Innodata ( INOD ) 2025年第4四半期決算電話会議トランスクリプト

<p>画像ソース：The Motley Fool。</p>
<h2>日付</h2>
<p>2026年2月26日 午後5時 ET</p>
<h2>通話参加者</h2>
<ul>
<li>会長兼最高経営責任者 — Jack Abuhoff</li>
<li>暫定最高財務責任者 — Marissa Espineli</li>
<li>法務顧問 — Amy Agress</li>
<li>財務・企業開発担当上級副社長 — Aneesh Pendharkar</li>
</ul>
<p>Motley Foolのアナリストからの引用が必要ですか？ <a href="/cdn-cgi/l/email-protection">[email protected]</a> までメールでお問い合わせください。</p>
<h2>要点</h2>
<ul>
<li>収益 — 四半期で7,240万ドル、前年比22%増。</li>
<li>通期収益 — 2億5,170万ドル、前年比48%増。</li>
<li>調整後粗利益率 — 四半期で42%、外部公表目標の40%を上回る。</li>
<li>調整後EBITDA — 1,570万ドル、収益の22%。アナリスト予想を120万ドル上回る。</li>
<li>現金 — 四半期末で8,220万ドル、前期比約840万ドル増、前年同期比3,530万ドル増。</li>
<li>負債活用 — 3,000万ドルのWells Fargoクレジットファシリティからの引き出しなし。</li>
<li>イノベーションと投資 — COGSおよびSG&amp;Aにおける成長主導の投資、特にキャパシティ、エンジニア、データサイエンティスト、顧客対応リーダーシップへの投資。</li>
<li>顧客構成 — 最大顧客からの支出は増加すると予想され、残りの顧客基盤の総成長率はより速いペースで進み、MAG-seven、国内AIイノベーションラボ、ソブリンAIイニシアチブ、主要企業を含むと予想される。</li>
<li>顧客の多様化 — 拡大し、ますます多様化する大規模顧客群によって、収益成長の集中度は低下すると予想される。</li>
<li>収益ガイダンス — 可視化されたアクティブなプログラムと最近獲得した案件に基づき、2026年の前年比成長率を少なくとも35%と予測。LLMとAI主導のイニシアチブのペースにより、大幅な上方修正の可能性があると経営陣は指摘。</li>
<li>ワークフロー移行 — 第1四半期に、最大顧客からのポストトレーニングワークフロー収益ランレート約2,000万ドルが廃止され、新しいポストトレーニングおよびスケール化されたプリトレーニングプログラムに置き換えられ、正味収益ランレートへの影響はプラスとなった。</li>
<li>調整後粗利益率ガイダンス — 2026年初頭の調整後粗利益率は35%-40%の範囲になると予想され、新しいプログラムの拡大とワークフローイノベーションのスケール化に伴い、40%の目標に向けて正常化すると経営陣は予想。</li>
<li>技術的進歩 — エージェント評価、エージェント最適化パイプライン、敵対的シミュレーション、物理AIの大規模データエンジニアリングのための独自のシステムを導入・拡張。これには、自己中心的およびアフォーダンスデータセットへの応用が含まれる。</li>
<li>ベンチマークパフォーマンス — ドローンおよび小型物体検出のためのAIモデルを開発し、既存の最先端ベンチマークを6.45%上回る性能を達成。商業およびデュアルユースアプリケーションを強調。</li>
<li>ハイパースケーラーおよびサイバーセキュリティからの関心 — マネージドサービスおよび敵対的トレーニングイニシアチブは、ハイパースケーラー、サイバーセキュリティ企業、および関連政府専門家の間で新たなエンゲージメントと関心を集めている。</li>
</ul>
<h2>概要</h2>
<p>経営陣は、生成AI、エージェンティックAI、物理AIにおける新たなイノベーションイニシアチブを発表し、データ駆動型手法を製品進化の核として強調した。エージェント評価および敵対的シミュレーションのための独自のプラットフォームは、特にハイパースケーラーおよびセキュリティ重視のクライアントの間で、新たな顧客獲得を促進している。人材と技術への継続的な再投資により、Innodata（<a href="/quote/nasdaq/inod/">INOD</a> 7.88%）のリーダーシップは、ハイブリッドソフトウェア・ヒューマン・オファリングに関連する利益率の改善と継続収益の拡大の両方を予測しつつ、初期段階のエンゲージメント変換と企業関連性の拡大への自信を強調している。</p>
<ul>
<li>同社経営陣は、「当社が過去に行い、今後も行う投資の結果として、Innodata Inc.においてイノベーションの黄金時代に入ると信じています」と述べた。</li>
<li>経営陣は、自動化、合成システム、および評価プラットフォームによって、将来的に粗利益率が拡大すると強調した。これらは、当社のオペレーティングレバレッジを構造的に増加させる。</li>
<li>経営陣は、成長ガイダンスは意図的に保守的であり、LLMイニシアチブが急速に立ち上がるにつれて上方修正の可能性があると明確にした。</li>
<li>顧客の多様化に関する議論の中で、経営陣は、新たな受注と需要の加速により、InnodataはベンダーからAIエコシステム内の基盤レイヤーへと移行できるようになったと共有した。</li>
