Who（誰が）
全国約1,700自治体のうち人口3万〜50万人規模の障害福祉主管課職員、特に専門知識を持つ担当者が1〜2名しかいない中小規模市町村を主対象とする
対象とする社会課題：障害福祉サービスの支給決定事務が自治体職員の経験に依存し、審査の遅延・地域差・過重労働を生んでいる
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。
障害区分認定の判断は、担当職員個人の経験と引継ぎに支えられてきた。3年で異動する職員が入れ替わるたびに知識は失われ、同じ状態でも自治体によって支給量が変わる。決定を待つ当事者と家族にとって、地域差は生活の質そのものの差になる。judgeは職員の判断を置き換えるのではなく、支えることでこの差をなくしていく。
※ 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760万円の申請資料も、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、ケアジャッジの事業内容を読み込んだ状態で、事業計画書やピッチ資料、開発要件、融資申請書などの素案をその場で作成します。まずは気になる資料から試してください。
※ 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。
自治体の障害福祉課職員が、申請書・医師意見書・訪問調査票をシステムにアップロードすると、AIがOCRと自然言語処理で内容を読み取り、過去の類似ケースと照らし合わせてサービス種別・支給時間数の案を自動生成します。
職員は画面上で提示された案と判断根拠（過去事例・ガイドライン条文）を確認し、疑問があれば対話型AIチャットに「上限を下げた場合の根拠は？」のように質問できます。審査会資料や本人向け通知文の下書きもAIが作成するため、職員は最終確認と承認だけを行えばよくなります。平均2〜3週間かかっていた審査を15日程度に短縮し、担当者の異動で失われがちな判断基準の知識をシステム側に蓄積することで、自治体間の支給量の地域差も月次ダッシュボードで可視化していきます。
障害者総合支援法に基づく支給決定事務は全国約1,700の自治体で行われており、1件あたりの調査・審査・意見書作成に平均2〜3週間、担当職員1人あたり年間150〜300件を処理している。
担当職員の多くは異動で3年程度で入れ替わり、障害区分認定調査の判断基準や過去事例の知識が引き継がれず、同じ障害状態でも自治体によってサービス量に差が出る「地域差」が国会でも問題視されている。人口5万人規模の市では専門知識を持つ職員が1〜2名しかおらず、繁忙期には申請から決定まで法定の原則30日を超えるケースが常態化している。当事者（例:重度身体障害のある40代女性で就労継続支援B型と重度訪問介護の併用を希望するケース）は、決定が遅れることで生活支援計画が立てられず、家族の介護負担が長期化する。国は事務標準化を進めているが、判断のばらつきを定量的に補正する仕組みは存在しない。
自然言語処理により申請書・意見書・調査票のフリーテキストを構造化データに変換し、障害区分や必要サービス量を推定する分類・回帰モデルを用いて支給案を生成する。
過去数万件規模の匿名化決定データベースとの類似ケース検索（ベクトル検索）により、判断の根拠と近似事例を提示する。対話型AI（LLM）が職員からの質問対応、通知文・審査会資料のドラフト生成、地域差の要因説明を担う。決定後の利用実績データを教師データとして再学習し、支給量推定の精度を継続的に改善する仕組みを組み込む。
自治体の障害福祉課職員が、申請書・医師意見書・訪問調査票（PDF/紙）をシステムにアップロードすると、AIがOCRと自然言語処理で内容を構造化し、過去の類似ケース（障害区分・サービス種別・支給量）とのマッチングを行い、支給案（サービス種別・時間数・期間）と判断根拠となる過去事例・ガイドライン条文を提示する。
職員は提示された案を確認し、必要な箇所だけを対話型AIチャットで質問・修正指示できる（例:「就労継続支援B型の上限を下げた場合の根拠は？」）。AIは審査会向けの説明資料と本人向け通知文の下書きも自動生成し、職員は最終承認のみを行う。運用開始後は決定結果と実際のサービス利用状況を継続的に学習データとして蓄積し、地域内・地域間の判断基準のばらつきを可視化するダッシュボードを月次で提供する。
| 職員の時間外勤務（審査会資料作成・意見書精査に伴う残業代、人口8万人規模市想定） | 年間約90万円（月20時間×時給換算2,500円×12ヶ月の目安） |
| 決定遅延に伴う苦情対応・再調査の職員稼働（電話対応・追加訪問） | 年間約60万円（1件あたり2時間×30件×時給換算1,000円の目安） |
| 地域差に起因する不服申立て・審査請求への対応コスト（弁護士相談含む） | 年間約40万円（自治体単位、発生時のみの想定） |
| 新任職員育成のOJTロス（引き継ぎ不足による判断ミスの手戻り・再審査） | 年間約50万円（人口5万〜8万人規模市、経験者不在期間の生産性低下分の目安） |
| SaaS利用料（人口8万人規模市、月額段階課金） | 月額15万円（年間180万円） |
| 初期導入・データ移行費（既存システムAPI連携+過去データ移行） | 250万円（初年度一括） |
| 職員向け研修・運用支援パッケージ（オプション） | 年間50万円 |
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。
障害区分認定の審査は担当職員の経験と過去事例の記憶に依存しており、3年程度で異動する職員間で判断基準が引き継がれず、同じ障害状態でも自治体によって支給量に差が出ている。
人口5万人規模の市では専門知識を持つ職員が1〜2名しかおらず、繁忙期には法定30日を超える決定遅延が常態化している。決定の遅れは重度訪問介護と就労継続支援を併用したい当事者の生活支援計画立案を遅らせ、家族の介護負担を長期化させる。国は事務標準化を進めるが判断のばらつきを定量的に補正する仕組みがなく、現場の属人的運用を補うITシステムが必要とされている。
