事業共創テーマを提案 業界トッププレーヤーとの事業共創 AIが活用される領域への先行投資 業界のリーディング AIが活きる カンパニー データ・市場 衛星解析AI事業では国内 点群1)・デジタルツイン2)AIは リーディングポジションに メタバーストレンドで問
Slide 38: ESG・SDGs活動への積極参加による社会発信
競争環境及び比較優位性 ⑤ ESG・SDGs活動への積極参加による社会発信 社内投資で環境モニタリングAI・社会活動モニタリングAIを展開。メディア掲載や受賞歴多数 ドローン 海岸の海ごみを検出 密検出AI モーリシャスの メディア掲載 重油解析 • テレビ東京 ワールドビジネスサテライト • NHK沖縄 • Yahoo！ニュース ごみ • NHKスペシャル • BS11「NEXT Company」 • 日本経済新聞 • 日経産業新聞 • 日刊工業新聞 その他、業界専門誌及び雑誌掲載 等 内閣府主催 宇宙開発利用大賞 連続受賞 第4回 第5回 経済産業大臣賞 環境大臣賞 土砂崩れ災害検出など、
Slide 39: 目次
目次 創業ミッション及び会社概要 取り巻く市場環境 AIソリューションの実績 競争環境及び比較優位性 中長期の成長戦略及び方針 中長期の成長戦略 財務情報 ©2026 Ridge-i All Rights Reserved. 38
Slide 40: 付加価値の最大化を追求し、技術力と収益構造を磨き続ける
中長期の成長戦略及び方針 付加価値の最大化を追求し、技術力と収益構造を磨き続ける プロジェクト推進と完了したAIシステムの保守運用サービスの拡大を通じ、フロー収益に加えてストック収益を追求 収益構造のバランス向上 成長に向けたアクションプラン（3か年計画） 2026年7月期～2028年7月期 カスタムAIソリューション事業の成長とともに、ストック収益率を3年で 事業加速ドライバー ① 顧客とのプロジェクトの推進と、AI開発が完 全体３％から８％へ拡大 ⇒2026年7月期以降、全体10%程度への拡大を目指す ストック収益の拡大に 了したプロジェクトの保守運用サービス提供 ※2026年7月期実績：
Slide 41: 各ドライバーの進捗
中長期の成長戦略及び方針 各ドライバーの進捗（202５年11月以降のアップデート） 生成AIと衛星関連のサービスを中心に、具体的な対外発信を強化 • 生成AI案件は開発後も機能拡張、精度改善ニーズが継続、ストック収 事業加速ドライバー ① 益化の機会拡大 ストック収益の拡大に向けたアクション • NEDOのSBIR 推進プログラムで「矯正施設内の異常⾏動検知 AI シ ステム」がフェーズ 2に進み、施設での実証実験中 • 生成AIを中心に、多くの案件が大型化・長期化 事業加速ドライバー ② • 小売、金融など従来アプローチできていなかった業界の案件も継続 戦略系コンサルファームとの連携による
Slide 42: 事業加速ドライバー① ストック収益の拡大
中長期の成長戦略及び方針 事業加速ドライバー① ストック収益の拡大に向けたアクション 顧客とのプロジェクト推進と、開発したAIシステムの保守運用サービス提供の2軸で、ストック収益の拡大を計る 事業拡大が見込まれる案件 実現しているストック収益の例 PoC AI/DX データ・AI AI開発 運用保守 • 製造業 － 当社AIが搭載された電子顕微鏡の ストック収益に関わる アセスメント 事業拡大 戦略策定 要件定義 システム MLOps 販売に対するレベニューシェアの契約 プロジェクトの進捗状況 連携 フロー収益 ストック収益 － タイヤ点検アプリの保守運用ネットワーク モデルの保守運用開発契約
Slide 43: 事業加速ドライバー② 戦略系コンサルファームとの連携
中長期の成長戦略及び方針 事業加速ドライバー② 戦略系コンサルファームとの連携による大規模な事業共創案件の獲得 Ridge-iがもつAI・デジタル技術の知見を戦略系コンサルファームに共有し、補完関係を構築。 中長期テーマを共同展開する。 プロジェクトの フェーズ 主なテーマ 開発規模 戦略系コンサルファーム連携の背景 データ・AI PoC AI/DX 運用保守 ＜顧客企業・コンサルファームが抱える課題＞ アセスメント AI開発 戦略策定 MLOps 要件定義 ｼｽﾃﾑ連携 • AI知見の不足により、自社での 顧客企業内コア AI部分のアップデートが困難 従来型の 業務DX • 戦略系コンサルフ
