Who（誰が）
全国の特養・老健・有料老人ホームの栄養士・調理員・介護職員と、施設向けにシステムを提供する自社、および介護記録システムベンダーや給食委託事業者が関与する。
対象とする社会課題：介護施設における食事アレルギー・形態管理の煩雑さと誤配膳リスク
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。
介護施設では、少人数の栄養士が大勢の入居者のアレルギーや食事形態を紙の一覧表と付箋で管理し、繁忙な昼食準備の時間帯に確認漏れが集中している。誤配膳は命に関わる事故になり得るのに、現場は調理員の記憶とダブルチェックに頼るしかない。作る前と配る前の二段階でAIが照合することで、この綱渡りの運用を仕組みで支えたい。
※ 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800万円の申請資料も、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。
各ボタンを押すと、AIチャットがこのショーケースの内容を読み込んだ状態で開き、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。気になる資料から試してみてください。
※ 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。
介護施設の栄養士がタブレットで入居者ごとのアレルギー・禁忌食品・食事形態（きざみ・ミキサー等）を登録すると、AIが当月の献立データと自動照合し、入居者一人ひとりの「提供不可食材」「代替案」「刻み指示」を個別対応表として出力します。
調理員は厨房のタブレットで当日の注意事項を一覧確認でき、配膳直前にはトレーのQRラベルをスマホでスキャンするだけでAIが最終照合し、不一致があれば即アラートを出します。これまで紙の一覧表と付箋、調理員の記憶に依存していた確認作業を「作る前」「配る前」の二段階でAIが自動チェックする仕組みに置き換え、栄養士の手作業と誤配膳事故を減らします。
全国の介護施設（特養・老健・グループホームなど約13万拠点）では、入居者ごとに嚥下機能に応じた食事形態（常食・きざみ・ミキサー等）、アレルギー、疾患由来の禁忌食品（腎臓病のカリウム制限など）が個別に設定されており、1施設平均50〜100名分の情報を栄養士・調理員・介護職員が紙の一覧表や付箋で管理しているのが実態である。
厚生労働省の報告でも誤嚥・誤配膳による事故は毎年一定数報告されており、現場では調理員の記憶とダブルチェックに依存するアナログ運用が続いている。栄養士は慢性的な人手不足（1施設あたり非常勤含め1〜2名が一般的）で、献立作成から個別対応表の更新までを手作業で行っており、入退所や体調変化のたびに更新漏れが発生しやすい。また調理現場と配膳現場の情報伝達が口頭やメモに頼るため、繁忙時間帯（昼食準備の11時〜12時台）にヒューマンエラーが集中する。これらは属人化した紙運用とシステム未導入の中小施設が大半であることが根本原因であり、既存の給食システムは献立作成機能に特化し個別対応の自動照合までは対応していない。
自然言語処理により紙の食事箋やケアプランのテキスト情報からアレルギー・禁忌食品・形態情報を抽出しデータベース化する。
制約最適化エンジンが献立データと個別制約条件を突合し、栄養バランスを保ったまま安全な代替食材を自動提案する。画像認識とQRコード照合を組み合わせた配膳時ダブルチェックAIが、トレー内容と対象者情報の不一致をリアルタイム検知しアラートを発する。さらに過去の誤配膳・ヒヤリハットデータを学習し、繁忙時間帯や特定献立での事故リスクを予測して事前注意喚起を行う。
施設の栄養士が入居者ごとのアレルギー・禁忌食品・食事形態・持病情報をタブレットまたは既存の介護記録システム（CSV連携）から登録すると、AIが献立データと自動照合し、入居者一人ひとりに「提供不可食材」「代替案」「刻み度合いの指示」を自動生成した個別対応表を出力する。
調理員は厨房のタブレットで当日の献立と入居者別注意事項を一覧確認でき、配膳前にはトレーに貼るQRラベルをスマホでスキャンするだけでAIが対象者の禁忌情報と最終照合し、不一致があれば即座にアラートを出す。栄養士は月1回の献立更新時にAIが自動提案する「代替食材リスト」（アレルギー回避かつ栄養バランス維持）を確認・承認するだけで済み、手作業での献立と個別表の突合作業がほぼ不要になる。体調変化や新規入居があった場合も、介護記録システムとのAPI連携により情報が自動反映され、更新漏れを防ぐ。これにより現場は「作る前の確認」「配る前の確認」の二段階でAIチェックを受けられる体験となる。
