Who（誰が）
中堅〜大企業の人事部門（年間中途採用50名以上）と、リファレンスチェックを外注している中小企業の人事担当者が主な利用者である
対象とする社会課題：採用時のリファレンスチェックが担当者の主観・人脈バイアスに左右され、候補者の公平な評価が担保されていない
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。
前職の上司に電話で3問聞くだけで、候補者の人生を左右する評価が決まってしまう。担当者の質問の仕方や、推薦者との距離感ひとつで結果が変わるのに、多くの企業はそれを『仕方のないこと』として受け入れてきた。専任の採用担当者がいない中小企業では、そもそもリファレンスチェック自体が実施されず、確認の機会そのものが失われている。誰が聞いても同じ基準で、具体的な事実に基づいて評価でき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600万円の申請資料も、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、RefFairの事業内容（課題・AIヒアリング設計・バイアス補正の仕組み・収益モデル）を読み込んだ状態で、各資料の素案をその場で作成します。
※ 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。
『RefFair』は、中途採用のリファレンスチェックをAIが標準化して実施するSaaSです。
人事担当者がWeb画面で候補者と推薦者（前職上司・同僚）の連絡先を登録すると、AIチャットボットが10〜15項目の質問を決まった順序・表現で自動ヒアリングします。『すごく良かった』のような曖昧な回答には自動で深掘り質問を追加し、具体的エピソードを引き出します。全員の回答が揃うと、AIが推薦者ごとの甘辛傾向を補正したスコアレポートを生成し、人事担当者はダッシュボードで原文ログとあわせて確認できます。従来1〜2週間かかっていたプロセスが平均48時間以内に完結し、担当者の主観や人脈バイアスに左右されない、根拠を検証できる採用判断が可能になります。
中途採用市場では年間約400万件の転職が発生し、そのうち管理職・専門職採用の約3割でリファレンスチェックが実施されているが、多くは人事担当者が電話で前職上司に3〜5問を聞くだけの属人的プロセスに留まっている。
担当者の質問の仕方や解釈次第で評価結果が変わり、推薦者と候補者の関係性（親密度・上下関係）によって回答が過度にポジティブ/ネガティブに偏る「リファレンスバイアス」が常態化している。実際、人事担当者へのヒアリングでは『同じ候補者でも聞く相手や聞き方で印象が変わり、判断材料として使いにくい』という声が多く、結果として採用ミスマッチ（早期離職率は正社員全体で約11%、管理職採用では更に高い）につながっている。中小企業では専任の採用担当者がおらず、リファレンスチェック自体を実施できていない企業も多く、属人化と機会の不均衡が二重の課題となっている。既存の代行サービス（back check等）はヒアリング自体を人手で行うため、質問設計や評価軸の標準化が不十分で、コストも1名あたり2〜5万円と中小企業には導入しづらい。
対話エンジンは大規模言語モデルをベースにした音声・チャット対応のヒアリングボットで、事前設計された質問フローに沿って推薦者と自然な対話を行い、回答の曖昧さを検知して追加質問を自動生成する。
自然言語解析エンジンが回答テキストを感情極性・具体性・一貫性の観点でスコアリングし、推薦者ごとの『甘さ/辛さ』の傾向を過去データから学習して補正係数を算出することでバイアスを統計的に除去する。異常検知モデルは推薦者と候補者の関係性（在籍期間の重複、役職差など）から回答の信頼度を推定し、信頼度の低い回答には重み付けを下げる仕組みを適用する。蓄積された数千件規模の対話ログと評価結果を用いて、業種・職種別の評価基準モデルを継続的に再学習し、精度を向上させる。
採用企業の人事担当者が候補者の推薦者（前職上司・同僚）の連絡先をシステムに登録すると、AIが自動でオンラインヒアリング（チャットまたは音声対話）を実施し、職務遂行能力・チームワーク・マネジメント適性など事前定義された10〜15項目を標準化された質問順序と表現で聞き取る。