Slide 44: 事業加速ドライバー③ 第4世代AIの研究開発
中長期の成長戦略及び方針 事業加速ドライバー③ 第4世代AIの進化を見据えた研究開発 官能検査・生成系AI1)・マルチモーダルなど、次のAIへの期待に応えるための先行研究と事例を発信に向け、 優秀な研究者・エンジニア採用を加速する 第4次AIの研究開発動向 方針 NEDOのアクションプランから、5つの研究動向を先取して研究 (一部は研究着手済み) 「AIを作る」力と「AIを使いこなす」力の両輪を推進 AIエンジニアは継続的に増加を目指す マルチモーダル ロボティクス連携 AIを使いこなすチーム AIを作るチーム ヒューマン 少ないデータで インタラクション デジタルツイン • 自然言語領域は生
Slide 45: 事業加速ドライバー④ 衛星データ解析AI
中長期の成長戦略及び方針 事業加速ドライバー④ 人工衛星データ解析AIでの国内No.1ポジションの確立とグローバル展開 マルチバンド対応衛星解析AIを強みに、人工衛星解析市場の拡大に合わせ、環境テーマと安全保障テーマの 両方のニーズを先読み。宇宙戦略基金等を活用して事業拡大を目指す 地球観測市場は2.5兆円と8倍成長が見込まれる 【Ridge-iのポジション】 (M$) • 衛星コンステレーション1)で増え続ける衛星画像 2040e • 目視判読作業を代替するマルチバンド対応衛星解析AIにより 30,000 地球観測 $25,273M 官公庁の事業を複数受託 25,000 20,000 現在の
Slide 46: 中長期展望 創業からの流れと未来
中長期の成長戦略及び方針 中長期展望 Ridge-i 創業からの流れと未来 AI・最先端技術の ”First Ask” となり、 日本を代表するテックベンチャーとして、高みを目指し続ける 売上高100億円 目標（2033年） 創研情報の SBI HDとの M&A（2026年） 資本業務提携 （2025年） Phase３ ＜インフラ展開＞ 社会に使われ続ける 衛星解析AI システムを提供する 創業 事業開始 上場 （2016年） （2018年） （2023年） Phase２ ＜AI活用知見の展開＞ AIと相性の良い、高成長市場に 自身で課題仮説を持ち、展開する Phase１ ＜知見の習熟・アライ
Slide 47: 中長期展望 Phase2 AI活用知見の展開
創業からの沿革と中長期方針 中長期展望 Phase２ ＜AI活用知見の展開＞ AI活用のノウハウをグループで集結し、AIと相性の良い高成長市場に展開し、影響圏を広げる Phase２ ＜AI活用知見の展開＞ Phase１ ＜知見の習熟・アライアンスの構築＞ 顧客との 衛星データ 生成AI事業 金融領域 共同事業会社 解析AI事業 ・ ・ ・ 年１ペースで ジョイント 好調な SBIとの 事業拡大を ベンチャー 社内事業のスピンオフ 業務提携 目指す カスタムAI ソリューション 事業 Center of AI Excellence AI活用ノウハウをグループで集結し、効果的に展開 課題解決の ノ
Slide 48: 目次
目次 創業ミッション及び会社概要 取り巻く市場環境 AIソリューションの実績 競争環境及び比較優位性 中長期の成長戦略及び方針 財務情報 ©2026 Ridge-i All Rights Reserved. 47
Slide 49: 2026年7月期 連結業績 主要指標サマリー
財務情報 2026年7月期 連結業績 主要指標サマリー • カスタムAIソリューション事業は前期比で大幅増益のため、6月上方修正の通期業績予想をさらに上振れて着地 • カスタムAIソリューション事業でエンジニア社員数が増加。M&Aしたシステム開発会社の社員が約80名追加 • デジタルマーケティング事業は当期まで連結対象、一方、M&Aしたシステム開発会社は来期より連結対象になる予定 売上高 営業利益 当期純利益 2,993百万円 547百万円 407百万円 前年同期比 1.1倍 前年同期比 1.9倍 前年同期比 2.9倍 EBITDA 正社員数 607百万円 128名 前年同期比 1.7倍 前年
