Who（誰が）
従業員50〜1000人規模の製造工場（自動車部品・食品加工・化学・機械組立等）の安全担当者と現場作業員、および導入を仲介する労働安全コンサルや損害保険会社が主要な利用者・関係者となる
対象とする社会課題：製造現場のヒヤリハット報告が形骸化し、重大事故の予兆が活かされない
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。
月に何十件と出される紙やExcelのヒヤリハット報告は、兼務の安全担当者の手が回らず「出して終わり」になりがちだ。書いた作業員は「どうせ変わらない」と感じ、次第に報告そのものをやめていく。だが重大事故の予兆は、その埋もれた報告の中にある。誰かが分類し、優先順位をつけ、対策に変える仕組みがあれば、防げたはずの事故は確実に減らせる。
※ 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、KIZUKIの事業内容を読み込んだ状態で、それぞれの資料の素案をそのまま作成します。数値や制度も事業計画に合わせて反映されるため、修正するだけで次の一歩に使えます。
※ 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。
KIZUKIは、製造工場の現場作業員がスマホやタブレットのフォーム、または音声入力で「何が・どこで・どう危険だったか」を1〜2分で報告できるヒヤリハット報告システムです。
従来は紙やExcelで提出して終わりだった報告を、AIが自動でテキスト解析し、事故種別（転倒・挟まれ・薬品飛散等）・発生工程・リスクレベル（3段階）に分類、過去の類似事例と自動マッチングします。安全担当者はダッシュボード上でAIが優先度順に並べた対応事案と推奨対策を確認し、承認・修正ボタンを押すだけで対策指示書が現場に自動配信されます。月次では工程別・時間帯別のリスク傾向を経営層向けレポートとして自動生成します。これにより報告から対策実施までのリードタイムを現状の2〜3週間から3日以内に短縮し、兼務で手一杯な安全担当者の分類作業時間を月20〜30時間削減することを目指します。
従業員300人規模の中堅製造工場では、月平均40〜60件のヒヤリハット報告が紙やExcelで提出されるが、安全担当者は他業務と兼務のため分類・分析に手が回らず、報告が「提出して終わり」になっているケースが多い。
厚労省統計では労働災害の背後に約300件のヒヤリハットが存在するとされるが、実際に活用されているのは全国の工場でも1〜2割程度と推測される。現場作業員は「報告しても改善されない」と感じ始めると報告意欲が低下し、結果として重大事故の予兆情報が埋没する。安全管理者は分類基準が主観的になりやすく、類似事案の横展開や優先度判断に時間がかかることも課題である。特に50〜500人規模の工場では専任の安全DX人材がおらず、既存の労務管理システムにはヒヤリハット特化の解析機能が存在しない。
自然言語処理（日本語BERT系モデルをファインチューニング）により、フリーテキスト報告からリスク種別・発生要因・重大度を自動分類する。
過去数千件の報告データと労働災害統計を学習した予測モデルが、類似パターンの再発可能性をスコアリングし優先度付けを行う。対策レコメンドは過去に有効だった対策の事例ベース検索（類似度計算）とルールベースの安全基準チェックを組み合わせて生成する。将来的にはIoTセンサー（音・振動・画像）データを統合し、報告前の異常検知にも拡張する計画である。
現場作業員はスマホやタブレットのフォーム、または音声入力で「何が・どこで・どう危険だったか」を1〜2分で報告する。
AIが報告文をテキスト解析し、事故種別（転倒・挟まれ・薬品飛散等）、発生工程、リスクレベル（3段階）を自動分類し、過去の類似事例と自動マッチングする。安全担当者向けダッシュボードには、AIが優先度順に並べた「対応すべき事案」と推奨対策（過去の有効対策のレコメンド）が表示され、担当者は承認・修正するだけで対策指示書が現場に自動配信される。さらに月次でAIが工程別・時間帯別のリスク傾向を集計し、経営層向けレポートを自動生成する。これにより報告から対策実施までの平均リードタイムを現状の2〜3週間から3日以内に短縮することを目指す。
| 安全担当者の分類・集計に費やす人件費（月20〜30時間、時給換算3000円想定） | 年額72万円〜108万円 |
| 重大事故発生時の休業補償・生産停止損失（挟まれ・転倒等、1件あたり） | 1件あたり100万円〜500万円の想定 |
| 紙・Excel管理での書類探索・二重入力にかかる無駄時間（月5時間程度） | 年額18万円相当 |
| 労基署是正勧告対応・安全書類再整備の臨時コンサル費用（発生時） | 発生時50万円〜100万円の想定 |
| SaaS基本プラン（従業員300人規模・分類/ダッシュボード/レポート込み） | 月額12万円（年額144万円） |
| 上位分析オプション（工程別リスク予測・経営層向け月次分析） | 月額7万円（年額84万円） |
| 導入・初期設定支援料（過去データ移行・AIモデル初期チューニング、初年度のみ） | 一式80万円 |
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。
従業員300人規模の工場では月40〜60件のヒヤリハット報告が紙やExcelで提出されるが、安全担当者は他業務と兼務のため分類・分析まで手が回らず、報告は「提出して終わり」になっている。
厚労省統計では労働災害の背後に約300件のヒヤリハットが存在するとされるが、実際に活用されているのは全国でも1〜2割程度と推測される。現場は「報告しても改善されない」と感じると報告意欲が下がり、重大事故の予兆情報が埋没してしまう。50〜500人規模の工場には専任の安全DX人材がおらず、既存の労務管理システムにもヒヤリハット特化の解析機能が存在しないため、分類から対策実施までを自動化する専用システムが必要である。
