Who（誰が）
JA営農指導員、大規模農業法人の経営者・生産管理担当者、種苗メーカーの品種開発・営業部門を主要ユーザーとする
対象とする社会課題：気候変動による適地不適作化と種苗選定の勘・経験依存からの脱却
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。
農家の平均年齢は68歳を超え、種苗選びは長年の勘と経験に頼ってきた。だが気候はこの10年で前提が変わるほど動いている。東北のコシヒカリが高温障害に見舞われ、九州のカンキツが着色不良を起こす。JA営農指導員は数百戸を抱え、一戸一戸に気候予測を踏まえた提案をする余裕はない。この事業は、勘に頼らずに済む選択肢を農家とJAに渡すためにある。
※ 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、育種羅針盤の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。JAや農業法人への提案準備から融資申請まで、このまま次の一歩に進められます。
※ 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。
『育種羅針盤』は、JA営農指導員や農業法人、農家がスマホ・PCから圃場の位置情報・土壌データ・作付け履歴を入力すると、気象庁データとA-PLATの気候変動予測を突合し、向こう5年・20年の気温・降水量・日照時間の変化をAIが予測するサービスです。
さらに種苗メーカー各社の品種特性データ（耐暑性・耐病性・収量性等）と照合し、最適な品種上位5件をスコア付きで提示します。1人で数百戸を担当する営農指導員でも、チャット型AIに『この土地で高温に強い米は何か』と聞けば根拠グラフと比較表が出てきます。作付け結果を入力すればAIが再学習し、地域ごとの予測精度が年々向上していく仕組みです。
日本の農家の平均年齢は68歳を超え、種苗選定は長年の経験と勘に依存してきたが、過去10年で平均気温が地域によって1.5℃前後上昇し、従来の適地適作の前提が崩れつつある。
例えば東北地方でコシヒカリの高温障害による品質低下（一等米比率の低下）が頻発し、九州では従来品種のカンキツが着色不良を起こすなど、全国で品種と気候のミスマッチが顕在化している。JA営農指導員は1人あたり数百戸を担当し、個々の圃場条件や将来気候予測を踏まえた品種提案まで手が回らないのが実情である。種苗メーカー各社は数千品種のデータを保有するが、気象予測データと連携した意思決定支援の仕組みは存在せず、農家は依然としてカタログと過去の経験のみで品種を選んでいる。この結果、収量減少や品質低下による経済損失が全国で年間数百億円規模に達すると推計され、後継者不足の一因ともなっている。
気候予測AIは気象庁・気候変動予測データセットを学習した時系列予測モデルで、圃場単位のメッシュ気候（1kmメッシュ相当）を5年後・20年後まで予測する。
品種マッチングAIは品種特性データと気候予測・土壌データを入力とした最適化アルゴリズム（多目的最適化）で、収量・耐性・市場性を加重スコア化し上位候補を選定する。対話型AIアシスタント（LLMベース）は農家からの自然言語の質問に対し、予測根拠とスコアリング理由を平易な言葉で説明し、専門知識がなくても納得感のある意思決定を支援する。さらに実績フィードバックデータを用いた継続学習パイプラインが、地域別・品種別の予測誤差を自動検出し月次でモデルを再学習する。
農家またはJA営農指導員がスマホアプリ・Web管理画面から圃場の位置情報・土壌データ・作付け履歴を入力すると、AIが気象庁・気候変動予測データ（気候変動適応情報プラットフォームA-PLAT等の公開データ含む）と圃場データを突合し、向こう5年・20年の気温・降水量・日照時間の変化を予測する。
次にAIは種苗メーカー各社から提供された品種特性データ（耐暑性・耐病性・収量性・食味等）と予測気候を照合し、最適な品種候補を上位5件程度スコアリングして提示する。ユーザーはチャット型AIアシスタントに「この土地で高温に強い米は何か」等を自然言語で質問でき、根拠となる気候予測グラフと品種比較表を対話的に確認できる。提案後は実際の作付け結果（収量・品質・気象実績）をアプリから入力してもらい、その実績データがAIモデルの再学習に使われることで、地域ごとの予測精度が年々向上していく。
| 高温障害による一等米比率低下での収入減(東北地方水稲農家想定) | 年間30万円〜80万円/戸の目安 |
| カンキツ着色不良による等級落ち・廃棄ロス | 年間20万円〜50万円/戸の目安 |
| JA営農指導員の品種相談対応にかかる超過稼働(残業代換算) | 年間約40万円/人の目安 |
| 品種ミスマッチによる収量減少(農業法人規模) | 年間100万円〜300万円/法人の目安 |
| SaaS利用料(JA・営農指導員向け) | 月額8万円〜15万円/拠点+初期導入費50万円 |
| SaaS利用料(大規模農業法人向け) | 月額3万円〜10万円/法人 |
| 気候リスク診断レポート(自治体・農業共済向け) | 年間50万円〜200万円 |
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。
JA営農指導員は1人あたり数百戸を担当し、個々の圃場条件や将来気候まで踏まえた品種提案に手が回らないのが実情である。
東北のコシヒカリ高温障害による一等米比率低下、九州カンキツの着色不良など、品種と気候のミスマッチが全国で頻発し、経済損失は年間数百億円規模と推計される。種苗メーカーは数千品種のデータを保有するが、気象予測データと連携した意思決定支援の仕組みが存在せず、農家は依然カタログと経験のみで品種を選んでいる。気候予測・品種データ・圃場データを統合し根拠付きで提案するシステムが必要とされている。
