Who（誰が）
従業員1000〜1万人規模の大企業の人事企画・タレントマネジメント部門担当者、および社内公募に応募する従業員と受入部門長
対象とする社会課題：社内公募制度のミスマッチによる人材配置の失敗と早期離脱
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。
社内公募は挑戦したい人を後押しする制度のはずだが、実際は部門長の人脈や書類の見栄えで選ばれ、配属後に本人が異動希望を再提出する例が後を絶たない。応募者は落選理由すら分からず、次の挑戦をやめてしまう。人事部員が数名という体制のまま、公募件数だけが増えていく現場を変えたい。
※ 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1,000万円の申請資料も、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、この事業の内容を読み込んだ状態でAIチャットが立ち上がり、事業計画書やピッチ資料、要件定義書などの下書きをその場で一緒に作成できます。まずは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。
人事企画部門の担当者が、公募ポジションの要件を入力すると、AIが応募者数百名分の履歴書・評価履歴・自己申告スキルを自動でスコア化し、上位候補者と根拠（スキル一致度・過去の異動成功パターンとの類似度）を一覧表示する基盤です。
応募者はチャットで5〜10分キャリア志向をヒアリングされ、書面に出ない適性情報が補完されます。受入部門長は候補者ごとの強み・懸念点をまとめたレポートを見て最終判断を行い、これまで数週間かかっていた書類選考が数日に短縮されます。配属後の定着状況も追跡し、次回マッチングの精度改善に活かします。
従業員1000人以上の大企業のうち社内公募(ジョブポスティング)制度を導入する企業は年々増えているが、人事部門の担当者は応募者数百名分の履歴書・評価履歴・自己PRを数週間で書類選考せねばならず、実際には受入部門長の主観や過去の人脈に頼った選考になりがちである。
結果として配属後1年以内に本人が異動希望を再提出する割合が15〜20%に達するとされ、受入部門長からは「スキルは合っていたが期待した適性がなかった」という声が多い。応募者側も「何を基準に落とされたか分からない」という不透明感からモチベーションを失い、次の公募に応募しなくなる悪循環が起きている。人事考課コメント・スキル自己申告・過去プロジェクト実績はシステムごとに分散し、担当者が手作業で突合するには限界があり、属人的な選考プロセスが続いているのが実態である。特に人事部員が3〜5名規模の企業では、公募案件が年間50件を超えると選考品質が急速に低下する。
自然言語処理により人事考課コメント・自己PR文・面談チャット内容をベクトル化し、職務要件との意味的な一致度を算出する。
過去の異動成功・失敗データを学習した予測モデルが、経歴パターンと配属後定着率の相関から「ミスマッチリスク」を数値化する。対話AIが応募者との自然な会話形式でキャリア志向をヒアリングし、選考データに欠けている情報を補完する。複数ポジション×複数候補者が同時に発生する場合は最適化アルゴリズムが全体最適な組合せを提案し、部門長の恣意的な優先順位付けによる不公平を減らす。
人事担当者は本基盤に人事システム・評価データ・自己申告スキル・過去異動履歴を連携し、公募ポジションの要件を入力する。
AIが応募者ごとの経歴データと要件をマッチングスコア化し、上位候補者リストと根拠(スキル一致度・過去の異動成功パターンとの類似度)を自動生成する。応募者には対話型AIが5〜10分のチャット面談でキャリア志向・異動理由・不安点をヒアリングし、書面だけでは見えない適性情報を補足してスコアを補正する。受入部門長には候補者ごとの強み・懸念点・面談で得た志向性を要約したレポートが提示され、最終判断は人間が行うが、判断材料の質と速度が大幅に向上する。配属後は本人の定着状況・評価をAIが追跡し、次回以降のマッチング精度向上に反映するフィードバックループを構築する。
| 早期離脱に伴う再配置・再選考コスト(配属後1年以内の異動再提出15名想定×80万円/名) | 年間約1200万円 |
| 人事担当者4名分の書類選考残業代 | 月額約40万円 |
| 受入部門長10名分の候補者評価・面談稼働コスト | 年間約300万円 |
| 応募者のモチベーション低下による生産性損失(フィードバック不足による再応募意欲減退分) | 年間約500万円の想定 |
| SaaS利用料(従業員3000名、1名あたり240円/月) | 月額72万円 |
| 適性診断アドオン(年間300件想定、1名2000円/回) | 年間60万円 |
| 定着フォローアップ分析レポート | 月額10万円 |
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。
社内公募の応募者が数百名規模になると、人事担当者3〜5名では書類選考に数週間を要し、実際には受入部門長の主観や過去の人脈に頼った選考になりがちである。
結果として配属後1年以内に異動希望を再提出する割合が15〜20%に達し、応募者側も落選理由が分からず次回応募を控える悪循環が起きている。人事考課コメント・スキル自己申告・過去プロジェクト実績は別システムに分散しており、担当者が手作業で突合するには限界がある。特に公募案件が年間50件を超える企業では選考品質の低下が顕著であり、データ連携とスコアリングの自動化が急務である。
PoC検証(0-6ヶ月)から初期商用化(6-18ヶ月)までは要件が定まっておらず、対話AI面談やスコアリングロジックの調整を繰り返す必要があるため準委任契約が適する。