PoC開発フェーズ（0〜6ヶ月、3社実データでの分類モデル構築）は要件が固まりきっておらず精度検証を繰り返す性質が強いため準委任契約が適しています。
初期導入フェーズ以降のダッシュボード・ワークフロー機能実装は要件定義が固まった時点で請負契約に切り替え、検収基準（分類精度70%以上、レコメンド機能の動作確認等）を明文化することを推奨します。AIモデルの分類精度は工場ごとの方言・省略表現により変動するため、精度保証条項は「納品時点でのテストデータに対する精度」として範囲を限定し、本番運用後の継続的な精度向上は別途保守契約（フィードバックループ運用込み）として切り分けるべきです。初期投資（アノテーション費用約2000万円）の扱いは請負・準委任どちらでも別枠の実費計上として契約書に明記してください。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 工場の現場作業員（ヒヤリハット報告を入力する人） |
| セカンダリ | 安全担当者・工場長（ダッシュボードで分類結果を確認し対策を承認する人） |
| 管理 | SaaS提供企業側の運用担当者およびシステム管理者（工場ごとのアカウント管理・AIモデルの精度監視・データ移行支援を行う） |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| ヒヤリハット報告入力機能 | 作業員がスマホ/タブレットで危険内容を入力→報告DBに保存→安全担当者へ通知送信 |
| 音声入力テキスト化機能 | 作業員が音声で報告→音声認識エンジンでテキスト変換→報告フォームへ自動入力 |
| AI自動分類機能 | 報告テキストを入力→日本語BERT系モデルで解析→事故種別・工程・リスク3段階を自動付与 |
| 類似事例自動マッチング機能 | 新規報告を入力→過去報告とベクトル類似度計算→類似事例上位5件を提示 |
| リスク優先度スコアリング機能 | 分類結果と労災統計を入力→予測モデルで再発可能性を算出→対応優先度順に並替表示 |
| 対策レコメンド生成機能 | 報告内容と類似事例を入力→事例検索とルールベース基準照合→推奨対策案を生成 |
| 対策指示書自動配信機能 | 承認済み対策案を入力→指示書テンプレートへ反映→現場責任者へ自動配信 |
| 安全担当者ダッシュボード機能 | 分類・優先度データを入力→一覧集計に整形→担当者画面にリアルタイム表示 |
| 承認・修正ワークフロー機能 | AI提案を入力→担当者が確認し承認/修正操作→確定結果をDBに更新 |
| 月次経営レポート自動生成機能 | 月次報告データを入力→工程別・時間帯別に集計→経営層向けPDFレポートを出力 |
| 損害保険会社向けデータ連携機能 | 匿名化済みリスクデータを入力→API経由で保険会社システムへ送信→保険料算定用データを提供 |
| テーブル | 主要カラム |
|---|---|
factories | factory_id, name, employee_size, industry_type, plan_type, contract_start_date |
users | user_id, factory_id, name, role, department, email, login_id |
reports | report_id, factory_id, user_id, report_text, audio_url, occurred_at, process_name, status |
report_classifications | classification_id, report_id, accident_type, risk_level, process_stage, confidence_score, reviewed_flag |
similar_cases | match_id, report_id, matched_report_id, similarity_score, matched_at |
countermeasures | countermeasure_id, accident_type, description, effectiveness_score, source_factory_id |
countermeasure_instructions | instruction_id, report_id, countermeasure_id, approved_by, approved_at, delivered_at, status |
monthly_reports | monthly_report_id, factory_id, target_month, process_risk_summary, incident_trend_json, generated_at |
| # | 画面 |
|---|---|
| 1 | 報告入力画面 |
| 2 | 音声入力画面 |
| 3 | 安全担当ダッシュボード |
| 4 | 事案詳細・分類確認画面 |
| 5 | 対策承認・修正画面 |
| 6 | 月次経営レポート画面 |
| 7 | 工場・利用者管理画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | 日本語BERT(cl-tohoku)：報告文分類のベースモデル |
| 2 | AWS SageMaker：モデル学習・推論基盤の構築 |
| 3 | Python/FastAPI：分類・レコメンドAPIの実装 |
| 4 | PostgreSQL：報告・対策等の構造化データ管理 |
