Who（誰が）
国・地方自治体の補助金事務局担当者、補助金交付事務を受託する中間支援団体や地方銀行の審査担当者が主な利用者となる
対象とする社会課題：補助金の不正受給・過大請求を審査段階で見抜けず税金が流出する問題
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。
限られた人数の審査担当者が、大量の申請書類を目視で捌く現場では、巧妙な虚偽申請の兆候まで手が回らない。発覆は交付後の会計検査や内部通報に頼るしかなく、その頃には税金はすでに流出している。審査の入口で怪しい兆候を拾えれば、流出そのものを防げるはずだという現場の実感から、この事業は生まれた。
※ 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、GrantGuard AIの事業計画・市場規模・KPIなどこのページの内容を読み込んだ状態で、資料の素案をその場で作成します。用途に応じて選ぶだけで、事業計画書からピッチ資料、開発要件、融資申請書までたたき台がすぐ手に入ります。
※ 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。
GrantGuard AIは、国・自治体の補助金審査担当者が申請データ(事業計画書・見積書・決算書・口座情報)をアップロードすると、AIが数十項目のリスクスコアを自動算出し、危険度上位の申請から一覧表示するSaaSです。
担当者は『見積書単価が業界相場の2.3倍』『同一IPアドレスから別法人名義で過去申請歴あり』といった根拠付きアラートを画面で確認し、要調査案件だけを絞り込んで追加ヒアリングに回せます。判断に迷えばチャット型AIに『類似の不正パターンは過去にあったか』と質問し、確定事例との類似度と根拠を即座に得られます。審査結果(承認/否認/要調査)はフィードバックとして再学習に使われ、モデル精度が継続的に向上します。1件15分の目視確認を5分程度に短縮しつつ見逃しを減らすことを狙います。
会計検査院の報告では毎年数百件規模の補助金不正受給事案が指摘され、令和4年度の各種補助金・給付金関連の不正受給額は判明分だけで100億円超と推計される。
持続化給付金やものづくり補助金では、実在しない事業実態や重複申請、架空の見積書を用いた過大請求が発覚しているが、審査担当者は1人あたり月100件以上の申請書を目視でチェックしており、書類の整合性確認に追われ怪しい兆候の深堀りまで手が回らない。中小企業庁や地方自治体の補助金担当課は数名〜十数名体制のことが多く、専門の不正調査官を置く余裕がない。申請者側も善意の中小企業経営者が大半だが、一部の悪質なブローカーが複数企業に同一パターンの虚偽申請を代行するケースが後を絶たず、発見は事後の会計検査や内部通報に依存している状態が続いている。結果として不正が発覚するのは交付後1〜2年後が多く、返還率も低く実質的な財政損失が固定化している。
自然言語処理により事業計画書・見積書のテキストを解析し、業界標準単価データベースと照合して価格の異常性を検知する。
グラフ構造解析により申請者・代理人・銀行口座・IPアドレス間のネットワークを可視化し、過去の不正事例と共通するクラスタ(同一ブローカー経由の申請群など)を発見する。異常検知モデル(勾配ブースティング系+教師なし学習の組み合わせ)が数値項目(申請額、従業員数、決算書指標)の統計的逸脱を検知しリスクスコアを算出する。対話型AI(LLM)が審査担当者からの自然言語での問い合わせに対し、根拠となる過去事例や規程条文を引用しながら回答する。
補助金事務局の審査担当者が申請データ(事業計画書、見積書、決算書、口座情報、過去申請履歴)をシステムにアップロードすると、AIが数十項目のリスクスコアを自動算出し、危険度の高い申請を上位から提示する。
担当者はAIが提示した『見積書の単価が業界相場の2.3倍』『同一IPアドレスから過去に別法人名義で申請歴あり』などの具体的な根拠付きアラートを確認し、追加ヒアリングが必要な申請のみを選別できる。判断に迷う場合はチャット型AIに『この申請の類似不正パターンは過去にあったか』と質問すると、過去の確定不正事例との類似度と根拠箇条書きを即座に返す。審査完了後の結果(承認/否認/要調査)はAIに再学習用データとしてフィードバックされ、モデルが継続的に精度を高めていく。この仕組みにより、審査担当者は1件あたりの目視確認時間を平均15分から5分に短縮しつつ、疑わしい申請の見逃しを減らせる。
