Who（誰が）
従業員300〜3000人規模で契約社員比率20%超の製造業・小売業・介護福祉法人の人事部門担当者と登用判断を行う社内委員会が主な利用者である。
対象とする社会課題：契約社員から正社員への転換基準が曖昧で公正な登用判断ができない
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。
契約社員のうち正社員転換制度を持つ企業は約半数にとどまり、多くの現場では店長や工場長の主観で転換の可否が決まっている。勤続年数を重ねても声がかからず、理由も説明されないまま離職する人が後を絶たない。人事担当者もデータが部門ごとに散らばり、根拠を持って判断できない。転換ナビAIは、勤怠・成果・評価を一つの根拠に統合し、本人にも人事にも納得できる登用プロセスを届ける。
※ 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チャットが開き、転換ナビAIの市場規模・収益モデル・ロードマップなど、このページの内容を読み込んだ状態で各資料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。
転換ナビAIは、契約社員を正社員に登用するかどうかの判断を、勘や店長の主観ではなくデータに基づいて行えるようにする人事部門向けSaaSです。
人事担当者は勤怠システムや売上管理システムのCSVを取り込むだけで、契約社員一人ひとりの勤続年数・遅刻欠勤率・目標達成率・上司評価が一つの画面に並び、AIが算出した転換適性スコアと『なぜそのスコアなのか』という根拠（例：直近6ヶ月の欠勤率が0.5%で全体平均より優秀、資格取得済みなど）が表示されます。面談前にこの画面を見るだけで、根拠を持って会話ができるようになります。契約社員本人もセルフチェック画面で自分の到達度と不足項目を確認でき、転換されなかった理由が見えないまま辞めていく事態を防ぎます。最終判断は必ず人間の委員会が行い、AIは判断を支える補助役に徹します。
厚生労働省調査では有期契約労働者は全国に約1400万人存在し、正社員転換制度を持つ企業は約5割にとどまる。
中小製造業や小売・介護業では店長や工場長の主観的印象で転換可否が決まり、勤続3年超でも声がかからない契約社員が理由を説明されないまま離職するケースが多い。人事担当者側も勤怠・売上貢献・研修履歴が部門ごとに散在し横断比較できず、根拠を持った選定ができない。結果として優秀人材の流出、転換後の早期離職、労基署相談や訴訟リスクという損失が生じている。従業員300〜3000人規模で契約社員比率20%超の企業がこの課題の主な当事者である。
勾配ブースティング木による予測モデルが過去の転換実績データから転換適性スコアを算出し、SHAP等の説明可能AI技術で寄与要因を可視化する。
自然言語処理の対話エージェントが人事担当者の質問に社内規程・過去事例を参照して回答する。異常検知アルゴリズムが属性による不当なスコア偏りを継続監視し公平性レポートを自動生成する。時系列分析により契約社員個人の成長トレンドを予測し転換タイミングを提案する。
人事担当者は勤怠・売上・研修管理システムのデータをCSVまたはAPIで転換ナビAIに取り込み、契約社員ごとの勤続状況・遅刻欠勤率・目標達成率・上司評価・保有資格を統合したダッシュボードを得る。
AIは過去の転換実績と転換後の定着・評価データを学習し、各契約社員の転換適性スコアと根拠となる上位要因を自動算出する。人事担当者は面談前にスコアと根拠を確認し、対話型AIアシスタントに自然言語で相談すると社内規程や過去の決定パターンを踏まえた回答が返る。最終判断は人間の委員会が行い、AIは判断の透明性と説明責任を担保する補助ツールとして機能する。契約社員本人にも到達度と不足項目を可視化するセルフチェック画面を提供し、納得感ある登用プロセスを実現する。
| 転換基準不透明による契約社員の早期離職（1名あたり採用・教育コスト再発生） | 年間約900万円（離職者1名あたり60万円想定×年15名離職の場合） |
| 人事担当者による勤怠・売上・研修データの手作業横断集計工数 | 月額約20万円相当（月40時間×時給5000円換算） |
| 労基署相談・訴訟対応の顧問弁護士・社労士スポット費用 | 年間約100万円〜300万円（発生時のみ） |
| 転換後の評価ミスマッチによる早期離職・再配置コスト | 年間約200万円（転換者2名の再教育・再募集想定） |
| SaaS月額利用料（契約社員150名×300円、最低5万円適用） | 月額50,000円 |
| 初期導入・データ連携支援費（一括） | 1,000,000円（初年度のみ） |
| 公平性監査レポートオプション（年2回発行） | 年額300,000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。
契約社員は全国に約1400万人いるが、正社員転換制度を持つ企業は約5割にとどまり、中小製造業や小売・介護業では店長・工場長の主観的印象だけで転換可否が決まっている。
勤続3年を超えても声がかからず、理由も説明されないまま離職する契約社員が後を絶たない。人事担当者側も勤怠・売上貢献・研修履歴が部門ごとにシステムがバラバラで散在しており、横断して比較できないため根拠を持った選定ができていない。この結果、優秀人材の流出、転換後の早期離職、労基署相談や訴訟リスクという実損が発生しており、データを一元化し判断根拠を可視化する仕組みが必要とされている。
Phase1の検証段階（パイロット企業3社でのデータ連携とスコアリングモデル試作）は仕様が固ま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する。