| 5 | Elasticsearch：類似事例の高速検索・マッチング |
| 6 | React/Next.js：ダッシュボードUIの構築 |
| 7 | Amazon Transcribe：現場音声報告のテキスト化 |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: SaaS稼働率99.5%以上（月間許容ダウンタイム約3.6時間以内） |
| 性能 | 性能: 報告入力からAI分類結果表示まで平均5秒以内で応答 |
| セキュリティ | セキュリティ: 報告データはAES-256で暗号化保存、通信はTLS1.3以上を必須化 |
| 運用 | 運用: AIモデルは月1回再学習を行い分類精度を6ヶ月目80%、12ヶ月目90%まで改善 |
| データ保持 | データ保持: ヒヤリハット報告・対策履歴は最低5年間保存し変更履歴を監査ログ化 |
| スケーラビリティ | スケーラビリティ: 同時接続300工場、月間報告件数最大3万件までの処理を保証 |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | 協力工場数社から過去のヒヤリハット報告データを預かり、担当者と一緒にExcelで事故種別・リスクレベルを手動分類し、分類ルールの妥当性と現場の反応を確かめる | 外注は使わず、交通費と作業時間だけで実施できる水準感 |
| ②最小システム | スマホ入力フォームと既存の自然言語処理APIを組み合わせた簡易分類・簡易ダッシュボードを作り、実際に数週間運用してもらい分類精度と担当者の承認フローの負荷を確認する | AI利用料とクラウド利用料が中心で、外部発注は最小限に抑えられる水準感 |
| ③本開発 | 日本語BERT系モデルのファインチューニング、対策レコメンド機能、経営層向け月次レポート自動生成を本実装し、複数工場での有償契約運用に耐える設計にする | 外注開発で数か月分の工数がかかる水準感で、アノテーション費用も別途必要 |
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300人規模製造工場の安全衛生管理者（兼務担当者） | 現場の報告実態と分類業務の負担を直接把握できる最重要ヒアリング先 | 工業会・商工会議所の安全衛生セミナーや異業種交流会経由で紹介依頼 |
| 労働安全コンサルタント（国家資格保有・個人事務所または法人） | 販売代理チャネル候補であり、現場の分類基準や事故傾向の専門知見を得られる | 日本労働安全衛生コンサルタント会の名簿・研修会に参加し直接名刺交換 |
| 損害保険会社の企業向けリスクコンサルティング部門担当者 | データ連携による保険料算定活用という収益モデルの実現可否を確認する | 損保ジャパン等の中堅企業向けリスク管理部門に紹介経由でアプローチ |
| 地域工業会・商工会議所の経営支援・DX推進担当職員 | 中堅工場への導入セミナー開催や補助金情報の窓口として重要 | 商工会議所の中小企業DX相談窓口に直接訪問し事業説明資料を提出 |
| 所轄労働基準監督署の安全衛生課担当官 | ヒヤリハット報告制度の運用実態と行政指導の方向性を確認するため | 労働基準監督署の相談窓口に事前予約し安全衛生指導内容を確認 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 労働安全コンサルタントへの紹介依頼 | 「顧問先の工場でヒヤリハット報告が形骸化している課題があれば、無償のPoCとして1社ご紹介いただけないか」と直接依頼する |
| 商工会議所・工業会の安全衛生セミナー | 「ヒヤリハット活用の実態調査」という題目で無料勉強会の講師を申し出て、終了後に個別相談を希望する工場を集める |
| 損害保険代理店の担当者経由 | 「事故率低減に取り組む顧客工場があれば、リスクデータの見える化を無償で試させてほしい」と代理店担当者に持ちかける |
| 安全衛生展・製造業向け展示会への出展 | ブースで実際の報告フォームを触ってもらい、「今の集計作業を見せてほしい」と現地で個別ヒアリングの約束を取る |
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 | 法人設立から間もない創業者（代表者本人の自己資金投入が前提） | AIモデル開発費やクラウドインフラ費など創業初期の運転資金に使える制度で、この事業では融資額は600万円を想定して申請計画を組む |
| ものづくり補助金（革新的サービス開発・試作品開発支援類型） | 中小企業・小規模事業者で新サービス・新システムの試作開発を行う事業者 | AI分類モデルの試作開発やダッシュボードのプロトタイプ構築費用の一部を補助対象にできる可能性があるため候補になる |
| IT導入補助金 | 中小企業・小規模事業者でITツールを導入する事業者（自社導入・販売側の登録どちらも関係） | SaaSベンダーとしてIT導入補助金の対象ツールに登録できれば、導入先の中堅製造工場側の費用負担を下げて商談を進めやすくなる |
| 小規模事業者持続化補助金 | 小規模事業者（創業直後の販路開拓・広報活動を行う事業者） | 工業会・商工会議所向けの導入セミナー開催費用やチラシ・Webサイト制作など販路開拓の費用に使える候補になる |
| 東京都創業助成事業 | 東京都内で創業予定または創業から一定期間内の中小企業者 | 本社を東京都内に置く場合、人件費や賃借料など創業初期の運営コストの一部を助成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。
同じ労働・雇用領域に挑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。
※ バッジは自動集計にもとづく相対的な表示です。