PoCフェーズとパイロット導入フェーズは要件や評価指標が確定しておらず試行錯誤が前提となるため準委任契約が向いており、モデル精度80%達成といった検証目標は成果物ではなく作業内容で契約すべきである。
正式版展開フェーズ以降はAPI連携仕様や画面要件が固まるため請負契約に切り替え、検収基準（承認率70%以上、処理日数15日以内などのKPI）を仕様書に明記して発注する。自治体ごとに個人情報保護条例の解釈が異なるため、要配慮個人情報の取扱いに関する責任分界点を契約書・SLAで自治体ごとに個別確認する必要がある。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 自治体障害福祉課の審査・調査担当職員 |
| セカンダリ | 審査会委員、相談支援専門員、都道府県福祉保健部の地域差分析担当者 |
| 管理 | 自治体情報政策課およびベンダー側の運用・セキュリティ管理チーム |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 書類アップロード・OCR構造化 | 申請書・意見書・調査票PDFを入力→OCRと自然言語処理で項目抽出→構造化データを出力 |
| 障害区分・支給量推定 | 構造化データを入力→分類・回帰モデルで判定→障害区分と推定支給量を出力 |
| 類似ケース検索 | 対象ケースの特徴量を入力→匿名化DBをベクトル検索→類似過去事例上位N件を出力 |
| 支給案自動生成 | 推定結果と類似事例を入力→根拠付き支給案を合成→サービス種別・時間数・期間案を出力 |
| 判断根拠提示 | 生成された支給案を入力→根拠条文・類似事例を紐付け→根拠一覧を出力 |
| 対話型AIチャット修正支援 | 職員の質問・修正指示文を入力→LLMが根拠データを参照し応答生成→回答文を出力 |
| 審査会向け説明資料生成 | 支給案・根拠データを入力→LLMが資料構成に整形→説明資料ドラフトを出力 |
| 本人向け通知文生成 | 確定した支給内容を入力→LLMが定型文に反映→通知文ドラフトを出力 |
| 職員承認・最終決定 | AI生成案を入力→職員が確認・修正操作→最終決定データを出力 |
| 利用実績再学習 | 決定後のサービス利用実績データを入力→教師データとして再学習→更新済み推定モデルを出力 |
| 地域差可視化ダッシュボード | 蓄積された決定・利用データを入力→変動係数等を集計→月次地域差レポートを出力 |
| テーブル | 主要カラム |
|---|---|
municipalities | municipality_id, name, population_band, contract_plan, api_endpoint |
staff_users | user_id, municipality_id, name, role, last_login_at |
applicants | applicant_id, municipality_id, disability_type, birth_year, address_hash |
applications | application_id, applicant_id, status, applied_at, due_date, service_requested |
document_ocr_data | document_id, application_id, doc_type, raw_text, structured_json, ocr_confidence |
decision_proposals | proposal_id, application_id, disability_grade_pred, service_hours_pred, similar_case_ids, generated_at |
decisions | decision_id, application_id, staff_user_id, final_service, final_hours, approved_without_edit, decided_at |
usage_actuals | usage_id, decision_id, actual_service_used, usage_period, feedback_flag |
| # | 画面 |
|---|---|
| 1 | 案件一覧 |
| 2 | 書類アップロード画面 |
| 3 | AI支給案確認画面 |
| 4 | 対話型AIチャット画面 |
| 5 | 審査会資料プレビュー |
| 6 | 通知文編集画面 |
| 7 | 地域差ダッシュボード |
| # | 技術（採用理由） |
|---|---|
| 1 | AWS（ガバメントクラウド移行対応の実績重視） |
| 2 | Amazon Textract（帳票OCRで申請書構造化） |
| 3 | Python/FastAPI（ML推論APIの構築容易性） |
| 4 | PostgreSQL+pgvector（類似事例のベクトル検索） |
| 5 | LLM API（GPT-4系、対話応答と文書ドラフト生成） |
| 6 | 自治体標準SSO/LGWAN対応認証基盤（既存業務連携） |
| 7 | Metabase（月次ベンチマークダッシュボード提供） |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: SaaS基幹機能の稼働率99.5%以上（月間ダウンタイム約3.6時間以内）を目標とする想定 |
| 性能 | 性能: 申請1件あたりのOCR構造化から支給案生成までの処理時間を平均3分以内とする想定 |
| セキュリティ | セキュリティ: 要配慮個人情報を扱うためISMAP登録基準準拠とし、通信・保存データはAES256相当で暗号化する想定 |
