Who（誰が）
従業員50〜500名の中小企業人事担当者、月100件以上出稿する採用広告代理店・求人媒体運営会社が主な利用者である
対象とする社会課題：採用広告の表現と実際の労働条件との乖離(いわゆる求人詐欺・条件誤認)
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。
中小企業の人事担当者は、悪意なく給与や残業時間を大まかな表現でまとめてしまうことがある。固定残業代の内訳や実際の残業実態を精査しないまま、広告代理店や求人媒体の定型フォーマットにそのまま入力してしまう。結果として入社後のミスマッチが生まれ、早期離職につながる。掲載前に、書いた本人が条件のずれ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610万円の申請資料も、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、AdCheck AIのこのショーケース内容を読み込んだ状態で対話が始まります。求人原稿と実際の労働条件の乖離という課題や事業モデルを踏まえた素案を、その場でまとめて出力します。
※ 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。
AdCheck AIは、中小企業の人事担当者や採用広告代理店が求人原稿を出稿する前に、労働条件との食い違いをAIが自動チェックするクラウドサービスです。
管理画面に求人原稿と就業規則PDF・賃金台帳・勤怠CSVをアップロードすると、NLPエンジンが給与体系や勤務時間、休日日数などを抽出し、社内データと突合します。「固定残業代45時間分が給与に含まれているが原稿に記載なし」のように具体的な乖離箇所が提示され、担当者はチャット型AIアシスタントと対話しながらその場で原稿を修正できます。再チェック後、職業安定法の明示義務基準を満たしたことを示す「点検済みバッジ」が発行され、求人媒体への入稿データに埋め込まれます。1件あたり平均15分、従来1件2〜3万円・3営業日かかっていた外部弁護士レビューを代替します。
厚生労働省の調査では、ハローワーク求人の条件と実際の労働条件が異なるという相談が年間1万件超寄せられており、民間求人媒体を含めるとその数は数倍に上ると推計される。
中小企業の人事担当者は採用競争の中で「月給25万円〜」「残業ほぼなし」といった表現を使いがちだが、固定残業代の内訳や実際の残業実態を精査せずに広告代理店や求人媒体の定型フォーマットに入力してしまうケースが多い。結果として入社後のミスマッチによる早期離職が発生し、2023年の新卒3年以内離職率は約32%、中途採用でも入社半年以内の離職理由の上位に「求人内容と実態の相違」が挙げられている。労働基準監督署による是正指導も年間数千件規模で発生しているが、事後対応が中心で、広告掲載前に条件の整合性を確認する仕組みは存在しない。人事担当者・広告代理店ともに専門知識(労働基準法、職業安定法の明示義務)が不足しており、法務レビューを毎回外部弁護士に依頼するコストも負担が大きい。
自然言語処理(NLP)エンジンが求人原稿から給与体系・勤務時間・休日日数・福利厚生などの構造化データを抽出し、社内労働条件データ(就業規則PDF・勤怠CSV・給与テーブル)とルールベース+機械学習ハイブリッドで突合照合する。
異常検知モデルが過去の是正指導事例・裁判例・労基署指摘パターン(約5,000件のコーパスを学習)を基に乖離リスクをスコアリングし、リスクの高い表現を優先度付きで提示する。対話型LLMアシスタントが人事担当者の質問(「固定残業代の書き方は？」等)にリアルタイムで回答し、法令に沿った代替表現を複数案生成する。蓄積された修正履歴と離職率データを学習することで、業種・職種別に「離職につながりやすい表現パターン」を継続的に精緻化し予測精度を向上させる。
企業の人事担当者または採用広告代理店が、求人原稿（テキスト）と社内の実際の労働条件データ（就業規則、賃金台帳、勤怠実績、雇用契約書ひな形）をAdCheck AIの管理画面にアップロードする。
AIが求人原稿を自然言語解析し、給与・勤務時間・休日・福利厚生などの記載項目を抽出、社内データと突合して数値的・文言的な乖離をスコアリングする。乖離が検出された箇所は「固定残業代45時間分が給与に含まれているが原稿に記載なし」のように具体的に指摘され、担当者はチャット型AIアシスタントと対話しながら修正案を受け取り、その場で原稿を修正できる。修正後は再チェックが自動実行され、職業安定法の明示義務基準を満たしたことを示す「点検済みバッジ」が発行され、求人媒体への入稿データに埋め込まれる。この一連のフローは求人1件あたり平均15分で完結し、外部弁護士レビュー（従来1件2〜3万円・3営業日）を代替する。
