Who（誰が）
従業員300名以上の中堅・大企業人事部門、および求人媒体運営会社の掲載審査部門が主な利用者であり、意思決定者は人事責任者とCSR/IR部門
対象とする社会課題：求人広告の表現が性別役割意識を固定化し、職種の性別偏在を助長している
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。
「明るい女性歓迎」「体力に自信のある男性向け」という一文が、応募する前から選択肢を狭めている。多くの中小企業の採用担当者は専門知識がないままテンプレートを使い回し、悪意なくバイアスを再生産してしまう。法律はあっても罰則が弱く、行政指導も抜き打ち的で、現場の是正は進みにくい。だからこそ、書いた瞬間に気づける仕組みが必要だと考えた。
※ 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チャットが起動し、このJobFair AIの事業内容を読み込んだ状態で資料の下書きを作成します。事業計画書やピッチ資料、要件定義書などをそのまま出発点にでき、必要な部分だけ手直しして仕上げられます。
※ 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。
JobFair AIは、求人票に潜む「明るい女性歓迎」「体力に自信のある男性向け」といった無意識のジェンダーバイアス表現を、人事担当者がWebフォームに原稿を貼り付けるだけで数秒でスコア化（0〜100点）し、該当箇所をハイライト表示するサービスです。
担当者は「なぜバイアスと判定されたか」の理由をチャット形式で確認しながら、AIが提示する複数の代替表現案から採用・修正・却下をワンクリックで選べます。修正確定後は求人媒体へ自動連携して掲載し、掲載後の応募者男女比データを取り込んで表現との相関を継続学習します。法務やコンサルに都度相談する時間とコストをかけずに、テンプレート使い回しで放置されがちな表現チェックを日常業務の中で自然に回せるようにし、採用母集団の偏りを是正します。
求人票には「明るい女性歓迎」「体力に自信のある男性向け」など無意識のジェンダーバイアス表現が残存し、営業職は男性、事務・受付は女性という職種偏在を固定化している。
厚労省調査では管理職候補求人の応募者男女比が8:2に偏る業種が依然多く、中小企業の採用担当者の約7割は表現チェックの専門知識を持たないままテンプレートを使い回している。均等法・女性活躍推進法があっても罰則が弱く、行政指導も抜き打ち的で是正が進みにくい。結果として企業は多様な人材プールへのアクセス機会を逃し、人材不足の折に採用母集団形成に失敗している。人事部門は法務部やコンサルに都度相談するコストと時間を割けず、放置されがちなのが実態である。
自然言語処理により求人文をトークン単位で解析し、独自バイアス辞書と文脈理解モデル（大規模言語モデルをファインチューニング）で性別ステレオタイプ表現を検出する。
生成AIが職種特性を保ちつつ中立的な代替表現候補を複数生成し、対話形式で担当者の意図をヒアリングしながら文言を調整する。過去の求人文×応募者性別データを教師データとした予測モデルが、表現変更前後の応募者性別比の変化をシミュレーションし効果を事前提示する。蓄積データは継続学習ループに組み込まれ、業種・職種ごとの検出精度が運用とともに向上する。
人事担当者が求人原稿をWebフォームまたは既存ATS連携で投入すると、AIが数秒で文中のジェンダーバイアス表現を検出しスコア（0〜100点）とハイライト箇所を提示する。
対話型UIが「なぜバイアスと判定したか」を説明し、複数の代替表現案を提示、担当者はワンクリックで採用・修正・却下を選べる。修正確定後は求人媒体へ自動連携し掲載、掲載後の応募者性別分布データを取得して表現との相関をAIが再学習する。月次で管理職向けダッシュボードにバイアス削減率と応募者性別バランスの推移を可視化するレポートを自動生成する。
| 求人票作成時の法務部・社労士への都度相談費用（1本あたり2〜3万円×年間20〜30本） | 年間40万〜90万円の目安 |
| 営業職など偏在職種での採用長期化に伴う人材紹介会社への追加委託費用 | 年間200万〜500万円の目安 |
| 行政指導・是正勧告対応に伴う社内対応時間・外部コンサル起用コスト（発生時のみ） | 発生時50万〜150万円の目安 |
| 人的資本開示の外部コンサル発注（ベンチマーク分析・報告書支援） | 年間100万〜300万円の目安 |
| SaaS月額プラン（従業員300〜500名規模想定） | 月額15万円（年間180万円） |
| 求人媒体API連携ライセンス（基本+従量） | 月額100万円＋点検件数従量 |
| 業界ベンチマークレポート年間契約（上場企業向け） | 年間50万円 |
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。
求人票のテンプレート使い回しが常態化しており、中小企業の採用担当者の約7割は表現チェックの専門知識を持たないままバイアス表現を含む原稿を掲載し続けている。
均等法・女性活躍推進法はあるものの罰則が弱く行政指導も抜き打ち的なため、企業側の自発的な是正が進みにくい。人事部門は法務部やコンサルへの都度相談にコストと時間を割けず、結果として営業職は男性、事務・受付は女性という職種偏在が固定化し、多様な人材プールへのアクセス機会を逃している。管理職候補求人で応募者男女比が8:2に偏る業種が依然多く、人材不足の中で採用母集団形成そのものに失敗しているのが実態である。
MVPフェーズはバイアス辞書のチューニングやUI仕様が実証を通じて頻繁に変わるため準委任契約が向く。