Phase2以降の正式版開発（説明可能AI機能・対話アシスタントの実装）は機能要件が明確になった段階で請負契約に切り替え、検収基準（スコア算出の一致率85%達成など）を明文化するのが望ましい。発注時は学習データの著作権・利用権の帰属、契約社員の人事データを扱うための個人情報保護法・労働法制対応の責任分界を契約書に明記し、モデル精度未達時の再委託・追加開発の扱いも事前に取り決めておくこと。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 従業員300〜3000人規模の企業の人事担当者・人事部門マネージャー（契約社員のスコア確認、面談準備、委員会資料作成を行う） |
| セカンダリ | 契約社員本人（セルフチェック画面で自分の到達度・不足項目を確認する）、店長・工場長などの現場管理者（部下の評価入力・スコア参照を行う） |
| 管理 | 転換ナビAI運営会社のカスタマーサクセス担当者（企業アカウントの初期設定、データ連携支援、公平性監査レポートの運用サポートを行う） |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| データ連携・取込機能 | 勤怠・売上・研修のCSV/APIを取込→形式検証と名寄せ→統合契約社員DBへ格納 |
| 転換適性スコアリング機能 | 統合データを入力→勾配ブースティング木で予測→0〜100点の転換適性スコアを出力 |
| 説明可能AI要因表示機能 | スコアと特徴量を入力→SHAP値算出→寄与要因の上位ランキングを画面表示 |
| 対話型AIアシスタント機能 | 人事担当者の自然言語質問→社内規程・過去事例をRAG検索→回答文を生成表示 |
| 公平性異常検知機能 | スコアと属性データを入力→異常検知アルゴリズムで偏り検出→アラートと要因を通知 |
| 成長トレンド予測機能 | 個人の評価・勤怠時系列データ→時系列分析→転換推奨タイミングを提案表示 |
| 人事横断ダッシュボード機能 | 統合データ・スコア・要因を集計→部門横断比較表を生成→一覧画面に表示 |
| 契約社員セルフチェック機能 | 契約社員IDでログイン→本人スコアと不足項目を抽出→到達度可視化画面を表示 |
| 転換委員会判断記録機能 | 委員会の最終判断結果を入力→AIスコアと突合し差分算出→判断履歴DBに保存 |
| 公平性監査レポート発行機能 | 蓄積判断データを集計→年2回統計検証処理→PDF監査レポートを生成配信 |
| 権限管理・アクセスログ機能 | ユーザーのログイン情報を入力→ロール別権限判定→操作ログを記録保存 |
| テーブル | 主要カラム |
|---|---|
companies(顧客企業マスタ) | company_id, company_name, industry, employee_count, contract_plan, contract_start_date |
employees(契約社員マスタ) | employee_id, company_id, name, hire_date, employment_type, department_id, contract_end_date |
attendance_records(勤怠データ) | record_id, employee_id, work_date, late_count, absence_count, overtime_hours |
performance_records(評価データ) | record_id, employee_id, evaluation_period, sales_achievement_rate, supervisor_rating, kpi_score |
training_records(研修履歴) | record_id, employee_id, training_name, completion_date, certification_flag |
conversion_scores(転換適性スコア) | score_id, employee_id, score_value, calculated_date, shap_factors, model_version |
conversion_decisions(転換判断履歴) | decision_id, employee_id, decision_date, decision_result, committee_members, reason_text |
fairness_audit_logs(公平性監査ログ) | audit_id, company_id, audit_date, bias_metric, attribute_group, report_url |
| # | 画面 |
|---|---|
| 1 | ログイン画面 |
| 2 | ダッシュボード画面 |
| 3 | 契約社員一覧画面 |
| 4 | スコア詳細・根拠画面 |
| 5 | 対話AIアシスタント画面 |
| 6 | セルフチェック画面 |
| 7 | 公平性監査レポート画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | Python/FastAPI: API構築と機械学習連携が容易 |
| 2 | LightGBM: 高精度・高速な勾配ブースティングでスコア算出 |
| 3 | SHAP: モデル予測根拠を可視化し説明責任を担保 |
| 4 | PostgreSQL: 人事データを一元管理するRDB |
| 5 | React: ダッシュボードのSPA構築に適する |
| 6 | AWS(ECS/RDS/S3): スケーラブルで実績あるクラウド基盤 |
| 7 | OpenAI API: 対話アシスタントの自然言語応答生成 |
| 区分 | 要件 |
|---|---|
| 可用性99.5%以上を月次で維持し、計画外停止は月間4時間以内とする想定 | 可用性99.5%以上を月次で維持し、計画外停止は月間4時間以内とする想定 |
| ダッシュボード・スコア表示のレスポンスタイムを平均2秒以内とする想定 | ダッシュボード・スコア表示のレスポンスタイムを平均2秒以内とする想定 |