</ul>
<h2>業界用語集</h2>
<ul>
<li>LLM：大規模言語モデル。大規模データセットでトレーニングされ、自然言語テキストを理解および生成するAIモデル。</li>
<li>MAG-seven：経営陣が言及する米国の大手テクノロジー企業7社。通常、Microsoft、Apple、Google（Alphabet）、Amazon、Meta、Nvidia、Teslaを指す。</li>
<li>自己中心的データ：ロボットまたはセンサー搭載デバイスの一人称視点からキャプチャされたデータ。直接的な環境体験を反映する。</li>
<li>アフォーダンスデータ：物理的なオブジェクトとの可能なアクションまたはインタラクションをコンテキスト内でAIシステムに教える構造化データ。</li>
<li>敵対的シミュレーション：洗練された攻撃または現実世界の脅威に対するAIの堅牢性をテストするために使用される、体系的に生成された複雑なデータ。</li>
</ul>
<h2>完全なカンファレンスコールトランスクリプト</h2>
<p>オペレーター：皆様、こんばんは。Innodata Inc.の2025年度第4四半期および通期決算説明会にご参加いただきありがとうございます。現在、すべての回線はリスニング専用モードになっております。プレゼンテーションの後、質疑応答セッションを行います。この通話中にいつでも緊急のサポートが必要な場合は、オペレーターに0を押してください。この通話は2026年2月26日木曜日に録音されています。それでは、法務顧問のAmy Agressに引き継ぎます。どうぞ。</p>
<p>Amy Agress：オペレーター、ありがとうございます。皆様、こんばんは。本日はご参加いただきありがとうございます。本日のスピーカーは、Innodata Inc.の会長兼CEOであるJack Abuhoffと、暫定CFOのMarissa Espineliです。また、財務・企業開発担当上級副社長のAneesh Pendharkarも本日の通話に参加しています。最高収益責任者のRahul Singhalは本日欠席ですが、次回の通話で参加できることを楽しみにしています。まずJackから事業に関する見解を述べ、次にMarissaが2025年度第4四半期および通期の業績レビューを行います。その後、アナリストからの質問を受け付けます。</p>
<p>開始にあたり、本日の通話中に、将来に関する記述を行うことをお知らせいたします。これらは将来の出来事に関する予測、見通し、その他の記述です。これらの記述は、現在の期待、仮定、および見積もりに基づいており、リスクと不確実性の影響を受けます。実際の結果は、これらの将来に関する記述で示唆されているものと大きく異なる可能性があります。これらの結果が大きく異なる可能性がある要因は、本日の決算プレスリリース、Form 10-K、Form 10-Qの「リスク要因」セクション、および証券取引委員会へのその他の報告書および提出書類に記載されています。当社は、将来に関する情報を更新する義務を負いません。さらに、本日の通話中、特定の非GAAP財務指標について議論する場合があります。</p>
<p>本日SECに提出された当社の決算リリース、および当社のウェブサイトに掲載されているその他のSEC提出書類には、これらの非GAAP財務指標に関する追加情報、ならびに比較可能なGAAP指標との調整表が含まれています。ありがとうございます。それでは、Jackに引き継ぎます。</p>
<p>Jack Abuhoff：Amy、ありがとうございます。皆様、こんばんは。第4四半期はInnodata Inc.にとって引き続き好調な四半期でした。収益は7,240万ドルを達成し、前年比22%の成長を記録しました。これにより、通期収益は2億5,170万ドルとなり、2025年の前年比成長率は48%となりました。当社の第4四半期の連結調整後粗利益率は42%で、外部公表目標である40%を上回りました。調整後EBITDAは1,570万ドル、収益の22%に達し、アナリスト予想を120万ドル上回りました。実際、当社の業績は、収益、調整後EBITDA、純利益、EPSを含む主要指標の範囲全体でアナリスト予想を上回りました。期末の現金残高は8,220万ドルで、前期比約840万ドルの増加となりました。これらの結果を達成する一方で、COGSおよびSG&amp;Aの両方で、成長志向の有意義な投資を行いました。</p>
<p>COGSにおいては、収益拡大に先行してキャパシティを確保しましたが、これは常に正しい判断であることが証明されました。SG&amp;Aにおいては、エンジニア、データサイエンティスト、顧客対応アカウントリーダーシップに投資しましたが、これらの投資も賢明なものであったことが証明されました。イノベーションを構築することで、機会が拡大しました。当社の事業モメンタムは史上最高であると信じています。開発、評価、継続的なモデル最適化を含む、AIライフサイクル全体で力強い需要が見られます。そして、広範で多様な多数の大規模顧客との間で、足場を固めていると信じています。市場の需要と成長する足場の結果として、2026年も再び並外れた成長の年になると予想しています。現在、2026年の前年比成長率は約35%以上になる可能性があると見積もっています。</p>