| 外部弁護士による求人原稿レビュー費用(年間掲載20件×2.5万円) | 年額約50万円 |
| 入社半年以内の早期離職による採用コスト再発生(離職者3名×採用単価50万円想定) | 年額約150万円 |
| 労基署是正指導対応の人事担当者工数(年1〜2件×対応40時間×人件費3,000円/時) | 年額約12〜24万円 |
| 求人詐欺トラブルによる口コミ評判低下・応募減少に伴う採用充足遅延(機会損失、目安) | 年額数十万円〜(算定困難につき目安) |
| 基本プラン(月20件まで点検・従業員50〜150名規模想定) | 月額50,000円(年額60万円) |
| 標準プラン(従業員150〜300名規模想定) | 月額70,000円(年額84万円) |
| 上位プラン(従業員300〜500名規模想定・繁忙期は従量課金1件1,500円を併用) | 月額150,000円(年額180万円) |
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。
厚生労働省の調査ではハローワーク求人だけで年間1万件超の条件相違相談が寄せられており、民間求人媒体を含めると数倍規模と推計される。
中小企業の人事担当者は採用競争の中で「残業ほぼなし」等の表現を精査せず定型フォーマットに入力してしまい、固定残業代の内訳確認が抜け落ちるケースが多い。結果として2023年新卒3年以内離職率は約32%に達し、中途採用でも入社半年以内の離職理由に「求人内容と実態の相違」が上位に挙がる。労基署の是正指導は年間数千件規模あるが事後対応中心であり、掲載前に条件整合性を確認する仕組みが存在しないことが根本課題である。
MVP開発フェーズ（0-6ヶ月）はNLP抽出精度や突合ロジックの仕様が固まっていないため、要件変更を前提とした準委任契約が適した想定である。
フェーズ2以降でチェックリスト項目やAPI仕様が確定した機能（バッジ発行、従量課金連携等）は、成果物範囲を明確にした請負契約への切り替えを検討すべきである。発注時は誤検出時の責任分界（AIの判定は最終確認を要する旨の免責）を契約書に明記し、労働法改正時の法令DB更新義務がどちらの負担かを別途SLAで定める必要がある。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 従業員50〜500名規模の中小企業の人事担当者（求人原稿作成・入稿業務を担当） |
| セカンダリ | 採用広告代理店の営業・制作担当者、および提携社労士事務所の担当者 |
| 管理 | AdCheck AI運営会社のカスタマーサクセス担当者と、労働法監修弁護士による法令DB管理者 |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 求人原稿NLP構造化抽出 | 求人原稿テキストを入力→NLPで給与・勤務時間・休日等を抽出→構造化データを出力 |
| 社内労働条件データ取込・正規化 | 就業規則PDF・賃金台帳CSV・勤怠実績を入力→項目正規化→社内条件DBに格納 |
| 条件突合照合 | 求人抽出データと社内条件DBを入力→ルールベース+ML照合→乖離箇所リストを出力 |
| 乖離リスクスコアリング | 乖離箇所リストを入力→是正指導5000件コーパスで異常検知スコアリング→優先度付きレポート出力 |
| 対話型LLMアシスタント | 担当者の質問文を入力→LLMが法令DBを参照して回答生成→回答文と参考条文を出力 |
| 法令準拠代替表現生成 | 乖離指摘箇所を入力→LLMが職業安定法準拠の代替表現を複数生成→修正候補文を出力 |
| 原稿修正・再チェック自動実行 | 修正後原稿を入力→突合照合とスコアリングを再実行→合否判定と残課題を出力 |
| 点検済みバッジ発行 | 合格判定データを入力→バッジID生成→入稿データへ埋め込みファイルを出力 |
| 求人媒体API連携 | 媒体側求人データをAPIで入力→点検処理を実行→バッジ情報を媒体側へ返却 |
| 社労士パートナー紹介 | 高リスク判定案件を入力→提携社労士事務所へ自動通知→対応状況ステータスを出力 |
| 誤検出フィードバック学習 | 担当者の誤検出報告と離職率データを入力→予測モデルを再学習→検出精度指標を更新出力 |