| 契約社員の人事データは保管時・通信時ともにAES256相当で暗号化する想定 | 契約社員の人事データは保管時・通信時ともにAES256相当で暗号化する想定 |
| 個人情報保護法・労働関連法規に準拠し、アクセス権限をロール別に最小権限で制御 | 個人情報保護法・労働関連法規に準拠し、アクセス権限をロール別に最小権限で制御 |
| データベースは日次バックアップ、RPO24時間・RTO8時間以内を目標とする想定 | データベースは日次バックアップ、RPO24時間・RTO8時間以内を目標とする想定 |
| 同時接続は最大200社×各社50ユーザー規模（1万接続程度）を目安に設計 | 同時接続は最大200社×各社50ユーザー規模（1万接続程度）を目安に設計 |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | パイロット企業から勤怠・売上・研修履歴のCSVを受け取り、Excelとスプレッドシート関数でスコアを手計算し、人事担当者と結果をすり合わせて判定ロジックの妥当性を確かめる。 | 自分の作業時間とヒアリングの交通費のみ |
| ②最小システム | CSVアップロードで動く簡易ダッシュボードを作り、勾配ブースティングの試作モデルでスコアを自動算出する。SHAPによる根拠表示は簡易版に留め、対話AIは組み込まない。 | AI利用料と簡易開発ツールの利用料程度／自作または小規模な外注で数週間分 |
| ③本開発 | API連携によるデータ自動取得、SHAPによる説明可能AIの本実装、社内規程を参照する対話型AIアシスタント、公平性監査レポートの自動生成機能まで含めた正式版を構築する。 | 外注開発費とサーバー費用がかさむ段階で数か月分の開発委託費が必要 |
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500〜1000人規模の中小製造業の人事部長・人事課長 | 契約社員比率20%超の現場で転換基準の曖昧さに実際に困っているか一次情報を得るため | 商工会議所の人事労務セミナーや中小企業家同友会の例会に参加し名刺交換から接触 |
| 特定社会保険労務士（開業社労士事務所の代表） | 無期転換ルールや評価制度設計の実務知見と、提携紹介チャネルの可能性を持つため | 全国社会保険労務士会連合会の支部研修会や労務コンサル系セミナーで名刺交換 |
| 勤怠管理SaaSベンダー（例: king of time、freee人事労務等）の事業提携担当者 | データ連携API仕様の確認と共同提案パートナーとしての可能性を探るため | HRテック展示会（HR Expo等）のブースでアポイントを取り担当窓口を紹介してもらう |
| 介護福祉法人の施設長または法人本部人事責任者 | 介護業界特有の勤怠・評価データの分散状況と離職リスクの実態を把握するため | 介護経営者向け業界団体（日本介護経営学会等）のセミナーや紹介経由で面談設定 |
| 労働局または労働基準監督署の需給調整事業担当官（非公式な情報収集目的） | 有期契約労働者の転換運用実態や相談事例の傾向を確認し規程設計に活かすため | 労働局が主催する事業主向け説明会に参加し、質疑応答後に個別相談枠で接触 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 社労士事務所への直接訪問 | 「契約社員の転換判断で悩んでいる顧問先はいませんか、無料で1社だけ試験導入させてほしい」と持ちかけ、紹介手数料の話は後回しにする。 |
| 人事コンサルティング会社への個別提案 | 「転換基準の標準化案件があれば、御社の提案書に組み込める形でツールを無償提供したい」と伝え、共同提案の形を取る。 |
| HR系展示会・セミナーでの名刺交換 | ブースで「転換基準が曖昧で困っている人事担当の方はいますか」と直接声をかけ、その場でデモの日程を仮押さえする。 |
| オウンドメディア・note等での事例発信 | 「有期契約社員の転換基準を可視化した中小製造業の事例」を記事化し、問い合わせフォームから相談を受け付ける。 |
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 | 税務申告を2期終えていない法人・個人事業主 | 自己資金100万円に加えて運転資金を借り入れることで、パイロット企業への導入支援やAIエンジニア確保の人件費に充てられる。融資合計は500万円を想定。 |
| 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（自社が顧客に導入を勧める際に案内する制度） | 導入企業側の初期費用負担を軽減できるため、営業時に提示すると契約社員数の多い中小製造業・介護法人への導入ハードルが下がる。 |
| 東京都創業助成事業（TOKYO創業ステーション） | 都内で創業予定・創業から間もない中小企業者 | 人件費や広告費、専門家謝金が対象経費に含まれることが多く、社労士との提携構築やオウンドメディア立ち上げの初期費用に活用できる可能性がある。 |
| ものづくり補助金（デジタル枠等） | 生産性向上に資するITシステム投資を行う中小企業 | 顧客企業側がAIスコアリングシステム導入時に活用できる制度として提案材料になり、営業トークの後押しになる。 |
| 信用保証協会の創業関連保証制度 | 創業予定者・創業後間もない中小企業者 | 公庫融資に加えて信用保証付き借入を組み合わせることで、資金の底（330万円）に備えた運転資金を厚めに確保できる。 |
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。
労務・人事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。
※ バッジは自動集計にもとづく相対表示です