Who（誰が）
従業員300〜3000名規模の企業の人事・労務担当者と、慶弔規程で対象外とされがちな事実婚・同性パートナー等を持つ従業員
対象とする社会課題：企業の慶弔規程における家族の定義が実態(事実婚・同性パートナー・ステップファミリー等)と乖離している問題
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。
多くの企業の慶弔規程は昭和期の「戸籍上の配偶者・実子」を前提にしたままで、事実婚や同性パートナー、ステップファミリーは対象外になりやすい。人事担当者は前例のない相談のたびに独りで判断を迫られ、従業員は聞きたくても聞けずに休暇や給付を諦める。誰の家族も置き去りにしない規程を、現場が無理なく更新できる仕組みにする必要がある。
※ 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750万円の申請資料も、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、このページの事業内容（慶弔規程診断AI「ファミリースコープ」）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。社内検討や外部提出にそのまま使える形で出力します。
※ 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。
「ファミリースコープ」は、企業の人事担当者が自社の就業規則・慶弔規程のPDFをアップロードすると、AIが「配偶者」「親族」等の条文をNLPで解析し、事実婚・同性パートナー・ステップファミリーなどが対象外になっている箇所をダッシュボード上に赤くリスト表示するサービスです。
人事担当者はリスク箇所ごとにAIが生成した改定条文案（3パターン）を見比べ、社労士監修済みテンプレートから選んで労使協議に進めます。従業員側は匿名チャットボットに「自分のパートナーは忌引の対象になるか」を相談できるため、人事に直接聞きづらい問題を可視化し、規程改定の優先順位付けにも活用できます。属人化していた慶弔判断を、データとテンプレートに基づく仕組みに置き換えます。
多くの企業の慶弔規程は昭和期に作られた「戸籍上の配偶者・実子・実父母」を前提とした条文のままであり、事実婚パートナー、同性パートナー、事実上の養子・継子、単身赴任先で同居する親族などが慶弔休暇・見舞金・弔慰金の対象外となるケースが頻発している。
厚労省調査では事実婚・同棲を含む多様な世帯形態は全世帯の1割超と推計され、人事担当者は個別相談のたびに前例のない判断を迫られ属人的な運用になっている。従業員側も「自分のパートナーは対象になるのか」を人事に確認しづらく、結果的に休暇取得や給付申請を諦めるケースが多い。人事部門は年間数百件規模の慶弔対応を行うが、規程改定は労務士や弁護士への個別相談が必要でコストと時間がかかり、放置されがちである。従業員数300名以上の企業約1.9万社(総務省経済センサス)がこの潜在的な規程リスクを抱えていると推計される。
自然言語処理(NLP)による既存規程条文の構造解析と定義語抽出、判例・自治体制度データベースとの類似度マッチングによるリスク箇所の自動検出を行う。
対話型AI(チャットボット)が従業員から匿名で困りごと事例を収集し、生成AIが集計データをもとに改定条文の複数パターンを自動生成する。継続的な相談ログのクラスタリング分析により、規程と実態の乖離を予測的に検知し改定タイミングを提案する。
人事担当者が自社の就業規則・慶弔規程PDFをアップロードすると、AIが条文をNLPで解析し「家族」「配偶者」「親族」等の定義語を抽出、判例・自治体パートナーシップ制度・他社事例データベースと照合して曖昧・抜け漏れ箇所をリスト化する。
次に従業員向けチャットボットが匿名で「実際に困った事例」(例: 事実婚パートナーの死去時に忌引が取れなかった)を収集し、蓄積データをAIが集計・傾向分析して規程改定案の優先順位を提示する。人事担当者はダッシュボード上でAIが生成した改定条文案(3パターン程度の表現バリエーション)を確認し、社労士監修済みテンプレートから選択・カスタマイズして労使協議に進める。改定後も、四半期ごとにAIが従業員からの新規相談ログを分析し、規程の「使われ方のズレ」を検知して継続的にアップデート提案を行う仕組みとする。これにより人事部門は個別判断の属人化を防ぎ、従業員は自分の家族形態が制度上どう扱われるかを事前に確認できる体験を得る。
| 都度の社労士スポット相談費用(慶弔規程の個別判断、1件5万〜15万円×年間4〜6件想定) | 年額30万〜60万円 |
