Who（誰が）
定員充足率90%未満の私立大学(全国約320校)の入試広報部門・教務学生支援部門、および学校法人経営層
対象とする社会課題：18歳人口減少下で大学が学生募集と入学後定着の両方をデータで最適化できていない
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。
18歳人口が減り続ける中、多くの私立大学は勘と紙のアンケートで学生募集をし、入学後に学生が孤立しても前期試験の結果が出るまで気づけない。入試広報と教務・学生支援は別々のシステムで動き、誰にどう届けて入学させ、入学後どう支えるかが一気通貫で見えていない。専任のデータ人材を置けない地方の中小規模大学ほど、この分断は深刻である。
※ 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850万円の申請資料も、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、Enroll Compassのショーケース内容を読み込んだ状態で、事業計画書やピッチ資料など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。
「Enroll Compass」は、私立大学の入試広報部門と教務・学生支援部門が別々に抱えていたデータを一つにまとめ、AIで「誰を入学させ、入学後どう支えるか」を見える化するSaaSです。
広報担当者は模試成績やオープンキャンパス参加履歴から出願確度をスコア化した見込み学生リストを画面で確認し、個別最適化したメール・LINE文面をそのまま配信できます。教務担当者は出席率やLMSログイン頻度から算出される週次の離脱リスクスコアをダッシュボードで確認し、閾値を超えた学生には自動でチューター面談が提案されます。学生自身は24時間対応のAIチャットボットに履修や奨学金の相談ができ、その対話ログも離脱予兆の検知に活用されます。紙のアンケートと担当者の勘に頼っていた意思決定を、データに基づく運用に置き換えます。
2023年の18歳人口は約109万人まで減少し、2040年には82万人程度になると推計される中、私立大学の約53%が定員割れに陥っている(2023年度日本私立学校振興・共済事業団調査)。
入試広報部門は依然として紙のオープンキャンパスアンケートや担当者の勘に頼った出願予測を行っており、どの高校・どの媒体への投資が入学に結びついているか可視化できていない。加えて入学後は、初年次で成績不振や孤立を抱える学生の中退が私立大学全体で年間約4.4万人(文部科学省「学校基本調査」)発生しているが、多くの大学は前期試験の成績が出るまで異変に気づけない。募集広報部門と教務・学生支援部門はシステムも組織も分断されており、「誰に何を届けて入学させ、入学後どう支えるか」という一気通貫のデータ活用ができていない。地方の中小規模私立大学(入学定員500〜2000人規模)では専任のデータ分析人材を置く予算がなく、この課題は特に深刻である。
募集フェーズでは機械学習(勾配ブースティング系モデル)により、模試成績・オープンキャンパス参加履歴・接触チャネル履歴から出願・入学確率を予測し、広報リソース配分を最適化する。
定着フェーズでは出席・LMSログ・成績推移などの時系列データを異常検知モデルで解析し、中退リスクを週次でスコアリングして早期アラートを出す。学生対応では自然言語処理を用いた対話AIが、学内規程・FAQ・過去の相談履歴を学習したRAG(検索拡張生成)方式で個別具体的な回答を行い、対話内容から感情・困りごとの傾向を抽出する。さらに全体最適化エンジンが、広報予算配分と学生支援リソース配分を同時にシミュレーションし、大学ごとの投資対効果が最大になる施策の組み合わせを提案する。
入試広報部門は、オープンキャンパス来場者データ・出願履歴・模試成績・SNS流入経路などをEnroll Compassに投入すると、AIが出願確度と入学確度をスコアリングし、追いかけるべき見込み学生リストと個別最適化されたメール・LINE配信文面を自動生成する。
教務・学生支援部門は、入学後の出席データ・LMSログイン頻度・小テスト得点・学生ポータルの利用状況をダッシュボードで確認し、AIが週次で算出する「離脱リスクスコア」が閾値を超えた学生に対しては自動でチューター面談を提案する。学生本人向けには、24時間対応のAIチャットボット「学修コンシェルジュ」が履修相談や奨学金手続き、学生生活の悩みに答え、対話ログ自体が離脱予兆検知の追加データとして蓄積される。大学職員は月次レポート画面で「今年度の入学者数予測」「学部別の中退リスク分布」を確認し、広報予算配分や補習体制の意思決定に活用する。導入から3ヶ月は既存の入試・教務システムとのデータ連携設定とAIモデルのチューニングを伴走支援し、以降は自走運用に移行する。