検出精度や代替表現の妥当性を発注時点で数値の受入基準として固定すると、開発会社側が過剰にリスクを抱え契約が成立しにくいため、成果物は「機能実装」に限定し精度目標は運用後のKPIとして別管理する。Phase2以降、API連携やダッシュボードなど仕様が固まった機能については請負契約への切替を検討する。パイロット企業10社の実証データやバイアス辞書は自社の重要資産となるため、著作権・データ利用権の帰属を契約書に明記すること。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 中堅・大企業（従業員300名以上目安）の人事・採用担当者 |
| セカンダリ | 求人媒体運営会社の掲載審査担当者、提携先の社労士・ダイバーシティコンサルタント |
| 管理 | JobFair AI運営側のカスタマーサクセス担当者・業種別辞書メンテナンス担当者 |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 求人原稿投入機能 | 人事担当者がWebフォームまたはATS連携でテキスト投入→検証→原稿データベースに登録 |
| バイアス検出エンジン | 求人文をトークン解析→バイアス辞書と文脈理解モデルで判定→0〜100点のスコアとハイライト箇所を出力 |
| 判定理由説明機能 | 検出済みハイライト箇所を入力→対話型UIが判定根拠を生成→担当者に自然言語で理由表示 |
| 代替表現生成機能 | バイアス表現箇所を入力→生成AIが職種特性を保持した中立表現候補を複数生成→選択肢として提示 |
| 修正確定機能 | 担当者が代替案を選択→採用/修正/却下をワンクリック操作→確定原稿を保存し次工程へ連携 |
| 応募者性別比シミュレーション機能 | 修正前後の求人文と過去データを入力→予測モデルが応募者性別比変化を試算→事前効果を数値表示 |
| 求人媒体自動連携機能 | 確定原稿を入力→対象求人媒体API経由で自動送信→掲載完了ステータスを取得し通知 |
| 応募者性別データ取得・再学習機能 | 掲載後の応募者性別分布データを取得→表現との相関を再学習→検出モデルのパラメータを更新 |
| 月次ダッシュボード生成機能 | 蓄積データを集計→バイアス削減率と性別バランス推移を計算→管理職向けレポートを自動出力 |
| 業種別バイアス辞書管理機能 | 運用担当者が業種別NGワード・許容表現を登録→辞書DBを更新→検出エンジンに反映 |
| 媒体向けAPI提供機能 | 求人媒体が掲載前原稿をAPI送信→バイアス判定結果をJSON返却→媒体側掲載審査に組込み |
| テーブル | 主要カラム |
|---|---|
companies | company_id, name, industry_code, employee_size, plan_type, contract_start_date |
users | user_id, company_id, name, email, role, last_login_at |
job_postings | posting_id, company_id, job_title, raw_text, status, created_by, created_at |
bias_scores | score_id, posting_id, score_value, model_version, detected_at |
bias_highlights | highlight_id, posting_id, start_offset, end_offset, category, severity |
suggestions | suggestion_id, highlight_id, suggested_text, adopted_flag, edited_text |
applicant_stats | stat_id, posting_id, male_count, female_count, other_count, collected_at |
media_integrations | integration_id, company_id, media_name, api_key, sync_status, last_synced_at |
| # | 画面 |
|---|---|
| 1 | 求人原稿投入フォーム |
| 2 | バイアス判定結果画面 |
| 3 | 代替表現選択画面 |
| 4 | 修正履歴一覧画面 |
| 5 | 媒体連携設定画面 |
| 6 | 月次ダッシュボード |
| 7 | ベンチマークレポート画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | Python/FastAPI（NLP処理APIの高速実装） |
| 2 | PyTorch＋HuggingFace（LLMファインチューニング用） |
| 3 | PostgreSQL（構造化データと点検履歴の管理） |
| 4 | AWS SageMaker（モデル学習・推論基盤） |
| 5 | React/Next.js（対話型UIのSPA構築） |
| 6 | Airflow（応募者データ再学習パイプライン自動化） |
| 7 | Auth0（企業別アクセス権限管理とSSO対応） |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: SaaS本体・API共に月間稼働率99.5%以上を目標（許容ダウンタイム月間約3.6時間以内） |
| 性能 | 性能: 求人票1件あたりのバイアス判定応答時間を平均3秒以内、ピーク時同時100リクエスト処理を想定 |
