Who（誰が）
従業員300〜3000名規模の企業人事部門、特に育児中の女性・外国籍社員・シニア再雇用者など多様な人材を抱える製造業・IT企業の担当者
対象とする社会課題：多様な人材の離職傾向をAIが要因別に可視化し、企業の定着支援を後押しする
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。
育児中の女性、外国籍社員、シニア、障がい者雇用者。多様な人材ほど離職理由は一括りにできないのに、現場は年1回のアンケートと退職面談の「一身上の都合」に頼るしかない。真因が見えないまま同じ離職が繰り返される構造を、データで断ち切りたい。
※ 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。
このショーケースの内容をAIチャットが読み込んだ状態で開き、離職リスク分析SaaSの事業計画・ピッチ資料・要件定義書などの素案をその場で作成します。ボタンを押すだけで、資料作成の最初の一歩が始まります。
※ 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。
リテンションAIは、従業員300〜3000名規模の企業の人事部門向けに、離職の「真因」を属性別に可視化するSaaSです。
SmartHR等の勤怠・評価データとAPI連携し、AIが週次で離職リスクスコアを算出、1on1やアンケートの自由記述をNLPで解析して「昇進不満」「業務量過多」などの要因タグに自動分類します。人事担当者は「30代女性管理職候補の離職要因は？」とチャットで質問すると、残業時間推移や評価コメントの根拠データ付きで回答が返り、リスクの高い社員には上司へ面談推奨と質問例が自動通知されます。年1〜2回の調査任せだった離職対策を、週次モニタリングと属性別の具体的施策提案に変える現場ツールです。
従業員300〜3000名規模の企業では、育児中の女性、外国籍社員、シニア再雇用者、障がい者雇用者など多様な人材が増える一方、離職理由が「一身上の都合」で処理され真因が特定されないまま同様の離職が繰り返されている。
人事部門は年1〜2回のエンゲージメント調査に依存し、離職の3〜6ヶ月前に現れる勤怠変化や1on1コメントの微妙な変調を捕捉できていない。中小企業では専任のデータアナリストを置く余裕がなく、離職率が業界平均（製造業12%、IT業界16%など）を超えても対策が後手に回る。特に多様な属性ごとに離職要因が異なる（女性は昇進機会、外国籍は言語・文化摩擦、シニアは役割の曖化）ため、一律の施策では効果が出ない構造的課題がある。人事担当者は「なぜ辞めるのか」を属性別・要因別に説明できず、経営会議で場当たり的な対策しか提示できていない。
予測モデル（勾配ブースティング系＋生存分析）が勤怠・評価・給与データから個人別離職確率を算出し、要因分解にはSHAP値による説明可能AIを用いて属性別の寄与度を可視化する。
自然言語処理（BERT系日本語モデル）が1on1・サーベイ自由記述を感情分析・トピック分類し、定性データを定量化する。対話型AIアシスタントがRAG構成で人事データベースを検索し、担当者の質問に自然言語で回答・面談スクリプトを生成する。最適化アルゴリズムが施策予算配分（研修・面談・報酬調整）をシミュレーションし、離職率低減効果が最大となる配分を提案する。
企業の人事システム（勤怠・給与・評価・1on1記録）とアンケートデータをAPI連携し、AIが属性（性別・年齢・雇用形態・在籍年数・部署）別に離職リスクスコアを週次で自動算出する。
自然言語処理エンジンが1on1記録やサーベイの自由記述をテキスト解析し、「昇進不満」「業務量過多」「人間関係」など要因カテゴリに自動タグ付けし、属性別の要因ランキングをダッシュボードで提示する。人事担当者はチャットボット型AIアシスタントに「30代女性管理職候補の離職要因は？」と質問すると、根拠データ（残業時間推移、評価コメント傾向）付きで回答が返る体験になる。リスクスコアが閾値を超えた社員には、AIが上司向けに「面談推奨タイミングと質問例」を自動生成し、通知する。四半期ごとにAIが施策実施前後の離職率変化を統計的に検証し、効果のあった施策を自動レポート化して次期施策提案に反映する。
| 離職者1名あたりの採用コスト（求人広告・エージェント手数料等） | 1名あたり100万円超、300名企業で年間9名離職の想定なら年間約900万円 |
| 年1〜2回のエンゲージメント調査の外部委託費 | 年間50万〜150万円 |
| 離職率が業界平均超過した場合の生産性損失・引き継ぎ工数 | 年間200万〜400万円の目安（欠員期間の業務停滞含む） |
| 人事担当者が離職者データを手作業で分析する工数（残業代含む） | 年間60万〜100万円の目安 |
| SaaS月額利用料（300名企業、1名あたり月200〜400円） | 月額6万〜12万円（年間72万〜144万円） |
| 導入・データ連携支援費（初期一括） | 30万〜80万円（初年度のみ） |
| コンサルティング付き上位プラン（追加） | 月額10万〜25万円 |
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。
現在、離職理由は「一身上の都合」で処理され真因が特定されないまま、同様の離職が属性ごとに繰り返されている。
人事部門は年1〜2回のエンゲージメント調査に依存し、離職の3〜6ヶ月前に現れる勤怠変化や1on1の微妙な変調を捉えられていない。中小企業では専任のデータアナリストを置く余裕がなく、離職率が業界平均を超えても対策が後手に回る。特に女性・外国籍・シニアなど属性ごとに離職要因が異なるため、一律施策では効果が出ず、経営会議で場当たり的な対策しか提示できない構造的課題がある。