| 人事担当者の属人的判断にかかる工数(1件あたり2〜3時間×年間50件想定、時給換算) | 年額50万〜70万円 |
| 慶弔対応トラブルの炎上・訴訟対応リスク(SNS炎上や労働審判に発展した場合の対応費用・和解金の想定) | 発生時数百万円規模 |
| パートナーが規程対象外とされたことによる従業員の離職・採用コスト(1人あたりの採用費用想定) | 発生時100万円程度/人 |
| SaaS年間利用料(従業員300〜500名規模プラン) | 年額30万円 |
| SaaS年間利用料(従業員500〜1500名規模プラン) | 年額80万円 |
| SaaS年間利用料(従業員1500〜3000名規模プラン+改定コンサルスポット1件込み) | 年額150万円〜230万円 |
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。
多くの企業の慶弔規程は戸籍上の配偶者・実子を前提にした昭和期の条文のままで、事実婚や同性パートナー、事実上の養子・継子などが慶弔休暇や見舞金の対象外になるケースが人事の現場で頻発している。
人事担当者は前例のない相談を受けるたびに個別判断を迫られ、対応が属人化しており、規程改定には労務士や弁護士への相談コストがかかるため放置されがちである。従業員側も「自分の家族が制度上どう扱われるか」を人事に確認しづらく、休暇取得や給付申請を諦める例が多い。従業員300名以上の企業約1.9万社がこの潜在的な規程リスクを抱えていると推計され、可視化と改定支援の仕組みが必要とされている。
MVP段階のNLP精度検証（抽出精度80%目標）や条文生成AIのアルゴリズム開発は、要件が固まりきっておらず試行錯誤を伴うため準委任契約が向く。
一方、社労士監修テンプレート20種の整備やダッシュボードUI実装など仕様が明確な部分は請負契約でスコープと検収基準を明確化すべきである。発注時は「NLP抽出精度80%以上」のような検証フェーズの成果指標を契約書に明記し、達成できない場合の追加開発費・工期の扱いを事前に取り決めておくこと。また匿名相談データを扱う開発委託先には、プライバシーマーク取得を見据えた秘密保持契約とデータ取扱いルールを別途締結する必要がある。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 従業員300〜3000名規模企業の人事部門・労務担当者（規程診断・改定案作成・ダッシュボード操作を行う） |
| セカンダリ | 当該企業の従業員（匿名チャットボットで困りごと相談を行う）、社労士事務所・労務コンサル担当者（改定支援・テンプレート監修を行う） |
| 管理 | 自社（サービス提供側）のカスタマーサクセス担当者・NLPエンジニア（判例・条例データベースの更新、テンプレートライブラリの管理、匿名相談データのガバナンス監督を行う） |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 規程PDF構造解析機能 | 就業規則PDFを入力→NLPで条文を構造解析し家族・配偶者等の定義語を抽出→抽出結果をリスト出力 |
| 定義語リスク検出機能 | 抽出済み定義語を入力→判例・自治体パートナーシップ制度DBと類似度照合→リスク箇所と根拠を出力 |
| 従業員匿名相談チャットボット | 従業員のテキスト相談を入力→匿名化処理し困りごと事例に分類→匿名相談ログとして保存 |
| 相談ログ集計・傾向分析機能 | 蓄積された匿名相談ログを入力→AIがクラスタリングし頻出課題を集計→改定優先度リストを出力 |
| 改定条文案生成機能 | リスク箇所と相談傾向データを入力→生成AIが改定条文を作成→3パターンの条文案を出力 |
| 社労士監修テンプレート選択機能 | 改定条文案を入力→社労士監修済み20種テンプレートと照合→カスタマイズ可能な条文候補を出力 |
| リスク可視化ダッシュボード | リスク検出結果と改定案を入力→企業ごとに集計・グラフ化→人事担当者向け画面に表示 |
| 労使協議資料作成機能 | 選択済み改定条文案を入力→協議用フォーマットに整形→PDF形式の協議資料を出力 |
| 四半期アップデート提案機能 | 四半期分の新規相談ログを入力→AIが規程と実態のズレを予測検知→改定タイミング提案を出力 |
| 業界ベンチマークレポート生成機能 | 匿名化済み全社データを入力→業界別・規模別に集計・分析→レポートPDFを年1回出力 |
| 契約・課金管理機能 | 契約企業の利用状況を入力→SaaS利用料・スポット料・オプション課金を計算→請求データを出力 |