| セキュリティ | セキュリティ: 応募者性別データ・求人原稿は暗号化保存（AES-256）、アクセスログは1年間保持 |
| 拡張性 | 拡張性: 月間点検件数1万件到達時もレスポンス劣化率10%以内に抑える水平スケール構成 |
| 運用 | 運用: 業種別辞書・モデルの再学習は月次バッチで実施、精度低下（F1値5%以上低下）検知時は即時アラート |
| 個人情報保護 | 個人情報保護: 応募者性別データは統計集計後匿名化し、個人特定不能な形式でのみ保存・分析 |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | 既存の求人票サンプルを集め、代表者が既存のバイアス表現リストと生成AIの汎用チャットを使って手作業で判定・言い換え案を作り、パイロット企業数社に提示して反応を見る | AI利用料と交通費・打ち合わせ費程度 |
| ②最小システム | Webフォームに求人文を貼り付けるとスコアとハイライトを返す簡易ツールを外部開発者に発注し、業種を絞った小規模なバイアス辞書のみで運用しながら精度を確認する | 外注で数か月分の開発費と最小限のクラウド利用料 |
| ③本開発 | ATS連携・求人媒体API連携・対話型の言い換え提案機能・月次ダッシュボードまでを含む正式版を構築し、業種別辞書と応募者性別データの継続学習ループを組み込む | NLPエンジニアの人件費とインフラ費用が中心で、外部委託を含めるとまとまった初期投資が必要 |
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名以上の中堅企業の人事部長・採用責任者 | 求人票作成の実務課題と決裁権を持ち、SaaS導入の初期顧客になり得る | 日本CHRO協会や人事系イベント（HRカンファレンス等）で名刺交換し個別商談を依頼 |
| 求人媒体運営会社（リクルート・エン・マイナビ等）の掲載審査部門担当者 | API連携によるスケール拡大の鍵を握り、掲載前チェックのデフォルト化を狙える | 各社の事業提携窓口（オープンイノベーション部門）にAPI連携提案書を送付 |
| 社会保険労務士事務所（特に中小企業の労務顧問を多数抱える事務所） | 既存の人事コンサル契約に付帯提案する営業チャネルを確保できる | 全国社会保険労務士会連合会や地域会の研修会に参加し提携打診 |
| 厚生労働省 雇用環境・均等局 males-female雇用機会均等課の担当官 | 均等法・女性活躍推進法の運用実態と行政指導の抜き打ち基準を確認できる | 所管課の代表電話・意見募集窓口経由でヒアリング依頼を申請 |
| 上場企業のCSR・IR部門で人的資本開示を担当する責任者 | ベンチマークレポートの購買者であり、開示義務拡大のニーズを直接確認できる | 経団連や日本IR協議会主催セミナーで接点を持ち個別面談を依頼 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 社労士事務所・D&Iコンサルタントの紹介 | 既存の顧問契約先に「求人票の均等法チェックをAIで即時化するツールを一緒に提案しませんか」と持ちかけ、無料お試し枠を提示して同席デモを依頼する |
| 女性活躍推進法の行動計画策定支援窓口 | 自治体や商工会議所のダイバーシティ推進相談窓口に「情報公表項目の男女別採用比率と連動する点検ツールを紹介したい」と伝え、相談企業への案内チラシ設置を依頼する |
| 人事担当者向けオンラインコミュニティ | 人事系のFacebookグループやnoteで「求人票のジェンダー表現を無料診断します」と投稿し、診断結果を個別に返信する形で対話の糸口を作る |
| 経産省・厚労省関連のダイバーシティ推進事業の説明会 | 人的資本経営や女性活躍推進のセミナー会場で名刺交換し、「求人票の是正実績をデータで見せられる」と伝えて後日オンライン説明の約束を取り付ける |
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 新創業融資制度 | 税務申告を2期終えていない創業者・法人設立直後の代表者 | 自己資金100万円に加えてAI開発費や人件費の運転資金を確保する目的で利用候補になる。融資合計は500万円を想定し、着金までのつなぎ資金計画とセットで申請する |
| 東京都中小企業振興公社 創業助成事業 | 都内での創業を予定または5年未満の中小企業者 | NLPモデル開発や求人媒体連携のシステム外注費、専門アドバイザー人件費の一部を助成対象経費として計上できる可能性がある |
| ものづくり・商業・サービス生産性向上促進補助金 | 新製品・新サービス開発に取り組む中小企業・小規模事業者 | バイアス辞書の業種別構築や大規模言語モデルのファインチューニングなど、独自エンジン開発費の一部を補助対象として組み込める余地がある |
| 小規模事業者持続化補助金 | 従業員数が一定以下の小規模事業者（創業間もない法人も対象になり得る） | 社労士事務所・ダイバーシティコンサルとの提携営業やパイロット企業向けの広報・展示会出展など、初期の販路開拓費用に活用できる |
| IT導入補助金 | ITツールを導入する中小企業・小規模事業者（自社ではなく導入企業側が申請主体） | パイロット企業や中堅企業の人事部門がJobFair AIを導入する際の月額利用料負担を軽減できる制度として、営業時に案内できる |
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。
同じ課題に取り組む仲間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。
※ バッジは自動集計にもとづく相対表示であり、実績を保証するものではありません。