AIは推薦者の回答内容をリアルタイムで自然言語解析し、曖昧な回答や一般化された発言（『すごく良かった』等）には自動で深掘り質問を追加し、具体的エピソードを引き出す。全推薦者の回答が集まった時点で、AIが発言内容のポジティブ/ネガティブ度合い、具体性、他候補者との相対評価分布を統計的に補正し、バイアス除去済みのスコアレポートを生成する。人事担当者はダッシュボード上でレポートを閲覧し、原文の音声・テキストログも確認できるため、AIの判断根拠を検証しながら最終意思決定に活用できる。候補者本人にはヒアリング実施の事実と評価軸が事前通知され、GDPR的観点も含めた透明性の高いプロセスとして提供される。
| リファレンスチェック代行サービス費用（1名2〜5万円×年間採用数） | 年間120万円〜300万円（管理職採用20名想定） |
| 人事担当者の電話ヒアリング工数（1件あたり1〜2時間×人件費） | 年間60万円相当（月10件×1.5時間×時給3,000円換算） |
| 採用ミスマッチによる早期離職の再採用コスト（管理職1名あたり） | 1名あたり150万〜300万円の損失 |
| 中小企業でリファレンスチェック未実施のまま採用しミスマッチが発生するリスク | 年間数百万円規模の機会損失（試算困難のため目安） |
| 従量課金プラン（月100件想定） | 月額80万円〜120万円 |
| SaaS月額基本料（中堅企業向け標準プラン） | 月額5万円〜30万円 |
| ATS連携APIライセンス（ベンダー向けOEM） | 月額20万円〜＋従量分配 |
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。
現状のリファレンスチェックは人事担当者が電話で3〜5問を聞くだけの属人的プロセスで、質問の仕方や推薦者との関係性次第で評価結果が大きく変わっている。
人事担当者へのヒアリングでも『聞く相手や聞き方で印象が変わり判断材料として使いにくい』という声が多く、管理職採用ではミスマッチによる早期離職率が正社員全体（約11%）よりも高い状態にある。既存の代行サービスは人手でヒアリングするため質問設計や評価軸の標準化が不十分で、1名2〜5万円のコストは中小企業には導入障壁が高い。標準化された質問フローと統計的バイアス補正を自動で行う仕組みがなければ、この属人化と機会の不均衡は解消されない。
MVP開発は準委任契約が向く想定である。
AI対話フローの精度や深掘り質問の妥当性はパイロット企業3社での検証結果を見ながら調整する必要があり、要件を初期に固定しにくいためである。ただし質問テンプレート管理やダッシュボード等、仕様が確定しやすい画面機能については範囲を切り出して請負契約にすることも検討する。発注時はAIの回答精度に関する数値目標（誤検知率、深掘り質問の適切性等）を検収基準に含めず、パイロット期間中の改善作業として別途工数計上する取り決め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〜大企業の人事部門担当者（年間中途採用50名以上、管理職・専門職の採用実務者） |
| セカンダリ | 推薦者（候補者の前職上司・同僚、ヒアニング回答者）および候補者本人（通知・同意画面の閲覧者） |
| 管理 | RefFair運営側のカスタマーサクセス担当・データ品質管理担当（質問テンプレート更新、精度監視、異常回答の目視確認） |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 候補者・推薦者情報登録機能 | 人事担当者が候補者・推薦者の氏名連絡先を入力→ヒアリング対象として登録→一覧管理画面に反映 |
| ヒアリング質問フロー設計・標準化機能 | 管理者が職種別評価項目10〜15項目を選択→標準質問順序に変換→AI対話エンジンへ質問セットを配信 |
| AI対話ヒアリング実行機能 | 推薦者がチャット/音声で応答→AIが標準質問を順次発話・受付→回答テキストをログとして保存 |
| 曖昧回答検知・深掘り質問自動生成機能 | 回答テキストを解析→曖昧・一般化表現を検知→具体エピソードを引き出す追加質問を自動生成し再送 |
| 自然言語解析スコアリング機能 | 収集済み回答テキストを入力→感情極性・具体性・一貫性を解析→項目別スコアをDBに保存 |
| 推薦者甘辛傾向補正係数算出機能 | 推薦者の過去回答分布を入力→統計的補正係数を算出→スコアに適用し補正後評価値を出力 |
| 関係性信頼度推定・重み付け機能 | 推薦者と候補者の在籍重複期間・役職差を入力→信頼度を推定→低信頼回答の重みを自動低減 |
| バイアス除去済みレポート自動生成機能 | 補正済みスコアと信頼度重みを集計→候補者別レポートを生成→PDF/画面形式で出力 |