| テーブル | 主要カラム |
|---|---|
companies | company_id, company_name, employee_count, industry_code, contract_plan, contract_start_date |
regulation_documents | document_id, company_id, file_path, upload_date, version_no, ocr_text |
clause_extractions | extraction_id, document_id, clause_text, definition_term, risk_level, similarity_score |
case_precedents | case_id, category, jurisdiction, summary_text, source_url, updated_at |
revision_drafts | draft_id, extraction_id, draft_pattern_no, draft_text, sharoushi_review_status |
employee_consultations | consultation_id, company_id, anonymized_hash, category, content_text, submitted_at |
consultation_clusters | cluster_id, consultation_id, cluster_label, priority_score, analyzed_at |
contracts_billing | contract_id, company_id, plan_type, annual_fee, spot_fee, billing_status, renewal_date |
| # | 画面 |
|---|---|
| 1 | 規程アップロード画面 |
| 2 | リスク箇所一覧画面 |
| 3 | 改定条文案比較画面 |
| 4 | 従業員相談チャット画面 |
| 5 | 相談傾向ダッシュボード |
| 6 | 契約・請求管理画面 |
| 7 | ベンチマークレポート画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | Python(spaCy) - 条文NLP解析の実績豊富 |
| 2 | AWS Textract - PDF規程のOCR精度が高い |
| 3 | OpenAI API - 改定条文案の生成に活用 |
| 4 | PostgreSQL - 構造化データと全文検索を両立 |
| 5 | Elasticsearch - 判例類似度検索の高速化 |
| 6 | Next.js - ダッシュボードUIの開発効率 |
| 7 | AWS KMS - 匿名相談データの暗号化管理 |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: SaaSダッシュボードの月間稼働率99.5%以上を目標とし、メンテナンスは深夜帯に月1回以内で実施 |
| 性能 | 性能: 規程PDF(A4想定50ページ以内)のNLP解析処理を1件あたり5分以内で完了させる |
| セキュリティ | セキュリティ: 匿名相談データは性的指向・家族関係等の機微情報を含むため保存時AES-256暗号化を適用 |
| セキュリティ | セキュリティ: プライバシーマーク取得を導入後1年以内に完了し、匿名化処理は個人識別情報を分離保存 |
| 運用 | 運用: 相談ログの匿名化検証を月1回実施し、誤って個人特定可能な情報が含まれていないか監査する |
| 拡張性 | 拡張性: 導入企業150社・従業員規模3000名相当の同時アクセスに耐えるサーバー構成をクラウド上に確保 |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | 協力企業数社の規程PDFを人力で読み込み、家族定義に関する曖昧箇所をExcelで抽出・分類する。AIなしで「どの条文が実際に問題になるか」の仮説を検証する | 人件費のみ、外部発注はほぼ不要な水準 |
| ②最小システム | NLPの既存APIを組み合わせた簡易版で条文抽出を自動化し、結果をNotionやGoogleスプレッドシート上のダッシュボードで確認できるようにする。抽出精度と業務フローへの適合を検証する | AI利用料と簡易開発の外注費が中心、交通費程度の追加費用 |