| 紙アンケート入力・出願予測作業にかかる職員残業代(入試広報課2〜3名分) | 年間約80万円〜120万円の想定 |
| 効果測定できない広報媒体費(雑誌広告・非効率なDM郵送等)の無駄な投資分 | 年間約300万円〜500万円の目安 |
| 中退1人あたりの学納金損失(在学予定年数分の授業料・入学金未回収) | 1人あたり100万円〜300万円程度(文系・在学年数により差あり) |
| 中退者対応にかかる教務・学生支援課職員の面談・事務対応人件費 | 1件あたり数万円、年間数十件発生で年間約100万円〜150万円の想定 |
| スタンダードプラン(定員500〜1000人規模) | 年間300万円 |
| ミドルプラン(定員1000〜2000人規模) | 年間500万円 |
| ハイエンドプラン(定員2000〜3000人規模) | 年間800万円 |
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。
2023年度に私立大学の約53%が定員割れに陥り、18歳人口は2040年に82万人程度まで減る見込みの中、入試広報部門は依然として紙のオープンキャンパスアンケートや担当者の経験則で出願予測を行い、どの高校・媒体への投資が入学に結びついているか検証できていない。
一方で入学後は年間約4.4万人が中退しているが、多くの大学は前期試験の成績が出る前に異変を察知できず、初動対応が遅れる。募集広報と教務・学生支援は組織もシステムも分断されており、専任のデータ分析人材を置く予算がない地方の中小規模私立大学ほどこの分断の影響が深刻である。入学前から入学後まで一気通貫でデータを繋ぐ仕組みが必要とされている。
検証フェーズ(0〜6ヶ月)のAIモデル構築・チューニングは精度検証を繰り返しながら仕様を確定させる性質が強いため準委任が向く。
一方で初期導入フェーズ以降の標準連携パッケージ(入試システム・LMS連携の定型部分)は仕様が固まりやすく請負契約でも管理しやすい。発注時は、モデル精度目標(適合率70%など)を契約上の完成基準にせず、準委任契約の中でパイロット校ごとの精度検証レポート提出を成果物として明記し、責任範囲の曖昧化を防ぐ必要がある。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 入試広報部門の担当者(見込み学生の追跡・配信文面作成・出願予測確認) |
| セカンダリ | 教務・学生支援部門の職員およびチューター(離脱リスク確認・面談対応)、在学生(AIチャットボット利用) |
| 管理 | 大学法人の情報システム部門・IR室担当者、Enroll Compass運営側のカスタマーサクセス担当 |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 出願・入学確度スコアリング | 模試成績・OC参加履歴・接触チャネル履歴→勾配ブースティングで予測→出願・入学確率スコアを出力 |
| 見込み学生リスト自動生成 | 確度スコアと学生属性→閾値判定・優先順位付け→追いかけるべき学生リストを出力 |
| 個別最適化配信文面自動生成 | 学生の関心・接触履歴→AIが文面生成→個別最適化メール・LINE文面を出力 |
| 離脱リスク週次スコアリング | 出席・LMSログ・小テスト得点→異常検知モデルで解析→離脱リスクスコアを週次出力 |
| チューター面談自動提案 | 離脱リスクスコア→閾値超過判定→面談提案アラートを担当職員に通知 |
| 学修コンシェルジュ(AI対話) | 学生の質問・学内規程・FAQ→RAGで検索生成→個別具体的な回答を24時間出力 |
| 対話ログ予兆分析 | チャットボット対話ログ→感情・困りごと傾向を抽出→離脱予兆データとして蓄積 |
| 月次経営レポートダッシュボード | 入学・中退データ集計→予測モデル適用→入学者数予測と中退リスク分布を画面表示 |
| 全体最適化シミュレーション | 広報予算・支援リソース制約→同時シミュレーション→投資対効果最大の施策組合せを提案 |
| 既存システムAPI連携 | 入試管理システム・LMS・学生ポータルのデータ→API取込→統合データベースへ格納 |