| ダッシュボード・原文ログ閲覧機能 | 人事担当者がレポートを選択→根拠となる音声・テキスト原文を表示→意思決定材料として確認 |
| 候補者向け事前通知・同意管理機能 | 候補者へヒアリング予定と評価軸をメール通知→同意取得状況を記録→未同意時は実施を保留 |
| ATS連携API・業界ベンチマークデータ提供機能 | ATSベンダーが候補者情報をAPI送信→結果を返却、匿名化統計データを人事コンサル等へ提供 |
| テーブル | 主要カラム |
|---|---|
companies | id, 会社名, 業種, プラン種別, 契約開始日, 請求先情報 |
users | id, company_id, 氏名, メール, 権限ロール, 最終ログイン日時 |
candidates | id, company_id, 氏名, 応募職種, ステータス, 登録日 |
referees | id, candidate_id, 氏名, 連絡先, 前職での関係性, 在籍期間重複月数 |
interview_sessions | id, referee_id, 実施方式, 開始日時, 終了日時, ステータス |
interview_answers | id, session_id, 質問id, 回答テキスト, 感情極性スコア, 具体性スコア |
questions | id, カテゴリ, 質問文, 表示順, 深掘り条件 |
score_reports | id, candidate_id, 総合スコア, バイアス補正後スコア, 甘辛係数, 信頼度スコア, 生成日時 |
| # | 画面 |
|---|---|
| 1 | ログイン画面 |
| 2 | 候補者登録画面 |
| 3 | 推薦者情報登録画面 |
| 4 | ヒアリング進捗ダッシュボード |
| 5 | レポート閲覧画面 |
| 6 | 質問フロー設定画面 |
| 7 | 請求・契約管理画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | GPT-4系LLM API(対話生成・深掘り質問に採用) |
| 2 | Google Cloud Speech-to-Text(日本語音声認識精度が高い) |
| 3 | Twilio(電話音声通話基盤の実績が豊富) |
| 4 | AWS(クラウドインフラでスケーラブルに構築) |
| 5 | PostgreSQL(構造化データを信頼性高く管理) |
| 6 | React(ダッシュボードUIを効率的に構築) |
| 7 | Auth0(認証・権限管理を外部委託しセキュリティ確保) |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: SLA99.5%以上を維持し、月間許容ダウンタイムは3.6時間以内とする |
| 性能 | 性能: ヒアリング開始からレポート生成完了まで平均48時間以内で処理する |
| セキュリティ | セキュリティ: 通信・保存データをAES256で暗号化し、個人情報保護法/GDPRに準拠した運用を行う |
| スケーラビリティ | スケーラビリティ: 3年目末の月間実施件数3,300件規模の同時ヒアリング処理に対応する設計とする |
| 運用 | 運用: AI評価モデルは四半期ごとに再学習を実施し、評価誤差率5%以内を維持する |
| 監査性 | 監査性: 評価ロジックは第三者機関による年1回の監査を受け、判定根拠を説明可能な形で開示する |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証（人力での模擬ヒアリング） | AIを使わず、代表自身が電話やチャットで推薦者に質問リストを聞き取り、深掘り質問や評価の付け方を人力で試し、質問設計と評価軸の有効性を確かめる。 | 通信費と交通費程度／外注はなし |
| ②最小システム（チャットボット＋簡易スコアリング） | 既存のチャットボット構築ツールと汎用LLMのAPIを組み合わせ、決まった質問順序で聞き取り、回答をテキストで蓄積して簡易的にスコア化する仕組みを作り、パイロット3社で所要時間と回答品質を検証する。 | LLM利用料とチャットボットツールの月額利用料程度／小規模な外注を一部活用 |
| ③本開発（自然言語解析エンジン＋ダッシュボード） | 感情極性・具体性の解析モデルと推薦者ごとの甘辛補正係数を組み込み、音声対話・ログ確認・レポート出力ができる管理ダッシュボードを本格開発し、ATS連携APIの土台を整える。 | 外注を含めた開発体制で数か月分の人件費相当 |
