Who（誰が）
従業員300名以上でDEI開示や人的資本経営の説明責任を負う人事部門・DEI推進部門、および開示資料を必要とする経営層・IR担当者が主な利用者となる
対象とする社会課題：採用・昇進プロセスに潜む無意識バイアスの放置
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。
従業員300名を超える企業では、採用や昇進の判断が担当者の主観に委ねられがちで、性別や年齢による無意識のバイアスが検証されないまま積み重なっています。人事部門は日々の業務に追われ、過去の評価データを横断的に見返す余力がありません。FairTrack AIは、その見えない差を統計とAIで可視化し、是正のきっかけを人事の手元に届けます。
※ 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700万円の申請資料も、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、FairTrack AIのこのショーケース内容を読み込んだ状態で、それぞれの資料の素案を一緒に作成します。
※ 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。
従業員300名以上の企業の人事部門・DEI推進部門が、自社のATS(HERP、HRMOS等)や人事評価システムから応募者属性・選考通過率・評価点・昇進履歴のデータをCSVアップロードまたはAPI連携で取り込むと、FairTrack AIが性別・年齢・雇用形態・出身大学ランクといった属性間の統計的有意差(平均評価点差、通過率オッズ比)を自動検出し、ダッシュボード上で異常な選考ラウンドや評価者をハイライトする。
人事部長が対話型チャットで「なぜこの部署の昇進通過率に男女差があるのか」と質問すると、AIが過去3年の傾向データや評価コメントの解析結果を根拠に平易な言葉で回答する。四半期ごとに自動生成される公平性スコアレポートはそのまま取締役会・株主向け開示資料に使え、是正すべき評価者研修対象者リストまで提案される。
従業員300名以上の企業では、採用書類選考・面接評価・昇進審査が人事担当者や現場管理職の主観に依存しており、性別・年齢・出身校・育休経験などによる無意識バイアスが統計的に検出されないまま放置されている。
実際、上場企業の女性管理職比率は平均12.7%(2023年内閣府調査)にとどまり、選考プロセス自体の検証がほとんど行われていないことが一因とされる。人事部門は日々の業務に追われ、過去数年分の評価データを横断的に分析する時間もノウハウも持たない。また外部の人権デューデリジェンス要請やISO30414開示の流れで、投資家・株主から公平性の説明責任を求められる企業が急増している。しかし現状は弁護士や社労士による事後的な書面監査が中心で、定量的・継続的なモニタリング手法が存在しない。結果として、バイアスは是正されないまま昇進格差や離職率上昇という形で顕在化し続けている。
統計的異時点分析エンジンが、属性別の合否率・評価点分布をロジスティック回帰やベイズ推定で分析し、有意なバイアス兆候をスコア化する。
自然言語処理(NLP)モデルが面接評価コメントや推薦文のテキストを解析し、性別コード語(例: 「気配りがある」「決断力がある」の使用偏り)を検出する。対話型AI(LLMベースのチャットボット)が人事担当者からの自然言語質問に対し、根拠データを引用しながら平易な言葉で回答する。異常検知後は最適化アルゴリズムが、評価者研修・選考基準見直しなど是正施策の優先順位を自動でランキングし提案する。
人事担当者は自社のATS(採用管理システム)や人事評価システムから、応募者属性・選考通過率・評価点・昇進履歴などのデータをCSVまたはAPI連携でFairTrack AIに取り込む。
AIは職務要件と実際の合否・評価パターンを突合し、性別・年齢・雇用形態・出身大学ランクなどの属性間で統計的有意差(平均評価点差、通過率オッズ比など)を自動検出し、異常が見つかった選考ラウンドや評価者をダッシュボード上でハイライトする。人事部長はAIとの対話型チャット(自然言語)で「なぜこの部署の昇進通過率に男女差があるのか」を質問すると、AIが該当する評価コメントのテキスト解析結果や過去3年の傾向を要約して回答する。四半期ごとにAIが自動生成する「公平性スコアレポート」は取締役会・株主向け開示資料としてそのまま利用でき、是正アクション(評価者研修対象者リスト等)も提案される。
| 外部弁護士・社労士による事後書面監査費用(年2回想定) | 年額300万円 |
| 昇進格差・離職率上昇に伴う代替採用コスト(中途採用3〜5名分) | 年額600万円 |
| ISO30414開示対応の外部コンサルティング費用 | 年額200万円 |
| 人事部門による手作業データ集計・分析の人件費(月20時間×担当者時給換算) | 年額約80万円 |
| SaaS月額利用料(従業員2,000名規模・ATS2連携) | 月額40万円(年額480万円) |
| 初期導入・データ連携支援費(一時金) | 150万円 |
| 公平性監査レポート発行オプション(四半期契約・年4回) | 年額160万円 |
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。
上場企業の女性管理職比率は平均12.7%(2023年内閣府調査)にとどまるが、選考プロセス自体を定量検証する仕組みを持つ企業はほとんどない。
人事担当者は日々の採用・評価業務に追われ、過去数年分のデータを横断的に分析する時間もノウハウも持たない。人的資本開示の義務化(2023年3月期以降)により投資家・株主から公平性の説明責任を求められる一方、現状は弁護士や社労士による事後的な書面監査が中心で継続的なモニタリング手法が存在しない。結果としてバイアスは是正されないまま昇進格差や離職率上昇という形で顕在化し続けている。