| 誤配膳・誤嚥事故発生時の対応コスト（家族対応・行政報告・再発防止策検討） | 1件あたり数十万円〜、年間発生時損失の目安として50万円/年 |
| 栄養士の個別対応表手作業更新にかかる残業代（月20〜30時間×時給2,000円想定） | 約48万円〜72万円/年 |
| ヒヤリハット対応・スタッフ間伝達ミスによる再発防止会議・研修コスト | 約12万円/年 |
| 監査・実地指導対応資料の手作業作成にかかる人件費 | 約10万円/年（年2回×5万円想定） |
| 50床未満プラン | 月額5万円（年間60万円） |
| 50〜100床プラン | 月額8万円（年間96万円） |
| 100床以上プラン | 月額12万円（年間144万円） |
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。
全国約13万の介護施設では、入居者50〜100名分のアレルギーや食事形態の情報を紙の一覧表や付箋で管理しており、栄養士は1〜2名の少人数体制で献立作成から個別対応表の更新まで手作業で行っている。
入退所や体調変化のたびに更新漏れが起きやすく、昼食準備の11〜12時台には調理員の記憶とダブルチェックに頼るアナログ運用でヒューマンエラーが集中する。既存の給食システムは献立作成機能が中心で、個別制約との自動照合や配膳時のリアルタイム確認までは対応していないため、誤嚥・誤配膳事故のリスクが構造的に残っている。
要件が固まっていないPoC・業務フロー検証フェーズ（0-6ヶ月）は準委任契約が向いており、施設ヒアリングを重ねながら照合ロジックや画面仕様を柔軟に調整できる体制を確保する。
MVP開発以降は機能要件と受入基準（誤配膳検知精度95%など）を明文化した上で請負契約に切り替え、検収条件を数値で明確にすることが望ましい。AI判定はあくまで補助であり最終確認は人が行う旨を契約書・仕様書に明記し、誤検知時の責任範囲を発注前に必ず擦り合わせること。介護記録システムとのAPI連携部分は外部ベンダーの仕様変更リスクがあるため、保守フェーズは別途準委任での月額保守契約とするのが実務的である。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 施設の栄養士・調理員（入居者情報・献立登録、個別対応表確認、代替食材の承認） |
| セカンダリ | 介護職員・配膳担当者（QRスキャンによる配膳前の最終照合） |
| 管理 | 施設管理者・給食委託事業者本部（利用状況の管理、監査資料出力、複数施設の一括管理） |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 入居者マスタ登録機能 | タブレット入力またはCSVで入居者情報を取込→属性を正規化→入居者マスタDBへ登録 |
| 食事箋OCR/NLP抽出機能 | 紙の食事箋・ケアプラン画像を撮影→OCRとNLPでアレルギー・禁忌・形態を抽出→構造化データとして登録 |
| 献立データ登録機能 | 栄養士が献立表を入力→食材・栄養素情報を解析→献立マスタDBへ保存 |
| 献立×個別制約自動照合機能 | 献立データと入居者制約情報を突合→制約最適化エンジンで照合→提供不可食材リストを生成 |
| 代替食材自動提案機能 | 提供不可食材と栄養条件を入力→最適化エンジンで栄養バランス維持した代替案を算出→代替食材リストを出力 |
| 個別対応表自動生成機能 | 照合結果と代替案データ→入居者別に形態・禁忌・代替食材を整形→個別対応表をPDF出力 |
| 配膳用QRラベル発行機能 | 確定した個別対応表データ→入居者・献立ごとのQRコードを生成→ラベル印刷用データを出力 |
| 配膳時QRスキャン照合アラート機能 | スマホでトレーQRと料理画像を取得→画像認識AIで対象者情報と内容を照合→不一致時に即時アラート表示 |
| 介護記録システム連携機能 | 外部介護記録システムの体調変化・入退所情報→API/CSVで取込→入居者マスタを自動更新 |
| 誤配膳リスク予測アラート機能 | 過去の誤配膳・ヒヤリハットデータ→AIが時間帯・献立別リスクを学習→高リスク時に事前注意喚起を通知 |
| 監査対応レポート自動生成機能 | 提供記録・照合ログ・代替案履歴を期間指定で集計→監査提出用フォーマットに整形→レポートを出力 |