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 |
|---|---|---|
| 中堅・大企業の人事部長（年間中途採用50名以上、管理職・専門職採用担当） | 実際のリファレンスチェック運用課題とパイロット導入ニーズを直接確認するため | 人事SaaS展示会・HR系ウェビナーや知人紹介、LinkedInで採用責任者に直接アプローチ |
| ATSベンダー（HRMOS、Herp等）の事業開発・アライアンス担当者 | API連携パートナーシップの実現可能性と導入企業への配荷ルートを確認するため | 各社の企業提携窓口フォームまたはHR業界カンファレンスでの名刺交換から接触 |
| 個人情報保護法・労働法に詳しい弁護士（人事労務系法律事務所） | 推薦者・候補者情報の取扱いと職業安定法上の位置づけを事前に確認するため | 人事労務専門の弁護士紹介サービスや商工会議所の法律相談窓口経由で紹介依頼 |
| リファレンスチェック代行会社（back check等）出身の元従業員または現役人事コンサルタント | 既存代行サービスの運用実態・バイアス問題の具体的事例を把握するため | 人事コンサル会社への直接問い合わせやHR系勉強会・オンラインコミュニティで接点を探す |
| 都道府県労働局職業安定課の担当官 | リファレンスチェック代行が職業紹介事業等の許可対象に該当しないか確認するため | 所轄労働局の職業安定課窓口に電話予約し事業内容説明の上で相談 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 人事担当者コミュニティ（Facebookグループ・Slack） | 人事担当者向けオンラインコミュニティに参加し「リファレンスチェックの属人化に困っていないか」と投稿して声をかけ、無料トライアルを案内する。 |
| 社労士・中小企業診断士の紹介 | 採用支援をしている社労士事務所に「リファレンスチェックを外注できず困っている顧問先はないか」と相談し、紹介してもらう形で接点をつくる。 |
| 人事SaaS展示会・採用担当者向けウェビナー | 人事担当者向け無料ウェビナーに登壇し「リファレンスチェックの標準化」を話した上で、終了後に個別デモを申し込んでもらう。 |
| ATSベンダーの営業担当への相談 | 既存ATSの営業担当者に「連携先を探している」と伝え、リファレンスチェックに課題を持つ導入企業を紹介してもらう。 |
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） | 創業前後の個人事業主・法人代表者 | 自己資金100万円を元に法人設立後の運転資金を無担保・無保証人で借り入れられる制度で、創業融資の合計は600万円を想定。着金は設立から2か月目ごろのため、初期の人件費・サーバー費に充てられる。 |
| 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（法人・個人事業主） | ウェビナー開催費・展示会出展費・パンフレット制作費など販路開拓費用の一部が補助対象になり、代表1名体制でも申請しやすい。 |
| 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 | 自社の請求管理・会計・CRMなど業務ツール導入費の一部を補助対象にできる可能性があり、バックオフィスの効率化に使える。 |
| 東京都創業助成事業（自治体ごとに名称・要件は異なる） | 都内で創業予定または創業後一定期間内の事業者 | 賃借料・広告費・専門家活用費など創業初期の実費の一部を助成対象にできる可能性があり、自己資金100万円を補う候補になる。 |
| NEDO Deep Tech Startup支援事業（研究開発型スタートアップ支援） | AI・自然言語処理など技術的難易度の高い研究開発を行うスタートアップ | 評価アルゴリズムやバイアス補正モデルの研究開発費を対象にできる可能性があり、エンジェル投資前の技術検証フェーズを支える候補になる。 |
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。
労働・雇用領域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。
※ バッジは閲覧・お気に入り登録などの自動集計にもとづく相対的な表示です。