| 業界ベンチマークレポート生成 | 各校の匿名化統計データ→集計・比較分析→募集動向・中退傾向レポートを年2回出力 |
| テーブル | 主要カラム |
|---|---|
universities | university_id, name, plan_type, capacity, contract_start_date, contract_status |
prospective_students | prospect_id, university_id, name_hash, high_school_code, mock_exam_score, referral_source, application_probability_score |
contact_history | contact_id, prospect_id, channel_type, event_name, contact_date, response_flag |
enrolled_students | student_id, university_id, department_code, grade_year, enrollment_date, status |
attendance_lms_logs | log_id, student_id, log_date, attendance_rate, lms_login_count, quiz_score |
risk_scores | score_id, student_id, calculated_week, risk_score, risk_level, alert_flag |
chatbot_conversations | conversation_id, student_id, message_text, response_text, sentiment_tag, created_at |
staff_users | user_id, university_id, department, role, email, last_login_at |
| # | 画面 |
|---|---|
| 1 | ログイン・全体ダッシュボード |
| 2 | 見込み学生リスト画面 |
| 3 | 出願確度スコア詳細画面 |
| 4 | 中退リスク一覧画面 |
| 5 | 学生個別カルテ画面 |
| 6 | 月次経営レポート画面 |
| 7 | チャットボット対話ログ画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | LightGBM(出願・入学確率予測の勾配ブースティング) |
| 2 | Python/FastAPI(スコアリングAPIの実装基盤) |
| 3 | PostgreSQL(学生・接触履歴データの正規化管理) |
| 4 | Snowflake(大学横断の統計・匿名化集計処理) |
| 5 | OpenAI API+RAG構成(学修コンシェルジュの回答生成) |
| 6 | React/Next.js(職員向けダッシュボードUI) |
| 7 | AWS(ISMS対応可能なクラウド基盤、API Gateway経由連携) |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: SaaS基盤の稼働率99.5%以上(月間停止許容約3.6時間以内) |
| セキュリティ | セキュリティ: ISMS/Pマーク取得、成績・出席等の個人情報はAES-256で暗号化・匿名化保存 |
| 性能 | 性能: 離脱リスクスコアの週次バッチ処理は全在籍学生分を6時間以内に完了 |
| 性能 | 性能: 学修コンシェルジュの応答時間は平均3秒以内、24時間365日稼働 |
| 運用 | 運用: データバックアップは日次実施、障害復旧目標(RTO)4時間・目標復旧時点(RPO)24時間以内 |
| 拡張性 | 拡張性: 導入校50校時点でも画面応答の劣化率10%以内を維持 |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | パイロット校からオープンキャンパス来場データ・模試成績・出席データをスプレッドシートで受け取り、手作業でスコアリングロジックを組み、出願確度・離脱リスクの仮説が当たるかを検証する | 人件費と交通費が中心で、外部ツール利用料程度 |
| ②最小システム | 手動検証で当たりが出たロジックを簡易ダッシュボードとして実装し、1〜2校で入試課・教務課の担当者に実際に週次で見てもらいながら使い勝手とアラート精度を確認する | 小規模な外注開発とクラウド利用料の数か月分 |