| 不正受給の返還未収損失(自治体単位・年間) | 約2000万円の想定(交付総額の一部が不正認定されても返還率が低く実質損失化) |
| 審査担当者の残業代・人件費増加分 | 月20万円程度(1人あたり月100件×15分の目視確認に伴う残業換算) |
| 会計検査院対応・事後調査の外部委託費 | 年間300万円程度 |
| ブローカーによる横断的不正被害の拡大(発覚まで1〜2年) | 累積で数千万円規模の想定 |
| SaaSベーシックプラン(申請1000件まで) | 月額30万円(年額360万円) |
| 従量課金(基本プラン超過分) | 1件あたり200円 |
| 導入・カスタマイズ初期費用(API連携・独自リスクルール設定) | 初期100万〜500万円(一括) |
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。
補助金事務局は数名〜十数名体制で、審査担当者1人が月100件以上の申請書を目視確認しており、書類の整合性チェックに追われて怪しい兆候の深堀りまで手が回らない。
悪質なブローカーが複数企業に同一パターンの虚偽申請を代行するケースがあるが、単独自治体の目視審査では法人をまたいだ共通パターンに気づきにくい。結果として不正発覚は交付後1〜2年後の会計検査や内部通報に依存し、返還率も低く財政損失が固定化している。専門の不正調査官を置く余裕がない体制の中で、審査時点でリスクの高い申請を機械的に絞り込む仕組みが求められている。
実証フェーズはリスクスコアの設計を過去事例データの収集・アノテーション結果に合わせて都度見直す必要があるため準委任契約が適している。
一方、SaaS基盤の本番リリースやAPI連携など仕様が確定した機能追加は請負契約で成果物・納期を明確にする方が管理しやすい。発注時は自治体データを扱う機密保持契約(NDA)と行政機関個人情報保護法への準拠を契約書に明記し、検収基準に不正検出率・誤検知率などのKPI達成度を含めることが望ましい。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 補助金事務局の審査担当者(自治体職員・中間支援団体職員) |
| セカンダリ | 不正調査を担当する検査部門職員、審査責任者(課長・係長クラス) |
| 管理 | システム管理者(自治体情報システム部門またはGrantGuard AI運用チーム)、モデル精度を管理するデータサイエンティスト |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 申請データアップロード機能 | 事業計画書・見積書等ファイル→形式検証と保存→審査キューへ登録 |
| 見積単価異常検知(NLP) | 見積書テキスト→NLP解析と業界相場DB照合→単価異常度スコア出力 |
| 申請者ネットワーク解析 | 申請者・口座・IP情報→グラフ構造解析→同一ブローカークラスタ検出結果出力 |
| 統合リスクスコア算出 | 申請額・従業員数等数値項目→勾配ブースティング+教師なし異常検知→総合リスクスコア出力 |
| 危険度優先ランキング表示 | 全申請のリスクスコア→降順ソート処理→危険度順リスト表示 |
| 根拠付きアラート表示 | リスクスコア明細データ→根拠テキスト自動生成→具体的アラート文表示 |
| 対話型AI問い合わせ機能 | 担当者の自然言語質問→LLMが過去事例検索・照合→根拠付き回答を表示 |
| 審査結果フィードバック学習 | 承認/否認/要調査結果→再学習用データセットに追加→モデル自動更新 |
| 既存審査システムAPI連携 | 自治体既存システムの申請データ→API変換処理→本システムへ自動取込 |
| 年次データ分析レポート生成 | 蓄積された不正パターンデータ→集計・傾向分析→PDFレポート出力 |
| アクセス権限・監査ログ管理 | 担当者ログイン・操作情報→権限判定と操作記録→監査ログとして保存 |
| テーブル | 主要カラム |
|---|---|
applications | application_id, applicant_id, program_id, submitted_at, status, amount_requested |
applicants | applicant_id, corp_name, corp_number, representative_name, address, bank_account_id |