検証フェーズ（0〜6ヶ月）は気候予測モデルと品種マッチングAIの精度・仕様が固まっていないため、準委任契約が適する。
的中率85%等の品質基準は研究開発要素が強く、請負での完成保証はリスクが高い。初期導入フェーズ以降、管理画面や入力フォームなど仕様が確定した部分は請負契約に切り替え、AI予測・マッチングロジック部分は継続改善が前提のため準委任を維持するのが望ましい。発注時は『品種提案の的中率』を検収基準に直結させず、機能実装の完了とAI精度検証（PoCレポート等）を別軸で評価する取り決めが必要である。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | JA営農指導員、大規模農業法人の営農担当者 |
| セカンダリ | 農家個人（無料〜低価格帯アプリ利用者）、種苗メーカーのデータ提供・マーケティング担当者 |
| 管理 | 自社カスタマーサクセス担当、種苗メーカーデータ管理担当者、システム運用管理者 |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 圃場データ登録機能 | 圃場の位置情報・土壌データ・作付け履歴を入力→正規化処理→圃場プロファイルDBに登録 |
| 気候予測AI機能 | 圃場位置と気象庁・A-PLATデータを入力→時系列予測モデルで演算→5年後・20年後の1kmメッシュ気候を出力 |
| 品種マッチングAI機能 | 気候予測・土壌データ・品種特性データを入力→多目的最適化でスコア計算→上位5品種候補を出力 |
| 対話型AIアシスタント機能 | 農家の自然言語質問を入力→LLMが予測根拠とスコア理由を生成→平易な説明文とグラフを出力 |
| 実績フィードバック入力機能 | 実際の収量・品質・気象実績を入力→データ検証・正規化→フィードバックDBへ蓄積 |
| 継続学習パイプライン機能 | 蓄積された実績データを入力→地域別予測誤差を検出し月次再学習→更新済みモデルを出力 |
| 気候予測グラフ表示機能 | 気候予測結果を入力→信頼区間付きグラフを生成→Web・アプリ画面に表示 |
| 品種比較表表示機能 | 候補品種のスコア・特性データを入力→比較表形式に整形→画面に一覧表示 |
| JA向け管理ダッシュボード機能 | 担当農家戸数・契約圃場データを入力→集計・可視化処理→拠点別利用状況を表示 |
| 種苗メーカー品種データ管理機能 | 品種特性データ(耐暑性・耐病性・収量性等)を入力→登録更新・掲載枠設定→品種DBへ反映 |
| 気候リスク診断レポート生成機能 | 地域気候予測データを入力→自治体・農業共済向け影響分析→PDFレポートを生成 |
| テーブル | 主要カラム |
|---|---|
organizations | org_id, name, type(JA/法人/種苗メーカー), plan, contract_start, billing_amount |
users | user_id, org_id, name, role, email, phone, created_at |
farms | farm_id, user_id, lat, lng, area_ha, prefecture, crop_history |
soil_records | soil_id, farm_id, ph, soil_type, drainage, measured_at |
climate_predictions | prediction_id, farm_id, mesh_code, target_year, temp_avg, precip_avg, sunlight_hours, confidence_interval |
varieties | variety_id, maker_id, crop_type, name, heat_tolerance, disease_resistance, yield_index, taste_score |
variety_recommendations | rec_id, farm_id, variety_id, prediction_id, score, rank, created_at |
cultivation_results | result_id, farm_id, variety_id, year, actual_yield, quality_grade, weather_actual, feedback_at |
| # | 画面 |
|---|---|
| 1 | 圃場一覧ダッシュボード |
| 2 | 圃場登録・編集画面 |
| 3 | 気候予測グラフ画面 |
| 4 | 品種提案比較画面 |
| 5 | チャットAI相談画面 |
| 6 | 作付け実績入力画面 |
| 7 | JA管理者向け契約状況画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | Python/TensorFlow(気候時系列予測モデル構築のため) |
| 2 | PostgreSQL+PostGIS(圃場位置・メッシュ気候の空間管理) |
| 3 | AWS SageMaker(モデル学習・月次再学習パイプライン運用) |
| 4 | OpenAI API(対話型AIアシスタントの自然言語応答生成) |
| 5 | Next.js(JA・法人向けWeb管理画面の構築) |
| 6 | React Native(農家向けスマホアプリのクロス開発) |
| 7 | Apache Airflow(気象データ取得・再学習ジョブの自動化) |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: SaaS基盤の稼働率99.5%以上(月間ダウンタイム3.6時間以内)を目標とする。 |