| ③本開発 | 既存の入試管理システム・LMSとのAPI連携、対話AIチャットボットの本実装、複数校での同時運用に耐えるインフラ・権限管理・説明可能性のあるダッシュボードを構築する | エンジニアチームでの本格開発として複数か月〜半年規模の外注・人件費 |
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 |
|---|---|---|
| 地方私立大学（定員1000〜2000人規模）の入試広報部長・入試課長 | 出願予測データの現状と予算配分の意思決定プロセスを把握するため | 大学ICTコンソーシアムの会員名簿や入試広報担当者向けセミナーで接点を作る |
| 同大学の教務部長・学生支援センター長 | 中退リスク検知の運用体制と面談フローの実現可能性を確認するため | 入試広報部長からの紹介、または大学IR実務者研究会経由で紹介依頼 |
| 私立大学情報教育協会または大学ICT推進協議会(AXIES)の事務局担当者 | 業界団体経由の紹介チャネル構築とパイロット校候補の斡旋を依頼するため | 年次大会・研究会への出展申込みや会員向け説明会への登壇依頼 |
| 既存の入試管理システムベンダー（例: 大学向けパッケージ提供企業）の事業提携担当者 | API連携仕様の確認と共同提案スキームの構築可能性を探るため | ベンダーの代理店窓口・パートナー営業窓口に提携打診の問い合わせを行う |
| 学校法人向けコンサルティング会社（大学経営改革支援を行う中堅ファーム）の担当コンサルタント | 定員割れ大学への提案機会と紹介販売の可能性を確認するため | 大学経営者向けセミナー・私学経営者協会の交流会で名刺交換し個別訪問設定 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 大学ICTコンソーシアムの研究会・勉強会 | 「入試広報と教務データを繋ぐ取り組みについて事例共有させてほしい」と持ちかけ、登壇や情報交換の場で入試課・教務課の担当者と直接つながる |
| 私立大学連盟等の業界団体経由の紹介 | 団体の会員向け勉強会に「定員割れ対策の最新事例」というテーマで企画を持ち込み、参加大学の担当者に個別ヒアリングを依頼する |
| ドメインエキスパートの元同僚・元大学職員ネットワーク | 元大学職員である担当者が在籍していた大学や近隣校の入試課・学生支援課に「現場感覚で困っていることを聞かせてほしい」と個別に連絡する |
| 学校法人向けコンサルティング会社との提携打診 | 既に大学と関係を持つコンサル会社に「募集と定着のデータ分析部分だけ協業したい」と持ちかけ、担当している大学への同行訪問を依頼する |
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 新規開業資金（創業融資） | 新たに事業を始める法人・個人事業主 | 設立初期の運転資金を確保する主要な手段。850万円を目安に、データ連携開発やパイロット校対応の人件費・外注費に充当できる |
| IT導入補助金 | 中小企業・小規模事業者（ITツールを導入する側だが、ベンダー登録により対象顧客への導入費補助を訴求できる） | 導入先の私立大学側がこの補助金を使って初期導入支援費の負担を軽減できるため、営業時の提案材料になる |
| ものづくり補助金（革新的サービス開発・試作品開発支援枠） | 中小企業者等で新サービス・試作品の開発を行う事業者 | 離脱リスクスコアリングモデルや対話AIの試作開発費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 | 都内で創業予定・創業から一定期間内の中小企業者 | 人件費・広告費・専門家指導費などの立ち上げ費用の一部を助成対象にできる可能性があり、自己資金100万円を補完できる |
| NEDO 研究開発型スタートアップ支援事業（Seed/Pre-Seed等） | 研究開発型・技術シーズを持つスタートアップ | 予測AIモデルの精度検証や異常検知モデルの研究開発フェーズについて、外部資金に頼らず技術開発を進める選択肢になりうる |
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。
教育・大学経営DX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。
※ バッジは閲覧やお気に入りの集計にもとづく相対的な表示です。