| テーブル | 主要カラム |
|---|---|
companies | company_id, company_name, industry, employee_count, plan_type, contract_status |
users | user_id, company_id, name, email, role, last_login_at |
job_postings | posting_id, company_id, raw_text, extracted_json, status, created_at |
labor_conditions | condition_id, company_id, source_type, file_url, parsed_data, updated_at |
discrepancies | discrepancy_id, posting_id, field_name, posted_value, actual_value, risk_score |
chat_sessions | session_id, posting_id, user_id, message_log, suggested_text, created_at |
badges | badge_id, posting_id, media_partner_id, issued_at, badge_status |
referrals | referral_id, posting_id, sr_office_id, referral_status, commission_amount |
| # | 画面 |
|---|---|
| 1 | ログイン/ダッシュボード |
| 2 | 求人原稿アップロード |
| 3 | 労働条件データ登録 |
| 4 | 乖離チェック結果一覧 |
| 5 | AIチャット修正画面 |
| 6 | バッジ発行/入稿管理 |
| 7 | 管理者向け分析画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | Python/FastAPI(NLP処理APIの高速開発に適する) |
| 2 | GiNZA/spaCy(日本語求人文の構造化抽出に対応) |
| 3 | OpenAI API(対話型修正提案LLMとして活用) |
| 4 | PostgreSQL(条件データと乖離結果の関係管理) |
| 5 | AWS S3(就業規則PDF・賃金台帳の保管用) |
| 6 | Elasticsearch(是正指導5000件コーパスの類似検索) |
| 7 | Auth0(企業別・権限別アクセス制御を簡易実装) |
| 区分 | 要件 |
|---|---|
| 可用性99.5%以上を保証し、月間許容ダウンタイムを3.6時間以内とする | 可用性99.5%以上を保証し、月間許容ダウンタイムを3.6時間以内とする |
| 求人1件あたりの点検処理(抽出〜照合〜スコアリング〜レポート生成)を平均15分以内で完結させる | 求人1件あたりの点検処理(抽出〜照合〜スコアリング〜レポート生成)を平均15分以内で完結させる |
| 賃金台帳・就業規則等の個人情報を含むデータは通信・保管ともにTLS1.3/AES256で暗号化する | 賃金台帳・就業規則等の個人情報を含むデータは通信・保管ともにTLS1.3/AES256で暗号化する |
| 人事担当者・代理店・社労士の3ロールでアクセス権限をロールベース制御し、権限分離を徹底する | 人事担当者・代理店・社労士の3ロールでアクセス権限をロールベース制御し、権限分離を徹底する |
| 繁忙期のピーク負荷として月間5万件の求人点検処理に対応できるスケーラビリティを確保する | 繁忙期のピーク負荷として月間5万件の求人点検処理に対応できるスケーラビリティを確保する |
| 労基署の是正指導対応の証跡として点検履歴・修正履歴を最低5年間保存する | 労基署の是正指導対応の証跡として点検履歴・修正履歴を最低5年間保存する |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | 身近な数社の実際の求人原稿と就業規則・賃金台帳をExcelチェックリストで人力突合し、乖離パターンと顧客の反応を確かめる。システムは作らない。 | 人件費のみ、外部発注なし |
