Who（誰が）
従業員100〜3000名規模の企業の人事部門・D&I推進部門、および中間管理職を含む一般従業員が利用者となる
対象とする社会課題：職場の無意識バイアスが評価・登用・人間関係に潜在的な不公平を生んでいる
社会の役に立ち、しっかり儲かる。その両立が、この計画には数字で示されています。
「彼はリーダーシップがある」「彼女は気配りが上手」。悪意のない一言が評価を歪め、管理職の女性比率の低迷を招いている。研修は年1回で日常には残らない。人事部も全件はチェックできない。だからこそ、日々の言葉が生まれる場所そのものに、気づきを届ける必要がある。
※ この4つの数字は、見せるために作った数字ではありません。「事業計画」タブの10年計画とまったく同じ計算から出しています。EXIT（売却）時の手取りだけは「もし売れたら」の試算で、約束できる金額ではありません。
10年の事業計画も、創業融資500万円の申請資料も、システムの要件定義書も、最初の90日の段取りも——ぜんぶこのページにあります。足りないものはAIチャットが伴走しながらその場で作り、システム開発・専門家・投資家への橋渡しまで、このサイトの中で進められます。「やりたい」と思ったその日から、始められる状態です。
ボタンを押すとAIチャットが開き、Kotoba Lensの事業内容や市場データを読み込んだ状態で、事業計画書やピッチ資料などの素案をその場で作成します。内容はあとから自由に手直しできます。
※ ボタンを押すと確認のポップアップが出ます。「はい」を選ぶとAIチャットが新しいタブで開き、 この事業の内容を踏まえた作成指示が自動で送られます（あなたが文章を打ち込む必要はありません）。 どのボタンを出すかは事業の性質でAIが出し分けます。生成にはAIチケットを使用します。
あなたの経歴とこの事業のフィットをAIが診断します。活きる強み、足りないもの、 共同創業者に求める人物像まで示します。
無料会員登録して診断する登録済みの経歴をもとに、この事業とのフィットを診断します。経歴・スキルの内容はAI相談・AIチャットの回答にも反映されるため、最新の内容に更新しておくとより精緻なアウトプットが得られます。
💡 このショーケースをお気に入り登録すると、あなたのAIチャットがお気に入り登録した事業の情報を学習し、より賢く、具体的な提案ができるようになります。
※ AIによる参考意見です。合否や成否を保証するものではありません。経歴・スキルの登録内容は、この診断やAI相談・AIチャットの回答精度にも影響します。
Kotoba Lensは、企業の従業員が日常的に使うSlack・Teams・人事評価システムに組み込まれるAIコーチングツールです。
中間管理職が評価コメントや会議チャットで『彼はリーダーシップがある』『彼女は気配りが上手』といった性別役割に基づく無自覚な表現を打ち込むと、その場でBotが『こういう言い換えもあります』と非難せずに提案します。管理職は月次ダッシュボードで自分の言葉遣いの変化を振り返り、人事部門は部署別・役職別のバイアス傾向を匿名集計で把握して研修対象や制度改善のポイントを特定できます。年1回の研修だけでは変わらなかった日常業務の言い回しに、リアルタイムの小さな気づきを積み重ねることで変化を促す仕組みです。
人事評価コメントや会議での発言、求人票の文言には「彼はリーダーシップがある」「彼女は気配りが上手」といった性別役割に基づく表現が無自覚に混入し、評価の公平性を損なっている。
厚生労働省の調査では管理職の女性比率が課長級で12.7%と低迷しており、その一因として評価言語に潜むバイアスが指摘されているが、当事者本人が気づく機会はほとんどない。従業員300名規模の企業では年間数千件の評価コメントや議事録が生成されるが、人事部が全件を目視でチェックすることは事実上不可能である。研修は年1回実施されても、日常業務の中での言い回しには反映されず、効果が定着しにくい。特に中間管理職は「悪意はないが表現が偏る」という自覚のない状態が続き、離職やエンゲージメント低下の要因になっている。
自然言語処理モデル(日本語特化の文脈解析モデルをベースにファインチューニング)が、評価コメントや議事録・チャット文中の性別・年齢・属性に紐づく暗示的表現を検出し、バイアス強度をスコアリングする。
対話型AI(LLM)がリアルタイムでチャットボットとして言い換え案を生成し、ユーザーの反応(採用/無視)を学習してパーソナライズされた提案精度を向上させる。予測モデルが個人・部署単位のバイアス傾向の時系列変化を分析し、悪化リスクのある部署を事前に検知して人事部にアラートを出す。すべての解析は匿名化・統計処理を経てダッシュボード化され、個人特定を避けつつ組織単位の傾向把握を可能にする。