| テーブル | 主要カラム |
|---|---|
facilities | facility_id, name, plan_type, bed_count, contract_start_date |
residents | resident_id, facility_id, name, room_no, meal_form, status |
resident_restrictions | restriction_id, resident_id, allergy_items, prohibited_foods, disease_limit, updated_at |
menus | menu_id, facility_id, serve_date, meal_type, dish_name, ingredients |
menu_ingredient_master | ingredient_id, name, allergen_flags, potassium_level, nutrition_info |
substitution_suggestions | suggestion_id, menu_id, resident_id, original_ingredient, substitute_ingredient, status |
serving_check_logs | log_id, resident_id, menu_id, qr_code, scan_result, alert_flag, scanned_at |
external_api_connections | connection_id, facility_id, vendor_name, api_key, sync_status, last_synced_at |
| # | 画面 |
|---|---|
| 1 | 入居者情報登録画面 |
| 2 | アレルギー禁忌登録画面 |
| 3 | 献立作成・確認画面 |
| 4 | 代替食材提案承認画面 |
| 5 | 厨房用当日一覧画面 |
| 6 | QRスキャン照合画面 |
| 7 | 監査レポート出力画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | AWS（介護施設向けSaaSの可用性とスケールを確保） |
| 2 | Python/FastAPI（AI推論APIの高速開発向け） |
| 3 | PostgreSQL（施設・入居者データの整合性管理向け） |
| 4 | spaCy/BERT系NLP（食事箋テキストからの情報抽出向け） |
| 5 | OR-Tools（栄養制約最適化による代替食材提案向け） |
| 6 | React Native（現場タブレット・スマホ両対応向け） |
| 7 | AWS Rekognition（QRコード・トレー画像照合向け） |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: 昼食準備帯（11時〜13時）を含め、システム稼働率99.9%以上を維持する想定 |
| 性能 | 性能: QRスキャン照合のレスポンスは平均1秒以内、95パーセンタイルで2秒以内を目安とする |
| セキュリティ | セキュリティ: 疾病・アレルギー等の個人情報は通信時・保存時ともにAES256相当で暗号化し、医療情報ガイドラインに準拠する想定 |
| データ保持 | データ保持: ヒヤリハット・照合ログ・代替提案履歴は最低3年間保存し、監査時に即時抽出可能とする |
| 運用継続性 | 運用継続性: システム障害発生時は30分以内に紙運用へフォールバック可能な手順書とバックアップ体制を用意する |
| スケーラビリティ | スケーラビリティ: 1施設あたり最大100床・同時アクセス20端末までは性能劣化なく稼働することを目安とする |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | いくつかの施設から食事箋・ケアプランを紙のまま集め、栄養士へのヒアリングと手作業でのアレルギー×形態の突合表作成を代行し、AIが解決すべき業務フローと不一致パターンを洗い出す | 交通費と紙資料の整理にかかる人件費程度で、外部発注は不要な水準 |
| ②最小システム | CSVアップロードと簡易な制約照合ロジックのみを持つ最小限のWebツールを作り、一部の施設で実際の献立と入居者情報を照合し、代替食材提案の精度を確認する | AI利用料とクラウドサーバー費が中心で、外注は小規模な開発のみに留める水準 |