| ②最小システム | NLPによる原稿抽出とルールベース突合の最小限の仕組みを実装し、チャットで指摘を返すプロトタイプを数社に試験提供して精度と反応を確認する。 | クラウド利用料と外注エンジニアの数か月分 |
| ③本開発 | 異常検知モデルの学習、対話型LLMアシスタント、点検済みバッジ発行のAPI連携まで含めた本体を開発し、複数社へ有償提供を開始する。 | 開発チーム常駐の人件費と法務監修費が中心 |
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100〜300名規模のIT・サービス業の人事部長（採用担当役員） | 求人原稿作成の実務課題とAI点検への支払い意欲を直接確認できる | 地元経営者交流会や人事勉強会（HR系Meetup）に参加し名刺交換で接触 |
| 労働基準監督署OB（退職後に社労士登録している者） | 是正指導の実例・判断基準を監修者として提供してもらえる | 全国社会保険労務士会連合会の紹介窓口経由、または知人の社労士から紹介依頼 |
| 求人媒体運営会社（例：リクルート、マイナビ等）の事業開発・アライアンス担当者 | API連携によるバッジ発行の実現可能性と媒体側の課金受容度を確認するため | 各社の法人向け問い合わせ窓口またはHRTechカンファレンスの展示ブースで接触 |
| 労働法専門の弁護士（企業法務系事務所のパートナー弁護士） | AIの乖離判定基準の法的正当性を担保し顧問契約先を確保するため | 労働法専門弁護士会名簿や知人紹介、日本労働法学会の会員名簿から接触 |
| 都道府県社会保険労務士会の法人向け相談窓口担当者 | 社労士紹介チャネル構築と高リスク案件の受け皿確保のため | 各都道府県社労士会に事業説明のアポイントを電話・メールで申し込む |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 社会保険労務士事務所への提案訪問 | 顧問先に中小企業を多く持つ社労士事務所を訪ね、「求人広告と実態のズレを事前点検するAIです。顧問先への紹介をお願いできませんか」と紹介を依頼する。 |
| 中小企業家同友会・商工会議所の勉強会 | 人事担当者が集まる勉強会で「求人詐欺トラブルを防ぐ点検サービス」を短時間で紹介し、無料トライアルを申し込んでもらう。 |
| 求人広告代理店・地方求人メディアへの直接営業 | 代理店の営業担当に連絡し、「入稿前チェックを自動化して御社の審査コストを下げませんか」と業務提携を提案する。 |
| 人事担当者向けオンラインコミュニティ・SNS | 人事担当者が集まるSNSグループやオンライン勉強会で乖離検出の事例を共有し、個別相談の予約を取ってもらう。 |
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（創業融資） | 新たに事業を始める個人・法人（自己資金や事業計画の提出が必要） | 設立初期の運転資金・システム開発費に充てられる代表的な創業融資で、この事業では融資の合計は 610万円 を想定している |
| 起業支援金（内閣府 地方創生推進交付金に基づく都道府県の創業支援事業） | 都道府県が指定する創業予定者・創業後一定期間内の事業者 | 社会課題型の新規事業を対象にした都道府県ごとの創業補助で、労働・雇用領域の課題解決型サービスは採択対象になりやすい |
| IT導入補助金 | SaaS・ITツールを導入する中小企業（本事業では自社システムのクラウド化・API連携費用が対象になり得る） | NLPエンジンやAPI連携基盤の構築・運用費の一部をカバーできる可能性があり、ITツール提供事業者としての登録も検討対象になる |
| 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（創業直後の自社も対象になり得る） | 展示会出展・営業資料作成・広告費など、最初の顧客開拓にかかる販路開拓費用の一部を補助対象にできる |
| 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） | 東京都内で創業予定または創業から一定期間内の事業者 | 人件費・賃借料・広告費など創業初期の運営費を幅広く対象にでき、代表1名体制からの立ち上げ期の資金繰りを補う候補になる |
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・雇用領域で創業を目指す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す