データ連携先の人事システムが企業ごとに異なり仕様変更が頻発するため、請負で固定範囲を契約すると追加費用交渉が都度発生しやすい点に注意する。拡大期以降、要件が固まった機能（例: 定着フォローアップレポートの定型出力）は請負での切り出しも検討可能である。発注時はマッチングスコアの精度目標値と検証方法(定着率との相関検証)を契約書に明記し、成果物の受入基準を事前合意しておくこと。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 人事企画・タレントマネジメント部門の担当者（公募案件の要件入力・候補者スコア確認・選考進行を行う） |
| セカンダリ | 受入部門長（候補者レポートを見て最終配属判断を行う）および応募者本人（対話AI面談を受け、選考結果通知を受け取る） |
| 管理 | 顧客企業側の人事システム管理者（アクセス権限・データ連携設定）およびベンダー側の運用担当者（モデル調整・障害対応） |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 人事データ連携基盤 | 人事システム・評価DB・自己申告スキルをAPI取込→正規化→統合人材データベースを生成 |
| 公募要件定義入力 | 担当者が必須スキル・経験年数を入力→要件をベクトル化→検索用要件データを生成 |
| マッチングスコア算出(NLP) | 応募者の経歴・自己PR文をベクトル化→要件との意味的一致度を計算→候補者別スコアを出力 |
| 候補者リスト・根拠自動生成 | マッチングスコアを順位付け→一致スキル・類似異動事例を抽出→根拠付き上位候補者リストを出力 |
| 対話AI面談ヒアリング | 応募者とのチャット回答(5-10分)を自然言語解析→キャリア志向・不安点を抽出→ヒアリング要約を出力 |
| 面談結果によるスコア補正 | ヒアリング要約と書面情報の差分を検出→補正係数を算出→マッチングスコアを再計算 |
| ミスマッチリスク予測 | 経歴パターンと過去異動データを学習→定着率相関から算出→候補者別リスクスコアを出力 |
| 部門長向け候補者レポート | スコア・面談要約・懸念点を集約→自動要約生成→部門長向け判断支援レポートを出力 |
| 複数ポジション最適配置提案 | 複数ポジション×複数候補者データを入力→最適化アルゴリズムで組合せ計算→全体最適配置案を出力 |
| 配属後定着追跡・学習ループ | 配属後評価・異動希望履歴を収集→定着傾向を分析→モデル再学習用データを生成 |
| 管理者ダッシュボード | 選考進捗・定着率等のKPIを自動集計→グラフ化→人事企画部門向け進捗画面に表示 |
| テーブル | 主要カラム |
|---|---|
employees(従業員マスタ) | employee_id, name, department_id, hire_date, position, employment_status |
job_postings(公募ポジション) | posting_id, title, department_id, required_skills, headcount, status, posted_at, closed_at |
applications(応募) | application_id, employee_id, posting_id, applied_at, status, matching_score |
skill_profiles(スキル自己申告) | employee_id, skill_name, proficiency_level, updated_at |
evaluation_history(評価履歴) | employee_id, fiscal_year, evaluator_id, rating, comment_text |
interview_transcripts(面談記録) | application_id, transcript_text, sentiment_score, extracted_intent, conducted_at |
matching_results(マッチング結果) | application_id, score_detail_json, mismatch_risk_score, generated_at, model_version |
placement_tracking(配属後追跡) | application_id, placed_at, retention_status, six_month_survey_score, one_year_survey_score |
| # | 画面 |
|---|---|
| 1 | ログイン・権限選択画面 |
| 2 | 公募ポジション登録画面 |
| 3 | 応募者マッチング結果一覧 |
| 4 | 候補者詳細レポート画面 |
| 5 | 対話AI面談実施画面 |
| 6 | 部門長向け選考ダッシュボード |
| 7 | 定着フォローアップ分析画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | Python(機械学習・NLPモデル開発の標準言語) |
| 2 | PyTorch(予測モデル・埋め込み生成に利用) |
| 3 | LLM API(対話AI面談・意味的マッチングに利用) |
| 4 | PostgreSQL(構造化データ・履歴管理に適合) |
| 5 | AWS(ISMS対応可能な国内リージョン基盤) |
| 6 | Elasticsearch(経歴・スキルの類似検索用) |
| 7 | Auth0(アクセス権限管理・機微情報保護の認証) |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: 月間稼働率99.5%以上、計画停止を除く障害停止は月2時間以内を目標 |