Slide 50: 2026年7月期 連結業績（損益計算書）
財務情報 2026年7月期 連結業績 （損益計算書） • 売上高 2,993百万円 （前年同期比 ＋15%） カスタムAIソリューション事業が＋４３％の大幅増収 • 営業利益 547百万円 （前年同期比 ＋93％） プロジェクト継続＆大型契約増加による粗利率向上 • 当期純利益 407百万円 （前年同期比 ＋192％） 増益の影響と関係会社株式売却益88百万円計上 • 予算進捗 ４Qも好調。６月に上方修正した通期業績予想の数値を、売上と利益ともにさらに上振れて着地 2025年 2026年 前年比 前年比 業績予想 予想比 (百万円) 7月期 7月期 増減額 増減率 （6月修正） 増減額 売上高
Slide 51: 連結四半期推移（売上高）
財務情報 2026年7月期 連結四半期推移（売上高） • 4Q売上高 915百万円 前年同期比+68％（+369百万円）（セグメント別はP56以降参照） - カスタムAIソリューション事業の売上が2倍以上に成長し、デジタルマーケティングの減収を吸収して大幅増収 +68% (百万円) (+369) 927 915 688 719 640 577 573 546 279 288 291 212 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 2024年 2025年 2026年 7月期 7月期 7月期 Note: 当社は、２０２4年7月期連結会計年度末より連結財務諸表を作成し
Slide 52: 連結四半期推移（営業利益）
財務情報 2026年7月期 連結四半期推移（営業利益） • 4Q営業利益 145百万円 前年同期比+726％（+128百万円）の増益 （セグメント別はP56以降参照） - 前年対比は、売り上げと同様に、カスタムAIソリューション事業の業績好調で、利益も大幅に増加 - 例年通り、４Q（７月）は、年間の業績賞与支給があるため、３Q比較で若干利益は減少 (百万円) +726％ (+128) 231 145 100 100 98 81 71 64 43 23 17 5 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 2024年 2025年 2026年 7月期 7月期 7月期 N
Slide 53: 連結四半期推移（詳細）
財務情報 2026年7月期 連結四半期推移（詳細） • 4Q売上高 915百万円（カスタムAIソリューション事業622百万円＋デジタルマーケティング事業292百万円） • 4Q営業利益 145百万円 • 4Q営業利益率 16％ 2024年7月期 2025年７月期 2026年7月期 (百万円) １Q ２Q 3Q 4Q １Q 2Q 3Q 4Q １Q 2Q 3Q 4Q 売上高 212 279 288 291 688 719 640 546 577 573 927 915 売上原価 75 93 70 96 328 355 315 269 262 217 419 448 売上総利益 137 186 21
Slide 54: 2026年7月期 貸借対照表（連結）
財務情報 2026年7月期 貸借対照表 (連結) • 期末時点で現預金35億円を保有し、純資産は37億円。黒字・無借金経営を基に強固な財務基盤 • 投資余力を活かし、①人材投資 ②研究開発投資 ③M&Aの投資を想定 • 2026年7月期中にシステム開発会社を約2億円でM&A、2026年7月末BSは主に当社とシステム開発会社の合算 資産の部 2025年7月期 2026年7月期 負債の部 2025年7月期 2026年7月期 (百万円) 実績 実績 (百万円) 実績 実績 流動資産合計 2,306 4,090 流動負債 369 581 ∟ 現金及び預金 1,827 3,558 固定負債 17 181
Slide 55: 通期業績（カスタムAIソリューション事業）