従業員が普段使うSlack・Teams・評価システム・求人票作成ツールにAPI連携したBotが、投稿・入力されたテキストをリアルタイムで解析し、性別・年齢・国籍等に紐づくバイアス表現を検出すると、その場で「こういう言い換えもあります」とチャット形式で提案する。
管理職は月次で「自分の言語傾向レポート」をダッシュボードで確認でき、過去3か月の使用語彙の変化をグラフで振り返ることができる。人事部門は匿名化・集計されたバイアス傾向を部署別・役職別に可視化し、研修対象や制度改善のポイントを特定できる。利用者は最初は指摘に驚くが、対話型AIが非難ではなく「気づきの提案」として提示するため、心理的抵抗を抑えた学習体験になる。
| 人事部担当者による評価コメント目視チェック人件費(月20時間×時給3000円×12ヶ月) | 72万円/年 |
| 年1回の全社D&I研修費用(外部講師+管理職50名分会場費) | 150万円/年 |
| 女性管理職未登用等に起因する離職・中途再採用コスト(1名あたり100万円想定×年間3〜5名) | 300万〜500万円/年 |
| ハラスメント相談窓口対応・訴訟リスク対応(弁護士相談費用含む) | 200万円/年の目安 |
| スタンダードプラン(従業員300名規模・基本SaaS利用のみ) | 月額約10万円(年間120万円)の目安 |
| エンタープライズプラン(従業員1000名規模・評価システム連携オプション込み) | 月額40万円(基本30万円+連携オプション10万円、年間480万円) |
| 3000名規模フルプラン(評価連携+D&I分析レポート年間契約) | 月額85万円(基本70万円+連携15万円)+レポート年間100万円、合計年間1,120万円の目安 |
この事業をやっている人のある1日、1年後・3年後・10年後の姿、向いている人・向いていない人、よくある質問……
あなたと事業の詳細は無料会員限定です。
時間軸別に、各チャネルの具体施策と、それをAIでどうプロンプティングして実現するかをセットで。
上記の施策をもとに、広告物の作成業者（マーケ会社）への紹介をご希望の場合はこちらからエントリーできます。
マーケ会社の紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
この事業に必要なアプリを作るための仕様です。下のボタンでWordに書き出せば、そのまま開発会社への相談・見積の依頼に使えます。
※ このボタンは、このページに載っている内容をそのままWordファイルに書き出します（AIは使いません。すぐ保存できます）。 ページの上のほうにある「ほしい資料を、その場でAIがつくります」の要件定義書のボタンは、AIチャットがあなたのご要望を聞きながら、そのつど書き起こすものです。 すでにある内容をそのまま渡したいときはこちら、作りたい範囲や条件を相談しながら仕上げたいときはAIチャットをお使いください。
厚生労働省調査で管理職の女性比率が課長級で12.7%にとどまる背景には、評価コメントや会議発言に潜む性別役割表現があると指摘されているが、当事者本人が気づく機会はほとんどない。
従業員300名規模でも年間数千件の評価コメント・議事録が生成され、人事部が全件を目視チェックするのは事実上不可能である。年1回の研修は実施されても日常業務の言い回しには反映されず、中間管理職は『悪意はないが表現が偏る』状態が続いている。この状態が離職やエンゲージメント低下の一因になっており、日常のツール上でその場で気づける仕組みが必要とされている。
PoC〜初期導入フェーズ(0-18か月)は検知精度やUI/UXの反復改善が前提となるため準委任契約が適する。
MVP機能一式が固まった後の評価システム連携オプションなど仕様が明確な追加開発は請負での個別発注も検討する。発注時は検知精度(F1スコア)やユーザー受容率を成果指標として契約書に明記し、誤検知対応や辞書調整の工数を準委任の稼働範囲に含めておくこと。個人情報・労務データを扱うため、匿名化設計とセキュリティ要件(ISMS等)の遵守を契約条項に必ず盛り込む。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 評価コメントや議事録・チャットを日常的に書く中間管理職・評価者 |
| セカンダリ | 人事部門・D&I推進担当者（組織単位の傾向把握と制度改善に利用） |