PoC・パイロット期(0-12ヶ月)は統計分析ロジックやダッシュボードの仕様が実データ検証を通じて頻繁に変わるため、準委任契約で月次工数精算とし、スプリントごとの成果物レビューを発注者側が主体的に行う体制が適する。
正式販売フェーズ以降、要件が固まったNLP解析機能や代理店向け管理画面の追加開発は請負契約で範囲・納期・受入基準を明確化しコスト超過を防ぐ。人事の機微データを扱うため、契約書に再委託制限・データ処分手順・ISO27001相当のセキュリティ基準を明記し、復旧時間等のSLAも数値で定義することが必須である。統計モデルの精度(誤検知率等)は完成基準を数値化しづらいため、請負化する場合も受入テストの合格基準を事前に発注者・受注者双方で合意しておく。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 人事部門・DEI推進部門の担当者、人事部長 |
| セカンダリ | 現場管理職(評価者)、経営企画・IR担当者 |
| 管理 | FairTrack AI運営側のカスタマーサクセス担当、社労士資格保持者によるレビュー担当 |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| ATS/HRISデータ連携 | CSVアップロードまたはAPI連携で応募者属性・評価点・昇進履歴を取込→正規化データとして保存 |
| データクレンジング処理 | 取込済み生データ→欠損値補完・表記揺れ統一処理→分析用マスタテーブルを生成 |
| 統計的バイアス検出エンジン | 属性別合否率・評価点→ロジスティック回帰/ベイズ推定→有意差スコアと該当ラウンドを出力 |
| NLPコメント解析 | 面接評価コメント文章→性別コード語頻度解析→評価者別バイアス傾向スコアを出力 |
| 異常ハイライトダッシュボード | 検出スコア→閾値判定→該当部署・評価者をダッシュボード上に色分け表示 |
| 対話型AIチャット | 人事担当者の自然言語質問→関連データ検索・要約→根拠付き回答文を返答 |
| 是正施策優先順位提案 | 検出済み異常項目リスト→影響度・緊急度で最適化ランキング→研修対象者リストを出力 |
| 公平性スコアレポート自動生成 | 四半期分析結果→定型テンプレート編集→PDF形式の取締役会向けレポートを出力 |
| 開示用監査レポート作成支援 | 公平性スコアレポート→株主向け開示フォーマット変換→署名可能な正式監査文書を出力 |
| 業界ベンチマーク比較 | 匿名化された複数企業の分析結果→業種・規模別集計→自社順位パーセンタイルを表示 |
| 権限・アクセス管理 | 利用者ID・部署権限設定→ログイン認証→閲覧可能なデータ範囲を制御し表示 |
| テーブル | 主要カラム |
|---|---|
companies | id, company_name, plan_type, employee_count, ats_type, contract_start_date, contract_status |
users | id, company_id, name, email, role(HR部長/DEI担当/経営層), department, password_hash, last_login_at |
candidates_evaluations | id, company_id, gender, age_group, university_rank, employment_type, department, evaluation_stage, evaluation_score, pass_flag, evaluator_id, recorded_at |
promotion_records | id, company_id, employee_id, gender, age, department, promotion_result, review_date, reviewer_id, score |
bias_detection_results | id, company_id, analysis_type(合否率/評価点/昇進), attribute, odds_ratio, p_value, severity_score, detected_at |
evaluation_comments_nlp | id, evaluation_id, raw_text, gender_coded_words, sentiment_score, flagged_phrases, analyzed_at |
remediation_actions | id, company_id, bias_result_id, action_type(評価者研修/基準見直し), priority_rank, status, assigned_to, due_date |
fairness_reports | id, company_id, report_period, report_type(社内用/株主開示用), fairness_score, pdf_url, generated_at, approved_by |
| # | 画面 |
|---|---|
| 1 | ダッシュボード(総合サマリー) |
| 2 | データ連携設定画面 |
| 3 | バイアス検出結果一覧 |
| 4 | 評価者別詳細分析画面 |
| 5 | 対話型AIチャット画面 |
| 6 | 是正アクション管理画面 |
| 7 | 公平性レポート出力画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | Python/FastAPI(統計分析エンジン構築が容易) |
| 2 | PostgreSQL(構造化人事データの厳密な整合性管理) |
| 3 | React/TypeScript(ダッシュボードUIの保守性) |
| 4 | AWS(ISO27001準拠環境構築の実績豊富) |
| 5 | OpenAI API(LLMチャット・コメント解析の開発速度) |