documents | document_id, application_id, doc_type, file_path, ocr_text, uploaded_at |
risk_scores | score_id, application_id, model_version, total_score, category_scores_json, calculated_at |
alerts | alert_id, application_id, alert_type, evidence_text, severity, created_at |
network_nodes | node_id, node_type, identifier_value, related_application_ids |
network_edges | edge_id, node_id_from, node_id_to, relation_type, weight |
review_logs | log_id, application_id, reviewer_id, decision, comment, reviewed_at |
| # | 画面 |
|---|---|
| 1 | 申請一覧・リスク順表示 |
| 2 | 申請詳細・根拠確認 |
| 3 | ネットワーク関係可視化 |
| 4 | チャット型AI問い合わせ |
| 5 | 審査結果入力画面 |
| 6 | データアップロード画面 |
| 7 | 年次分析レポート閲覧 |
| # | 技術（採用理由） |
|---|---|
| 1 | AWS GovCloud相当環境(政府系クラウド準拠のため) |
| 2 | Python/FastAPI(ML連携と開発速度の両立) |
| 3 | LightGBM(数値項目の異常検知に実績あり) |
| 4 | Neo4j(申請者ネットワーク解析に最適なグラフDB) |
| 5 | Elasticsearch(見積書テキストの類似検索用) |
| 6 | LangChain+社内LLM(根拠引用型の対話応答実装) |
| 7 | Auth0/ゼロトラストIAM(行政データの認可統制) |
| 区分 | 要件 |
|---|---|
| 可用性99.9%以上を維持し、月間ダウンタイムを43分以内に抑える | 可用性99.9%以上を維持し、月間ダウンタイムを43分以内に抑える |
| 審査担当者200名同時アクセス時でも画面応答3秒以内を保証する | 審査担当者200名同時アクセス時でも画面応答3秒以内を保証する |
| 申請データはAES256で暗号化し、ISMS取得・ゼロトラスト構成で運用する | 申請データはAES256で暗号化し、ISMS取得・ゼロトラスト構成で運用する |
| データ保存・処理は行政専用クラウド(政府共通プラットフォーム相当)の国内リージョンに限定する | データ保存・処理は行政専用クラウド(政府共通プラットフォーム相当)の国内リージョンに限定する |
| バックアップは日次差分・週次フルとし、RPO24時間以内・RTO4時間以内で復旧する | バックアップは日次差分・週次フルとし、RPO24時間以内・RTO4時間以内で復旧する |
| 誤検知率は3年目までに15%以下とし、モデル精度を月次でモニタリング・再評価する | 誤検知率は3年目までに15%以下とし、モデル精度を月次でモニタリング・再評価する |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | 収集した確定不正事例を担当者がExcelとチェックリストで手動採点し、どの項目が不正兆候として有効かを人手で洗い出す。実際の自治体担当者に見てもらい、リスクスコアの考え方に納得感があるか確認する | 人件費とヒアリングの交通費程度で、外部発注はしない水準 |
| ②最小システム | 見積書と事業計画書をアップロードすると、価格の異常検知と簡単なネットワーク図を自動表示する最小限のWeb画面を作り、匿名化済みの実データで試してもらい使い勝手を確認する | クラウド利用料とAI利用料が中心で、外注する場合は小規模なスクラッチ開発の水準 |
| ③本開発 | 対話型AIによる問い合わせ対応、ISMAP準拠を意識したセキュリティ基盤、複数自治体データの分離管理機能を実装し、本番運用に耐える形に仕上げる | 外注を含む複数か月分の開発費とセキュリティ認証取得費用がかかる水準 |