| 性能 | 性能: 気候予測AI・品種マッチングAIのレスポンスタイムは圃場単位クエリで3秒以内を目標とする。 |
| セキュリティ | セキュリティ: 農家個人情報・圃場位置情報はAES-256で暗号化保存し、アクセスログを90日間保持する。 |
| 運用 | 運用: モデル再学習は月次バッチで実施し、的中率85%以上を確認した上で本番反映する。 |
| データ保全 | データ保全: 圃場・実績データは日次バックアップし、RPO24時間・RTO4時間以内で復旧できる体制とする。 |
| スケーラビリティ | スケーラビリティ: 同時アクセス1万ユーザー(JA・法人・農家アカウント合算)まで性能劣化なく処理できる設計とする。 |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | 公開されている気象庁・A-PLATの気候データと、入手できる範囲の品種特性資料を表計算ソフトで突合し、営農指導員に手作業で品種提案リストを作って見せ、反応と的中感を確認する | 自分の作業時間と交通費が中心で、外部への支払いはほぼ発生しない水準 |
| ②最小システム | 圃場情報を入力すると簡易ロジックで品種候補を数件表示するだけのWebアプリを作り、JA・農業法人の数か所で実際に使ってもらい、入力のしやすさと提案の納得感を検証する | 外注で構築する場合は数か月分の開発費が目安、API利用料は少額 |
| ③本開発 | 気候予測AI・品種マッチングAI・対話型AIアシスタントを統合し、種苗メーカーとのデータ提携を前提とした正式版システムを構築、実績フィードバックによる再学習パイプラインまで組み込む | 専門人材の人件費とクラウド・AI利用料が中心で、融資や補助金を組み合わせて調達する規模 |
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 |
|---|---|---|
| JA全農 営農支援部（本所または都道府県本部）の担当部長 | 全国550JAへの導入窓口を持ち、パイロット拠点選定の決裁権を持つため | 農林水産省・JA全農の公開組織図から部署を特定し、代表電話で紹介依頼 |
| 大規模農業法人（年商1億円以上）の代表または営農統括責任者 | 圃場データ入力と実績フィードバックに協力できる初期パイロット候補 | 県農業法人協会の会員名簿・農業経営者向けセミナーで直接名刺交換 |
| 種苗メーカー（サカタのタネ・タキイ種苗）の研究開発・品種登録部門担当者 | 品種特性データの提供可否・粒度を早期に確認しDB構築範囲を決めるため | 各社の技術提携窓口（研究開発本部お問い合わせ）から紹介依頼 |
| 農研機構 気候変動対応研究センターの研究員 | 気候予測データの学術的妥当性検証と共同研究の可能性を確認するため | 農研機構の公開研究者データベースから該当分野の研究者に直接連絡 |
| 都道府県農政部 普及指導課または営農支援担当の職員 | JA営農指導員との現場接点を持ち気候リスクレポート事業の受託窓口となる | 県庁農政部の組織一覧から担当課を確認し訪問アポイントを取得 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| JA営農指導員への個別アプローチ | 「品種選定の勘に頼らない気候予測ツールを試験導入させてほしい」と伝え、担当地区の一部の圃場だけで無償のパイロット提案を持ちかける |
| 農業法人の代表・営農担当への直接訪問 | 「高温障害や着色不良で困っている品種を教えてほしい、その圃場で気候予測に基づく代替品種案を無償で出す」と提案し、実際の作付け判断に使ってもらう |
| 種苗メーカーの営業担当経由の紹介 | 「品種データを提供する代わりに、貴社品種の気候適応スコアを取引先農家に提示できる」と伝え、既存の取引先農家への紹介を依頼する |
| 農業系SNS・オンラインコミュニティでの情報発信 | 地域名と品種名を挙げた気候変動の影響事例を発信し、「自分の圃場でも診断してほしい方はDMください」と募集して個別に対応する |
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 新創業融資制度（新規開業資金） | 創業前または創業後まもない事業者 | 自己資金100万円に加え、設備資金とは別枠の運転資金として融資総額500万円規模の資金調達を想定しており、AI開発人員や営業体制を整える初期資金の柱になる |
| 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 | 自社が開発するSaaS型システムの開発・導入費用の一部を補助対象にできる可能性があり、JA・農業法人への初期導入費の負担軽減に使える候補になる |
| ものづくり・商業・サービス生産性向上促進補助金（ものづくり補助金） | 革新的な製品・サービス開発を行う中小企業 | 気候予測AIや品種マッチングAIといった新規システム開発は生産性向上に資する取り組みとして申請対象になり得る |
| 農林水産省 スマート農業技術の開発・実証・導入に関する事業 | スマート農業技術の開発・実証を行う事業者・農業団体等 | 気候変動対応型の品種選定支援は農業DX領域の実証事業として採択対象になりうる分野であり、JA・農業法人との実証パイロットの後押しになる |
| 東京都 創業助成事業 | 都内で創業予定または創業から一定期間内の中小企業 | 法人設立初期の人件費・広告費・専門家活用費の一部を助成対象にできる可能性があり、代表1名体制からの立ち上げ資金を補う |
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。
農業・食料領域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的な表示です。