| ③本開発 | QRコードによる配膳照合、介護記録システムとのAPI連携、画像認識によるダブルチェックまで含めた本番運用向けシステムを構築し、複数施設での同時稼働に対応させる | 外注も含めた開発費が数か月分かかる水準で、継続的な保守運用費も発生する |
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 |
|---|---|---|
| PoC候補となる特養・老健の施設長または管理栄養士 | 現場の紙運用実態とAI導入への抵抗感を直接把握し実証協力を得るため | 地域の栄養士会や介護福祉士会の研修会・勉強会に参加し名刺交換から依頼 |
| 介護給食委託事業者（日清医療食品・シダックス等）の施設運営部門担当者 | 複数施設一括導入モデルの実現性と現場の献立作成フローの実務を確認するため | 業界展示会（ケアテックス等）や介護経営者向けセミナーで担当窓口に接触 |
| 介護記録システムベンダー（カイポケ運営の恵和、ワイズマン）のAPI連携担当者 | CSV連携・API連携の技術要件と提携条件、連携料の交渉余地を確認するため | 各社の代理店募集窓口またはパートナー営業窓口に問い合わせフォームから連絡 |
| 都道府県栄養士会または日本栄養士会の在宅・福祉栄養士部門担当者 | 現場栄養士の業務実態のヒアリングと導入施設紹介の協力関係構築のため | 都道府県栄養士会事務局に事業説明資料を送付し勉強会での説明機会を依頼 |
| 特養・老健を運営する社会福祉法人・医療法人の施設内感染対策委員会または安全管理担当者 | 誤配膳ヒヤリハット事例の実データと事故報告フローを把握し精度検証に活用するため | PoC契約先施設内で施設長を通じて安全管理会議への同席を依頼 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 地域の栄養士会 | 「介護施設向けの誤配膳防止AIを開発しており、栄養士会の勉強会で事例紹介をさせてほしい」と依頼し、現場の栄養士に直接使ってもらう約束を取る |
| 給食委託事業者の現場責任者 | 「委託先の施設で誤配膳のヒヤリハットが起きていないか」を聞きながら、無料の実証施設として試してもらえないか相談する |
| 介護記録システムベンダーの営業担当 | 「連携先の施設にミールセーフAIを案内してほしい」と依頼し、紹介してくれた施設には初期導入費を優遇する条件を提示する |
| 特養・老健の施設長への直接アプローチ | 「誤配膳のダブルチェックにかかる時間を減らせるか、無料でしばらく試してもらえないか」と栄養士経由で施設長に相談する |
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 | 法人設立前後の創業者 | 自己資金100万円に対し、創業融資として800万円までの借入れが候補になり、AIエンジニアの人件費やアノテーション外注費などの初期投資に充てられる想定 |
| IT導入補助金 | ミールセーフAIを導入する介護施設側（特養・老健・有料老人ホームなど） | 施設側がITツール導入費の一部を補助対象にできる可能性があり、月額利用料や初期導入費のハードルを下げる営業材料として候補になる |
| 小規模事業者持続化補助金 | 創業したばかりの小規模事業者（商工会・商工会議所の確認を要する） | 展示会出展費やパンフレット作成費、Webサイト改修費など販路開拓にかかる費用の一部を補助対象にできる候補になる |
| 自治体の創業助成事業（例: 東京都創業助成事業） | 対象の自治体エリアで法人を設立した創業者 | 法人設立後の専門家活用費や広告費、人件費の一部を助成対象にできる候補で、自治体ごとに制度名や要件が異なる点に注意が必要 |
| ものづくり・商業・サービス生産性向上促進補助金 | 新製品・新サービスの開発に取り組む中小企業・小規模事業者 | AIエンジニアへの外部委託費やシステム開発費の一部を補助対象にできる候補になる |
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。
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。
同じ介護・高齢化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。
※ バッジは閲覧・登録状況にもとづく自動集計の相対表示です