財務情報 2026年7月期 通期業績 （カスタムAIソリューション事業） • 売上高 1,811百万円 前年同期比+42% 生成AI案件増加とSBI大型受注の影響 • 営業利益 506百万円 前年同期比+２１３% 粗利額が大幅に向上し、営業利益も増加 • 粗利率 63% SI企業と比較して、高い利益率で継続 - コンサル開発サービスは、生成AI案件の追加受注および大型化が貢献 継続顧客である荏原環境プラント社等からの追加発注およびSBI大型案件継続もあり、前年同期比で556百万円増加 - 人工衛星データAI解析サービスは、大型案件が保守運用フェーズに移行。前年同期比で114百万円減少 2025
Slide 56: 四半期推移（カスタムAIソリューション事業・詳細）
財務情報 2026年7月期 四半期推移（カスタムAIソリューション事業・詳細） • 4Q 売上高 622百万円 生成AI案件の受注継続 • 4Q 営業利益 157百万円 年間の業績賞与支給があるため、３Q比較で若干利益は減少するもの、 営業利益率 25％と想定より高水準 2024年7月期 2025年７月期 2026年7月期 (百万円) １Q ２Q 3Q 4Q １Q 2Q 3Q 4Q １Q 2Q 3Q 4Q 売上高 212 279 288 291 336 337 308 297 290 348 549 622 売上原価 75 93 70 96 127 152 124 138 102 98 195
Slide 57: 売上高 既存顧客・新規顧客別
財務情報 売上高（カスタムAIソリューション事業） 既存顧客・新規顧客別 • 新規顧客 567百万円 - 資本業務提携をしたSBIグループからの大型案件の貢献により3Q時点よりさらに増加 • 既存顧客 1,244百万円 - 引き続き、高い信頼とプロジェクト継続率を誇る。また、生成AIテーマ等でのアップセル・クロスセル提案も好調 (百万円) 1,811 567 1,280 1,071 400 207 新規顧客 売上高 既存顧客 売上高 1,244 864 879 2024年7月期 2025年7月期 2026年7月期 Note: 既存顧客とは、前年度に取引がある顧客と定義 ©2026 Ridge-
Slide 58: 人員数（カスタムAIソリューション事業）の推移
財務情報 人員数（カスタムAIソリューション事業）の推移 • システム開発会社の完全子会社化により、グループのエンジニア社員は約80名増加 （下表に含まず） • Ridge-i単体での2026年7月期の正社員は5名純増と、目標10名には未達 • 売上増加に対応して、引き続き人材獲得と新卒・若手人材の育成に注力 社員数(人) 60 56 56 3 57 54 53 5２ 53 52 4 6 51 3 49 2 2 9 48 5 5 3 9 9 13 9 7 9 9 11 9 9 9 9 9 9 非正規 48 役員 41 42 41 44 44 39 38 39 32 32 正社員 29 1Q 2
Slide 59: 全体事業評価（カスタムAIソリューション事業）
財務情報 全体事業評価（カスタムAIソリューション事業） • AIコンサル開発が既存顧客からの継続やアップセル受注で好調に推移 • 中期戦略で掲げていた、コンサルティングファーム連携も順調に展開し、引き合い多数 • 衛星データ解析案件は、特定顧客に集中して仕込み中で来期に拡大目指して活動中 継続顧客からの受注案件は予定通り順調に推移。生成AI案件が大型化 し長期継続見込み。コンサルファームとの連携も順調に拡大。 ◎ カ AI活用コンサルティング・AI開発サービス ス マーケットが拡大している生成AIや、SBIとの業務提携により、継続的に大 好調 タ 型案件を獲得。 ム Ａ Ｉ 前期からの大型案
Slide 60: 通期業績（デジタルマーケティング事業）
財務情報 2026年7月期 通期業績 （デジタルマーケティング事業） • 売上高 1,182百万円 前年比△130百万円 - プラットフォーマーからの売上が減少、受注回復に時間を要している。 直近の営業状況では、Googleや広告代理店との事業提携による受注獲得の効果が出つつある。 - 競合対策およびマーケットシェア獲得を優先し、データ分析・AI活用を強化した営業施策を開始 • 営業利益 40百万円 前年比 △80百万円 - 粗利率は維持しているが、売上減少の影響で営業利益が減少。 2025年 2026年 前年比 前年比 (百万円) 7月期 7月期 増減額 増減率 売上高計 1,312 1,1