| ③本開発 | チャットボット・ベンチマークデータベース・四半期アップデート機能を含む本番SaaSを構築し、社労士監修テンプレートライブラリを整備する | 外注または自社エンジニアで数か月単位の開発費、判例・条例データベース構築費用が別途発生 |
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300〜500名規模のIT・サービス業人事部長 | 慶弔規程の実務課題と決裁プロセスを直接把握するため | HRカンファレンスや人事勉強会(HR Tech系イベント)で名刺交換し個別ヒアリング依頼 |
| 独立系社労士事務所の代表社労士 | 規程監修体制の協業可否と代理店提携の実現性を確認するため | 全国社会保険労務士会連合会の会員名簿や労務系セミナー登壇者に直接連絡 |
| LGBTQ+支援NPOの企業連携担当者 | 同性パートナー等の実態データと啓発コンテンツ制作の協力を得るため | 認定NPO法人虹色ダイバーシティ等の企業向け研修窓口に問い合わせ |
| 勤怠・給与SaaSベンダーの事業提携(アライアンス)担当者 | API連携によるチャネル拡大と既存顧客基盤への相乗り可能性を探るため | SmartHR・freee人事労務等のパートナープログラム申込フォームから接触 |
| 個人情報保護委員会の相談窓口担当者 | 要配慮個人情報(性的指向・家族関係)の取扱い適否を事前確認するため | 個人情報保護委員会の一般相談ダイヤル・オンライン相談フォームを利用 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 社労士事務所への直接営業 | 顧問先企業の慶弔規程改定案件を多く抱える社労士に「規程診断AIのプロトタイプを無料で試してほしい、フィードバックが欲しい」と持ちかけ、共同で顧問先企業へ提案してもらう |
| LGBTQ+関連NPO・研究機関との連携 | 家族形態の多様化に取り組むNPOの担当者に「企業の慶弔規程が実態と合っていない事例を集めたい、協力企業を紹介してほしい」と依頼し、勉強会を共催する |
| HR系オンラインコミュニティ・note記事での情報発信 | 「慶弔規程における家族の定義が古いままの企業が多い」という具体的な失敗事例を記事化し、コメントやDMで相談してきた人事担当者に個別ヒアリングを申し込む |
| 既存の人事労務SaaSベンダーの担当者経由での紹介 | API連携を検討中のSaaS担当者に「規程の家族定義まわりで困っている顧客企業がいたら紹介してほしい」と依頼し、紹介先に無料デモを提案する |
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） | 法人設立からおおむね間もない事業者、代表者本人の自己資金や事業計画が確認できる者 | 初期のNLP開発・社労士監修体制構築に必要な運転資金を融資でまかなう想定。融資合計は750万円を見込み、着金までの期間は自己資金100万円で人件費・外注費をつなぐ設計にする |
| IT導入補助金 | ITツール・SaaSを導入する中小企業・小規模事業者（この場合は自社開発ツールを他社に導入してもらう側としても、自社の業務効率化ツール導入に活用できる） | 規程解析AIや社労士監修フローを支えるバックオフィスSaaS（契約管理・会計・労務ツール等）の導入費用を圧縮できる可能性がある |
| 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（商工会議所・商工会の管轄地域で事業を行う者） | HRカンファレンス出展費用やチラシ・LP制作などの販路開拓費用の一部を補助対象にできる可能性があり、代表1名体制の初期営業活動と相性が良い |
| 東京都創業助成事業 | 都内での創業を予定または直近で行った個人・法人 | 法人設立直後の賃借料・人件費・広告費等を助成対象にできる可能性があり、代表1名で動く創業初期の固定費負担を軽減する候補になる |
| J-Startup（経済産業省による成長支援プログラム） | 高い成長性が見込まれるスタートアップとして選定された企業 | エンジェル投資・シードラウンド以降の資金調達フェーズで、採択によるPR効果や支援機関とのマッチング機会を活用できる可能性がある |
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。
ジェンダー・多様性領域に取り組む創業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。
※ バッジは閲覧・登録などの自動集計にもとづく相対的な表示です。