| 性能 | 性能: 候補者300名分のマッチングスコア算出を5分以内に完了する処理速度を確保 |
| セキュリティ | セキュリティ: 人事データはAES-256で暗号化、通信はTLS1.2以上、ISMS認証を2年目までに取得 |
| アクセス制御 | アクセス制御: 人事担当者・部門長・応募者の3階層でロールベース権限管理を実装 |
| 監査体制 | 監査体制: バイアス監査を四半期ごとに第三者機関と共同実施し結果を記録 |
| バックアップ | バックアップ: 日次バックアップを実施し、RPO24時間・RTO4時間以内で復旧可能とする |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | 実在する数社の人事部にヒアリングし、公募案件の応募者データをExcelで受け取り、人手でスコアリングして受入部門長に提示し、判断材料として役立つかを確認する | 交通費と自分たちの人件費のみ、外部発注なし |
| ②最小システム | スプレッドシート連携とノーコードツールを組み合わせ、スキル一致度の簡易スコアリングと対話ヒアリングの録音・要約を試作し、実際の公募案件で運用してみる | ノーコードツールの月額利用料とAI API利用料の範囲内、外注は最小限 |
| ③本開発 | 自然言語処理によるベクトル化マッチングエンジンと対話AI面談機能、部門長向けレポート機能を専任エンジニアで開発し、複数社での同時運用に耐える基盤を構築する | 外注または正社員エンジニア数名分の人件費に加え、クラウドインフラ費用が継続的に発生する水準 |
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 |
|---|---|---|
| 従業員3000〜5000名規模の大企業の人事企画・タレントマネジメント部門長 | 社内公募制度の運用実態と選考基準の課題感を実務目線で確認するため | 日本CHO協会やHRカンファレンス(HR Technology Japan等)の名刺交換から個別打診 |
| SmartHR・HRMOS等人事システムベンダーのアライアンス・事業開発担当者 | API連携パートナーシップと既存顧客への共同提案チャネル構築のため | 各社パートナープログラム申込フォームまたは展示会ブースで直接コンタクト |
| 人事コンサルティング会社(マーサー、コーン・フェリー等)のタレントマネジメント担当コンサルタント | 販売代理協業と大企業人事部への紹介ルートを確保するため | 業界紹介・既存人脈経由、または各社の新規事業提携窓口へ直接問い合わせ |
| 個人情報保護・労働法に詳しい弁護士(企業法務系事務所) | 人事考課データ・要配慮個人情報の取扱い設計を契約前に適法性確認するため | 顧問弁護士紹介または日本組織内弁護士協会経由で人事データ案件の実績者を探す |
| PoC候補企業の情報システム部門責任者(人事システム管理者) | 人事システムとのデータ連携方式・セキュリティ要件のすり合わせに必須なため | 人事企画部門長からの社内紹介、または導入検討時のキックオフで同席依頼 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 人事コンサルティング会社への協業打診 | 「社内公募の選考効率化を一緒に顧客提案しませんか」と持ちかけ、コンサル側の既存クライアントへの同席訪問を依頼する |
| HRカンファレンス・展示会への出展 | 小間出展ではなくセミナー登壇枠に応募し、社内公募の定着率課題を事例ベースで話し、名刺交換から個別ヒアリングにつなげる |
| 人事システムベンダーとの連携紹介 | HRMOSやSmartHRの営業担当に「連携先として顧客の課題解決に貢献したい」と伝え、既存導入企業への紹介を依頼する |
| 元人事部門出身者の個人ネットワーク | 創業メンバーの前職の人事部門つながりに直接連絡し、「社内公募の選考で困っていることを聞かせてほしい」と個別に依頼する |
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 新規開業資金（創業融資） | 税務申告を2期終えていない法人・個人事業主 | 自己資金100万円に加え、システム開発とHRドメインエキスパート採用のための運転資金として活用でき、融資総額は1,000万円を想定できる |
| IT導入補助金（デジタル化基盤導入類型） | 中小企業・小規模事業者でITツールを導入する事業者 | 自社が開発したSaaSを他の中小企業に導入してもらう際、導入先企業側が本補助金を使って費用負担を下げられるため、営業提案の材料になる |
| ものづくり・商業・サービス生産性向上促進補助金（革新的サービス開発・試作品開発支援） | 革新的な製品・サービス開発を行う中小企業 | 対話AI面談機能やマッチングスコアリングアルゴリズムの試作開発費用の一部を補助対象にできる可能性がある |
| 東京都創業助成事業（公益財団法人東京都中小企業振興公社） | 都内で創業予定・創業から一定期間内の中小企業者 | PoC検証期間の人件費や広告費など運転資金の一部をカバーでき、公庫融資と並行して活用できる |
| 小規模事業者持続化補助金（創業枠） | 商工会議所・商工会の管轄地域で創業する小規模事業者 | HRカンファレンス出展費用やWebサイト・営業資料制作費など、初期の顧客獲得活動の費用の一部を補助対象にできる |
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。
労働・雇用の課題に取り組む創業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・登録動向にもとづく自動集計の相対表示です、実績を保証するものではありません