Slide 61: 四半期推移（デジタルマーケティング事業・詳細）
財務情報 2026年7月期 四半期推移（デジタルマーケティング事業・詳細） • 売上高 292百万円 音楽売上の影響により増加 • 営業利益 △11百万円 ４Q売上は前年同期比で売上増加だが、新規事業準備のコスト増等で赤字 2025年7月期 2026年7月期 (百万円) 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q 売上高 352 381 331 248 286 225 378 292 売上原価 200 203 192 130 159 119 224 179 売上総利益 151 179 139 118 126 106 153 112 売上総利益率 43% 47% 42% 48% 44% 47
Slide 62: 2027年7月期 連結業績予想 主要指標サマリー
2027年7月期 業績予想 2027年7月期 連結業績予想 主要指標サマリー 売上高 営業利益 3,200百万円 630百万円 前年同期比 １.1倍 前年同期比 1.2倍 当期純利益 EBITDA1) 450百万円 670百万円 前年同期比 1.1倍 前年同期比 1.1倍 １． EBITDA=営業利益＋減価償却費＋のれん償却費 ２． 総収入については補助金収入の不確実性があるため、記載を省略しております。 ３． 正社員数については連結子会社の異動により比較情報として変化が生じており、記載を省略しております。 ©2026 Ridge-i All Rights Reserved. 61
Slide 63: 2027年7月期 連結業績予想
2027年7月期 業績予想 2027年７月期 連結業績予想 • 今期計画は 売上高32億円、営業利益6.3億円 • 生成AIとAXの追い風を活かし、＋７７％と大幅成長させるためにAI事業にリソース集中する • 子会社も含めて人員はフル稼働が続いており、採用・外注パートナリング・M&Aに資本投下する • 成長戦略は、大型顧客の関係強化、戦略コンサルファーム連携、防衛・安全保障案件の獲得の三軸を引き続き実施 2026年 2027年 前年比 (百万円) 7月期通期 7月期通期 売上高 2,993 3,200 +7% カスタムAIソリューション事業 1,811 3,200 +77% → 67ページ デ
Slide 64: 2027年7月期 連結業績予想（サービス別）
2027年7月期 業績予想 2027年７月期 連結業績予想（サービス別） • コンサル開発サービスでは、AX（AIトランスフォーメーション）戦略テーマへの大型かつ上流プロジェクトへの移行 • 生成AIの早い動向に応えるためのR&D強化、および FDEと呼ばれる伴走支援・提案機能の強化を実施 • 正社員10名の純増、および新卒・若手人材の獲得と育成を実施 連結業績予想 主な成長戦略 2026年 2027年 ① 既存顧客とのリレーション強化およびFDE提供 7月期通期 前年比 7月期通期 予想 ② 戦略コンサルファームと連携したAXテーマなど、 売上高 (百万円) 1,811 3,200 +77%
Slide 65: 中期目標 Ridge-i単体事業
2027年7月期 業績予想 中期目標 Ridge-i単体事業 • Ridge-i単体の中期目標を設定。（連結業績の大半は、Ridge-i単体の売上および収益性に影響されるため） • 売上＋１０％成長をベースラインとして設定し、それを上回るための経営努力と体制拡充を行う • 営業利益は25％と昨年度と同様の利益体質を目指す • 人材採用、外注パートナー、M&A等の体制強化の実現性が高まったタイミングで、目標の引き上げを検討する Ridge-i単体事業 中期目標（ベースライン） 中期目標の考え方 ① 2027年7月期 • 業績予想数値（24ページ）に基づくもの 2027年 2028年 2029年
Slide 66: 上場時における調達資金の主な使途