| 同時アクセス | 同時アクセス: 1自治体あたり同時利用職員数最大20名、全体で1,700自治体同時接続を想定した負荷設計とする |
| データ保全 | データ保全: 決定データは10年間の法定保存に対応し、日次バックアップと自治体ごとの論理分離を行う想定 |
| 監査性 | 監査性: AI提示案と職員修正内容の差分・承認履歴を全件ログ保存し、5年間監査可能とする想定 |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | 協力自治体の過去決定データを人手でExcelに構造化し、担当者が支給案のたたき台を作成して実際の決定と比較し、AI化する価値がある領域を見極める。 | AI利用料（既存の対話型AIの利用料程度）と自治体訪問の交通費だけ |
| ②最小システム | OCRと類似ケース検索を組み合わせた最小構成を低コードツールや既存クラウドサービスの組み合わせで構築し、実データで職員に試用してもらいフィードバックを集める。 | 外注エンジニアに数か月分の開発を依頼する水準 |
| ③本開発 | 自治体標準システムとのAPI連携、要配慮個人情報の管理体制、ISMAP登録に対応した本格的なクラウド基盤を構築し、複数自治体への同時提供に耐える設計にする。 | セキュリティ認証取得を含む、まとまった開発投資（複数名体制での外部発注） |
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 |
|---|---|---|
| 人口5〜10万人規模の市の障害福祉課長・支給決定担当係長 | 現場の審査業務の実態とPoC協力可能性を直接確認できる | 全国市長会・障害保健福祉関係主管課長会議の名簿経由で紹介依頼 |
| 元自治体障害福祉課職員（相談支援専門員や社会福祉士資格保有者） | 審査実務・判断基準のドメイン知識を持つ採用候補兼監修者 | 社会福祉士会・相談支援専門員協会の研修会・求人経由で接触 |
| 地域情報システム会社（自治体基幹システムベンダー）の自治体担当事業開発責任者 | 既存の福祉総合システムとのAPI連携・販売代理の協業可否を確認 | 自治体総合フェア・地域情報化推進協議会の展示会で名刺交換 |
| 都道府県福祉保健部障害福祉課の広域連携担当職員 | 広域連合・都道府県単位導入や補助金活用スキームを協議する窓口 | 都道府県担当課長会議への参加申請、または市区町村経由で紹介依頼 |
| ISMAP登録支援実績のあるセキュリティ監査法人・コンサルタント | 自治体調達要件を満たすための認証取得スケジュールと費用を確認 | ISMAPクラウドサービスリスト掲載事業者の紹介窓口経由で相談 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 都道府県・市区町村の障害福祉主管課長会議での直接提案 | 「支給決定業務の処理日数短縮とばらつき低減の実証にご協力いただける自治体を探しています、まず現状の業務フローを見せてもらえますか」と伝え、PoC参加を依頼する。 |
| 地域情報システム会社（自治体基幹システムベンダー）経由の紹介 | 「既存の福祉総合システムと連携する審査支援機能を検証したいので、御社の取引自治体を紹介してもらえないか」と持ちかけ、共同提案の形で窓口を開いてもらう。 |
| 社会福祉士会・相談支援専門員団体の研修会・勉強会 | 「支給決定の判断根拠が地域でばらつく課題について、現場の声を聞かせてほしい」と依頼し、登壇や情報交換の場を通じて自治体職員とのつながりを作る。 |
| 全国市長会・都道府県担当課長会議の分科会・展示スペース | 「支給決定事務の標準化に関する取組を紹介したい」と事務局に申し出て、資料配布や個別相談の枠をもらい、PoC協力自治体を募る。 |
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（旧・新創業融資制度） | 新たに事業を始める個人・法人（創業者本人） | 自己資金100万円に加えて760万円の融資を受けることで、PoCフェーズのエンジニア人件費や自治体訪問の営業費用を先行して確保できるため候補になります。 |
| 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けでなく、対象ツールを提供するITベンダーも登録可能な枠がある） | 自治体向けSaaSとしてツール登録を行えば、導入自治体側の費用負担を下げられ、初期導入・データ移行費の営業障壁を下げる材料になります。 |
| 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） | 生産性向上に資する設備・システムを開発する中小企業 | AIモデルや類似ケース検索基盤など、本開発フェーズのシステム投資の一部を補助対象にできる可能性があり、自己資金と融資だけでは足りない開発費を補う候補になります。 |
| 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者 | 本社を都内に置く場合、人件費や賃借料など創業初期の固定費の一部を助成対象にできる可能性があり、代表1名体制の期間の運転費を補う候補になります。 |
| デジタル田園都市国家構想交付金 | 自治体（都道府県・市区町村）がデジタル実装事業を行う際の交付対象 | 自社の資金というより、導入先の自治体がこの交付金を活用してケアジャッジ導入費用を確保できるため、営業提案時に予算化の後ろ盾として案内できる候補になります。 |
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。
障がい者支援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。
※ バッジは閲覧・お気に入り登録などの実績にもとづく自動集計の相対表示です。