<p>この見積もりは、アクティブなプログラム、最近獲得した案件、最終段階の評価、および明確な見通しがある機会を反映しています。まだ年の初めであり、LLMイニシアチブは急速に立ち上がるため、この範囲を大幅に上回る可能性があると信じています。しかし、保守的にガイダンスを行い、可視性が高まるにつれて上方修正することを選択します。同時に、当社がサポートするプログラムの規模と複雑さ、タイミングの変動性、顧客の研究開発スケジュール、予算承認、または研究優先順位の変更により、収益が実現するペースに影響を与える可能性があります。</p>
<p>当社の見通しには、最大顧客からの支出が年間でいくらか増加するという期待、および残りの顧客基盤が全体としてより速いペースで成長するという期待が組み込まれています。この他の顧客の成長は、MAG-seven、国内AIイノベーションラボ、ソブリンAIイニシアチブ、および主要企業の組み合わせから来ると予想しています。これが顧客の多様化に大きく貢献すると信じています。当社の顧客は急速に進んでおり、開発サイクルを短縮し、研究ブレークスルーへの対応を迅速化しています。2025年には、研究に従い、顧客のニーズを予測し、必要に応じてピボットしたことで、この環境で成功することができました。</p>
<p>例を挙げると、今年の第1四半期に、最大顧客のために、年間収益ランレートで約2,000万ドルに相当する多数のポストトレーニングワークフローを廃止しましたが、それを、最近注力および投資してきた分野である、新しいポストトレーニングワークフローとスケール化されたプリトレーニングプログラムの組み合わせに置き換えました。収益ランレートの観点から見ると、正味の効果はプラスになりました。実際、野心的な2026年およびそれ以降の計画を達成するには、継続的なイノベーションが不可欠であると信じています。本当にエキサイティングなニュースは、当社が過去に行い、今後も行う投資の結果として、Innodata Inc.においてイノベーションの黄金時代に入ると信じていることです。</p>
<p>最近のイノベーションイニシアチブについていくつかご紹介します。競争上の理由から、適切に慎重になりますが、共有する内容は、当社の考え方、投資先、成功事例、そして今後の機会をどのように活用していくかについて、有意義な窓を提供してくれるでしょう。最近のイノベーションを3つの分野、すなわち生成AIモデルトレーニング、エージェンティックAI、物理AIについて簡単に説明します。その前に、統一的なテーマを強調したいと思います。これから説明するすべてのイノベーションは、根本的にデータイノベーションです。</p>
<p>より高性能なLLM、より信頼性の高い自律エージェント、またはよりインテリジェントな物理AIシステムを目標とするかどうかにかかわらず、データの品質、データの構成、データの検証、および大規模なデータエンジニアリングが中心となります。これらは当社のコアコンピタンスです。まず、生成AIトレーニングから始めます。歴史的には、顧客はどのようなトレーニングデータが必要かを私たちに伝えていました。しかし、ますます、彼らはモデルのパフォーマンスを診断し、適切なトレーニングデータセットを設計し、それらのデータセットが結果を大幅に改善することを示すように求めています。それがどのように機能するかを説明します。まず、評価フレームワークを使用してパフォーマンスギャップを特定します。次に、ターゲットを絞ったデータセットをエンジニアリングし、顧客のモデルまたは構造的に類似したプロキシモデルをファインチューニングすることで、その影響を検証します。パフォーマンスへの影響を測定し、実証した後でのみスケールアップします。これにより、議論は「データの量はいくらか」から「データはどれほど効果的か」へとシフトします。このシフトは、AI研究のペースの加速と、ますます大規模なモデルをトレーニングするためにかかるコストと時間の2つの要因によって推進されていると信じています。そして、データ有効性に関する会話は、当社の強みに直接関係しています。また、長文コンテキスト推論（AIモデルが一度に非常に大量の情報を見て推論する能力）を改善するデータセットを作成するための方法も進歩させています。これは、業界で最も重要な技術的課題の1つであり続けています。それを解決するには、アーキテクチャの改善だけでなく、非常に特定の種類の構造化トレーニングデータを大規模に作成する上での進歩が必要です。長文コンテキスト推論を改善するトレーニングデータを作成することは、簡単な問題ではありませんが、当社はそれに取り組んでおり、有意義な進歩を続けています。2番目のイノベーション分野は、自律エージェントシステムの評価と、ターゲットを絞ったデータセット作成による改善です。自律エージェントは、電力の登場以来、最も重要なビジネスイノベーションの機会を表す可能性があると信じています。しかし、多くのAIエージェントは、管理された実験室の設定では印象的なパフォーマンスを示しても、実際のプロダクション環境では劣化することがすぐにわかります。現実世界は混沌としています。</p>
<p>エッジケース、競合する制約、予測不可能なユーザー行動、および敵対的な条件によって形作られています。これに対処することは、根本的にデータの問題です。エージェントは継続的にトレーニングされ、現実的で、多様で、複雑なデータセットで厳密にストレステストされる必要があります。このために、3つの非常に補完的なハイブリッドソリューションのセットを開発しました。最初のものは、エージェント評価およびオブザーバビリティプラットフォームです。データサイエンティストは、開発中に当社のプラットフォームを使用して、エージェントを視覚化および注釈付けできます。</p>