MVP〜NLP強化フェーズは要件・精度検証を反復しながら仕様変更が多く発生するため準委任契約が適している。
正式版リリース以降、機能仕様が固まった追加開発（代理店管理機能等）は請負での発注も検討可能だが、人事の機微データを扱う点から責任分界（漏洩時の賠償範囲、SLA、匿名化処理の実装責任）を契約書に明記する必要がある。AUC0.75以上などのKPIを検収基準に含める場合は、達成条件と未達時の対応（追加チューニング工数の扱い）を事前に取り決めること。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 人事部門の担当者（人事企画・労務担当、300〜3000名規模企業） |
| セカンダリ | 現場管理職（面談実施者）、社労士・人事コンサル（代理店経由の利用者） |
| 管理 | 自社カスタマーサクセス担当・システム管理者（データ連携設定、権限管理、モデル調整） |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 人事データ連携機能 | 勤怠・評価・給与データをAPI取得→形式変換・正規化→分析用DBに週次格納 |
| 離職リスクスコア算出機能 | 個人別勤怠・評価データ→勾配ブースティング＋生存分析で算出→週次リスクスコア0-100を出力 |
| 要因分解・説明可視化機能 | リスクスコアと特徴量→SHAP値で寄与度計算→属性別要因ランキングを生成 |
| 自由記述テキスト解析機能 | 1on1・サーベイ自由記述→BERT系NLPで感情分析・トピック分類→要因タグを自動付与 |
| 属性別ダッシュボード表示機能 | 要因タグ付きデータ→属性（性別・年齢・雇用形態）別に集計→ランキング画面に表示 |
| AIチャットアシスタント機能 | 担当者の自然言語質問→RAGで人事DBを検索→根拠データ付き回答を生成 |
| 面談推奨通知機能 | 閾値超過のリスクスコア→AIが面談タイミング・質問例を生成→上司へ通知送信 |
| 施策予算配分最適化機能 | 研修・面談・報酬調整の候補と予算制約→最適化アルゴリズムでシミュレーション→配分案を提示 |
| 施策効果検証レポート機能 | 施策実施前後の離職率データ→統計的有意差検証→四半期レポートを自動生成 |
| 公平性監視機能 | 属性別予測結果→予測誤差の属性間比較でバイアス検出→公平性レポートを出力 |
| アクセス権限・匿名化管理機能 | 機微人事データ→暗号化・匿名化処理→権限別アクセス制御で保存 |
| テーブル | 主要カラム |
|---|---|
companies | company_id, name, industry, employee_count, contract_plan, contract_start_date |
employees | employee_id, company_id, gender, age, nationality, employment_type, department, tenure_months, position |
attendance_records | record_id, employee_id, date, work_hours, overtime_hours, absence_flag, paid_leave_used |
evaluation_records | eval_id, employee_id, period, rating_score, promotion_flag, salary_change_rate |
oneonone_notes | note_id, employee_id, date, raw_text, sentiment_score, topic_tags |
survey_responses | response_id, employee_id, survey_date, free_text, category_tag, satisfaction_score |
risk_scores | score_id, employee_id, calculated_date, risk_probability, shap_top_factors, threshold_flag |
intervention_logs | log_id, employee_id, action_type, recommended_date, executed_flag, outcome_result |
| # | 画面 |
|---|---|
| 1 | ログイン・企業選択画面 |
| 2 | 全社リスクダッシュボード |
| 3 | 属性別要因ランキング画面 |
| 4 | 個人別リスク詳細画面 |
| 5 | AIアシスタント対話画面 |
| 6 | 施策提案・面談通知画面 |
| 7 | 施策効果検証レポート画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | AWS(ISO27001準拠環境構築が容易なため) |
| 2 | Python/LightGBM(勾配ブースティング予測モデル構築に実績多数) |
| 3 | lifelines(生存分析ライブラリでリスク時系列算出に対応) |
| 4 | SHAP(属性別寄与度の説明可能性確保に必須) |
| 5 | 日本語BERT(1on1・サーベイ自由記述の感情/トピック分析用) |
| 6 | LangChain+RAG構成(人事DB検索型AIアシスタント実装に適合) |
| 7 | PostgreSQL(構造化人事データの安全な一元管理に実績豊富) |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: SLA 99.5%以上、月間許容ダウンタイムは21.9分以内とする |