| 管理 | 情報システム部門・契約管理者（API連携設定、権限・同意管理、辞書メンテナンス） |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| リアルタイムバイアス検知Bot | Slack/Teamsの投稿文を解析し、バイアス表現検出時にチャットで言い換え案を返信する。 |
| バイアス強度スコアリング | 評価コメント・議事録テキストを入力し、暗示的表現をバイアススコア(0-100)で出力する。 |
| 言い換え文生成(対話型AI) | 検出結果と文脈を入力し、LLMが自然な言い換え文を生成してチャットに提示する。 |
| 提案パーソナライズ学習 | ユーザーの採用/無視履歴を学習し、個人ごとに提案内容と頻度を最適化する。 |
| 個人言語傾向レポート | 過去3か月の使用語彙データを集計し、月次ダッシュボードにグラフ表示する。 |
| 部署別バイアス可視化 | 匿名化済み検出データを部署・役職別に集計し、人事向けダッシュボードで表示する。 |
| 悪化リスク予測アラート | 部署別バイアス時系列データを予測モデルで分析し、悪化リスク検知時に人事部へ通知する。 |
| 求人票文言チェック | 求人票原稿テキストを入力し、性別役割表現を検出して修正候補を提示する。 |
| 評価システムAPI連携 | 人事評価システムAPIから評価コメントを取得し、解析結果を評価画面に反映する。 |
| 辞書カスタマイズ機能 | 企業固有の業界用語・表現を登録し、検知辞書へ追加反映する。 |
| D&I分析レポート生成 | 匿名集計データを業界別に統計処理し、レポートをPDF/CSVで出力する。 |
| テーブル | 主要カラム |
|---|---|
companies | company_id, company_name, plan_type, employee_count, contract_status, contract_start_date |
users | user_id, company_id, department_id, role, email, position_level |
departments | department_id, company_id, department_name, parent_department_id |
detected_texts | text_id, user_id, source_type, original_text, detected_at |
bias_scores | score_id, text_id, bias_category, bias_strength_score, model_version |
suggestions | suggestion_id, text_id, suggested_text, is_adopted, responded_at |
reports_monthly | report_id, user_id, period_month, bias_trend_json, vocabulary_summary |
alerts | alert_id, department_id, alert_type, risk_score, triggered_at, resolved_flag |
| # | 画面 |
|---|---|
| 1 | ログイン・SSO認証画面 |
| 2 | 個人言語傾向ダッシュボード |
| 3 | チャット言い換え提案ポップアップ |
| 4 | 部署別バイアス傾向管理画面 |
| 5 | アラート一覧・詳細画面 |
| 6 | 辞書カスタマイズ設定画面 |
| 7 | D&Iレポート出力画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | Python/FastAPI(NLP推論APIを高速構築できるため) |
| 2 | 日本語BERT系モデル(既存日本語コーパスで精度確保しやすい) |
| 3 | LangChain+LLM API(言い換え生成の対話制御が容易) |
| 4 | PostgreSQL(構造化データと集計処理に適合) |
| 5 | Slack Bolt SDK/Microsoft Graph API(チャット連携が必須要件) |
| 6 | React+TypeScript(ダッシュボードUIの開発効率が高い) |