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 |
|---|---|---|
| 中小企業庁 事業環境部 財務課などの補助金審査実務を所管する係長級職員 | 審査現場の課題感とAI活用への抵抗感の実態を把握するため | 中小企業診断士協会や省庁OBの紹介、行政向け展示会(自治体総合フェア等)で接触 |
| 会計検査院OBまたは元自治体補助金担当職員(不正事例に精通した人物) | 確定不正事例の入手経路とアノテーション基準の妥当性を確認するため | 検査院OB会・地方自治研究会経由、または大学の行政学研究室からの紹介 |
| 都道府県または指定都市の産業労働局・商工政策課の補助金交付事務担当課長 | パイロット導入の意思決定者であり予算要求プロセスを把握するため | 自治体DX推進課経由の紹介、または実証事業(経産省サンドボックス等)への公募応募 |
| NTTデータ・日立公共システム等の行政システムSI企業の官公庁営業担当 | 自治体入札への同行販売・API連携の実現可能性を確認するため | 行政情報システム研究所(RIISS)等の業界団体イベント、既存人脈からの紹介依頼 |
| 地方銀行の事業性評価部門またはビジネスマッチング部署の担当者 | 補助金申請書類確認業務での提携余地と地域中小企業データへのアクセスを探るため | 地方銀行協会主催の勉強会、または地域金融機関のDX推進部門への直接アプローチ |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 自治体職員向け勉強会・研究会への参加 | 地方自治体の補助金担当課向けのDXセミナーや行政経営フォーラムに参加し、「補助金審査の見逃し対策を一緒に検証させてください」と声をかけ、無料のパイロット参加を依頼する |
| 会計検査院OB・元自治体職員のネットワーク | 創業メンバーや知人経由で元検査官・元補助金担当者を紹介してもらい、「実際の審査現場で困っている点を教えてほしい」とヒアリングを依頼し、紹介を広げる |
| 行政向けSI企業への協業提案 | NTTデータや日立公共システムの営業担当に連絡し、「既存の審査システムに追加できる不正検知機能として一緒に提案させてほしい」と共同提案の機会を依頼する |
| 中小企業診断士・会計士団体の勉強会 | 補助金申請支援を行う診断士会・会計士会の勉強会に参加し、「不正の兆候を見抜くツールを一緒に検証してくれる自治体を探している」と紹介を依頼する |
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 新創業融資制度（新規開業資金） | 創業前後の法人代表者で、一定の自己資金がある人 | 自己資金100万円を元に運転資金の融資（合計500万円）を受けられ、開発人件費やクラウド利用料に充当できる候補になる |
| 信用保証協会 スタートアップ創出促進保証制度 | 創業後まもない法人で、公庫融資に加えて追加資金を検討する経営者 | 公庫の融資枠に加えて、自治体向け導入・カスタマイズ費用の立て替えに備える追加資金の候補になる |
| 東京都創業助成事業（TOKYO創業ステーション） | 東京都内で創業する、または創業後一定期間内の法人・個人事業主 | 開発初期のクラウド利用料や人件費の一部を助成対象にできる可能性があり、自己資金100万円の持ち出しを抑える候補になる |
| NEDO 起業家支援プログラム（Deep Tech Startup支援事業） | AI・機械学習など技術的難易度の高い事業を手がけるシード期のスタートアップ | 異常検知モデルや対話型AIの研究開発費を対象にした支援があり、精度向上フェーズの資金候補になる |
| デジタル田園都市国家構想推進交付金（自治体DX実証事業） | 自治体・国と連携してDX実証を行う事業者、または実証に採択された自治体 | 自治体側が交付金を活用してパイロット導入を実施できるため、実証フェーズの導入自治体を探す際の営業の切り口になる |
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。
同じ行政・補助金DX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。
※ バッジは自動集計にもとづく相対表示です