| 性能 | 性能: ダッシュボード表示は3秒以内、リスクスコア週次バッチ処理は6時間以内に完了させる |
| セキュリティ | セキュリティ: ISO27001準拠クラウド環境を採用し、通信・保存データはAES256で暗号化、アクセスログは1年間保管する |
| 個人情報保護 | 個人情報保護: プライバシーマークを取得し、匿名化処理により個人特定不可能な形でモデル学習用データを生成する |
| 運用 | 運用: 導入後3ヶ月間はカスタマーサクセスが伴走支援し、障害発生時は1時間以内に初動対応する |
| スケーラビリティ | スケーラビリティ: 同時アクセス500ユーザー、従業員3000名規模企業のデータを日次処理可能とする |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | パイロット企業の勤怠・評価データをスプレッドシートで受け取り、代表が手作業で離職リスクの傾向と要因タグ付けを行い、結果をレポートとして提示して反応を確認する | AI利用料と資料作成の作業時間のみ |
| ②最小システム | 勤怠・評価データを取り込む簡易ダッシュボードと、1on1コメントを要因タグに分類する基礎的な自然言語処理モデルを構築し、少数のパイロット企業で自動化部分の精度を検証する | 外部エンジニアへの外注で数か月分の費用感 |
| ③本開発 | SmartHR・freee等とのAPI連携、チャットボット型AIアシスタント、匿名集計機能を含む正式版SaaSを構築し、複数社への同時提供に耐える基盤を整える | 外注・自社開発チームで半年〜1年規模の開発費用感 |
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300〜3000名規模の製造業またはIT企業の人事部長・人事企画担当役員 | 離職率データと1on1記録の実態を把握し、パイロット導入の可否を判断してもらう必要がある | 中小企業診断士協会や商工会議所の人事分科会セミナーに登壇し、名刺交換から個別面談へ繋げる |
| 社労士事務所の代表社労士（従業員100名以上の企業を複数顧問先に持つ事務所） | 顧問先への代理店紹介ルートを持ち、離職相談の実務知見と現場の生々しい課題を持っている | 全国社会保険労務士会連合会の地域会や勉強会に参加し、個別相談後に提携を打診する |
| SmartHR・freee人事労務のパートナーアライアンス担当者 | API連携の技術要件と提携条件（データ利用規約含む）を早期に確認しないと開発計画が立たない | 各社の公式パートナー募集ページから問い合わせフォーム経由で連絡し、担当者との商談を設定する |
| 個人情報保護法・労働法に詳しい弁護士（企業法務系事務所） | 要配慮個人情報や属性別スコアリングの適法性を事前確認しないとサービス設計自体が頓挫する | スタートアップ支援に強い法律事務所（例: 弁護士ドットコム提携事務所等）に有償相談を申し込む |
| 中小企業診断士協会の中小企業支援担当者 | 中小企業向け販路開拓補助金やIT導入補助金の情報提供窓口として代理店連携の起点になる | 都道府県の中小企業診断士協会に事業説明資料を送付し、支援制度説明会への参加を依頼する |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 社労士事務所への個別訪問 | 顧問先に離職相談を受けている社労士に「離職理由の見える化を無料でお試ししたい企業を1〜2社ご紹介いただけないか」と依頼する |
| 人事担当者向け勉強会・ウェビナー | 「一身上の都合で終わらせない離職分析」というテーマで小規模ウェビナーを開き、終了後に個別デモを希望する人だけを面談に誘う |
| 中小企業診断士協会のつながり | 知人の診断士に「離職率が高い顧問先で、原因分析に困っている会社があれば繋いでほしい」と直接頼む |
| SmartHR・freee人事労務のユーザーコミュニティ | 既存の勤怠・人事システム利用企業のオンラインコミュニティで、離職分析に関する悩みを持つ担当者に声をかけ、無料ヒアリングを申し込む |
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人・創業後まもない法人 | 自己資金100万円に加え、運転資金・設備資金として合計500万円程度の融資が候補になり、初期のセキュリティ基盤構築費や人件費の立ち上げ資金に充てられる |
| 小規模事業者持続化補助金 | 小規模事業者（創業直後の法人も対象になりうる） | ウェビナー開催や代理店向け営業資料作成、初期の販路開拓費用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（自治体の創業助成、他県も同種の制度あり） | 都内で創業する個人・法人（募集要件は自治体ごとに異なる） | オンボーディング支援人員の人件費や広報費など、創業初期の運営経費の一部を助成対象にできる可能性がある |
| IT導入補助金 | IT導入支援事業者として登録したベンダー、およびツールを導入する中小企業 | 自社をIT導入支援事業者として登録すれば、SaaS導入費用の一部を顧客企業が補助対象にできるため、300〜3000名規模企業への営業時の後押しになる |
| NEDO シード期研究開発型スタートアップ支援事業（STS） | AI・データ解析技術を核とする研究開発型スタートアップ | SHAP値による要因分解モデルや日本語NLPモデルの研究開発部分に対する助成候補になりうる |
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。
この領域に取り組む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。