| 7 | AWS(SageMaker/ECS)(モデル運用とスケーリングに実績あり) |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: SLA99.9%を維持し、月間許容停止時間を45分以内とする |
| 性能 | 性能: テキスト入力から言い換え案表示までの応答時間を1秒以内とする |
| セキュリティ | セキュリティ: 通信・保存データはTLS1.3/AES256で暗号化し、個人特定情報は解析後30日以内に匿名化・削除する |
| 拡張性 | 拡張性: 従業員3000名規模で日次10万件のテキスト処理に対応する |
| 運用 | 運用: 検知精度F1スコアを月次で監視し、0.75未満に低下した場合はモデル再学習を実施する |
| 監査 | 監査: 操作・アクセスログを1年間保持し、ロールベースアクセス制御で権限管理する |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | β企業から匿名化された評価コメント・議事録の実データを受け取り、既存の日本語NLPモデルとExcel・スプレッドシートで人力に近い形でバイアス表現を抽出し、言い換え案を人手で作成して反応を確認する | AI利用料と担当者の作業時間のみで、外部発注は行わない水準 |
| ②最小システム | Slack/Teamsに簡易Botを設置し、投稿テキストをAPI経由でLLMに渡してバイアス検出・言い換え提案を自動化する。ダッシュボードは表形式の簡易版で、月次レポートも手作業で補完する | 外部エンジニアへの外注で数か月分の開発費とAPI利用料 |
| ③本開発 | 日本語特化モデルのファインチューニングを行い、部署別・役職別の可視化ダッシュボード、評価システム連携オプション、フィードバック学習ループを実装し、複数社への同時提供に耐える構成にする | 本格的な外注・内部人件費が中心で、初期導入コンサル収益と一部相殺する想定 |
上記の要件定義書をもとに、システムベンダー（開発会社）への紹介をご希望の場合はこちらからエントリーできます。
システムベンダーの紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
10年の収支と資金の集め方、財務、KPI、資本政策、そして図解付きのフル事業計画書・AI実装仕様書……
事業計画の詳細は無料会員限定です。
市場の前提（ボトムアップ試算）とTAM/SAM/SOMの規模感……
市場規模の詳細は無料会員限定です。
競合となるサービス・企業と、この事業ならではの差別化ポイント……
競合企業の詳細は無料会員限定です。
対応が必要な許認可・法規制と、確認すべき相手先・想定調整期間……
関連法令・許認可の詳細は無料会員限定です。
手を挙げたその日から動けるように、完了条件つきで並べています。
| 誰に会うか | なぜ会うか | 接触の仕方 |
|---|---|---|
| 従業員300〜1000名規模企業のD&I推進室長・人事部長 | 評価言語バイアスの実態と導入時の稟議プロセスを直接把握するため | 日本D&I協会や人事勉強会（ダイバーシティ経営会議等）の交流会で接点を作る |
| D&Iコンサルティング会社（例：JMAM、リンクアンドモチベーション等）の担当コンサルタント | 協業導入チャネルとしての適合性と現場ニーズのヒアリングのため | D&I関連セミナー登壇企業へ問い合わせ、または既存人脈から紹介依頼 |
| タレントマネジメントSaaSベンダー（カオナビ、HRBrain等）の事業提携担当者 | 評価システムAPI連携の技術的可否と代理販売提携の可能性を確認するため | 各社のパートナー募集窓口・展示会（HR Expo）での名刺交換から連絡 |
| Slack/Microsoft Teams日本法人のアプリパートナー担当者 | アプリマーケットプレイス掲載要件とAPI利用規約の確認のため | 各社デベロッパーポータルのパートナー申請フォームから問い合わせ |
| 労働法・個人情報保護に詳しい社会保険労務士または弁護士 | モニタリング型ツール導入時の労使協議設計と法的リスクの確認のため | 人事労務専門の法律事務所・社労士事務所に個別相談を申し込む |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| D&Iコンサルティング会社への協業打診 | 「評価コメントのバイアス検知を無償β提供し、御社のクライアント企業への提案材料にしていただけないか」と持ちかけ、共同提案の形で導入企業を紹介してもらう |