| 6 | statsmodels/PyMC(ロジスティック回帰・ベイズ推定の実装) |
| 7 | Auth0(人事機微データ向け認証・アクセス制御) |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: SaaS基盤は月間稼働率99.5%以上を維持し、計画停止は月1回2時間以内に限定する想定 |
| セキュリティ | セキュリティ: ISO27001準拠の管理体制を構築し、人事データは保存時AES-256・通信時TLS1.3で暗号化する想定 |
| 性能 | 性能: 従業員5,000名規模のデータセットに対し統計分析処理を1回あたり10分以内で完了させる目安 |
| データ保持 | データ保持: 委託契約に基づき契約終了後90日以内に顧客データを完全削除するポリシーを適用する想定 |
| 監査ログ | 監査ログ: 全ユーザー操作・AI判定結果を最低5年間保存し、事後検証可能な状態を維持する想定 |
| 誤検知抑制 | 誤検知抑制: AI検出結果は必ず社労士資格保持者によるレビューを経てから顧客提示する運用フローとする |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | パイロット候補企業から過去の選考・評価データをエクセルで受け取り、性別・年齢別の通過率や評価点差を手作業で集計し、統計的な差が実際に見えるかを確認する | 交通費とヒアリング用の資料作成費のみ |
| ②最小システム | CSVアップロード型のダッシュボードを作り、属性別の合否率・評価点分布を自動集計して表示する。NLPやチャット機能は含めず、統計検出の精度だけを検証する | 外注または少人数で数か月分の開発費とクラウド利用料 |
| ③本開発 | ATS・HRISとのAPI連携、NLPによる評価コメント分析、対話型AIチャットボット、四半期レポート自動生成機能を実装し、正式販売に耐える形にする | エンジニア複数名の人件費とセキュリティ監査費用を含む本格的な開発予算 |
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 |
|---|---|---|
| プライム市場上場企業のDEI推進室長・人事部長(従業員500〜2000名規模) | PoCパイロット候補として実データ連携の可否と課題感を直接検証できる | 内閣府人的資本可視化指針の説明会や経団連DEI分科会経由で紹介依頼 |
| ATSベンダー(HERP、HRMOS等)の事業開発・アライアンス担当者 | API連携仕様の確認とデータ連携パートナーシップ締結の可否を早期確認 | 各社の代理店・パートナー募集ページから問い合わせ、展示会HR Expoで名刺交換 |
| 社労士法人の人事コンサル部門パートナー(DEI・人的資本開示支援実績あり) | 代理店契約候補であり労働法観点でのAI検出ロジック妥当性検証も依頼できる | 全国社会保険労務士会連合会のDEIセミナー登壇者に個別アプローチ |
| 個人情報保護法・労働法に詳しい顧問弁護士(データプライバシー専門) | 従業員属性データの取扱い設計・委託契約雛形の適法性を事前確認するため | 第二東京弁護士会の労働問題・IT法務名簿から紹介、または既存人脈経由 |
| ESGコンサルティングファームの人的資本開示支援チームリーダー | 有価証券報告書向け開示レポート作成オプションの販売連携先として検証 | 人的資本経営コンソーシアム(経産省後援)の会員企業リストから接触 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 社労士・人事コンサルの知人経由紹介 | 「人事評価データのバイアスを統計的に見える化するツールを作っている、顧客企業の人事部長を紹介してもらえないか」と具体的に頼む |
| 人的資本開示・DEI関連セミナーへの登壇や参加 | セミナー後の名刺交換で「開示資料作成で困っていることを聞かせてほしい、無償でヒアリングさせてほしい」と依頼する |
| LinkedInでCHRO・人事部長へ直接メッセージ | 「人的資本開示に関する課題感を教えてほしいだけ」と売り込みではなくヒアリング目的であることを明示して連絡する |
| ATSベンダーの担当者経由の紹介 | 「御社のシステムを使っている企業で、評価データ分析に困っている人事部門を紹介してもらえないか」と連携を持ちかける |
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（創業融資） | 法人設立前後の創業者。自己資金があり事業計画を持つ人 | 運転資金の融資枠として利用でき、合計 700万円 を開発人件費・クラウド費用に充てる想定 |
| IT導入補助金 | 中小企業・小規模事業者でITツールを導入・提供する事業者 | 自社のダッシュボード・API連携機能の開発費の一部を補助対象にできる可能性がある |
| 東京都創業助成事業 | 都内で創業予定または創業後間もない中小企業者 | 人件費・広告費等の一部が助成対象となり、公庫融資と併用して初期の資金繰りを補う候補になる |
| 小規模事業者持続化補助金 | 商工会議所・商工会の管轄地域の小規模事業者 | パイロット企業向けの営業資料作成やHP制作など販路開拓費用の一部を補助対象にできる |
| JETRO 新輸出大国コンソーシアム等の海外展開支援 | 海外市場への展開を検討する中小企業 | EU AI Act対応など海外展開フェーズで説明可能性文書の整備費用や現地調査費用の相談先になる |
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。
同じ課題に取り組む起業家がコミュニティで情報交換しています。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。
※ バッジは閲覧・登録データにもとづく自動集計の相対表示です。