財務情報 上場時における調達資金の主な使途用途 ２０２６年８月以降は主に生成AIの利用やクラウドサービス費用に充当する予定 主な資金使途 (百万円) 具体的な目的 使途時期 2023年 2024年 2025年 2026年 2026年8月 7月期実績 7月期実績 7月期実績 7月期実績 以降予定 人材確保:エンジニアやコンサルタントなどの確保費用（採用・教育・研修等） 41 62 64 0 0 研究開発:AIエンジンの開発費用 6 36 ３６ 0 0 設備投資:データ分析スピード強化のためのメンテナンス費用 0 36 0 6 27 IT費用:生成AIの利用やクラウドサービス費用 0 0 0 0
Slide 67: 事業上のリスクと対応策
財務情報 事業上のリスクと対応策 以下には、当社が経営においてリスク要因となる可能性があると考えられる主な事項について記載しております。有価証券報告書「事業等のリスク」に記載の内容のうち、成長 の実現や事業計画の遂行に影響する主要なリスクを抜粋して記載しております。その他のリスクは、有価証券報告書の「事業等のリスク」をご参照ください。なお、文中の将来に 関する事項は、現在において当社が判断したものであり、将来において発生する可能性があるすべてのリスクを網羅するものではありません。また当社のコントロールできない外 部要因や必ずしもリスク要因に該当しない事項についても記載しております。 項目 事業
Slide 68: Appendix
Appendix ©2026 Ridge-i All Rights Reserved. 67
Slide 69: NEDOのAIアクションプラン
Appendix NEDOが発表した、人とAIの共進化に向けた今後10年のAIアクションプラン プラン策定には牛久が参画。第3世代AIの次への取り組みが始まっている。 AIの技術開発 もの 生活・都市 モビリティ 教育 健康 の方向性 づくり (ウェル (生産) ビーイング) 深層学習 意味理解のAI シミュレーション 演繹と帰納の融合 部分最適化 全体最適化/人とAIの関係性の多様化 ビッグデータ依存 スモールデータ駆動 モダリティを統合した環境認識 画像・音声など、 Ridge-iが 多品種少量生産の 多様な情報から 個別の認識精度の向上 特に注力する 効率化に向けたAI 無人搬送車(AG
Slide 70: 人工衛星画像AI解析 事例
Appendix 人工衛星画像AI解析 事例 衛星画像 衛星画像 衛星画像 全球変化検出アプリ 土砂崩れ検出 駐車場スペース検知 影・ノイズ除去 GRASP EARTH © Airbus DS/Spot Image (2018) NEC Corporation Distributed by PASCO ©2020 DigitalGlobe, Inc., a Maxar company. レーダ衛星（SAR) 衛星画像（赤外） ドローン 航空写真 重油流出箇所推定 森林火災可視化 海岸の海ごみを検出 駐車台数、輸出台数の計測 Credit: European Union, contains mo
Slide 71: 衛星センサに特化したマルチバンド対応AI
Appendix 衛星センサに特化したマルチバンド対応AI （特許取得済み） 衛星の種別は多く、それぞれの衛星センサが取得できるバンド（波長帯）は異なります。 Ridge-iは、光学・SAR衛星などさまざまな衛星のセンサーごとに対応させたAIを独自開発しました。 通常の画像解析AIでは見落としてしまう情報を捉えることで、高精度な解析を実現します。 衛星の種類 Ridge-iのAI 通常の画像解析AI ALOS-2 X/C/Lバンド などSAR衛星 バ ン 遠赤外（SWIR） ド 衛星ごとのセンサ特性 WorldView3 ( 波 など に合わせたAI 長 GRUSなど 帯 近赤（NIR） ｺﾝ
Slide 72: 資料の取り扱いについて
資料の取り扱いについて 本資料には、将来の見通しに関する記述が含まれています。これらの将来の見通しに関する記述は、本資 料の日付時点の情報に基づいて作成されています。これらの記述は、将来の結果や業績を保証するもので はありません。このような将来予想に関する記述には、必ずしも既知および未知のリスクや不確実性が含ま れており、その結果、将来の実際の業績や財務状況は、将来予想に関する記述によって明示的または黙示的 に示された将来の業績や結果の予測とは大きく異なる可能性があります。 これらの記述に記載された結果と大きく異なる可能性のある要因には、国内および国際的な経済状況の 変化や、当社が事業を展開す