| 知人の人事責任者への直接ヒアリング＋β利用依頼 | 「評価コメントや議事録のバイアス表現を見える化するツールを作っている。無償で試していただき、率直な感想をフィードバックしてほしい」と伝え、まず数社に絞って依頼する |
| 人事・D&I系の勉強会・オンライン交流会での告知 | 課長級の女性比率の低さと評価言語の関係を題材にしたLT(ライトニングトーク)を行い、終了後に「β版を試したい方はこちらへ」と個別に声をかける |
| Slack/Teamsアプリマーケットプレイス経由の告知 | アプリ掲載ページに「D&I推進部門向け無償トライアル募集中」と明記し、問い合わせフォームからβ企業として直接コンタクトを取る |
対応が必要な許認可・法規制の詳細は「関連法令」タブでご確認いただけます。着手前に必ずご確認ください。
制度名・金額・要件は年度ごとに変わるため、ここでは種別と公式の探し先だけを示します。必ず一次情報で最新の要件を確認してください。
| 種別 | 特徴 |
|---|---|
| 自己資金・身内からの出資 | 最初の検証（ヒアリング・試作）はここで賄えることが多い。 |
| 日本政策金融公庫の創業融資 | 実績のない創業期でも相談できる公的融資。事業計画書の提出が要る。 |
| 自治体の創業支援制度 | 市区町村・都道府県ごとに補助・利子補給・家賃補助などがある。要件と募集時期は年度で変わる。 |
| 国の中小企業向け補助金 | 設備・販路開拓・IT導入などの類型がある。公募期間が短いので、常設の情報源で追う。 |
| エンジェル投資家・ベンチャーキャピタル | 急成長を前提にする資金。社会課題型では投資家の性格を選ぶ必要がある。 |
| 確認先 | 何がわかるか |
|---|---|
| ミラサポplus（中小企業庁） | 補助金・支援制度の横断検索 |
| J-Net21（中小機構） | 支援策・創業手引きのデータベース |
| 地域の商工会議所・よろず支援拠点 | 無料の対面相談。申請書の書き方まで見てもらえる |
| 日本政策金融公庫の各支店 | 創業計画書の事前相談 |
| 制度 | 誰が使えるか | この事業でどう効くか |
|---|---|---|
| 日本政策金融公庫 新規開業資金（新創業融資制度） | 法人設立から間もない代表者（担保・保証人不要の枠あり） | 設立2か月目ごろの着金を前提にした運転資金の主戦力になる制度で、融資総額は500万円の想定。NLPエンジニアの人件費や初期のクラウド利用料に充てられる |
| IT導入補助金 | ITツールを導入・提供する中小企業・小規模事業者 | SaaS型のバイアス検知ツール開発における自社利用ツール(開発・分析基盤等)の導入費用の一部を対象にできる可能性があり、初期のコスト圧縮に使える |
| 小規模事業者持続化補助金 | 従業員数が少ない小規模事業者（創業後の販路開拓を行う事業者） | β企業3〜5社を探すための展示会出展費・広報用のLP作成費・パンフレット制作費など、初期の販路開拓コストの補助対象になりやすい |
| 東京都創業助成事業（TOKYO創業ステーション経由） | 都内で創業を予定または創業後5年未満の中小企業者 | 代表1名で動く創業初期の人件費・専門家活用費（労働法・D&I専門家への監修費用等）の一部が対象になり得る |
| 厚生労働省 人材開発支援助成金（人材育成支援コース） | 従業員に研修を実施する事業主（将来、営業・カスタマーサクセス担当を雇用した際に対象） | D&I関連の社内研修を組み合わせて提供する際、導入先企業向けの提案材料になるほか、自社の従業員育成にも活用余地がある |
会社設立の手続きや許認可の取得、契約書の整備など、弁護士・税理士・司法書士等の専門家への紹介をご希望の場合はこちらからエントリーできます。
専門家の紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
本文中の「※1」「※2」の番号は、ここに対応しています。番号を押すと、この欄に飛びます。
この事業が失敗するとしたら原因はどこから来るか、単価をその値段にした理由、最初の3か月で確かめること、必要な契約書と支払い条件、1人目の求人票、この事業の1週間……
実行の手引きの詳細は無料会員限定です。
この領域に取り組む仲間がコミュニティにいます。ひとりで抱え込まず、同じ課題を見ている人と話すところから始められます。
※ バッジは自動集計にもとづく相対表示です